Разработка математической модели походки человека и синтез системы управления исполнительными механизмами мехатронного реабилитационного комплекса
Ключевые слова:
математическая модель, мехатронный реабилитационный комплекс, экзоскелет, кинематическая модель, параметрическая модельАннотация
В статье рассматривается разработка математической модели походки человека для синтеза системы управления мехатронного реабилитационного комплекса. Актуальность исследования обусловлена необходимостью создания эффективных реабилитационных технологий для пациентов с нарушениями двигательной функции. Существующие реабилитационные комплексы можно разделить на экзоскелеты и устройства с механическим соединением (end effector), при этом экзоскелеты демонстрируют более высокую реабилитационную эффективность, имитируя естественную походку. Исследование включает анализ различных моделей движения, таких как кинематические, динамические, биомеханические, нейронные сети и алгоритмы управления. Научная новизна работы заключается в создании модели, позволяющей учитывать индивидуальные антропометрические параметры пациента, включая массу и длины сегментов конечностей, а также моделировать поворот ступней. В рамках исследования предложен метод разбиения цикла шага на четыре фазы, каждая из которых описывается отдельной системой математических уравнений, что обеспечивает высокую точность воспроизведения различных этапов движения. Для валидации модели использовалась маркерная система захвата движений, что позволило получить данные о траекториях движения. Результаты показали, что модель эффективно генерирует траектории сагиттальных углов возвышения бедра, голени и стопы, что способствует улучшению управления реабилитационным устройством. В заключение, работа подчеркивает важность математического моделирования для создания адаптивных систем управления, которые могут существенно улучшить процесс реабилитации. Дальнейшие исследования будут направлены на доработку модели и её интеграцию с методами машинного обучения для повышения точности и надежности реабилитационных программ.
Литература
2. Chien W-T, Chong Y-Y, Tse M-K, Chien C-W, Cheng H-Y. Robot-assisted therapy for upper-limb rehabilitation in subacute stroke patients: A systematic review and meta-analysis // Brain and Behavior. 2020. vol. 10(8). DOI: 10.1002/brb3.1742.
3. Латышева В.Я., Чечетин Д.А., Ядченко Н.М., Иванцов О.А., Федоров В.В., Барбарович А.С., Филюстин А.Е., Иванова Н.М. Реабилитация двигательной активности пациентов в постинсультном периоде: практическое руководство для врачей / Гомель: ГУ «РНПЦ РМиЭЧ», УО «ГГМУ», 2015. 78 с.
4. Chen G., Xu Y. Combining Virtual Reality and Robotics for Effective Stroke Rehabilitation: A Systematic Review // Journal of NeuroEngineering and Rehabilitation. 2021. vol. 18. pp. 1–14.
5. Краснова-Гольева В.В., Гольев М.А. Виртуальная реальность в реабилитации после инсульта // Современная зарубежная психология. 2015. Т. 4. № 4. С. 39–44. DOI: 10.17759/jmfp.2015040406.
6. Котов С.В., Слюнькова Е.В., Борисова В.А., Исакова Е.В. Эффективность применения интерфейсов «мозг – компьютер» и когнитивных тренингов с использованием компьютерных технологий в восстановлении когнитивных функций у пациентов после инсульта // Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2022. Т. 122(12). С. 67–75. DOI: 10.17116/jnevro202212212267.
7. REHA Technology G-EOL Brochure. URL: https://www.rehatechnology.com/wp-content/uploads/181130a_Brochure_G-EOL_En_Web_cm_in.pdf (дата обращения: 01.08.2021).
8. Hocoma Lokomat Pro. Functional Robotic Gait Therapy. URL: https://www.hocoma.com/solutions/lokomat/ (дата обращения: 01.08.2021).
9. Motorika High-Level Gait Training Platform – ReoAmbulator. URL: https://motorika.com/reoambulator (дата обращения: 01.08.2021).
10. Bortole M., del Ama A., Rocon E., Moreno J.C., Brunetti F., Pons J.L. A robotic exoskeleton for overground gait rehabilitation // IEEE International Conference on Robotics and Automation. IEEE. 2013. pp. 3356–3361. DOI: 10.1109/ICRA.2013.6631045.
11. Beyaert C., Vasa R., Frykberg G.E. Gait post-stroke: pathophysiology and rehabilitation strategies // Neurophysiologie Clinique/Clinical Neurophysiology. 2015. vol. 45. № 4-5. pp. 335–355. DOI: 10.1016/j.neucli.2015.09.005.
12. Torricelli D., Cortes C., Lete N., Bertelsen A., Gonzalez-Vargas J.E., del-Ama A.J., Dimbwadyo I., Moreno J.C., Florez J., Pons J.L. A Subject-Specific Kinematic Model to Predict Human Motion in Exoskeleton-Assisted Gait // Front Neurorobot. 2018. vol. 12. DOI: 10.3389/fnbot.2018.00018.
13. Sun J. Dynamic Modeling of Human Gait Using a Model Predictive Control Approach // Dissertations (1934-). 2015. pp. 161 p.
14. Колесникова Г.П., Формальский А.М. Об одном способе моделирования походки человека // Инженерный журнал: наука и инновации. 2014. Т. 1(25). DOI: 10.18698/2308-6033-2014-1-1181.
15. Королева Т.М., Липский В.Е., Липская О.В., Паркетова А.В. Использование нейросетевых технологий в биомеханике // Медицинская визуализация и компьютерная графика. 2018. № 6(3). С. 80–86.
16. Hoellinger T., Petieau M., Duvinage M., Castermans T., Seetharaman K., Cebolla A.-M., Bengoetxea A., Ivanenko Yu., Dan B., Cheron G. Biological oscillations for learning walking coordination: dynamic recurrent neural network functionally models physiological central pattern generator // Frontiers in Computational Neuroscience. 2013. vol. 7(70). DOI: 10.3389/fncom.2013.00070.
17. Верховод Д.П., Вороной В.В., Побединский С.Ю. Разработка системы управления и позиционирования узлов мехатронного реабилитационного комплекса // Системы анализа и обработки данных. 2023. Т. 92. № 4. С. 23–34.
18. Slim M., Rokbani N., Neji B., Terres M.A., Beyrouthy T. Inverse Kinematic Solver Based on Bat Algorithm for Robotic Arm Path Planning. Robotics. 2023. vol. 12(2). pp. 1–26. DOI: 10.3390/robotics12020038.
19. Вороной В.В., Верховод Д.П. Выбор математической модели походки человека для применения в реабилитационных устройствах // Сибирский журнал клинической и экспериментальной медицины. 2023. № 38(4). С. 231–235.
20. Cavagna G., Kaneko M. Mechanical work and efficiency in level walking and running // The Journal of physiology. 1977. vol. 268. no. 2. pp. 467–481. DOI: 10.1113/jphysiol.1977.sp011866.
21. Цыгулин А.А. Разработка реабилитационного комплекса Гефест для пациентов после перенесенного инсульта // Экстремальная роботехника. 34-я международная научно-техническая конференция. Сборник тезисов. Санкт-Петербург: ООО «Типография Фурсова», 2023. С. 188–191.
22. McGregor A.H., Warren M., Brooks J.M., Feldman D.S. The Role of Pelvic and Lower Limb Biomechanics in Post-Stroke Gait Rehabilitation: A Systematic Review // Journal of NeuroEngineering and Rehabilitation. 2021. vol. 18. pp. 45.
23. Chen Z., Franklin D.W. Musculotendon Parameters in Lower Limb Models: Simplifications, Uncertainties, and Muscle Force Estimation Sensitivity // Annals of Biomedical Engineering. 2023. vol. 51. pp. 1147–1164. DOI: 10.1007/s10439-023-03166-5.
Human Gait Mathematical Model Development and Control System Synthesis for Actuating Mechanisms of the Mechatronic Rehabilitation Complex
Abstract
The article discusses the development of a mathematical model of human gait for the synthesis of a control system for a mechatronic rehabilitation complex. The relevance of the research is determined by the necessity to create effective rehabilitation technologies for patients with motor function impairments. Existing rehabilitation complexes can be divided into exoskeletons and devices with mechanical linkage (end effectors), with exoskeletons demonstrating higher rehabilitation effectiveness by mimicking natural gait. The scientific novelty of this study lies in the development of a model that takes into account the individual anthropometric parameters of the patient, including body mass and the lengths of limb segments, as well as the ability to simulate foot rotation. Within the framework of the study, a method for dividing the gait cycle into four phases is proposed, each described by a separate system of mathematical equations, which ensures high accuracy in reproducing various stages of movement. To validate the model, a marker-based motion capture system was used, which provided data on movement trajectories. The results showed that the model effectively generates trajectories of sagittal angles of hip, shank, and foot elevation, contributing to improved control of the rehabilitation device. In conclusion, the work emphasizes the importance of mathematical modeling for the development of adaptive control systems that can significantly enhance the rehabilitation process. Further research will focus on refining the model and integrating it with machine learning methods to improve the accuracy and reliability of rehabilitation programs.
Опубликован
Как цитировать
Раздел
Copyright (c) Вадим Владимирович Вороной

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).