Artificially induced joint movement control with musculoskeletal model-integrated iterative learning algorithm
Artificially induced joint movement control with musculoskeletal model-integrated iterative learning algorithm
复制标题
利用肌肉骨骼模型集成迭代学习算法进行人工诱导关节运动控制
DOI：
10.1016/j.bspc.2019.101843
复制
发表时间：
2020-05
影响因子：
5.1
通讯作者：
Caihua Xiong
中科院分区：
文献类型：
--
作者：
Qin Zhang;Yang Meng;Linhui Wu;Xianbo Xiang;Caihua Xiong
神经肌肉电刺激（NMES）提供微小的电脉冲，人为诱导肌肉收缩，可用于神经康复或增强肌肉力量的目的。对于神经系统患者来说，NMES不仅能够人工诱导运动，还能改善生理功能和本体感觉。为了使诱导运动发挥作用，由于人体肌肉骨骼系统的高度非线性时变特性，实现准确和持久的运动很重要，但很困难。本文提出了一种肌肉骨骼模型集成迭代学习控制（MMILC）策略，其中肌肉骨骼模型加速迭代学习控制（ILC）的自学习，以完成重复的关节运动。利用肌肉骨骼动力学模型的前馈信息和ILC的自学习能力，可以同时实现控制器的快速响应和准确的跟踪性能。通过仿真和实验研究来评估所提出的 MMILC 在 NMES 引起的关节运动控制中的性能。与传统的 ILC 相比，所提出的 MMILC 在控制典型膝关节运动方面表现出更快、更好的跟踪性能。从六名健全受试者的统计结果来看，所提出的 MMILC 可以补偿受试者对人工电刺激响应的肌肉骨骼特征的差异，并代表对 NMES 的可行、有效的控制，以实现不同的运动控制目的。
Neuromuscular electrical stimulation (NMES) delivers tiny electrical impulses to artificially induce muscle contraction, which can be used for the purpose of neurological rehabilitation or muscle strength enhancement. For neurological patients, NMES is not only able to artificially induce movements but also to improve physiological functions and proprioception. To make the induced movements functional, achieving accurate and persistent movement is important but difficult due to highly nonlinear time-variant properties of human musculoskeletal system. This paper proposes a musculoskeletal model-integrated iterative learning control (MMILC) strategy where the musculoskeletal model accelerates the self-learning of iterative learning control (ILC) to accomplish repetitive joint movements. Taking advantage of the feedforward information from the musculoskeletal dynamic model and the self-learning ability of ILC, fast response of the controller and accurate tracking performance can be achieved simultaneously. Both simulation and experiment research are conducted to evaluate the performance of the proposed MMILC in NMES-induced joint movement control. Comparing with traditional ILC, the proposed MMILC illustrates faster and better tracking performance in the control of typical knee joint movements. From the statistic results on six able-bodied subjects, the proposed MMILC can compensate the subject-specific differences in musculoskeletal characteristics responding to the artificial electrical stimulation and represent feasible, effective control of NMES to achieve different motor control purposes.
登录
查看更多内容
影响因子：
64.8
作者：
Ethier, C.;Oby, E. R.;Bauman, M. J.;Miller, L. E.
通讯作者：
Miller, L. E.
DOI：
10.1093/ietisy/e89-d.4.1525
发表时间：
2006-04
期刊：
IEICE Trans. Inf. Syst.
影响因子：
--
作者：
A. Arifin;Takashi Watanabe;N. Hoshimiya
通讯作者：
A. Arifin;Takashi Watanabe;N. Hoshimiya
DOI：
10.1016/j.proeng.2012.07.160
发表时间：
2012
期刊：
Procedia Engineering
影响因子：
--
作者：
A. Saudi;J. Sulaiman
通讯作者：
A. Saudi;J. Sulaiman
DOI：
10.1007/978-3-319-25706-8
发表时间：
2016
期刊：
--
影响因子：
--
作者：
C. Freeman
通讯作者：
C. Freeman
DOI：
10.1109/tnsre.2012.2191574
发表时间：
2012-05-01
影响因子：
4.9
作者：
Ambrosini, Emilia;Ferrante, Simona;Pedrocchi, Alessandra
通讯作者：
Pedrocchi, Alessandra