نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 دانشجوی دکترا، آزمایشگاه کنترل سیستم‌های عصبی-عضلانی، گروه مهندسی پزشکی، مرکز فناوری عصبی ایران، دانشگاه علم و صنعت ایران

2 دانشیار، آزمایشگاه کنترل سیستم‌های عصبی-عضلانی، گروه مهندسی پزشکی، مرکز فناوری عصبی ایران، دانشگاه علم و صنعت ایران

10.22041/ijbme.2008.13424

چکیده

در این تحقیق یک راهکار کنترلی تطبیقی مقاوم فازی مبتنی بر کنترل لغزشی به منظور کنترل حرکت مفصل زانو با استفاده از تحریک الکتریکی کارکردی ارائه شده و به طور عملی بر روی 3 فرد مورد ارزیابی و مطالعه قرار گرفته است. راهکار کنترلی ارائه شده در این مقاله مبتنی بر کنترل نوع لغزشی است. از مهمترین ویژگی های کنترل نوع لغزشی، مقاوم بودن در مقابل عدم قطعیت های مدل و سیستم است. در عمل حدود عدم قطعیت ها مشخص نیست. بنابراین لازم است در کنترل نوع لغزشی، بهره جمله ناپیوسته تا حد ممکن بزرگ انتخاب شود. این سبب افزایش نوسان حول صفحه لغزش می شود. در این مقاله برای مقابله با عدم قطعیت ها، یک راهکار کنترلی از ترکیب کنترل نوع لغزشی، سیستم فازی و جبران ساز مقاوم تطبیقی برای جبران عدم قطعیت های ساختاری و غیر ساختاری ارائه شده است. در این راهکار کنترلی ابتدا دینامیک سیستم عضله- مفصل به وسیله سیستم منطق فازی شناسایی شده است. ضرایب مدل فازی در هر لحظه از زمان توسط یک تخمین گر فازی دیگر تعیین شده است. مطالعات شبیه سازی و نتایج آزمایش های انسانی نشان می دهند که راهکار کنترلی قادر به کنترل مقاوم و دقیق حرکت زاویه مفصل زانو بوده است. کنترل کننده قادر است با تنظیم شدت تحریک عضله، به خوبی اثر اغتشاش مکانیکی خارجی و بروز پدیده خستگی عضلانی را جبران کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

An Adaptive Fuzzy Control with Hierarchical Structure for Controlling the Knee-joint angle by using Functional Electrical Stimulation

نویسندگان [English]

  • Hamid Reza Kobravi 1
  • Abbas Erfanian Omidvar 2

1 Ph.D Candidate, Neuromuscular Control System Lab., Department of Biomedical Engineering, Iran Neural Technology Center, Iran University of Science and Technology

2 Associate professor, Neuromuscular Control System Lab., Department of Biomedical Engineering, Iran Neural Technology Center, Iran University of Science and Technology

چکیده [English]

In this paper an adaptive robust fuzzy controller based on sliding mode control (SMC) approach is proposed to control the knee joint position using quadriceps electrical stimulation and it has been tested on three subjects. The proposed method is based on SMC. The main advantage of SMC derives from the property of robustness to system uncertainties and external disturbances. However, a large value has to be applied to the control gain when the boundary of uncertainties is unknown. Unfortunately, this large control gain may cause chattering on the sliding surface and therefore deteriorate the system performance. In this paper a robust control strategy proposed which is based on the combination of sliding mode, fuzzy logic systems, and an adaptive compensator to reduce the system uncertainties while alleviating the effects of chattering. The fuzzy logic system is used to identify the muscle-joint dynamics. The parameters of this fuzzy system were estimated using another fuzzy system. The controller is evaluated through the simulation studies on a virtual patient and experimental studies on intact subjects. The results show that the adaptive robust controller provides an accurate tracking of desired knee-joint angle for different subjects and different days and can generate control signals to compensate the muscle fatigue and reject the external disturbance. 

کلیدواژه‌ها [English]

  • Adaptive control
  • Sliding mode control (SMC)
  • Fuzzy logic system
  • Muscle-joint system
  • Functional electrical stimulation (FES)

[1]     Kobetic R., Triolo R.J. and Marsolais E.B., Muscle selection and walking performance of multichannel FES systems for ambulation in paraplegia; Journal of Rehabilitation Research and Development 1997; 1: 23- 29.

[2]     Davis J.A., Triolo R.J., Uhlir J., Bieri C., Rohde L., Lissy D. and Kukke S., Preliminary performance of surgically implanted neuroprosthesis for standing and transfers-Where do we stand?; Journal of Rehabilitation Research and Development 2001; 38: 609-617.

[3]     Robinson C.J., Peckham PH and Hoshemia N., Introduction to Functional electrical stimulation, neuroprosthetics and rehabilitation engineering; IEEE Transaction on Rehabilitation Engineering 1996; 4: 216-217.

[4]     Veltink P.H., Donaldson N., A perspective on the control of FES-supported standing; IEEE Transaction on Rehabilitation Engineering 1998; 6: 109-112.

[5]     Hausdorff JM, Durfee W.K., Open-loop position control of the knee joint using electrical stimulation of quadriceps and hamstrings; Medical and Biological Engineering and Computing 1991; 29: 269-280.

[6]     Veltink P.H., Control of FES-induced cyclical movements of the lower leg; Medical and Biological Engineering and Computing 1991; 29: NS8-NS12.

[7]     Chang G., Luh J., Liao G., Lai J., Chung C.K., Kuo B. and Kuo T.S., A Neuro-control System for Knee Joint Position Control with Quadriceps Stimulation; IEEE Transaction on Rehabilitation Engineering 1997; 5: 2- 11.

[8]     Abbas J., Chizeck H.J., Neural Network Control of Functional Neuromuscular Stimulation Systems: Computer Studies; IEEE Transaction on Biomedical Engineering 1995; 42: 1117-1127.

[9]     Abbas J., Riess J., Adaptive Neural Network Control Cyclic Movements Using Functional Neuromuscular Stimulation; IEEE Transaction on Rehabilitation Engineering 2000; 8: 42-52.

[10] Ferrarin M., Palazzo F., Riener R. and Quintern J., Model-Based Control of FES-induced Single Joint Movements; IEEE Transaction on Biomedical Engineering 2001; 9: 245-257.

[11] Mirizarandi A.-R., Erfanian A. and Kobravi H.R., Adaptive Inverse control of Knee Joint Position In Paraplegic Subjects Using Recurrent Neural Network; In Proceeding of 10th Annual Conference of International Functional Electrical Stimulation Society; 2005.

[12] Previdi F., Carpanzano E., Design of a gain scheduling controller for knee-joint angle control by using functional electrical stimulation; IEEE Transaction on Control Systems Technology 2003; 11: 310-324.

[13] Kurosawa K., Futami R., Watanabe T. and Hoshimiya N., Joint angle control by FES using a feedback error learning controller; IEEE Transaction on Neural Systems and Rehabilitation Engineering 2005; 13: 359- 371.

[14] Diaz D.V., Tang T., Adaptive Robust Fuzzy Control of Nonlinear systems; IEEE Transaction on Systems, Man, and Cybernetic, 2004; 34: 1596-1601.

[15] Slotin J.J.E., Li W., Applied Nonlinear Control. Englewood Cliffs, Nj: Prentice-Hall; 1997:

[16] Schauer T., Holderbaum W. and Hunt K.J., Slidingmode control of knee-joint angle: experimental results; In Proceeding of 7th Annual Conference of International Functional Electrical Stimulation Society; 2002.

[17] کبروی حمیدرضا، عرفانیان امیدوار عباس، کنترل کننده تطبیقی فازی برای کنترل موقعیت مفصل زانو با استفاده از تحریک الکتریکی عضلات چخارسر رانی؛ سیزدهمین کنفرانس مهندسی پزشکی، تهران، 1385.

[18] Chenging X., Shin C., Design of a Multilevel Fuzzy Controller for Nonlinear Systems and Stability Analysis; IEEE Transaction on Fuzzy Systems. 2005; 13: 761-770.

[19] Spooner J.T., Passino K.M., Stable adaptive control using fuzzy systems and neural network; IEEE Transaction on Fuzzy Systems 1996; 4: 339- 359.

[20] Chang Y.O., A robust tracking control for chaotic Chua's circuits via fuzzy approach; IEEE Transaction on Circuit and Systems 2001; 48: 889- 895.

[21] Wang L.X., Adaptive Fuzzy Systems and control, Design, and Stability analysis; Englwood Cliffs, NJ: Prentice-Hall, 1994.

[22] Wang L.X., A Course in Fuzzy systems and Control, Prentice-Hall; 1997.

[23] Kobravi H.R., Erfanian A., A transcutaneous computerbased closed-loop motor neuroprosthesis for real-time movement control; In Proceeding of 9th Annual Conference of International. Functional Electrical Stimulation Society; England, 2004.

[24] کبروی حمیدرضا، عرفانیان امیدوار عباس؛ یک سیستم تحریک کننده عصبی-عضلانی مدار بسته کامپیوتری برای کنترل بی درنگ حرکت در عضو فلج؛ مجله علمی-پژوهشی دانشگاه علم و صنعت ایران، 1385، 3، 31-21.

[25] The Mathworks, Inc, Simulink: Dynamic System Simulation for Matlab, Natick, M.A., The Mathworks, 1998-2000.