استفاده برخط از نرم‌افزارهای بیومکانیکی و شبیه‌سازی در ارزیابی عملکرد ربات‌های توان‌بخشی: رویکرد شبیه‌سازی

نوع مقاله : مقاله پژوهشی اصیل

نویسندگان

1 دکتری تخصصی برق، گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران

2 استادیار، گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران

3 دانشیار، گروه اعضای مصنوعی و وسایل کمکی، دانشکده علوم توان‌بخشی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

10.22122/jrrs.v15i2.3412

چکیده

مقدمه: ربات‌های توان‌بخشی امکان حرکت اندام فلج و یا نیمه فلج را فراهم می‌کنند. این ربات‌ها قابلیت برنامه‌ریزی دارند و می‌توان روش‌های مختلف توان‌بخشی را با کمک آن‌ها‌ تحقق بخشید. از جمله چالش‌های اصلی این وسایل، چگونگی ارزیابی عملکرد درست ربات‌ها و بررسی اثرات آن بر روی افراد است. هدف از انجام پژوهش حاضر، معرفی روش ارزیابی عملکرد یک ربات پوشیدنی، در اصلاح سیکل راه رفتن اندام تحتانی شخص مبتلا به اختلال حرکتی راه رفتن چمباتمه‌ای با استفاده برخط از نرم‌افزارهای بیومکانیکی و محاسباتی بود.مواد و روش‌ها: مدل ربات پوشیدنی برای یک پا و مدل بدن انسان با استفاده از نرم‌افزار‌های Autodesk Inventor و OpenSim شبیه‌سازی شد. سپس نیروی عضلات با توجه به الگوی راه رفتن فرد دارای اختلال حرکتی چمباتمه‌ای محاسبه گردید. با اعمال نیرو و با استفاده از نرم‌افزار OpenSim، موقعیت، سرعت و شتاب مفاصل ران و زانو به صورت برخط به دست آمد و به عنوان ورودی به سیستم کنترل ربات ارسال شد.یافته‌ها: با برقراری ارتباط بین نرم‌افزارهای شبیه‌سازی، بیومکانیکی و محاسباتی، تأثیر یک ربات پوشیدنی بر روی مدل انسان و همچنین، اثر آن بر روی عضلات حین راه رفتن بررسی و مؤثر بودن استفاده از این روش تأیید گردید. یافته‌های حاصل از شبیه‌سازی نشان داد که ربات پوشیدنی برای کاربر دارای اختلال حرکتی چمباتمه‌ای، مسیر راه رفتن طبیعی را با خطای کمتر از 06/0 رادیان دنبال کرد.نتیجه‌گیری: با استفاده از روش شبیه‌سازی و تحلیل داده‌های حرکتی فرد دارای اختلال، می‌توان مسیر بهینه مناسب با هر فرد را به صورت مجزا برای ربات توان‌بخشی تعریف کرد که سبب کاهش خطر استفاده ار ربات و خطای ردیابی حین استفاده از ربات توان‌بخشی می‌شود. همچنین، امکان تغییر ساختار مکانیکی و کنترلی ربات‌های پوشیدنی بدون صرف هزینه وجود دارد.

کلیدواژه‌ها

  1. Sokhangouei Y, Abdollahi I, Kazem-Dokht M, Karimlou M, Khanlari Z. Measuring the quadriceps angle by a new method and comparison with goniometer and radiography. J Rehab 2012; 13(2):64-73. [In Persian].
  2. Meuleman J, van Asseldonk E, van Oort G, Rietman H, van der Kooij H. LOPES II--Design and evaluation of an admittance controlled gait training robot with shadow-leg approach. IEEE Trans Neural Syst Rehabil Eng 2016; 24(3): 352-63.
  3. Gams A, Petric T, Debevec T, Babic J. Effects of robotic knee exoskeleton on human energy expenditure. IEEE Trans Biomed Eng 2013; 60(6): 1636-44.
  4. Young AJ, Hargrove LJ. A Classification method for user-independent intent recognition for transfemoral amputees using powered lower limb prostheses. IEEE Trans Neural Syst Rehabil Eng 2016; 24(2): 217-25.
  5. Herr H. Exoskeletons and orthoses: Classification, design challenges and future directions. J Neuroeng Rehabil 2009; 6: 21.
  6. Cao J, Xie SQ, Das R, Zhu GL. Control strategies for effective robot assisted gait rehabilitation: the state of art and future prospects. Med Eng Phys 2014; 36(12): 1555-66.
  7. Ong CF, Hicks JL, Delp SL. Simulation-based design for wearable robotic systems: an optimization framework for enhancing a standing long jump. IEEE Trans Biomed Eng 2016; 63(5): 894-903.
  8. Afschrift M, De GF, De SJ, Jonkers I. The effect of muscle weakness on the capability gap during gross motor function: A simulation study supporting design criteria for exoskeletons of the lower limb. Biomed Eng Online 2014; 13: 111.
  9. Chao EY, Armiger RS, Yoshida H, Lim J, Haraguchi N. Virtual Interactive Musculoskeletal System (VIMS) in orthopaedic research, education and clinical patient care. J Orthop Surg Res 2007; 2: 2.
  10. Agarwal P, Kuo PH, Neptune RR, Deshpande AD. A novel framework for virtual prototyping of rehabilitation exoskeletons. IEEE Int Conf Rehabil Robot 2013; 2013: 6650382.
  11. Ferrati F, Bortoletto R, Pagello E. Virtual modelling of a real exoskeleton constrained to a human musculoskeletal model. Proceedings of the Biomimetic and Biohybrid Systems- 2nd International Conference, Living Machines; 2013 29 Jul-2 Aug; London, UK.
  12. Agarwal P, Sathia narayanan M, Lee L, Mendel F, Krovi V. Simulation-based design of exoskeletons using musculoskeletal analysis. Proceedings of the IDETC 2010: ASME 2010 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference; 2010 15-18 Aug; Montreal, Quebec, Canada.
  13. Viteckova S, Kutilek P, Jirina M. Wearable lower limb robotics: A review. Biocybern Biomed Eng 2013; 33(2): 96-105.
  14. Delp SL, Anderson FC, Arnold AS, Loan P, Habib A, John CT, et al. OpenSim: open-source software to create and analyze dynamic simulations of movement. IEEE Trans Biomed Eng 2007; 54(11): 1940-50.
  15. Karimi MT, Kaviani Boroojeni MT. The analysis of the length and produced force by some trunk muscles of a scoliotic patient using Open-SIMM software during walking with Milwaukee orthosis-A case report. J Res Rehabil Sci 2013; 9(7): 1344-1352. [In Persian].
  16. Mansouri M, Reinbolt JA. A platform for dynamic simulation and control of movement based on OpenSim and MATLAB. J Biomech 2012; 45(8): 1517-21.
  17. Stanev D. Extendable OpenSim-Matlab Infrastructure using class oriented C++ Mex Interface. Bethesda, MD: The National Institutes of Health (NIH); 2016.
  18. Chen B, Ma H, Qin LY, Gao F, Chan KM, Law SW, et al. Recent developments and challenges of lower extremity exoskeletons. J Orthop Translat 2016; 5: 26-37.
  19. Sharifmoradi K, Karimi M T, Rezaeeyan Z. The effects of negative heel rocker shoes on the moment and the contact forces applied on lower limb joints of diabetic patients during walking. Physical Treatment 2016; 6(3): 129-36.
  20. Khamar M, Edrisi M, Zahiri M. Human-exoskeleton control simulation, kinetic and kinematic modeling and parameters extraction. MethodsX 2019; 6: 1838-46.
  21. Khamar M, Edrisi M. Designing a backstepping sliding mode controller for an assistant human knee exoskeleton based on nonlinear disturbance observer. Mechatronics 2018; 54: 121-32.