Key points are not available for this paper at this time.
Este artigo apresenta uma estrutura de controle assistido sob demanda (AAN) para assistência de exoesqueleto com base na previsão do esforço volicional humano por meio de um modelo neuromuscular do tipo Hill. Um algoritmo de processamento sequencial baseado em observador multirate é aplicado para estimar continuamente os níveis de ativação muscular ao fundir sinais de eletromiografia de superfície (sEMG) e sinais de ecogenicidade por ultrassom (US) dos músculos do tornozelo. Um controlador de impedância adaptativa manipula a impedância do exoesqueleto para um comportamento mais natural, seguindo um modelo de impedância intrínseca desejada. Duas redes neurais proporcionam robustez às incertezas no modelo geral da articulação do tornozelo-exoesqueleto e ao erro de previsão no torque volicional da articulação do tornozelo. Uma análise rigorosa de estabilidade baseada em Lyapunov prova que a estrutura de controle AAN alcança rastreamento uniformemente limitado para o sistema geral. Estudos experimentais em cinco participantes sem deficiências neurológicas caminhando em uma esteira validam a eficácia do exoesqueleto de tornozelo projetado e da abordagem AAN proposta. Os resultados ilustram que a abordagem de controle AAN com sinais fundidos de sEMG e ecogenicidade por US manteve uma maior precisão na previsão do esforço volicional humano, menor erro de rastreamento da trajetória da articulação do tornozelo e menor torque de assistência robótica do que a abordagem AAN com a previsão de esforço volicional baseada em sEMG isoladamente. As descobertas apoiam nossas hipóteses de que o controlador proposto aumenta a precisão da previsão da intenção de movimento humano, melhora o desempenho de controle do exoesqueleto e aumenta a participação voluntária dos sujeitos humanos. A nova estrutura potencialmente estabelece uma base para o uso de sinais biológicos multimodais para controlar robôs de reabilitação ou assistivos.
Zhang et al. (Qui,) estudaram essa questão.