مدلسازي عملكرد كنترل كننده‌هاي امپدانسي و مدل‌مبنا در حين يادگيري حركت‌ رسنده دست

Modeling of Impedance and Model Based Controllers Function in Learning

با توجه به مطالعه‌هاي صورت گرفته، سيستم حركتي انسان از دو استراتژي كنترلي، كنترل مدل‌مبنا و كنترل امپدانسي، به منظور يادگيري حركتي و مقابله با اغتشاش‌هاي خارجي استفاده مي‌كند اما نحوه تعامل اين كنترل‌كننده‌ها و چگونگي هماهنگي بين آنها چندان بررسي نشده است. در اين مقاله با بهره‌گيري از يك كنترل كننده سرپرستي، نحوه يادگيري حركت و عملكرد كنترل كننده‌هاي امپدانسي و مدل‌مبنا بررسي شده است. كنترل‌كننده سرپرستي با پايش رفتار و خروجي سيستم، وظيفه هماهنگي مابين كنترل‌كننده‌هاي امپدانسي و مدل‌مبنا را بر عهده دارد. بر اين اساس دستور حركتي جلوسو و سفتي مفاصل به‌صورت جداگانه و همزمان تنظيم و اصلاح مي‌شوند. به‌منظور ارزيابي مدل ارايه شده، حركت‌ رسنده دست در حضور ميدان نيروي اغتشاشي، شبيه‌سازي و با نتايج تجربي مقايسه شده است. نتايج به‌دست آمده نشان‌دهنده آن است كه براي انجام حركتي طبيعي، علاوه بر امپدانس مناسب حركت، بايستي مدلي دروني از حركت نيز در اختيار سيستم كنترلي باشد. علاوه بر اين از آنجا كه اندازه امپدانس متناسب با ميزان يادگيري بهينه مي‌شود، بيشترين يادگيري در جهتي است كه خطاي حركتي بيشتر بوده و مفاصل امپدانس كمتري دارند. همچنين نشان داده شده است كه سيستم حركتي در مواجهه با اغتشاش‌هاي ناگهاني، با استفاده از تغيير امپدانس و كاهش اثر كنترل كننده مدل‌مبنا سعي در جبران خطاي حركتي مي‌كند كه اين امر به معناي استفاده از تجربه‌هاي پيشين توسط سيستم سرپرستي است.

Based on previous studies, human motor control system may apply two control strategies, impedance control and model based control, for learning motor skills and counteracting environmental instabilities. Since interaction among these controllers is not fully studied, the investigation of impedance and model based controllers function during learning period seems desirable. In this study a supervisory controller was used to coordinate the model based and impedance controllers. Coordinating model based controller and impedance controller by using supervisory unit will result in simultaneously adjustment of forward motor command and joint stiffness. In order to evaluate performance of the suggested model, it was applied to arm reaching movements in the presence of external force fields. Results showed that both suitable impedance values and a proper internal model are required to fulfill movements similar to those of humans under different circumstances. Research has shown that central nervous system is able to purposefully modulate arm impedance to counteract environmental disturbances. This study showed that beside this modulation, the maximum motor learning may occur in direction with the least impedance and the most kinematic error. It also concluded that confronting abrupt changes in disturbance, the system managed to decrease error without learning the new dynamic using previous knowledge by supervisory system. A part of this compensation is due to stiffness variations and another part is due to decreasing the influence of model based controller.