كنترل تطبيقي فازي عصبي-لغزشي گام برداشتن با استفاده از تحريك الكتريكي درون عضلاني در مدل حيواني رت

Adaptive Neuro-Fuzzy Sliding Mode control of Walking Using Intramuscular Electrical Stimulation in Rat Model

در طي دو دهه اخير، تحريك الكتريكي درون عضلاني به عنوان يك روش بالقوه به منظور بازيابي حركت عضو فلج مطرح شده است. اصلي ترين چالش در بازيابي حركت مطلوب در استفاده از تحريك الكتريكي درون عضلاني توسعه يك استراتژي كنترلي مقاوم براي تعيين الگوي هاي تحريك مي باشد. كنترل دقيق و پايدار عضو در روش تحريك الكتريكي عملكردي درون عضلاني بدليل خواص غير خطي و متغير با زمان سيستم عصبي- عضلاني و همچنين خستگي عضلاني زودرس و وجود تاخير در اين سيستم، مشكل مي باشد. در اين مطالعه تحقيقاتي يك استراتژي مقاوم براي كنترل حركت چند مفصله با استفاده از تحريك الكتريكي درون عضلاني مطرح شده است. در اين روش پارامتر هاي سيستم به صورت بر خط شناسايي مي شود. روش ارايه شده تركيبي از روش كنترل لغزشي با سيستم منطق فازي و كنترل كننده عصبي مي باشد. به منظور ارزيابي مقاوم بودن، پايداري و دقت كنترل كننده، آزمايشات زيادي بر روي سه رت انجام شده است. نتايج آزمايشات نشان مي دهد كه روش پيشنهادي قابليت كنترل دقيق حركت گام برداشتن با همگرايي سريع را دارد.

During the last decade, functional neuromuscular stimulation (FNS) has been proposed as a potential technique for restoring motor function in paralyzed limbs. A major challenge to restoring a desired functional limb movement through the use of intramuscular stimulation is the development of a robust control strategy for determining the stimulation patterns. A major impediment to stimulating the paralyzed limbs and determining the stimulation pattern has been the highly non-linear, time-varying properties of electrically stimulated muscle, muscle fatigue, large latency and time constant which limit the utility of pre-specified stimulation pattern and open-loop FES control system. In this paper we present a robust strategy for multi-joint control through intramuscular stimulation in which the system parameters are adapted online and the controller requires no offline training phase. The method is based on the combination of sliding mode control with fuzzy logic and neural control. Extensive experiments on three rats are provided to demonstrate the robustness, stability, and tracking accuracy of the proposed method. The results show that the proposed strategy can provide accurate tracking control with fast convergence.