تعيين الگوهاي بهينه تحريك در گام برداشتن با واكر و با استفاده از ‏تحريك الكتريكي عملكردي در افراد دچار ضايعه نخاعي

بالا بودن سطح مصرف انرژي متابوليك و نيروي زياد وارد بر دسته واكر از عوامل محدودكننده در گام برداشتن افراد دچار ‏ضايعه نخاعي با كمك تحريك الكتريكي عملكردي، محسوب مي‌شود. فرد معلول در هنگام گام برداشتن براي حفظ تعادل و ‏جبران كمبود گشتاورهاي ايجاد شده در مفصل‌هاي پايينتنه، نيروي زيادي به دسته واكر وارد مي‌كند. در اين مقاله يك مدل ‏گام برداشتن فرد داراي ضايعه نخاعي با واكر در صفحه دو بعدي ارايه شده است. با استفاده از اين مدل و كنترل بهينه الگوي ‏تحريك عضلات طوري تعيين شده اند كه علاوه بر كمينه بودن خطاي رديابي مسير مرجع مفصل‌هاي پايين‌تنه، ميزان تحريك ‏الكتريكي عضلات پايين‌تنه و همچنين نيروي عكس‌العمل دسته واكر كمينه باشد. گشتاور لازم براي بالاتنه و دست‌ها نيز بر ‏اساس همين تابع هزينه تعيين مي‌شوند؛ اما مسير مرجعي براي مفصل‌هاي آنها تعريف نشده است. نتايج نشان مي دهد كه ‏نيروهاي عكس‌العمل دسته واكر و زمين با مقادير اندازه‌گيري شده، شباهت زيادي دارد و الگوي تحريك عضلات توليد شده در ‏شبيه‌سازي با الگوهاي تحريك گام برداشتن در مطالعات گذشته، مطابقت دارد.‏

One major limitation of walker-supported walking using functional electrical stimulation (FES) in paraplegic subjects is the high energy expenditure and the high upper body effort. Paraplegics should exert high amount of hand force to stabilize the body posture and to compensate lack of the sufficient torques at the lower extremity joints. In this paper, we introduce a 2-D musculoskeletal model of walker-assisted FES-supported walking of paraplegics. Using the developed model and an optimal controller, the stimulation patterns are determined such that the tracking errors of lower joint reference trajectories are minimized and the muscle activations and the handle reaction force (HRF) are reduced. Outputs of the optimal controller are stimulation patterns of the lower body muscles and torque acting on the upper body joints. The results show that the HRF and ground reaction force (GRF) generated by simulation are in agreement with the measured HRF and GRF. Moreover, the results indicate that the simulation-generated stimulation patterns of lower body muscles are in consist with the stimulation patterns reported in the literatures.