Human Gait Mathematical Model Development and Control System Synthesis for Actuating Mechanisms of the Mechatronic Rehabilitation Complex

Cover Page

Cite item

Full Text

Abstract

The article discusses the development of a mathematical model of human gait for the synthesis of a control system for a mechatronic rehabilitation complex. The relevance of the research is determined by the necessity to create effective rehabilitation technologies for patients with motor function impairments. Existing rehabilitation complexes can be divided into exoskeletons and devices with mechanical linkage (end effectors), with exoskeletons demonstrating higher rehabilitation effectiveness by mimicking natural gait. The scientific novelty of this study lies in the development of a model that takes into account the individual anthropometric parameters of the patient, including body mass and the lengths of limb segments, as well as the ability to simulate foot rotation. Within the framework of the study, a method for dividing the gait cycle into four phases is proposed, each described by a separate system of mathematical equations, which ensures high accuracy in reproducing various stages of movement. To validate the model, a marker-based motion capture system was used, which provided data on movement trajectories. The results showed that the model effectively generates trajectories of sagittal angles of hip, shank, and foot elevation, contributing to improved control of the rehabilitation device. In conclusion, the work emphasizes the importance of mathematical modeling for the development of adaptive control systems that can significantly enhance the rehabilitation process. Further research will focus on refining the model and integrating it with machine learning methods to improve the accuracy and reliability of rehabilitation programs.

About the authors

V. V Voronoy

Novosibirsk State Technical University (NSTU)

Email: voronoj@corp.nstu.su
Karl Marx Av. 20

D. P Verhovod

Novosibirsk State Technical University (NSTU)

Email: verxovod@corp.nstu.ru
Karl Marx Av. 20

References

  1. Vaughan-Graham J., Brooks D., Rose L., Nejat G., Pons J., Patterson K. The Use of Exoskeletons in Stroke Rehabilitation: a qualitative study of the perspectives of persons post-stroke and physiotherapists // Journal of NeuroEngineering and Rehabilitation. 2020. vol. 17(1). doi: 10.1186/s12984-020-00750-x.
  2. Chien W-T, Chong Y-Y, Tse M-K, Chien C-W, Cheng H-Y. Robot-assisted therapy for upper-limb rehabilitation in subacute stroke patients: A systematic review and meta-analysis // Brain and Behavior. 2020. vol. 10(8). doi: 10.1002/brb3.1742.
  3. Латышева В.Я., Чечетин Д.А., Ядченко Н.М., Иванцов О.А., Федоров В.В., Барбарович А.С., Филюстин А.Е., Иванова Н.М. Реабилитация двигательной активности пациентов в постинсультном периоде: практическое руководство для врачей / Гомель: ГУ «РНПЦ РМиЭЧ», УО «ГГМУ», 2015. 78 с.
  4. Chen G., Xu Y. Combining Virtual Reality and Robotics for Effective Stroke Rehabilitation: A Systematic Review // Journal of NeuroEngineering and Rehabilitation. 2021. vol. 18. pp. 1–14.
  5. Краснова-Гольева В.В., Гольев М.А. Виртуальная реальность в реабилитации после инсульта // Современная зарубежная психология. 2015. Т. 4. № 4. С. 39–44. doi: 10.17759/jmfp.2015040406.
  6. Котов С.В., Слюнькова Е.В., Борисова В.А., Исакова Е.В. Эффективность применения интерфейсов «мозг – компьютер» и когнитивных тренингов с использованием компьютерных технологий в восстановлении когнитивных функций у пациентов после инсульта // Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2022. Т. 122(12). С. 67–75. doi: 10.17116/jnevro202212212267.
  7. REHA Technology G-EOL Brochure. URL: https://www.rehatechnology.com/wp-content/uploads/181130a_Brochure_G-EOL_En_Web_cm_in.pdf (дата обращения: 01.08.2021).
  8. Hocoma Lokomat Pro. Functional Robotic Gait Therapy. URL: https://www.hocoma.com/solutions/lokomat/ (дата обращения: 01.08.2021).
  9. Motorika High-Level Gait Training Platform – ReoAmbulator. URL: https://motorika.com/reoambulator (дата обращения: 01.08.2021).
  10. Bortole M., del Ama A., Rocon E., Moreno J.C., Brunetti F., Pons J.L. A robotic exoskeleton for overground gait rehabilitation // IEEE International Conference on Robotics and Automation. IEEE. 2013. pp. 3356–3361. doi: 10.1109/ICRA.2013.6631045.
  11. Beyaert C., Vasa R., Frykberg G.E. Gait post-stroke: pathophysiology and rehabilitation strategies // Neurophysiologie Clinique/Clinical Neurophysiology. 2015. vol. 45. № 4-5. pp. 335–355. doi: 10.1016/j.neucli.2015.09.005.
  12. Torricelli D., Cortes C., Lete N., Bertelsen A., Gonzalez-Vargas J.E., del-Ama A.J., Dimbwadyo I., Moreno J.C., Florez J., Pons J.L. A Subject-Specific Kinematic Model to Predict Human Motion in Exoskeleton-Assisted Gait // Front Neurorobot. 2018. vol. 12. doi: 10.3389/fnbot.2018.00018.
  13. Sun J. Dynamic Modeling of Human Gait Using a Model Predictive Control Approach // Dissertations (1934-). 2015. pp. 161 p.
  14. Колесникова Г.П., Формальский А.М. Об одном способе моделирования походки человека // Инженерный журнал: наука и инновации. 2014. Т. 1(25). doi: 10.18698/2308-6033-2014-1-1181.
  15. Королева Т.М., Липский В.Е., Липская О.В., Паркетова А.В. Использование нейросетевых технологий в биомеханике // Медицинская визуализация и компьютерная графика. 2018. № 6(3). С. 80–86.
  16. Hoellinger T., Petieau M., Duvinage M., Castermans T., Seetharaman K., Cebolla A.-M., Bengoetxea A., Ivanenko Yu., Dan B., Cheron G. Biological oscillations for learning walking coordination: dynamic recurrent neural network functionally models physiological central pattern generator // Frontiers in Computational Neuroscience. 2013. vol. 7(70). doi: 10.3389/fncom.2013.00070.
  17. Верховод Д.П., Вороной В.В., Побединский С.Ю. Разработка системы управления и позиционирования узлов мехатронного реабилитационного комплекса // Системы анализа и обработки данных. 2023. Т. 92. № 4. С. 23–34.
  18. Slim M., Rokbani N., Neji B., Terres M.A., Beyrouthy T. Inverse Kinematic Solver Based on Bat Algorithm for Robotic Arm Path Planning. Robotics. 2023. vol. 12(2). pp. 1–26. doi: 10.3390/robotics12020038.
  19. Вороной В.В., Верховод Д.П. Выбор математической модели походки человека для применения в реабилитационных устройствах // Сибирский журнал клинической и экспериментальной медицины. 2023. № 38(4). С. 231–235.
  20. Cavagna G., Kaneko M. Mechanical work and efficiency in level walking and running // The Journal of physiology. 1977. vol. 268. no. 2. pp. 467–481. doi: 10.1113/jphysiol.1977.sp011866.
  21. Цыгулин А.А. Разработка реабилитационного комплекса Гефест для пациентов после перенесенного инсульта // Экстремальная роботехника. 34-я международная научно-техническая конференция. Сборник тезисов. Санкт-Петербург: ООО «Типография Фурсова», 2023. С. 188–191.
  22. McGregor A.H., Warren M., Brooks J.M., Feldman D.S. The Role of Pelvic and Lower Limb Biomechanics in Post-Stroke Gait Rehabilitation: A Systematic Review // Journal of NeuroEngineering and Rehabilitation. 2021. vol. 18. pp. 45.
  23. Chen Z., Franklin D.W. Musculotendon Parameters in Lower Limb Models: Simplifications, Uncertainties, and Muscle Force Estimation Sensitivity // Annals of Biomedical Engineering. 2023. vol. 51. pp. 1147–1164. doi: 10.1007/s10439-023-03166-5.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).