Pasar al contenido principal

SISTEMA ROBOTICO PARALELO CON CONTROL BASADO EN MODELO MUSCULO-ESQUELETICO PARA LA MONITORIZACION Y ENTRENAMIENTO DEL SISTEMA PROPIOCEPTIVO

PID2021-125694OB-I00

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprograma Subprograma Estatal de Generación de Conocimiento
Convocatoria Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Año convocatoria 2021
Plan Estatal 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario UNIVERSITAT POLITÈCNICA DE VALÈNCIA

Resultados relacionados

Resultados totales (Incluyendo duplicados): 2
Encontrada(s) 1 página(s)

RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publicación Tesis doctoral (DoctoralThesis)

Design and Implementation of Model-Based and Learning Control for Rehabilitation Parallel Robots: Advancements and Performance Evaluation

  • Escarabajal Sánchez, Rafael José
[ES] La era actual se caracteriza por una creciente población envejecida debido al aumento de la esperanza de vida y a una tasa de natalidad en declive. Este cambio demográfico conlleva un aumento de las discapacidades, lo que enfatiza la importancia del envejecimiento saludable y la capacidad funcional. En respuesta a estos desafíos, se están explorando metodologías de asistencia innovadoras, particularmente en la integración de la interacción física humano-robot. Los Robots Paralelos (PRs) son cadenas cinemáticas cerradas que exhiben ventajas para la rehabilitación de extremidades humanas, gracias a su rigidez, precisión y robustez. Sin embargo, su modelado complejo y la presencia de singularidades dentro del espacio de trabajo plantean un desafío para garantizar una interacción segura y efectiva. Este documento propone una colección de nuevos algoritmos de control utilizando un PR que cubren un amplio espectro de aplicaciones dentro del contexto de la robótica asistencial, que van desde el entrenamiento pasivo (en el que el usuario no genera los movimientos, por lo que se induce un esfuerzo mínimo o nulo) hasta ejercicios activos (que requieren contracciones musculares voluntarias del paciente) y aumento de potencia. El primer algoritmo aborda el desafío del seguimiento de trayectorias con un controlador basado en modelos con intercambio de fuerzas entre el humano y el robot en ausencia de un sensor de fuerza. Al incluir un mecanismo para estimar esta fuerza de interacción en línea utilizando Mínimos Cuadrados (LS) dentro del modelo, se proporciona información valiosa para terapeutas u otros algoritmos, y reduce continuamente los errores de seguimiento corrigiendo el modelo dinámico en línea. En situaciones de entrenamiento activo, los controladores basados en fuerza son esenciales para responder a las interacciones. La tesis incorpora un control de admitancia con un sensor de fuerza. A pesar de los beneficios de esta interacción, existen riesgos asociados con la modificación de las trayectorias del robot por parte del humano, debido a la presencia de singularidades dentro del espacio de trabajo que se deben evitar para garantizar la seguridad del paciente. Se utilizan las Primitivas de Movimiento Dinámico (DMP) para codificar la trayectoria inicial, que puede modificarse con términos de acoplamiento para lograr ambos objetivos de control de admitancia y evasión de singularidades simultáneamente. En las primeras etapas de la rehabilitación, los pacientes pueden carecer de habilidades motoras debido a una lesión, por lo que se deben emplear ejercicios pasivos. Esta investigación propone un mecanismo inteligente para ejercicios pasivos que permite a los usuarios regresar a posiciones seguras previas y reanudar el ejercicio de manera autónoma. La inversión de trayectoria se logra con las Primitivas de Movimiento Dinámico Reversibles (RDMP). El enfoque implica codificar el comportamiento esperado utilizando datos de la extremidad sana análoga y revertir la trayectoria cuando el miembro lesionado se desvía de los patrones, bajo el paradigma de Aprendizaje por Imitación. Por último, los modelos musculoesqueléticos desempeñan un papel crucial en la estimación de las fuerzas musculares del usuario, siendo de gran utilidad integrados en controladores en el espacio muscular. Estos controladores pueden aplicarse tanto en contextos de aumento de potencia como de rehabilitación. En el aumento de potencia, el concepto de manipulabilidad describe la capacidad del humano para ejercer fuerzas en cualquier dirección. Lograr una manipulabilidad isotrópica es deseable para mantener una activación muscular constante, y este estudio investiga su representación mediante un concepto novedoso llamado envolvente de fuerza. Además, esta investigación explora el uso de controladores musculares en entornos de asistencia o rehabilitación, mediante un controlador en bucle cerrado diseñado para inducir fuerzas de tensión específicas en los músculos., [CA] L'era actual es caracteritza per una creixent població envellida a causa de l'augment de l'esperança de vida i una taxa de natalitat en declivi. Aquest canvi demogràfic comporta un augment de les discapacitats, la qual cosa destaca la importància de l'envelliment saludable i la capacitat funcional. En resposta a aquests reptes, s'estan explorant metodologies d'assistència innovadores, particularment en la integració de la interacció física humà-robot. Els Robots Paral·lels (PRs) són cadenes cinemàtiques tancades que exhibeixen avantatges per a la rehabilitació d'extremitats humanes, gràcies a la seua rigidesa, precisió i robustesa. No obstant això, el seu modelatge complex i la presència de singularitats dins de l'espai de treball planteja un desafiament per a garantir una interacció segura i efectiva. Aquest document proposa una col·lecció de nous algoritmes de control utilitzant un PR que cobreixen un ampli espectre d'aplicacions dins del context de la robòtica assistencial, que van des de l'entrenament passiu (en el qual l'usuari no genera els moviments, per la qual cosa s'indueix un esforç mínim o nul) fins a exercicis actius (que requereixen contraccions musculars voluntàries del pacient) i augment de potència. El primer algoritme aborda el desafiament del seguiment de trajectòries amb un controlador basat en models amb intercanvi de forces entre l'ésser humà i el robot en absència d'un sensor de força. En incloure un mecanisme per estimar aquesta força d'interacció en línia utilitzant Mínims Quadrats (LS) dins del model, es proporciona informació valuosa per a terapeutes o altres algoritmes, i redueix contínuament els errors de seguiment corregint el model dinàmic en línia. En situacions d'entrenament actiu, els controladors basats en força són essencials per respondre adequadament a les interaccions. La tesi incorpora un control d'admitància amb un sensor de força. Malgrat els beneficis d'aquesta interacció, existeixen riscos associats amb la modificació de les trajectòries del robot per part de l'ésser humà, degut a la presència de singularitats dins de l'espai de treball que s'han de evitar per garantir la seguretat del pacient. Les Primitives de Moviment Dinàmic (DMP) s'utilitzen per a codificar la trajectòria inicial, que es pot modificar amb termes d'acoblament per aconseguir ambdós objectius de control d'admitància i evitar les singularitats simultàniament. En les primeres etapes de la rehabilitació, els pacients poden mancar d'habilitats motrius a causa d'una lesió, per la qual cosa s'han d'emplear exercicis passius. Aquesta investigació proposa un mecanisme intel·ligent per a exercicis passius que permet als usuaris tornar a posicions segures prèvies i reprendre l'exercici de manera autònoma. La inversió de trajectòria s'aconsegueix amb les Primitives de Moviment Dinàmic Reversibles (RDMP). L'enfocament implica codificar el comportament esperat utilitzant dades de l'extremitat sana anàloga i revertir la trajectòria quan el membre lesionat es desvia dels patrons, sota el paradigma d'Aprenentatge per Imitació. Finalment, els models musculoesquelètics juguen un paper crucial en l'estimació de les forces musculars de l'usuari, sent de gran utilitat integrats en controladors en l'espai muscular. Aquests controladors es poden aplicar tant en contextos d'augment de potència com de rehabilitació. En l'augment de potència, el concepte de manipulabilitat descriu la capacitat de l'ésser humà per exercir forces en qualsevol direcció. Aconseguir una manipulabilitat isotròpica és desitjable per mantenir una activació muscular constant, i aquest estudi investiga la seua representación mitjançant un concepte innovador anomenat envolvent de força. A més, aquesta investigació explora l'ús de controladors musculars en entorns d'assistència o rehabilitació, mitjançant un controlador en bucle tancat dissenyat per induir forces de tensió específiques en els músculs., [EN] The current era is characterized by a growing elderly population due to increased life expectancy and a declining birth rate. This demographic shift leads to a rise in disabilities, emphasizing the importance of healthy aging and functional ability. In response to these challenges, innovative assistive methodologies are being explored, particularly in the integration into physical human-robot interaction. Parallel Robots (PRs) are closed kinematic chains that exhibit unique advantages for human limb rehabilitation, thanks to their stiffness, accuracy, and robustness. However, their complex modeling and the presence of singularities within the workspace pose a challenge to ensure safe and effective interaction. This document proposes a collection of novel control algorithms using a PR to cover a wide spectrum of applications within the context of assistive robotics, ranging from passive training (in which the user does not generate the movements, so minimal to no effort is induced) to active exercises (requiring the patient's voluntary muscle contractions) and power augmentation. The first algorithm addresses the challenge of trajectory tracking with a model-based controller with force exchange between the human and the robot in the absence of a force sensor. By including a mechanism to estimate this interaction force online using Least Squares (LS) within the model, the algorithm provides valuable insight for therapists or other algorithms and continuously reduces tracking errors by correcting the dynamic model online. In active training scenarios, force-based controllers are essential to respond appropriately to interactions. The thesis incorporates an admittance controller with a force sensor. Despite the benefits of this interaction, there are risks associated with human modification of robot trajectories due to the presence of singularities within the workspace that must be avoided to ensure the patient's safety. Dynamic Movement Primitives (DMP) are employed to encode the initial trajectory, which can be modified with coupling terms to achieve both objectives of admittance control and singularity avoidance simultaneously. In the early stages of rehabilitation, patients may lack full motor skills due to the injury, so passive exercises should be employed. This research proposes an intelligent mechanism for passive exercises that allows users to return to previous safe positions and resume the exercise in a self-paced manner. The trajectory reversal is achieved with Reversible Dynamic Movement Primitives (RDMP). The approach involves encoding the expected behavior using data from the analogous healthy limb and reversing the trajectory when the injured limb deviates from the established statistical patterns. This approach aligns with the paradigm of Imitation Learning. Finally, musculoskeletal models play a crucial role in estimating the user's muscle forces, offering significant utility when integrated in controllers operating in muscular space. These controllers can be applied in both power augmentation and rehabilitation contexts. In power augmentation, the concept of manipulability describes the human's ability to exert forces in any direction. Achieving isotropic manipulability is desirable to maintain constant muscular activation, and this study investigates its representation with a novel concept called a force envelope. Furthermore, this research explores the use of muscle-targeted controllers in assistance or rehabilitation settings, by means of a closed-loop controller designed to induce specific tension forces in muscles., This research was funded in part by Fondo Europeo de Desarrollo Regional (PID2021-125694OB-I00), and in part by Vicerrectorado de Investigación de la Universitat Politècnica de València (PAID-11-21). The author received a scholarship from Ministerio de Universidades, Gobierno de España, under grant Ayudas para la Formación de Profesorado Universitario (FPU18/05105). The author’s research stay at Jožef Stefan Institute was funded partly by Vicer- rectorado de Investigación de la Universitat Politècnica de València (PAID-11- 21), and partly by Erasmus+ Student Mobility for Traineeship 2020.
RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia
Publicación Tesis doctoral (DoctoralThesis)

Modelo músculo-esquelético del miembro inferior para rehabilitación con robot paralelo

  • Zamora Ortiz, Pau
[ES] El aumento de la esperanza de vida y la inversión de la pirámide poblacional plantean un desafío al sector sanitario debido al incremento de lesiones articulares y cirugías reconstructivas per cápita. Esto aumenta la demanda de personal rehabilitador en una sociedad con menos población activa. La robotización de las terapias puede aliviar esta presión al automatizar los ejercicios repetitivos. Además, el uso de tecnologías como los modelos músculo-esqueléticos mejoran las terapias, acortando los tiempos de recuperación y optimizan los resultados. La aplicación de modelos músculo-esqueléticos en robots de rehabilitación garantiza la seguridad del paciente al limitar las fuerzas excesivas y evitar posiciones peligrosas. Al mismo tiempo, brinda información adicional al personal rehabilitador para un seguimiento más preciso y personalizado de las terapias a los pacientes. Sin embargo, estos modelos son costosos computacionalmente, lo que dificulta su implementación en el control de robots. En el proyecto en el cual se integra esta tesis, se ha establecido el objetivo de construir un robot de rehabilitación que integre un modelo músculo-esquelético capaz de calcular en tiempo real las fuerzas musculares y articulares. Conocer las fuerzas garantiza la seguridad del paciente, proporciona información sobre las fuerzas durante los ejercicios y optimiza las terapias. Además, a partir del modelo músculo-esquelético se busca desarrollar nuevas herramientas para personalizar los ejercicios y mejorar los resultados. El modelo del miembro inferior, con seis grados de libertad, se ha simplificado para garantizar el cálculo en tiempo real. Se ha utilizado el concepto de grado de libertad funcional para predecir las relaciones entre los grados de libertad en un ejercicio concreto, reduciendo la carga computacional y permitiendo su uso en tiempo real durante los ejercicios de rehabilitación. El modelo consta de tres grados de libertad para la cadera, simulando una junta esférica, modelada como tres pares de revolución perpendiculares entre sí, uno para la rodilla, modelada como un mecanismo de cuatro barras, que simula el movimiento relativo entre el fémur y la tibia, y dos grados de libertad para el tobillo. Se calcula el centro de giro de la cadera y los parámetros del mecanismo de cuatro barras mediante ejercicios de calibración articular para lograr una mayor personalización del modelo. El tobillo se ha modelado empleando los datos de Klein Horsman debido a su dificultad de calibración. Del mismo trabajo se han tomado los parámetros musculares, los cuales se han simplificado para reducir el coste computacional. Se calculan las tensiones musculares mediante las condiciones de Karush-Kuhn-Tucker, minimizando el sumatorio cuadrático de las tensiones de los músculos. El modelo se ha validado y verificado siguiendo las recomendaciones de buenas prácticas de Hicks. Se han comparado los resultados del presente modelo con otro similar generado en AnyBody y con los datos empíricos del ``Grand Challenge", se ha analizado la solidez del modelo frente a las simplificaciones realizadas y los errores de los datos de entrada. Según los resultados obtenidos, el modelo músculo-esquelético es lo suficientemente preciso para ser utilizado en un robot de rehabilitación, garantizando la seguridad de los pacientes y prediciendo la activación muscular. Por último, se han desarrollado dos nuevas herramientas utilizando el modelo actual. La primera estima la Máxima Contracción Voluntaria del sujeto proyectando las fuerzas musculares al efector final del robot. La segunda herramienta calcula la fuerza externa necesaria para garantizar una fuerza muscular específica. Empleando ambas herramientas se logra una mayor personalización de las terapias de rehabilitación, mejorando el proceso. Ambas herramientas han sido probadas empleando el robot de rehabilitación., [CA] L'augment de l'esperança de vida i la inversió de la piràmide poblacional plantegen un desafiament al sector sanitari a causa de l'increment de lesions articulars i cirurgies reconstructives. Això augmenta la demanda de personal rehabilitador en una societat amb menys població activa. La robotització de les teràpies pot alleujar aquesta pressió a l'autoritzar els exercisses repetitius. A més, l'ús de tecnologies com els models múscul-esquelètics milloren les teràpies, acurtant els temps de recuperació i optimitzant els resultats. L'aplicació de models múscul-esquelètics en robots de rehabilitació garanteix la seguretat del pacient en limitar les forces excessives i evitar posicions perilloses. Al mateix temps, ofereix informació addicional al personal rehabilitador per a un seguiment més precís i personalitzat de les teràpies als pacients. No obstant això, aquests models són costosos computacionalment, el que dificulta la seua implementació en el control de robots. En el projecte en el qual s'integra aquesta tesi, s'ha establit l'objectiu de construir un robot de rehabilitació que integre un model múscul-esquelètic capaç de calcular en temps real les forces musculars i articulars. Conéixer les forces garanteix la seguretat del pacient, proporcionant informació sobre les forces durant els exercicis i optimitza les teràpies. A més, a partir del model múscul-esquelètic es busca desenvolupar noves ferramentes per a personalitzar els exercicis millorar els resultats. El model del membre inferior, amb sis graus de llibertat, s'ha simplificat per garantir el càlcul en temps real. S'ha utilitzat el concepte de grau de llibertat funcional per a predir les relacions entre els graus de llibertat d'un exercici concret, reduint la càrrega computacional i permitent el seu ús en temps real durant els exercisses de rehabilitació. El model consta de tres graus de llibertat per al maluc, simulant una junta esfèrica, modelant com tres parells de revolucions perpendiculars entre si, un per al genoll, modelat com un mecanisme de quatre barres, què simula el moviment relatiu entre el fèmur i la tíbia, i dos graus de llibertat per al turmell. Es calcula el centre de gir del maluc i els paràmetres del mecanisme de quatre barres mitjançant exercicis de calibratge articular per a aconseguir una major personalització del model. El turmell s'ha modelat emprant les dades de Klein Horsman a causa de la seua dificultat de calibració. Del mateix treball s'han pres els paràmetres musculars, els quals s'han simplificat per a reduir el cost computacional. S'ha calculat les tensions musculars mitjançant les condicions de Karush-Kuhn-Tucker, minimitzant el sumatori quadràtic de les tensions musculars. El model s'ha validat i verificat seguint les recomanacions de bones pràctiques d'Hicks. S'ha comparat els resultats del present model amb altre similar generat en AnyBody i amb les dades empíriques del ''Grand Challenge", s'ha analitzat la solidesa del model enfront de les simplificacions realitzades i els errors de les dades d'entrada. Segons els resultats obtinguts, el model múscul-esquelètic és prou precís per a ser utilitzat en un robot de rehabilitació, garantint la seguretat dels pacients i predient l'activació muscular. En últim lloc, s'han desenvolupat dues noves ferramentes utilitzant el model actual. La primera estima la Màxima Contracció Voluntària del subjecte projectant les forces musculars a l'efector final del robot. La segona ferramenta calcula la força externa necessària per a garantir una força muscular específica. Emprant totes dues eines s'aconsegueix una major personalització de les teràpies de rehabilitació, millorant el procés. Totes dues ferramentes han sigut provades fent servir el robot de rehabilitació., [EN] Increasing life expectancy and the inversion of the population pyramid pose a challenge to the healthcare sector due to the rise in joint injuries and reconstructive surgeries per capita. This increases the demand for rehabilitation personnel in a society with a smaller active population. The robotization of therapies can alleviate this pressure by automating repetitive exercises. Furthermore, the use of technologies like musculoskeletal models enhances therapies, reducing recovery times, and optimizing outcomes. The application of musculoskeletal models in rehabilitation robots ensures patient safety by limiting excessive forces and avoiding dangerous positions. At the same time, it provides additional information to rehabilitation personnel for more precise and personalized monitoring of patient therapies. However, these models have a high computational cost, which makes their implementation in robot control challenging. In the project that integrates this thesis, the objective has been set to build a rehabilitation robot that incorporates a musculoskeletal model capable of real-time calculation of muscular and joint forces. Understanding these forces ensures patient safety, provides information about forces during exercises, and optimizes therapies. Additionally, based on the musculoskeletal model, new tools are being developed to personalize exercises and improve results. The lower limb model, with six degrees of freedom, has been simplified to enable real-time calculation. The concept of functional degrees of freedom has been used to predict the relationships between degrees of freedom in a specific exercise, reducing the computational burden and enabling real-time use during rehabilitation exercises. The model consists of three degrees of freedom for the hip, simulating a spherical joint, modeled as three sets of perpendicular revolute pairs, one for the knee, modeled as a four-bar mechanism, that simulates the relative movement between the femur and the tibia, and two degrees of freedom for the ankle. The hip's pivot center and the parameters of the four-bar mechanism have been calculated through joint calibration exercises to achieve a higher level of model personalization. The ankle has been modeled using Klein Horsman's data due to its calibration complexity. Muscle parameters from the same work have been taken and simplified to reduce computational costs. Muscle tensions are calculated using the Karush-Kuhn-Tucker conditions, minimizing the squared sum of muscle tensions. The model has been validated and verified following Hicks' best practices recommendations. The results of this model have been compared with a similar one generated in AnyBody and with empirical data from the ``Grand Challenge". The model's robustness against the made simplifications and input data errors has been analyzed. According to the obtained results, the musculoskeletal model is accurate enough to be used in a rehabilitation robot, ensuring patient safety and predicting muscle activation. Finally, two new tools have been developed using the current model. The first one estimates the Maximum Voluntary Contraction of the subject by projecting muscular forces to the robot's end effector. The second tool calculates the external force required to achieve a specific muscular force. By employing both tools, greater personalization of rehabilitation therapies is achieved, improving the process. Both tools have been tested using the rehabilitation robot., Esta tesis y la investigación realizada han sido financiadas por la Agencia Estatal de Investigación con los proyectos “Integración de modelos biomecánicos en el desarrollo y operación de robots rehabilitadores reconfigurables” (DPI2017-84201-R-AR) y “Sistema robótico paralelo con control basado en modelo músculo-esquelético para la monitorización y entrenamiento del sistema propioceptivo” (PID2021-125694OB-I00). El autor de la presente tesis recibió la beca de la Agencia Estatal de Investigación: Ayuda para contrato predoctoral para la formación de doctores Zamora Ortiz, Pau. (PRE2018-083847). Con la cual ha podido dedicarse a tiempo completo a la formación e investigación que ha dado como fruto esta tesis doctoral.