جلد 13 - شماره سال ۱۴۰۲
جلد (13): 143 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Montazeri M, Yousefi M, Shojaei K, Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran G. Review of Methods and Control Algorithms in Functional Electric Stimulation. MEJDS 2023; 13 :143-143
URL: http://jdisabilstud.org/article-1-2667-fa.html
URL: http://jdisabilstud.org/article-1-2667-fa.html
منتظری مریم، یوسفی محمد رضا، شجاعی خوشنام، شاهقلیان غضنفر. مروری بر روش‌ها و دیدگاه‌های کنترلی تحریک الکتریکی عملکردی. مجله مطالعات ناتوانی. 1402; 13 () :143-143
مریم منتظری1 
، محمد رضا یوسفی*2 
، خوشنام شجاعی3 ، غضنفر شاهقلیان1
، محمد رضا یوسفی*2 ، خوشنام شجاعی3 ، غضنفر شاهقلیان1
1- دانشکدهٔ مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
2- دانشکدهٔ مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران & مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
3- دانشکدهٔ مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران و مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
2- دانشکدهٔ مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران & مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
3- دانشکدهٔ مهندسی برق، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران و مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران
چکیده: (1046 مشاهده)
چکیده
مقدمه: کنترل حرکات اعضای فلج افراد دارای معلولیت دارای پیچیدگی‌های فراوانی است. عضله به‌عنوان سامانهٔ حرکتی غیرخطی و متغیر با زمان شناخته می‌شود. تحریک الکتریکی عملکردی (FES)، روشی امیدبخش برای بازیابی و افزایش سطح حرکت در بیماران پاراپلژیک است. محل کاشته‌شدن الکترودها در داخل نخاع به‌گونه‌ای تنظیم می‌شود که نورون‌های حرکتی عضله‌های جمع‌کننده و بازکنندهٔ مفصل مربوط، به‌شکل فعال درمی‌آیند و به‌دنبال آن عضله‌های متناسب با مفصل تحریک می‌شوند؛ بنابراین گشتاور خروجی عضله‌های بازکننده و جمع‌کنندهٔ مفصل به‌صورت مجموع به ساختار اسکلتی مفصل وارد می‌شود و حرکت مفصل مدنظر را در پی دارد.
روش‌بررسی: در این پژوهش ضمن بررسی روش تحریک الکتریکی عملکردی و انواع روش‌های آن به‌منظور بازیابی حرکت، انواع مدل‌های ارائه‌شده برای مدل‌سازی سیستم عصبی‌اسکلتی‌عضلانی معرفی و مرور شد و در انتها بررسی مزایا و معایب هرکدام به‌طور اجمالی صورت گرفت. در ادامه انواع روش‌های کنترلی ارائه‌شده در تحقیقات پیشین در بحث بازیابی حرکت با استفاده از مدل‌های حرکت ارزیابی و مرور شد.
یافته‌ها: نتایج نشان داد، ایجاد حرکت در اعضای فلج افراد دارای معلولیت با استفاده از عضله‌های خود فرد و به‌کمک تحریک الکتریکی عملکردی با مشکلات خاصی ازجمله ایجاد انعکاس در نخاع و بروز حرکات ناخواستهٔ اغتشاش در مفصل، خستگی و غیره همراه است.
نتیجه‌گیری: از موانع اصلی برای ارائهٔ راهکاری کنترلی مناسب به‌منظور تحریک عضلات فلج می‌توان به خواص بسیار پیچیده و غیرخطی سیستم عصبی‌عضلانی‌اسکلتی، اسپاسم عضلانی و خستگی عضلانی اشاره کرد که استفاده از الگوهای تحریک از پیش آماده‌شده و سیستم کنترل حلقهٔ باز، کارایی روش تحریک الکتریکی عملکردی را محدود می‌کند.
نوع مطالعه: مقاله مروری کامل |
موضوع مقاله:
توانبخشی
فهرست منابع
1. Roshani A, Erfanian A. A modular robust control framework for control of movement elicited by multi-electrode intraspinal microstimulation. J Neural Eng. 2016;13(4):046024. [DOI]
2. Asadi AR, Erfanian A. Adaptive neuro-fuzzy sliding mode control of multi-joint movement using intraspinal microstimulation. IEEE Trans Neural Syst Rehabil Eng. 2012;20(4):499–509. [DOI]
3. Ajoudani A, Erfanian A. A neuro-sliding-mode control with adaptive modeling of uncertainty for control of movement in paralyzed limbs using functional electrical stimulation. IEEE Trans Biomed Eng. 2009;56(7):1771–80. [DOI]
4. Kobravi HR, Erfanian A. Decentralized adaptive robust control based on sliding mode and nonlinear compensator for the control of ankle movement using functional electrical stimulation of agonist–antagonist muscles. J Neural Eng. 2009;6(4):046007. [DOI]
5. Stroeve S. Impedance characteristics of a neuromusculoskeletal model of the human arm I. posture control. Biol Cybern. 1999;81(5–6):475–94. [DOI]
6. Popovic D, Stein RB, Namik Oguztoreli M, Lebiedowska M, Jonic S. Optimal control of walking with functional electrical stimulation: a computer simulation study. IEEE Trans Rehab Eng. 1999;7(1):69–79. [DOI]
7. Nekoukar V, Erfanian A. An adaptive fuzzy sliding-mode controller design for walking control with functional electrical stimulation: a computer simulation study. Int J Control Autom Syst. 2011;9(6):1124–35. [DOI]
8. Same M, Rouhani H, Masani K, Popovic M. Closed-loop control of ankle plantarflexors and dorsiflexors using an inverted pendulum apparatus: a pilot study. J Autom Control. 2013;21(1):31–6. [DOI]
9. Wenger N, Moraud EM, Gandar J, Musienko P, Capogrosso M, Baud L, et al. Spatiotemporal neuromodulation therapies engaging muscle synergies improve motor control after spinal cord injury. Nat Med. 2016;22(2):138–45. [DOI]
10. Holinski BJ, Everaert DG, Mushahwar VK, Stein RB. Real-time control of walking using recordings from dorsal root ganglia. J Neural Eng. 2013;10(5):056008. [DOI]
11. Bamford JA, Putman CT, Mushahwar VK. Intraspinal microstimulation preferentially recruits fatigue-resistant muscle fibres and generates gradual force in rat. J Physiol. 2005;569(3):873–84. [DOI]
12. Changfeng Tai, Booth AM, Robinson CJ, De Groat WC, Roppolo JR. Isometric torque about the knee joint generated by microstimulation of the cat L6 spinal cord. IEEE Trans Rehab Eng. 1999;7(1):46–55. [DOI]
13. Changfeng Tai, Booth AM, Robinson CJ, De Groat WC, Roppolo JR. Multimicroelectrode stimulation within the cat L6 spinal cord: influences of electrode combinations and stimulus interleave time on knee joint extension torque. IEEE Trans Rehab Eng. 2000;8(1):1–10. [DOI]
14. Abbas JJ, Chizeck HJ. Neural network control of functional neuromuscular stimulation systems: computer simulation studies. IEEE Trans Biomed Eng. 1995;42(11):1117–27. [DOI]
15. Abbas JJ. Neural network control of functional neuromuscular stimulation systems [PhD dissertation]. Case Western Reserve University; 1992.
16. Riess J, Abbas JJ. Adaptive control of cyclic movements as muscles fatigue using functional neuromuscular stimulation. IEEE Trans Neural Syst Rehabil Eng. 2001;9(3):326–30. [DOI]
17. Rouhani H, Same M, Masani K, Li YQ, Popovic MR. PID controller design for FES applied to ankle muscles in neuroprosthesis for standing balance. Front Neurosci. 2017;11:347. [DOI]
18. Rouhollahi K, Emadi Andani M, Askari Marnanii J, Karbassi SM. Rehabilitation of the Parkinson's tremor by using robust adaptive sliding mode controller: a simulation study. IET Syst Biol. 2019;13(2):92–9. [DOI]
19. Downey RJ, Cheng TH, Bellman MJ, Dixon WE. Closed-loop asynchronous neuromuscular electrical stimulation prolongs functional movements in the lower body. IEEE Trans Neural Syst Rehabil Eng. 2015;23(6):1117–27. [DOI]
20. Sharma N, Kirsch NA, Alibeji NA, Dixon WE. A nonlinear control method to compensate for muscle fatigue during neuromuscular electrical stimulation. Front Robot AI. 2017;4:68. [DOI]
21. Bandyopadhyay B, Deepak F, Kim KS. Sliding mode control using novel sliding surfaces. Springer Science & Business Media; 2009.
22. Slotine JJ, Li W. Applied nonlinear control. New Jersy: Prentice-Hall; 1991.
23. Bera MK, Kumar P, Biswas RK. Robust control of HIV infection by antiretroviral therapy: a super‐twisting sliding mode control approach. IET Syst Biol. 2019;13(3):120–8. [DOI]
24. Labiod S, Boucherit MS, Guerra TM. Adaptive fuzzy control of a class of MIMO nonlinear systems. Fuzzy Sets Syst. 2005;151(1):59–77. [DOI]
25. Wang M, Chen B, Liu X, Shi P. Adaptive fuzzy tracking control for a class of perturbed strict-feedback nonlinear time-delay systems. Fuzzy Sets Syst. 2008;159(8):949–67. [DOI]
26. Wu TS, Karkoub M, Chen CT, Yu WS, Her MG, Su JY. Robust tracking design based on adaptive fuzzy control of uncertain nonlinear MIMO systems with time delayed states. Int J Control Autom Syst. 2013;11(6):1300–13. [DOI]
27. Wen G, Chen CLP, Liu YJ, Liu Z. Neural network-based adaptive leader-following consensus control for a class of nonlinear multiagent state-delay systems. IEEE Trans Cybern. 2017;47(8):2151–60. [DOI]
28. Yu S, Yu X, Man Z. A fuzzy neural network approximator with fast terminal sliding mode and its applications. Fuzzy Sets Syst. 2004;148(3):469–86. [DOI]
29. Faa-Jeng Lin, Kuo-Kai Shyu, Rong-Jong Wai. Recurrent-fuzzy-neural-network sliding-mode controlled motor-toggle servomechanism. IEEE/ASME Trans Mechatron. 2001;6(4):453–66. [DOI]
30. Wu X, Wang Y, Dang X. Robust adaptive sliding-mode control of condenser-cleaning mobile manipulator using fuzzy wavelet neural network. Fuzzy Sets Syst. 2014;235:62–82. [DOI]
31. Wei-Yen Wang, Mei-Lang Chan, Hsu CCJ, Tsu-Tian Lee. H/sub /spl infin// tracking-based sliding mode control for uncertain nonlinear systems via an adaptive fuzzy-neural approach. IEEE Trans Syst, Man, Cybern B. 2002;32(4):483–92. [DOI]
32. Wang J, Rad AB, Chan PT. Indirect adaptive fuzzy sliding mode control: part I: fuzzy switching. Fuzzy Sets Syst. 2001;122(1):21–30. [DOI]
33. Defoort M, Floquet T, Kokosy A, Perruquetti W. A novel higher order sliding mode control scheme. Systems & Control Letters. 2009;58(2):102–8. [DOI]
34. Farhoud A, Erfanian A. Fully automatic control of paraplegic fes pedaling using higher-order sliding mode and fuzzy logic control. IEEE Trans Neural Syst Rehabil Eng. 2014;22(3):533–42. [DOI]
35. Kobravi HR, Erfanian A. A decentralized adaptive fuzzy robust strategy for control of upright standing posture in paraplegia using functional electrical stimulation. Med Eng Phys. 2012;34(1):28–37. [DOI]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
