Koopman-Based Model Predictive Control of Functional Electrical Stimulation for Ankle Dorsiflexion and Plantarflexion Assistance
作者: Mayank Singh, Noor Hakam, Trisha M. Kesar, Nitin Sharma
分类: eess.SY
发布日期: 2025-01-10
💡 一句话要点
提出基于Koopman算子的模型预测控制方法，用于功能性电刺激辅助踝关节运动
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 功能性电刺激 模型预测控制 Koopman算子 踝关节运动 步态辅助
📋 核心要点
- 现有FES控制方法难以有效处理踝关节运动的复杂非线性动力学，限制了控制精度和适应性。
- 利用Koopman算子将非线性系统线性化，构建线性MPC控制器，实现对FES驱动踝关节运动的精确预测和控制。
- 通过仿真和人体实验验证了该方法的有效性，尤其是在多发性硬化症患者中展现了个性化步态辅助的潜力。
📝 摘要（中文）
本研究提出了一种基于Koopman算子理论（KOT）框架的实时、数据驱动的模型预测控制（MPC）方案，用于功能性电刺激（FES）辅助踝关节运动。该框架能够以线性化的形式有效捕捉踝关节运动的复杂非线性动力学，从而能够应用线性控制方法来处理高度非线性的FES驱动动力学。该方法利用惯性测量单元（IMU）精确预测FES诱导的踝关节运动，同时考虑了包括跖屈肌和背屈肌（胫骨前肌（TA））肌肉激活在内的非线性肌肉驱动动力学。通过KOT推导出的线性预测模型使我们能够构建具有线性状态空间动力学的MPC问题，从而提高了FES驱动控制的实时可行性、精度和适应性。通过全面的仿真和实验验证了该方法的有效性和适用性，实验包括三名无残疾参与者和一名多发性硬化症患者。研究结果突出了基于KOT的MPC方法在基于FES的步态辅助方面的潜力，为步态障碍患者提供有效和个性化的辅助。
🔬 方法详解
问题定义：论文旨在解决功能性电刺激（FES）控制踝关节运动时，由于踝关节运动的复杂非线性动力学以及肌肉激活的非线性特性，导致控制精度和实时性难以保证的问题。现有的FES控制方法通常难以有效处理这些非线性因素，限制了其在实际康复场景中的应用。
核心思路：论文的核心思路是利用Koopman算子理论（KOT）将非线性系统近似线性化，从而可以使用线性模型预测控制（MPC）方法。通过将非线性动力学嵌入到高维线性空间中，可以简化控制器的设计和优化，提高控制器的实时性和鲁棒性。
技术框架：整体框架包括以下几个主要模块：1) 数据采集：使用惯性测量单元（IMU）采集踝关节运动数据。2) Koopman算子学习：利用采集到的数据学习Koopman算子，构建线性预测模型。3) 模型预测控制：基于线性预测模型，设计MPC控制器，优化FES刺激参数。4) FES刺激：根据MPC控制器的输出，对相关肌肉进行电刺激，辅助踝关节运动。
关键创新：该方法最重要的技术创新点在于将Koopman算子理论应用于FES控制。与传统的基于物理模型的控制方法相比，该方法是数据驱动的，能够更好地适应个体差异和时变性。此外，通过线性化非线性系统，可以简化控制器的设计，提高控制器的实时性。
关键设计：论文中关键的设计包括：1) Koopman算子的选择：需要选择合适的观测函数，将原始状态映射到高维线性空间。2) MPC控制器的设计：需要选择合适的代价函数，平衡控制精度和控制能量。3) 实验参数设置：需要根据个体差异调整FES刺激参数，以达到最佳的控制效果。
🖼️ 关键图片
📊 实验亮点
实验结果表明，基于Koopman算子的MPC方法能够有效控制FES驱动的踝关节运动。在仿真和人体实验中，该方法均表现出良好的控制精度和实时性。特别是在多发性硬化症患者的实验中，该方法能够根据患者的个体情况进行调整，实现个性化的步态辅助。
🎯 应用场景
该研究成果可应用于康复医学领域，为中风、脊髓损伤、多发性硬化症等引起的步态障碍患者提供个性化的FES辅助治疗。通过精确控制踝关节运动，可以改善患者的步态，提高生活质量。未来，该技术有望与可穿戴设备集成，实现更加便捷和智能的康复方案。
📄 摘要（原文）
Functional Electrical Stimulation (FES) can be an effective tool to augment paretic muscle function and restore normal ankle function. Our approach incorporates a real-time, data-driven Model Predictive Control (MPC) scheme, built upon a Koopman operator theory (KOT) framework. This framework adeptly captures the complex nonlinear dynamics of ankle motion in a linearized form, enabling application of linear control approaches for highly nonlinear FES-actuated dynamics. Utilizing inertial measurement units (IMUs), our method accurately predicts the FES-induced ankle movements, while accounting for nonlinear muscle actuation dynamics, including the muscle activation for both plantarflexors, and dorsiflexors (Tibialis Anterior (TA)). The linear prediction model derived through KOT allowed us to formulate the MPC problem with linear state space dynamics, enhancing the real-time feasibility, precision and adaptability of the FES driven control. The effectiveness and applicability of our approach have been demonstrated through comprehensive simulations and experimental trials, including three participants with no disability and a participant with Multiple Sclerosis. Our findings highlight the potential of a KOT-based MPC approach for FES based gait assistance that offers effective and personalized assistance for individuals with gait impairment conditions.