人类神经肌肉系统识别使用功能电刺激来开发机动系统的数字双胞胎

科学领域:

• 生物力学和运动控制
• 人类数字双胞胎技术
• 神经肌肉骨系统建模

背景情况:

• 人类移动系统的数字双胞胎开发正在进行中.
• 使用功能电刺激 (FES) 的方法估计神经肌肉骨系统的动态.
• 这种方法使用电动激动剂-对抗剂比率 (rE) 和刺激强度的总和 (sE).
• 以前的工作表明神经肌肉系统 (NMS) 参数与SE有所不同,但这种变化没有建模.

研究的目的:

• 为了研究SE对等比肘部关节运动参数的影响.
• 为了建模SE和关键NMS参数之间的关系.
• 评估不同的数学模型来描述这些关系.

主要方法:

• 实验是在10名参与者进行同度收缩的条件下进行的.
• 一个二级系统的参数 (Kp, ωn, ζ) 估计在15个不同的SE级别.
• 用对线性,二次性和指数模型进行校正的Akaike信息标准 (AICc) 评估模型性能.

主要成果:

• 对于比例增益 (Kp),一个凸的二次模型最适合组平均数据.
• 对于自然频率 (ωn) 和阻尼比 (ζ),凸的二次模型最好地描述了组平均值数据.
• 个人数据显示,一些参与者表现出单调的趋势,指数模型显示了可比的Kp的AICc值.

结论:

• 该研究提供了SE如何影响NMS参数的模型,这对于推进人类数字双胞胎至关重要.
• 这些模型有可能从电肌图 (EMG) 信号中实时估计人类运动.
• 需要进一步的研究来探索更接近EMG信号的刺激频率的参数趋势,考虑到耐火期效应.