Математическое моделирование взаимодействия элементов электромеханической многозвенной системы на примере реабилитационного экзоскелета нижних конечностей

Цель исследования – разработка математической модели, анализ взаимодействия элементов трехзвенной электромеханической системы реабилитационного экзоскелета нижних конечностей и прогнозирование задающих воздействий. 
Методы. В представленной статье рассматривается электромеханическая многозвенная система реабилитационного экзоскелета нижних конечностей. Анализ выполнен с использованием метода декомпозиции – расчленения системы на составляющие ее части и изучения функционирования каждой из частей в отдельности. На основе разработанной математической модели многозвенной системы проведен вычислительный эксперимент. Использован метод анимации, который создаёт виртуальную траекторию движения голеностопного шарнира человеко-машинной системы. Предложенный подход позволяет прогнозировать поведение системы, определять ее конфигурацию и, что важно, проводить оценку значений управляющих воздействий в виде крутящего момента электроприводов, обеспечивающих функционирование системы в рамках реабилитационных мероприятий. 
Результаты. Получена математическая модель функционирования системы реабилитационного экзоскелета нижних конечностей, позволяющая прогнозировать взаимодействие элементов электромеханической многозвенной системы. На основании данных вычислительного эксперимента установлено, что управление гибридным привода оказывает влияние на функционирование звеньев рассматриваемой системы. Разработан метод анимации, который создаёт виртуальную траекторию движения голеностопного шарнира, основанный на видеозахвате движения и антропоморфных параметрах. Результаты моделирования демонстрируют, что гравитационный компенсатор гибридного привода создаёт вспомогательный крутящий момент, компенсирующий часть гравитационных сил от элементов электромеханической системы. Показано влияние применения гибридного привода в бедренном шарнире на функционирование остальных звеньев электромеханической системы, проявляющееся в исключении высокочастотных колебаний коленного и голеностопного звеньев.  
Заключение. Результаты математического моделирования позволяют прогнозировать взаимодействие элементов электромеханической системы и осуществлять эффективное управление приводной системой робота во времени. Обнаруженное влияние применения гибридного привода в бедренном шарнире на функционирование остальных звеньев электромеханической системы позволит создать устройство, способное выполнять свои функции в различных условиях эксплуатации и обеспечить параметры движения, близкие к антропоморфным. 

1. Котов Е. А., Друк А. Д., Клыпин Д. Н. Разработка экзоскелета нижних конечностей человека для медицинской реабилитации // Омский научный вестник. 2021. № 4 (178). С. 91–97. https://doi.org/10.25206/1813-8225-2021-178-91-97

2. Оценка эффективности восстановления навыков ходьбы с помощью реабилитационного роботизированного комплекса / И. Э. Юденко, А. И. Попова, Ю. Е. Викторова, Н. В. Минникаева // Северный регион: наука, образование, культура. 2023. № 3(55). С. 77–83.

3. Смирнова Л. М. Комплексное поэтапное моделирование биотехнической системы при оценке эффективности и настройке протеза нижней конечности // Информационно-управляющие системы. 2009. № 3. С. 29–33.

4. Simulation of Interaction between an Operator and an Exoskeleton / S. F. Yatsun, A. S. Yatsun, E. V. Savel’eva, A. E. Karlov // Journal of Machinery Manufacture and Reliability. 2020. N 49. P. 490–499.

5. Samsonov I., Taratonov I. Modular Scalable System for Registration of Biomedical Indicators of Activity of the Exoskeleton User // Proceedings of the Computational Methods in Systems and Software. Cham: Springer International Publishing, 2022. P. 647–655.

6. Studying of copying control system with nonlinear measurer / S. Jatsun, A. Malchikov, A. Yatsun, E. Saveleva // Electromechanics and Robotics: Proceedings of 16th International Conference on Electromechanics and Robotics "Zavalishin’s Readings" (ER (ZR) 2021), St. Petersburg, Russia, 14–17 April 2021. Singapore: Springer, 2022. P. 13–23.

7. Князев А. А., Яцун С. Ф., Федоров А. В. Управление прибором для механотерапии голеностопного сустава // Медицинская техника. 2022. № 6 (336). С. 14.

8. Системный анализ и управление в биомедицинских системах / Н. А. Кореневский, С. Н. Родионова, Л. В. Стародубцева, Н. А. Милостная, Е. Н. Кореневская // Системный анализ и управление в биомедицинских системах. 2022. Т. 21, № 3. С. 75–89.

9. Samsonov I., Taratonov I. Modular Scalable System for Registration of Biomedical Indicators of Activity of the Exoskeleton User // Proceedings of the Computational Methods in Systems and Software. Cham: Springer International Publishing, 2022. P. 647–655.

10. Смирнова Л. М., Пономаренко Г. Н., Сусляев В. Г. Методология и информационно-измерительная система для персонифицированного синтеза протезов нижних конечностей // Информационно-управляющие системы. 2021. № 6. С. 64–74. https://doi.org/10.31799/1684-8853-2021-6-64-74

11. Varlamova L. P., Farukh N. Xo’jaqulov. Simulation of a two-link manipulator // Scientific Progress. 2022. N 3. P. 1107–1111.

12. Simulation of static walking in an exoskeleton / S. Jatsun, A. Yatsun, A. Fedorov, E. Saveleva // Electromechanics and Robotics: Proceedings of 16th International Conference on Electromechanics and Robotics "Zavalishin’s Readings" (ER (ZR) 2021), St. Petersburg, Russia, 14–17 April 2021. Singapore: Springer, 2022. P. 49–60.

13. Zaichenko K. V., Gurevich B. S. Spectral processing of bioelectric signals // Medical equipment. 2021. N 1 (325). P. 12–14.

14. Modelling for design and evaluation of industrial exoskeletons: A systematic review / T. Ma, Y. Zhang, S. D. Choi, S. Xiong // Applied Ergonomics. 2023. N 113. P. 104100.

15. Analysis of the effect of the exoskeleton geometrical dimensions on the nature of a linear compensator operation / S. F. Jatsun, V. E. Pavlovsky, A. E. Karlov, M. Al MajiKhKh, A. S. Yatsun, E. V. Saveleva // 12th International Conference on Developments in eSystems Engineering (DeSE). Kazan: IEEE, 2020. P. 466–471.

16. Evaluation of the EEG identification potential using a statistical approach and convolutional neural networks / A. E. Sulavko, P. S. Lozhnikov, A. G. Choban, D. G. Stadnikov,A. A. Nigrey, D. P. Inivatov // Information and control systems. 2020. N 6. P. 37–49. https://doi.org/10.31799/1684-8853-2020-6-37-49

17. Куст С. Ю., Маркова М. В., Писарева А. В. Разработка алгоритма определения местности в системе управления протезом нижней конечности // Системный анализ и управление в биомедицинских системах. 2021. Т. 20, № 2. С. 99–105.

18. Исследование устройства нечеткого цифрового фильтра для робота-манипулятора / М. В. Бобырь, Н. А. Милостная, В. А. Булатников, М. Ю. Лунева // Известия Юго-Западного государственного университета. 2020. Т. 24, № 1. С. 115–129.

19. Титов В. С., Бобырь М. В., Милостная Н. А. Особенности оценки точности измерений размеров при использовании высокоточных автоматизированных систем // Промышленные АСУ и контроллеры. 2005. № 6. С. 17–19.

20. Провоторов Н. В., Таратонов И. Н., Филиппович Ю. Н. Метод межсегментной оценки выделения паттернов движения из кинематических траекторий, регистрируемых средствами экзоскелетной системы // Программные продукты и системы. 2022. Т. 35, № 3. С. 493–501.

21. Бобырь М. В., Милостная Н. А. Нечеткая модель интеллектуальной системы управления мобильным роботом // Проблемы машиностроения и автоматизации. 2015. № 3. С. 57–67.