Resumen

Cada individuo realiza diferentes actividades diarias, como alcanzar y levantar con la mano, lo que demuestra el importante papel de los robots diseñados para estimar la posición de los objetos o las fuerzas musculares. Entender el mecanismo de control de aprendizaje del sistema musculoesquelético del cuerpo puede llevarnos a desarrollar una técnica de control robusta que pueda aplicarse a la robótica de rehabilitación. El modelo musculoesquelético del brazo humano utilizado en este estudio es un robot de 3 eslabones acoplado a 6 músculos en el que se utiliza un controlador neurofuzzy de tipo TSK junto con agentes multicríticos para el entrenamiento y aprendizaje de reglas difusas. Los agentes críticos adaptativos basados en el aprendizaje por refuerzo supervisan los parámetros del controlador y evitan el sobreentrenamiento. Los resultados de la simulación muestran que en ambos estados de con/sin optimización, el controlador puede seguir bien la trayectoria deseada sin problemas y con una precisión aceptable. La magnitud de las fuerzas en el modelo optimizado es significativamente menor, lo que implica el correcto funcionamiento del controlador. Además, los enlaces toman la misma trayectoria con un desplazamiento global menor que el del modo sin optimización, lo que es coherente con el movimiento natural de la mano, buscando la trayectoria más óptima.

• Materias:Ingeniería biomédica Biomecánica Prótesis Extremidades (Cuerpo Humano) Músculos Hidromecánica
• Subjects:Biomedical engineering Biomechanics Prostheses Limbs (Human Body) Muscles Hydromechanics
• Palabras claves:magnitud de la fuerza, menor desplazamiento global, técnicas de control robustas, agente crítico adaptativo, papel del robot, controlador de tsk, diferentes actividades diarias, papel importante, modelo musculoesquelético, modo no optimizado
• Keywords:magnitude of force, lower overall displacement, robust control techniques, adaptive critics agent, role of robot, controller of tsk, different daily activities, important role, musculoskeletal model, nonoptimized mode