- |
-
پیش‌بینی حرکت برخاستن با هفت تابع هزینهی وزن‌دارِ حداقل گشتاور و تعادل
پذیرفته شده برای ارائه شفاهی
شناسه دیجیتال (DOI): 10.22089/10thconf.2017.159
کد مقاله : 3733-10THCONF
نویسندگان
1دانشگاه خوارزمی
2استاد بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه خوارزمی، تهران، ایران
3استادیار/دانشگاه یزد
4هیئت علمی دانشگاه خوارزمی
چکیده
مقدمه: با بهینه‌سازیِ توابع هزینهی گشتاور (MT)، تغییرات گشتاور (MTC) و انرژی مکانیکی (MEC)، می‌توان حرکات انسان را در چارچوب تئوری کنترل بهینه، به‌شکل مطلوبی پیش‌بینی و توصیف کرد. محققانی نشان دادند که تابع هزینهی تعادل (SE) نیز می‌تواند در پیش‌بینی حرکات پیچیده‌ی تمام بدن موفق باشد. در این مطالعه با انتخاب هفت تابع هزینهی وزن‌دار گشتاور و تعادل، حرکت برخاستن از وضعیت اسکوات بهینه‌سازی شد تا تواناییِ همزمان و ترکیبی این دو تابع هزینه در پیش‌بینی و کنترل حرکت برخاستن مورد بررسی قرار گیرد.
روش شناسی: برای ساخت مدل دینامیکی، از نمای ساجیتال حرکت برخاستنِ هفت نفر مرد جوان سالم (سن 1/2±21/5 سال، وزن 7/9±62/1 کیلوگرم، قد 5/6±175 سانتی‌متر)، با سیستم ثبت تصویر سه بعدی اوپتی‌تراک (120 فریم بر ثانیه) فیلم گرفته و مدلی دو بعدی و چهار سگمنتی، بر اساس معادلات حرکت تعریف شد. تابع هزینهی کل از ترکیب دو تابع هزینهی حداقل گشتاور و تعادل و بر اساس رابطه‌ی C_TOTAL=W_MT C_MT+W_SC C_SC بدست آمد که در این رابطه C و W به ترتیب بیانگر تابع هزینه و وزن تابع بود. برای محاسبه‌ی اوزان مورد نظر، رابطه‌ی W_MT+W_)=1همواره برقرار بود و وزن‌های هفت‌گانه‌ی هرکدام از توابع برابر با (1، 8/0، 6/0، 5/0، 4/0، 2/0، 0) بود. پس از اعمال قیدهای دامنه حرکتی، گشتاور و تعادل، از الگوریتم ژنتیک جهت یافتن الگوی بهینه استفاده گردید. برای بررسی کیفیت مسیر پیش‌بینی شده توسط مدل و مقایسه‌ی آن با الگوی آزمودنی‌ها، از خطای جذر میانگین مربعات استفاده شد.
یافته ها: مقدار خطای بین الگوی پیش‌بینی و الگوی آزمودنی‌ها در زمانی که وزن تابع هزینهی گشتاور و تعادل به‌ترتیب برابر با 0/8 و 0/2 بود، کمتر از سایر حالت‌ها بود (خطا = 2/5±20/9 درجه).
بحث و نتیجه گیری: این مطالعه نشان داد که در کنترل حرکت برخاستن آزمودنی‌ها، علاوه بر گشتاور مفاصل، عامل تعادل نیز می-تواند با نسبتی کمتر اهمیت داشته باشد و به نظر می‌رسد در افرادی مانند سالمندان که خطر زمین خوردن آن‌ها را تهدید می‌کند، وزن تعادل می‌تواند بیش از این افزایش یابد. استفاده از توابع هزینهی انرژی مکانیکی و تغییرات گشتاور در کنار توابع هزینهی این مطالعه و بررسی وزن آن‌ها به‌صورت پیوسته، می‌تواند پیش‌بینی حرکت آزمودنی‌ها را دقیق‌تر کند و برآورد مناسب‌تری از سیستم کنترلی بدن انسان بدست آورد.
روش شناسی: برای ساخت مدل دینامیکی، از نمای ساجیتال حرکت برخاستنِ هفت نفر مرد جوان سالم (سن 1/2±21/5 سال، وزن 7/9±62/1 کیلوگرم، قد 5/6±175 سانتی‌متر)، با سیستم ثبت تصویر سه بعدی اوپتی‌تراک (120 فریم بر ثانیه) فیلم گرفته و مدلی دو بعدی و چهار سگمنتی، بر اساس معادلات حرکت تعریف شد. تابع هزینهی کل از ترکیب دو تابع هزینهی حداقل گشتاور و تعادل و بر اساس رابطه‌ی C_TOTAL=W_MT C_MT+W_SC C_SC بدست آمد که در این رابطه C و W به ترتیب بیانگر تابع هزینه و وزن تابع بود. برای محاسبه‌ی اوزان مورد نظر، رابطه‌ی W_MT+W_)=1همواره برقرار بود و وزن‌های هفت‌گانه‌ی هرکدام از توابع برابر با (1، 8/0، 6/0، 5/0، 4/0، 2/0، 0) بود. پس از اعمال قیدهای دامنه حرکتی، گشتاور و تعادل، از الگوریتم ژنتیک جهت یافتن الگوی بهینه استفاده گردید. برای بررسی کیفیت مسیر پیش‌بینی شده توسط مدل و مقایسه‌ی آن با الگوی آزمودنی‌ها، از خطای جذر میانگین مربعات استفاده شد.
یافته ها: مقدار خطای بین الگوی پیش‌بینی و الگوی آزمودنی‌ها در زمانی که وزن تابع هزینهی گشتاور و تعادل به‌ترتیب برابر با 0/8 و 0/2 بود، کمتر از سایر حالت‌ها بود (خطا = 2/5±20/9 درجه).
بحث و نتیجه گیری: این مطالعه نشان داد که در کنترل حرکت برخاستن آزمودنی‌ها، علاوه بر گشتاور مفاصل، عامل تعادل نیز می-تواند با نسبتی کمتر اهمیت داشته باشد و به نظر می‌رسد در افرادی مانند سالمندان که خطر زمین خوردن آن‌ها را تهدید می‌کند، وزن تعادل می‌تواند بیش از این افزایش یابد. استفاده از توابع هزینهی انرژی مکانیکی و تغییرات گشتاور در کنار توابع هزینهی این مطالعه و بررسی وزن آن‌ها به‌صورت پیوسته، می‌تواند پیش‌بینی حرکت آزمودنی‌ها را دقیق‌تر کند و برآورد مناسب‌تری از سیستم کنترلی بدن انسان بدست آورد.
کلیدواژه ها
موضوعات
Title
Prediction of arising movement by seven weighted form of minimum torque and stability cost functions
Authors
Mostafa Hajlotfalian, Heydar Sadeghi, Mohamad Honarvar, Mehdi Khaleghi
Abstract
Introduction: Numerous types of cost functions such as minimum torque (MT), minimum torque change (MTC) and mechanical energy cost (MEC) models have been suggested to characterize human movement features from the perspective of optimal control theory. Some researchers believe, the stability cost (SC) model, considers the dynamic aspects of movement by increasing the upright stability to perform whole-body movements. In this study, we selected seven weighted form of MT and SC models, to consider the ability of these models to predict and control of arising task.
Methodology: To build dynamic model, squat to stand movement of seven healthy young subjects (age, 21.5 ± 1.2 years, body mass, 62.1 ± 7.9 kg, height, 175 ± 5.6 cm) were filmed by 3d Optitrack motion capture (120 FPS). A 2-dimensional model, with four segments was built based on the governing equations of motion. Total cost function was calculated by Eq1: C_TOTAL=W_MT C_MT+W_SC C_SC and to create seven weighted form of cost functions Eq2: W_MT+W_)=1 should be established. The weight of each cost functions was equal to (1, 0.8, 0.6, 0.5, 0.4, 0.2, and 0). After applying constraints and cost functions, genetic algorithm was used to find the optimal model. To measure the quality of models in motion planning, the root mean squared error (RMSE) between the predictions and the experimental data are considered.
Results: When the weight of minimum torque cost and stability cost, were equal to 0.8, and 0.2 respectively, the error between predicted and experimental patterns, were minimal (RMSE=20.9±2.5 deg).
Discussion: In motor planning and control of subjects arising, MT and SC cost functions are both important, although the weight of SC is lower. It seems that, the weight of SC cost function, can improve between elderly people and anyone who has risk of falling. Using MT, SC, MTC and MEC models simultaneously with continuous weights, leading to more accurate predict of the arising patterns and estimate of the human body control.
Methodology: To build dynamic model, squat to stand movement of seven healthy young subjects (age, 21.5 ± 1.2 years, body mass, 62.1 ± 7.9 kg, height, 175 ± 5.6 cm) were filmed by 3d Optitrack motion capture (120 FPS). A 2-dimensional model, with four segments was built based on the governing equations of motion. Total cost function was calculated by Eq1: C_TOTAL=W_MT C_MT+W_SC C_SC and to create seven weighted form of cost functions Eq2: W_MT+W_)=1 should be established. The weight of each cost functions was equal to (1, 0.8, 0.6, 0.5, 0.4, 0.2, and 0). After applying constraints and cost functions, genetic algorithm was used to find the optimal model. To measure the quality of models in motion planning, the root mean squared error (RMSE) between the predictions and the experimental data are considered.
Results: When the weight of minimum torque cost and stability cost, were equal to 0.8, and 0.2 respectively, the error between predicted and experimental patterns, were minimal (RMSE=20.9±2.5 deg).
Discussion: In motor planning and control of subjects arising, MT and SC cost functions are both important, although the weight of SC is lower. It seems that, the weight of SC cost function, can improve between elderly people and anyone who has risk of falling. Using MT, SC, MTC and MEC models simultaneously with continuous weights, leading to more accurate predict of the arising patterns and estimate of the human body control.
Keywords
Motor Planning, Optimization, Arising, Stability Cost Function