Estimation des caractéristiques du mouvement humain en station debout. Mise en œuvre d'observateurs flous sous forme descripteur - Archive ouverte HAL Access content directly
Theses Year : 2003

Estimation of human movement characteristics in standing. A fuzzy observer approach in descriptor form.

Estimation des caractéristiques du mouvement humain en station debout. Mise en œuvre d'observateurs flous sous forme descripteur

Abstract

Neurophysiology and biomechanics brings two complementary approaches to the postural control scheme. The human body, which is controlled by the central nervous system, is considered as rigid body segments connected by hinge joints system where inputs are the joint torques and the outputs are the segment positions. Due to the postural strategies employed in standing, a double inverted pendulum nonlinear model is chosen. It depends on parameters that can be estimated by standard anthropometric tables. In order to adjust the model for an individual, a simulated annealing with heating cycles is chosen. Joint torques are classically estimated by the well known uncertain inverse dynamics techniques. An alternative approach, stemming from control theory, is then proposed. That one consists on the use of unknown inputs observers. A class of fuzzy observers based on a descriptor form is then studied. The convergence conditions of the prediction error are obtained via a Lyapunov quadratic function. These ones can be conservative. Four LMI or BMI based approaches are then proposed to relax these conditions. In the case of human stance, the results obtained with the use of an unknown input observer are compared with the ones obtained with the use of different inverse dynamics approaches. It seems that observer based results are more accurate for human standing studies. Moreover, the real time character of the observer based approach is underlined and leads to many rehabilitation applications.
La neurophysiologie et la biomécanique constituent deux approches complémentaires à la compréhension globale de la régulation posturale. Le corps humain est considéré comme un système mécanique poly-articulé régulé par le système nerveux central. Ses entrées sont les couples articulaires et ses sorties les positions des segments corporels. Au vu des stratégies posturales employées en station debout, un modèle non linéaire en double pendule inversé est adopté. Il dépend de paramètres pouvant être estimés par des tables anthropométriques standards. Pour ajuster le modèle à un individu particulier, un recuit simulé est utilisé. Les couples articulaires sont classiquement estimés par des techniques de dynamique inverse sensibles aux incertitudes de mesure. Une méthode alternative issue du domaine de l'automatique, basée l'utilisation d'observateurs à entrées inconnues, est proposée. L'étude d'une classe d'observateurs flous de type Takagi-Sugeno basés sur une forme descripteur est proposée. Les conditions de convergence sont obtenues par une fonction de Lyapunov quadratique et peuvent être conservatives. Quatre approches, admettant une écriture sous la forme de problèmes LMI ou BMI, sont alors proposées afin de relâcher ces conditions. La mise en œuvre d'un observateur flou à entrées inconnues dans le cas de l'homme en station debout est proposée. Les résultats obtenus sont confrontés à ceux des différentes approches de la dynamique inverse. L'observateur flou semble mieux adapté à l'estimation des caractéristiques du mouvement en station debout. De plus son caractère temps réel est souligné et conduit à de nombreuses perspectives en rééducation.
Fichier principal
Vignette du fichier
tel-00007960.pdf (2.07 Mo) Télécharger le fichier
Loading...

Dates and versions

tel-00007960 , version 1 (07-01-2005)

Identifiers

  • HAL Id : tel-00007960 , version 1

Cite

Kevin Guelton. Estimation des caractéristiques du mouvement humain en station debout. Mise en œuvre d'observateurs flous sous forme descripteur. Automatique / Robotique. Université de Valenciennes et du Hainaut-Cambresis, 2003. Français. ⟨NNT : ⟩. ⟨tel-00007960⟩
452 View
1708 Download

Share

Gmail Facebook X LinkedIn More