انخفاض القدم هو مرض ينجم أساسا عن شلل العضلات، التي يعطل فيها قدرة الأعصاب على توليد النبضات التي تساعد القدم في التحكم في ضربة الكعب. كل هذه الامراض والآفات التي تصيب الدماغ، الحبل الشوكي، أو الأعصاب الطرفية تؤثر على المشي العادي. تصميم وتحليل وحدة تحكم لمثل هذه الساق هو موضوع هذه الورقة. تربط المتحسسات السطحية لأشارات التحفيز العضلي (SEMG) على سطح الجلد للعضلة. هذا التصميم يستخدم إشارات في الزمن الحقيقي لأشارات المتحسس Real Time SEMG لتقدير الزوايا المشتركة بين مفصلي الركبة والكاحل عند الحركة . وقد تم تحليل مختلف السرع في حركتي الإنحناء والتمديد للساق. بدأت مرحلتي التصميم مع SEMG في الزمن الحقيقي لإشارة EMG لساق الانسان. أجريت عدة معالجات لهذه الاشارة منها: تصفيتها باستخدام المرشحات ( High and Low pass filter )، وتضخيم للتطبيع السعة القصوى. ثم استخدمت المعاملات المستخرج من إشارة SEMG لتدريب الشبكة العصبية الاصطناعية (ANN) للتنبؤ بالزاوية المشتركة. وشملت تصميم مختلف ANN السرعة التعرف على إشارة EMG وتقدير زوايا مفصلي الركبة والكاحل من خلال عملية الاعتراف بأن يتوقف على المعاملات للإشارة SEMG الحقيقية تقاس من خلال الحركات الحقيقية. المرحلة الثانية تستخدم ANN تقدير إشارة تحكم، لحساب إشارة EMG ليكون حافزا لعضلة الساق لتحريك مفصل الكاحل.
الملخص الانجليزي
Foot drop is a disease caused mainly by muscle paralysis, which incapacitates the nerves generating the impulses that
control feet in a heel strike. The incapacity may stem from lesions that affect the brain, the spinal cord, or peripheral
nerves. The foot becomes dorsiflexed, affecting normal walking. A design and analysis of a controller for such legs is the
subject of this article. Surface electromyography electrodes are connected to the skin surface of the human muscle and
work on the mechanics of human muscle contraction. The design uses real surface electromyography signals for estimation
of the joint angles. Various-speed flexions and extensions of the leg were analyzed. The two phases of the design
began with surface electromyography of real human leg electromyography signal, which was subsequently filtered, amplified,
and normalized to the maximum amplitude. Parameters extracted from the surface electromyography signal were
then used to train an artificial neural network for prediction of the joint angle. The artificial neural network design
included various-speed identification of the electromyography signal and estimation of the angles of the knee and ankle
joints by a recognition process that depended on the parameters of the real surface electromyography signal measured
through real movements. The second phase used artificial neural network estimation of the control signal, for calculation
of the electromyography signal to be stimulated for the leg muscle to move the ankle joint. Satisfactory simulation
(MATLAB/Simulink version 2012a) and implementation results verified the design feasibility.
الاستاذ الدكتور يوسف اسماعيل محمد المشهداني | Prof. Dr. Yousif Ismail Al Mashhadany | 9868