Araştırma, magnetoreolojik (MR) sıvı damper kullanan transfemoral bir protez dizde üç tork seviyesi kontrol yaklaşımını aynı model çerçevesinde karşılaştırmaktadır: model tabanlı feedforward kontrol, robust inverse-dynamics kontrol ve adaptive inverse-dynamics kontrol. Çalışmada iki bağlantılı düzlemsel bacak modeli Lagrange yöntemiyle oluşturulmuş, kalça hareketinden istenen diz açısını kestirmek için üçüncü dereceden bir polinom geliştirilmiş ve MR damper kuvvetinin diz eklem torkuna dönüşümü geometrik olarak türetilmiştir. Simülasyonlarda adaptive inverse-dynamics en düşük diz açısı izleme hatasını üretirken en yüksek kontrol çabasını gerektirmiş; robust inverse-dynamics ise araştırmacıların raporuna göre adaptive yönteme yakın izleme performansını yaklaşık %12 daha düşük kontrol enerjisiyle sağlayarak çalışmadaki en dengeli doğruluk–çaba uzlaşmasını göstermiştir. Bulgular fiziksel protez veya insan yürüyüş deneyinden değil, modelleme ve simülasyondan elde edilmiştir.

Çalışmanın aktüasyon değerlendirmesinde MR damper, diz hareketine karşı ayarlanabilir direnç sağlayan birincil yarı-aktif eleman olarak kullanılmaktadır. MR damper mekanik sisteme pozitif enerji veremediği için kontrolcünün istediği tork damperin enerji dağıtıcı çalışma koşuluyla uyumlu olmadığında veya damper kapasitesini aştığında yardımcı bir DC motor kalan torku sağlamaktadır. Bu nedenle çalışma, MR damper ile aktif motoru fiziksel görevlerine göre paylaştıran hibrit bir aktüasyon yaklaşımını değerlendirmektedir.

Kaynak yürüyüş verilerindeki kalça ve diz açıları kullanılarak stance ve swing evreleri için ayrı kübik hip-to-knee kestiriciler oluşturulmuştur. Araştırmacılar birinci dereceden altıncı dereceye kadar polinomları RMSE ile karşılaştırmış ve üçüncü dereceden sonra sağlanan iyileşmenin sınırlı olması nedeniyle kübik modeli seçmiştir. Sonraki kontrol değerlendirmesinde her üç kontrolcü için ortak \(k_p=k_d=10\) kazançları kullanılmış; bu seçim 25 farklı kazanç çiftini kapsayan bir duyarlılık analiziyle desteklenmiştir.

Şekil 17'de feedforward kontrolün RMS diz açısı hatası yaklaşık 2° düzeyindeyken robust ve adaptive kontrolcülerin hataları yaklaşık 1,5° düzeyindedir. Şekil 18'de adaptive kontrolcü en yüksek normalize kontrol enerjisini, robust kontrolcü ise en düşük değeri göstermektedir. Kaynağın sonuç bölümüne göre robust yaklaşımın kontrol enerjisi adaptive yönteme göre yaklaşık %12 daha düşüktür.

Türkiye açısından değerlendirme: Çalışmanın yöntemi Türkiye'de protez diz, rehabilitasyon robotiği, akıllı malzeme tabanlı aktüatörler ve giyilebilir mekatronik sistemler üzerinde yürütülen araştırmalar için yararlı bir kontrol-modelleme çerçevesi sunabilir. MR damperin düşük güçlü yarı-aktif direnç üretmesiyle yalnız gerektiğinde çalışan yardımcı motorun birlikte değerlendirilmesi, enerji kullanımı ve cihaz kütlesi arasındaki tasarım ödünleşimlerini araştırmak açısından önemlidir. Ancak çalışma gerçek kullanıcı, gerçek zemin reaksiyonu, soket–güdük etkileşimi, sensör gürültüsü, iletişim gecikmesi, batarya ömrü ve termal sınırlar üzerinde test edilmemiştir. Bu nedenle sonuçlardan doğrudan klinik başarı, güvenli yürüme veya gerçek kullanım süresi çıkarılamaz.

Araştırmanın temel sorusu nedir?

Çalışmanın açık araştırma sorusu, aynı MR damperli protez-diz modeli altında robust inverse-dynamics kontrolün feedforward ve adaptive inverse-dynamics kontrol arasında daha iyi bir izleme doğruluğu–aktüatör çabası uzlaşması sağlayıp sağlayamayacağıdır.

Araştırmacıların çalışma hipotezi iki parçalıdır. Adaptive inverse-dynamics kontrolün çevrim içi parametre güncellemesi sayesinde en düşük takip hatasını üretmesi beklenmektedir. Robust inverse-dynamics kontrolün ise bounded-uncertainty telafisi sayesinde adaptive yönteme yakın doğruluğu daha düşük kontrol çabasıyla sağlaması beklenmektedir.

Makale yeni bir inverse-dynamics kontrol teorisi geliştirdiğini öne sürmemektedir. Bilimsel katkı, üç yerleşik kontrol yaklaşımını aynı protez modeline, aynı referans yörüngesine, aynı temel kazanç seçimine ve ortak bir aktüatör fizibilite çerçevesine yerleştirerek karşılaştırmaktır.

Neden MR damper kullanılıyor?

Magnetoreolojik sıvılar, manyetik alan uygulandığında reolojik özellikleri hızla değişen ferromanyetik parçacık içeren akışkanlardır. Bir MR damperde bobin akımı değiştirilerek damperin hareket karşısında oluşturduğu direnç ayarlanabilir.

Bu özellik protez diz açısından iki avantaj sağlar: hareket direnci yürüyüş çevriminin farklı aşamalarında değiştirilebilir ve bu ayarlama tamamen aktif bir motorun sürekli mekanik iş üretmesini gerektirmez.

Bununla birlikte MR damperin önemli fiziksel sınırı enerji dağıtıcı olmasıdır. Sistemden mekanik enerji uzaklaştırabilir fakat gerektiğinde ekleme aktif iş sağlayamaz. Çalışmanın yardımcı DC motor eklemesinin temel nedeni budur.

Yürüyüş çevrimi nasıl ele alındı?

Kaynak modelinde yürüyüş çevriminin yaklaşık %55'i stance, kalan %45'i swing olarak ele alınmıştır. Araştırmanın Şekil 1'inde heel contact, foot flat, mid-stance, heel-off, toe-off ve mid-swing olayları gösterilmekte; stance–swing sınırı çevrimin yaklaşık %55 noktasında tanımlanmaktadır.

Bu faz ayrımı kontrol karşılaştırmasında önceden bilinmektedir. Gerçek zamanlı kullanım için kalça açısına dayanan basit bir eşik kuralı önerilmiş olsa da bu faz algılama mekanizması sensör gürültüsü, gecikme veya yanlış sınıflandırmaya karşı bu çalışmada doğrulanmamıştır.

Diz referans yörüngesi nasıl elde edildi?

Transfemoral kullanıcıda biyolojik diz hareketini doğrudan kullanmak mümkün olmadığından çalışma kalça açısından diz açısı kestiren bir polinom yaklaşımı kullanmaktadır. Referans kalça ve diz yürüyüş verileri önceki bir çalışmadan alınmış; ancak polinom derecesi ve katsayılar mevcut çalışmada yeniden belirlenmiştir.

Diz açısı:

\[ \hat{\theta}_2= \sum_{i=0}^{n}c_i\theta_1^i = C^T\Phi(\theta_1) \]

biçiminde modellenmiştir. Burada \(\theta_1\) kalça açısını, \(\hat{\theta}_2\) kestirilen diz açısını, \(c_i\) polinom katsayılarını ve \(n\) polinom derecesini ifade etmektedir.

Katsayılar ölçülen diz açısı ile kestirilen diz açısı arasındaki L2 hatasını küçülten en küçük kareler çözümüyle belirlenmiştir.

Neden üçüncü dereceden polinom seçildi?

Çalışmanın Şekil 2'sinde polinom derecesi 1'den 6'ya yükseltilirken stance ve swing RMSE değerleri karşılaştırılmıştır. Hata özellikle ilk üç derece arasında belirgin biçimde düşmekte, üçüncü dereceden sonra kazanım küçülmektedir.

Araştırmacılar bu nedenle daha yüksek dereceli modellerin sağladığı sınırlı ek hata azalmasına karşı daha sade olan üçüncü dereceden modeli tercih etmiştir.

Kaynakta kalça ve diz açıları bu katsayı tablosunda radyan cinsindedir.

Kestirilen diz yörüngesi referans veriyi ne kadar izledi?

Şekil 4'te gerçek referans diz açısı ile kübik modelin tahmini bütün gait cycle boyunca birbirine yakın seyretmektedir. Özellikle swing sırasında yaklaşık 50°'yi aşan büyük diz fleksiyonu profili de model tarafından takip edilmektedir.

Şekil 5'te aynı ilişki hip angle–knee angle düzleminde gösterilmekte ve stance ile swing için ayrı döngülerin tahmin edilen eğriler tarafından genel olarak izlendiği görülmektedir.

Bu sonuç yörünge kestiricisinin çalışmanın kontrol simülasyonunda referans üretmek için yeterli görüldüğünü göstermektedir; gerçek zamanlı protez sensörlerinden elde edilmiş bağımsız doğrulama değildir.

Protez bacağın dinamik modeli nasıl kuruldu?

Model düzlemsel ve iki bağlantılıdır. Genelleştirilmiş koordinatlar kalça açısı \(\theta_1\) ve diz açısı \(\theta_2\)'dir. Sistem Lagrange enerji yöntemiyle modellenmiştir:

\[ L=T-V \]

ve genel hareket denklemi:

\[ \frac{\partial L}{\partial q_i} - \frac{d}{dt} \left( \frac{\partial L}{\partial \dot{q}_i} \right) + F_i=0 \]

şeklinde yazılmıştır.

İki eklem için hareket denklemleri matris biçiminde:

\[ \begin{bmatrix} M_{11} & M_{12}\\ M_{21} & M_{22} \end{bmatrix} \begin{bmatrix} \ddot{\theta}_1\\ \ddot{\theta}_2 \end{bmatrix} + \begin{bmatrix} C_1\\ C_2 \end{bmatrix} + \begin{bmatrix} G_1\\ G_2 \end{bmatrix} = \begin{bmatrix} 1 & -1\\ 0 & 1 \end{bmatrix} \begin{bmatrix} \tau_1\\ \tau_2 \end{bmatrix} \]

olarak ifade edilmiştir.

Kontrol problemi neden yalnız diz denklemine indirgeniyor?

Çalışmada kullanıcı kalça hareketini tipik gait pattern'i oluşturacak şekilde kendisinin sağladığı varsayılmıştır. Bu nedenle protezin doğrudan kontrol ettiği değişken diz torkudur.

İkinci hareket denklemi:

\[ M_{12}\ddot{\theta}_1 + M_{22}\ddot{\theta}_2 + C_2 + G_2 = \tau_{MR}+\tau_{DC} = \tau_c \]

biçimine indirgenmiştir.

Burada \(\tau_{MR}\) MR damper tarafından oluşturulan yarı-aktif torku, \(\tau_{DC}\) yardımcı DC motor torkunu ve \(\tau_c\) toplam diz kontrol torkunu temsil etmektedir.

MR damper kuvveti diz torkuna nasıl çevriliyor?

Çalışma MR damper kuvvetini doğrudan diz torku olarak kabul etmemiş; mekanizmanın geometrisini hesaba katmıştır.

Temel ilişki:

\[ \tau_{MR} = r_{eff}F_{MR}\sin(\alpha_{MR}) \]

şeklindedir.

Geometrik üçgen ilişkileri kullanıldığında kapalı form:

\[ \tau_{MR} = \frac{ r_{eff}l_s\cos(\delta\theta) }{ \sqrt{ r_{eff}^2+l_s^2- 2r_{eff}l_s\sin(\delta\theta) } } F_{MR} \]

olarak elde edilmiştir.

Burada \(r_{eff}\) etkin moment kolunu, \(l_s\) mekanizma geometrisindeki bağlantı uzunluğunu, \(\delta\theta=\theta_2-\theta_1\) göreli eklem açısını ve \(F_{MR}\) damper kuvvetini ifade etmektedir.

Feedforward kontrol nasıl çalışıyor?

Feedforward kontrol, kestirilen protez dinamiklerini kullanarak gerekli torku önceden hesaplar:

\[ \tau_{ff} = \hat{M}_{12}\ddot{\theta}_1 + \hat{M}_{22}\ddot{\theta}_2^d + \hat{C}_2 + \hat{G}_2 \]

Bu terime PD geri besleme eklenir:

\[ \tau= \tau_{ff} + k_p(\theta_2^d-\theta_2) + k_d(\dot{\theta}_2^d-\dot{\theta}_2) \]

Model gerçeğe yeterince yakınsa kontrol hatası küçülebilir. Ancak feedforward yaklaşımının temel zayıflığı, dinamik parametrelerin doğru bilinmesine bağımlı olmasıdır. Kaynak özellikle Coulomb sürtünmesi, backlash ve diğer modellenmemiş etkilerin performansı bozabileceğini belirtmektedir.

Robust inverse-dynamics kontrol neyi farklı yapıyor?

Robust yöntem nominal model yapısını korurken belirsizlik etkisini bastırmak amacıyla referans ivmesine ek bir \(\delta_a\) düzeltmesi eklemektedir:

\[ \ddot{\theta}_2^r = \ddot{\theta}_2^d + \delta_a + k_d\dot{e} + k_pe \]

Kontrol torku:

\[ \tau= \tau_{fl} + \hat{M}_{22}\ddot{\theta}_2^r \]

olarak hesaplanmaktadır.

Belirsizlik telafisi için bir üst sınır \(\rho\) kullanılmaktadır. Çalışmada robust kontrol deneyinde lumped parameter error normu 1,1321, seçilen belirsizlik sınırı ise:

\[ \rho=3 \]

olarak verilmiştir. Böylece kaynakta kullanılan bounded-uncertainty koşulu \(\rho\geq\|\pi_{true}-\pi_{estim}\|_2\) sağlanmaktadır.

Adaptive inverse-dynamics kontrol ne yapıyor?

Adaptive yaklaşım sabit hatalı parametre tahminlerini yalnız robust bir terimle bastırmak yerine dinamik parametre tahminlerini kontrol sırasında güncellemektedir.

Robot dinamiği parametrelere göre doğrusal biçimde:

\[ M(\Theta)\ddot{\Theta} + C(\Theta,\dot{\Theta}) + G(\Theta) = Y(\Theta,\dot{\Theta},\ddot{\Theta})\Pi \]

olarak yazılmaktadır.

Protez için parameter vector:

\[ \Pi= \begin{bmatrix} M_2a_2l_1\\ I_2+M_2a_2^2\\ M_2a_2l_1\\ M_2a_2 \end{bmatrix} \]

biçimindedir.

Adaptive control, parametre tahminlerini her kontrol adımında güncelleyerek belirsizliğin doğrudan kestirimini iyileştirmeye çalışmaktadır.

Kontrolcü kazançları adil biçimde nasıl seçildi?

Araştırmacılar \(k_p\) ve \(k_d\) değerlerini doğrudan rastgele veya yalnız deneme-yanılmayla seçmemiştir. Her iki kazanç:

\[ \{2,5,10,20,50\} \]

kümesi üzerinde taranmış ve her kontrolcü için toplam:

\[ 5\times5=25 \]

kazanç kombinasyonu değerlendirilmiştir.

Her kombinasyonda iki ölçüt hesaplanmıştır:

• RMS diz açısı takip hatası,
• entegre kontrol enerjisi.

Ortak trade-off skoru:

\[ S(k_p,k_d) = \frac{RMS(k_p,k_d)} {\max RMS} \times \frac{E(k_p,k_d)} {\max E} \]

olarak tanımlanmıştır. Daha düşük skor, düşük hata ile düşük kontrol çabasının birlikte elde edildiğini ifade etmektedir.

Şekil 11–13'teki ısı haritaları \(k_p=k_d=10\) seçiminin her üç kontrolcüde de düşük maliyetli bir bölgede bulunduğunu göstermektedir. Karşılaştırmada controller-specific tuning avantajı oluşturmamak için aynı kazançlar bütün kontrolcülerde korunmuştur.

Belirsizlik senaryoları aynı mıydı?

Tam olarak değil. Bu nokta çalışmanın sonuçları yorumlanırken önemlidir.

Adaptive kontrolcünün başlangıç lumped parameter error normu:

\[ \|\pi_{true}-\pi_{estim}\|_2=0,0253 \]

olarak verilmiştir.

Robust kontrolcü için ise:

\[ \|\pi_{true}-\pi_{estim}\|_2=1,1321 \]

kullanılmıştır.

Araştırmacılar adaptive kontrolü “moderate initial parameter mismatch”, robust kontrolü ise daha büyük bounded uncertainty altında değerlendirdiklerini açıkça belirtmektedir. Dolayısıyla sonuçlar aynı referans yörüngesi ve ortak kazançlarla üretilmiş olsa da kontrolcülerin maruz kaldığı parametre belirsizliği büyüklüğü birebir aynı değildir.

Diz açısı takibi ne gösterdi?

Şekil 14'te istenen diz açısı ile üç kontrolcünün ürettiği yörüngeler bütün yürüyüş çevrimi boyunca karşılaştırılmıştır. Feedforward, robust ve adaptive eğriler genel gait biçimini izlemekle birlikte robust ve adaptive kontrolcülerin referans yörüngeye daha yakın kaldığı görülmektedir.

Şekil 17'de feedforward kontrolün RMS hatası yaklaşık 2° düzeyinde, robust ve adaptive yöntemlerin ise yaklaşık 1,5° düzeyinde gösterilmektedir. Adaptive kontrolcü üç yaklaşım arasındaki en düşük RMS takip hatasını üretmiştir.

Kaynağın sonuç bölümünde robust kontrolün takip performansının adaptive yöntemin %2,5'i içinde kaldığı belirtilmektedir. Ancak kesin RMS değerleri ayrı sayısal tablo olarak verilmediğinden bu yüzde yazarın raporlanan karşılaştırma sonucu olarak değerlendirilmelidir.

Kontrol enerjisi neden ayrıca ölçüldü?

Düşük diz açısı hatası tek başına giyilebilir bir protez için yeterli performans göstergesi değildir. Daha agresif kontrol hareketleri motor, sürücü ve bataryadan daha fazla enerji talep edebilir.

Çalışma kontrol çabasını:

\[ E_{control} = \int_0^T\tau^2dt \]

ile tanımlamaktadır.

Şekil 18'de adaptive kontrolcünün normalize kontrol enerjisi en yüksek, robust kontrolcününki en düşük düzeydedir. Araştırmacılar robust kontrolün adaptive yönteme göre yaklaşık %12 daha düşük kontrol enerjisi gerektirdiğini bildirmektedir.

Neden robust kontrol “en iyi uzlaşma” olarak değerlendirildi?

Adaptive kontrol en düşük takip hatasını sağlasa da bu iyileşme daha yüksek kontrol enerjisiyle elde edilmiştir. Robust kontrol ise kaynakta bildirilen sonuçlara göre adaptive yönteme yakın takip performansını daha düşük aktüatör çabasıyla sağlamıştır.

Dolayısıyla çalışmadaki “en iyi” ifadesi yalnız en düşük hata anlamına gelmemektedir. Araştırmacılar iki mühendislik ölçütünü birlikte değerlendirdiğinde robust inverse-dynamics kontrolü en uygun accuracy–effort compromise olarak yorumlamaktadır.

Bu sonuç, yalnız kullanılan model, kazançlar, parametre belirsizlikleri ve referans gait trajectory koşulları için geçerlidir.

MR damper bütün yürüyüş torkunu sağlayabiliyor mu?

Hayır. MR damper yalnız enerji dağıtıcı tork sağlayabildiği için yürüyüş çevriminin bütün bölümlerinde istenen diz torkunu tek başına üretememektedir.

Çalışmada MR damperin kullanılabileceği durum işaret mantığıyla:

\[ \tau_{cmd}\dot{\theta}_2>0 \]

olarak tanımlanmaktadır.

Bu koşul sağlandığında damper, kapasitesinin izin verdiği ölçüde istenen torku üstlenir. Koşul sağlanmadığında MR torku sıfıra çekilir ve gerekli tork yardımcı motor tarafından sağlanır.

Dağıtım yasası:

\[ \tau_{MR} = \begin{cases} \operatorname{sgn}(\tau_{cmd}) \min(|\tau_{cmd}|,|\tau_{MR,max}|), & \tau_{cmd}\dot{\theta}_2>0 \\ 0, & \tau_{cmd}\dot{\theta}_2\leq0 \end{cases} \]

ve:

\[ \tau_{DC} = \tau_{cmd}-\tau_{MR} \]

olarak verilmiştir.

MR damperin kuvvet gereksinimi neydi?

Şekil 16'da üç kontrolcünün gerektirdiği eşdeğer damper kuvveti yürüyüş çevrimi boyunca gösterilmektedir. Araştırmacılar stance sırasında yaklaşık 120 N tepe kuvvet gereksiniminin daha önce optimize edilmiş MR damper tasarımının ulaşılabilir kuvvet aralığında olduğunu belirtmektedir.

Bununla birlikte bu fizibilite değerlendirmesi mevcut çalışmada üretilip yeniden test edilmiş fiziksel bir damper deneyine değil, önceki damper tasarım özellikleriyle yapılan model karşılaştırmasına dayanmaktadır.

MR damper bobin akımı nasıl belirleniyor?

Çalışmada MR damperin akıma bağlı yield-torque kalibrasyonu:

\[ \tau_y(I) = -2,2836I^2 + 20,6303I \]

olarak verilmektedir.

İlişki kaynakta \(0\leq I\leq I_{max}\) aralığı için tanımlanmıştır. Şekil 20, gerekli MR damper bobin akımının yürüyüş boyunca özellikle stance bölümünde değiştiğini göstermektedir.

DC motor ne zaman devreye giriyor?

Şekil 19'da MR damper ve motor torku ayrı gösterilmektedir. MR damper özellikle enerji dağıtıcı çalışma bölgesinde direnç üretirken DC motor, damperin fiziksel olarak tork üretemediği aralıklarda devreye girmektedir.

Çalışmanın yorumuna göre yardımcı motor gereksinimi özellikle swing fazında ve sisteme aktif mekanik enerji verilmesi gereken aralıklarda belirgindir.

Seçilen motor mekanizmasında 156:1 dişli oranı kullanılmıştır. Şekil 21 bu oran altındaki motor açısal hız profilini göstermektedir.

Hibrit mimarinin bedeli nedir?

MR damperin öncelikli kullanılması sürekli aktif motor torku ihtiyacını azaltabilir. Ancak sisteme DC motor eklenmesi:

• motor,
• redüktör,
• motor sürücüsü,
• güç elektroniği,
• batarya yükü,
• kontrol koordinasyonu

gibi ilave bileşenler gerektirir.

Araştırmacılar bu nedenle yapıyı yalnız “düşük maliyetli yarı-aktif protez” olarak sunmamaktadır. Kütle, maliyet, giyilebilirlik, bakım, güvenilirlik ve batarya dayanımı fiziksel prototip düzeyinde ayrıca değerlendirilmelidir.

Çalışmanın desteklediği sonuçlar

• Kübik hip-to-knee polinom modeli kullanılan referans gait verisindeki diz yörüngesini simülasyon amacıyla yakın biçimde temsil edebilmiştir.
• Feedforward, robust inverse-dynamics ve adaptive inverse-dynamics kontrol aynı temel protez dinamik modeli üzerinde uygulanabilmiştir.
• Adaptive inverse-dynamics, çalışmadaki üç yöntem arasında en düşük RMS takip hatasını üretmiştir.
• Adaptive inverse-dynamics aynı zamanda en yüksek kontrol enerjisini gerektirmiştir.
• Robust inverse-dynamics kaynakta adaptive yönteme yakın takip performansı ve yaklaşık %12 daha düşük kontrol enerjisiyle raporlanmıştır.
• MR damper bütün yürüyüş çevrimindeki tork ihtiyacını fiziksel olarak tek başına karşılayamamaktadır.
• MR-priority tork paylaşımında yardımcı DC motor, damperin enerji dağıtıcı çalışma koşuluyla uyuşmayan veya kapasitesini aşan tork talebini tamamlamaktadır.
• Stance sırasında yaklaşık 120 N tepe damper kuvveti, araştırmacıların kullandığı önceki MR damper kapasitesiyle uyumlu bulunmuştur.

Çalışmanın desteklemediği veya test etmediği sonuçlar

• Robust inverse-dynamics kontrolün gerçek protez kullanıcılarında klinik olarak üstün olduğu gösterilmemiştir.
• Fiziksel protez bacak prototipi üzerinde yürüyüş deneyi yapılmamıştır.
• İnsan katılımcı veya ampute kullanıcı üzerinde test gerçekleştirilmemiştir.
• Stumble recovery, düşme riski veya klinik güvenlik ölçülmemiştir.
• Ground-reaction force değişkenliği modele dahil edilmemiştir.
• Socket–residual limb etkileşimi modellenmemiştir.
• Sensör gürültüsü ve sensör gecikmesi kontrol karşılaştırmasına dahil edilmemiştir.
• Gerçek zamanlı gait-phase yanlış sınıflandırmasının etkisi test edilmemiştir.
• Aktüatör saturation dinamikleri fiziksel donanımda doğrulanmamıştır.
• Batarya dayanımı ve gerçek elektrik enerjisi tüketimi ölçülmemiştir.
• Motor ve MR bobinin termal davranışı deneysel olarak incelenmemiştir.
• Kaynak sonuçları bütün yürüyüş hızlarına veya bütün kullanıcı antropometrilerine genellenmemiştir.

Çalışmanın Yöntemi ve Bulguları

Araştırma akışı

Çalışmanın temel varsayımları

Ortak kontrol kazançları

Şekil 11–13'te \(10,10\) kazanç çifti kırmızı kutuyla işaretlenmiş ve bütün kontrolcüler için düşük trade-off bölgesinde gösterilmiştir.

Kaynakta verilen temel fiziksel parametre setleri

Çalışmanın tekrarlanabilirliği açısından dikkat edilmesi gereken nokta, Tablo 4 ile belirsizlik tablolarında farklı fiziksel parametre değerlerinin bulunmasıdır.

Kaynak, Tablo 4 parametreleri ile sonraki belirsizlik tablolarındaki “gerçek” plant değerleri arasındaki geçişi açık biçimde açıklamamaktadır. Bu nedenle iki parametre seti tek bir kesin set olarak birleştirilmemelidir.

Adaptive kontrol için başlangıç belirsizliği

Kaynakta adaptive başlangıç lumped parameter estimation error normu 0,0253 olarak verilmektedir.

Robust kontrol için belirsizlik

Robust kontrol için lumped uncertainty normu 1,1321 ve robust bound \(\rho=3\) olarak kullanılmıştır.

Takip hatası ve kontrol çabası özeti

RMS değerleri Şekil 17 ve kaynak metnindeki yaklaşık ifadelerden gelmektedir; kaynak kesin RMS değerlerini ayrı bir sayısal tabloda vermemektedir.

Aktüatör fizibilitesi

Mühendislik ölçütlerinin klinik anlamı nasıl sınırlandırıldı?

Çalışmanın temel yöntemsel sınırlılıkları

• Kontrol karşılaştırması simülasyon temellidir.
• Orijinal gait verisi mevcut çalışmada toplanmamış, önceki bir kaynaktan alınmıştır.
• İdeal hip ve knee angle sinyalleri kullanılmıştır.
• Sensor noise modellenmemiştir.
• Communication ve computation latency modellenmemiştir.
• Gerçek zamanlı stance/swing sınıflandırma hataları test edilmemiştir.
• Socket, ground-reaction ve kullanıcının neuromuscular adaptation etkileri kapsam dışıdır.
• Adaptive ve robust kontrolcülerin belirsizlik büyüklükleri aynı değildir.
• Tablo 4 ile belirsizlik tablolarındaki fiziksel parameter setleri arasında açıklanmamış fark bulunmaktadır.
• I1/I2 segment adlandırması kaynak içinde tutarlı değildir.
• MR damper ve DC motor yalnız force/torque feasibility düzeyinde değerlendirilmiştir.
• Actuator saturation dynamics fiziksel donanımda test edilmemiştir.
• Battery endurance ve thermal limitations değerlendirilmemiştir.
• Fiziksel benchtop, hardware-in-the-loop ve human-subject testleri gelecek çalışma olarak bırakılmıştır.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Evaluation of Control Methodologies for an MR Damper Prosthetic Leg with Auxiliary Active Torque

Yazarlar: Afrouz Hajimoradi, Hossein Vatandoost, Masoud Roudneshin ve Ramin Sedaghati.

Sorumlu yazarlar: Afrouz Hajimoradi ve Hossein Vatandoost.

Eş katkı/eş birinci yazarlık: Kaynakta böyle bir beyan bulunmamaktadır.

Kurumlar:

1. Department of Mechanical Engineering, Concordia University, Montreal, Quebec, Canada.
2. Department of Mechanical Engineering, McGill University, Montreal, Quebec, Canada.
3. Department of Electrical Engineering, Concordia University, Montreal, Quebec, Canada.

Dergi: Actuators.

Yayınevi: MDPI, Basel, Switzerland.

Bibliyografik bilgi: Actuators 2026, 15(6), 302.

DOI:10.3390/act15060302

Resmî yayın bağlantısı:MDPI – Actuators 15(6), 302

Yayın tarihi: 31 Mayıs 2026. Çalışma 29 Mart 2026'da alınmış, 16 Mayıs 2026'da revize edilmiş ve 26 Mayıs 2026'da kabul edilmiştir.

Kaynak türü ve hakemlik durumu: Actuators dergisinde kabul edilerek yayımlanmış hakemli araştırma makalesidir. Bilimsel yöntem bakımından çalışma ağırlıklı olarak dinamik modelleme, kontrol ve simülasyon değerlendirmesidir.

Lisans: Creative Commons Attribution (CC BY).

Önceki yayın ilişkisi: Çalışma, 7–10 Temmuz 2025 tarihlerinde Montreal'de düzenlenen 19th ERMR Conference'ta sunulan “Performance Evaluation of Control Approaches for An MR Damper Prosthetic Leg” başlıklı konferans çalışmasının revize edilmiş ve tamamen genişletilmiş sürümüdür.

Finansman: Natural Sciences and Engineering Research Council of Canada (NSERC), Grant No. RGPIN-2021-03482 desteği belirtilmiştir.

Etik kurul: Uygulanabilir değildir. Çalışma insan katılımcı veya hayvan deneyi içermemektedir.

Bilgilendirilmiş onam: Uygulanabilir değildir. İnsan katılımcı, hasta verisi veya kişisel olarak tanımlanabilir bilgi kullanılmamıştır.

Veri erişilebilirliği: Yazarlar çalışmanın bulgularını destekleyen bütün verilerin makale içinde bulunduğunu belirtmektedir.

Çıkar çatışması: Yazarlar araştırma, yazarlık veya yayınla ilgili potansiyel çıkar çatışması bulunmadığını beyan etmektedir.

Yazar katkıları: Kavramsallaştırma Afrouz Hajimoradi ve Ramin Sedaghati; metodoloji Afrouz Hajimoradi, Hossein Vatandoost ve Masoud Roudneshin; yazılım Afrouz Hajimoradi; doğrulama Afrouz Hajimoradi, Masoud Roudneshin ve Ramin Sedaghati; biçimsel analiz Afrouz Hajimoradi; araştırma Afrouz Hajimoradi, Hossein Vatandoost ve Masoud Roudneshin; veri düzenleme Afrouz Hajimoradi ve Masoud Roudneshin; ilk taslak Afrouz Hajimoradi ve Hossein Vatandoost; inceleme ve düzenleme Ramin Sedaghati, Hossein Vatandoost ve Masoud Roudneshin; görselleştirme Afrouz Hajimoradi; danışmanlık, proje yönetimi ve finansman edinimi Ramin Sedaghati tarafından yürütülmüştür.

Bilimsel kapsam: Çalışma transfemoral MR damperli protez diz için feedforward, robust inverse-dynamics ve adaptive inverse-dynamics kontrol stratejilerini ortak bir dinamik model altında karşılaştırmaktadır. Çalışmanın katkısı yeni bir kontrol yasası geliştirmek değil, mevcut yöntemleri ortak bir gait trajectory, dinamik model, gain-selection ve actuator-feasibility çerçevesinde değerlendirmektir.

Klinik sınır: Çalışma insan üzerinde gait restoration, kullanıcı konforu, düşme güvenliği veya klinik protez performansı değerlendirmemiştir. RMS takip hatası ve kontrol enerjisi yalnız mühendislik düzeyindeki karşılaştırma ölçütleridir.

Aktüasyon sınırı: MR damper yarı-aktif ve dissipative eleman olarak modellenmiştir; sisteme pozitif mekanik enerji sağlayamaz. Gereken tork damperin fiziksel çalışma koşulu veya kapasitesiyle uyuşmadığında kalan tork yardımcı DC motor tarafından sağlanmaktadır.

Belirsizlik karşılaştırma notu: Kaynak, kontrolcüleri ortak bir karşılaştırma çerçevesi altında sunduğunu belirtse de adaptive controller için lumped parameter error normu 0,0253, robust controller için 1,1321 olarak verilmiştir. Bu nedenle yöntemler aynı büyüklükte parameter uncertainty altında test edilmiş değildir.

Parametre tutarsızlığı notu: Tablo 4'te verilen temel fiziksel parametreler ile Tablo 5 ve 7'nin “True Value” sütunlarındaki plant parametreleri önemli ölçüde farklıdır. Örneğin uyluk kütlesi 1,02 kg ile 5,60 kg, shank/protez kütlesi 2,36 kg ile 4,80 kg olarak iki farklı biçimde verilmektedir. Kaynak bu iki parametre setinin ilişkisini açıkça açıklamamaktadır.

Atalet adlandırma notu: Tablo 4'te I1 ve I2 için kullanılan segment açıklamaları, dinamik denklemler ve sonraki belirsizlik tablolarındaki I1/I2 segment tanımlarıyla uyuşmamaktadır. Sayısal değerler değiştirilmeden kaynak içi adlandırma farkı olarak korunmuştur.

Takip performansı notu: Kaynak sonuç bölümünde robust kontrolün tracking performance'ının adaptive kontrolün %2,5'i içinde olduğu belirtilmektedir. RMS error değerleri ayrı kesin sayısal tabloda verilmediğinden bu oran yazarların raporlanan sonucu olarak aktarılmış, Şekil 17'den kesin RMS değeri türetilmemiştir.

Gelecek doğrulama gereksinimi: Yazarlar benchtop testing, hardware-in-the-loop validation ve human-subject evaluation çalışmalarını gelecek aşamalar olarak belirtmektedir. Actuator saturation, battery endurance, device mass, cost, maintainability, reliability, sensor-noise robustness, latency, socket interaction, user comfort ve farklı gait hızları henüz fiziksel olarak doğrulanmamıştır.

Bu Verianla içeriğindeki bilimsel bulgular, sayısal değerler ve yöntem açıklamaları incelenen çalışmaya dayanmaktadır. Dış kaynak yalnız bibliyografik yayın kimliğinin doğrulanması amacıyla kullanılmış; dışarıdan yeni klinik, deneysel veya kontrol performansı bulgusu ana içeriğe eklenmemiştir.