XXV Congresso Brasileiro de Engenharia Biomédica – CBEB 2016

CONTROLE DA POSIÇÃO DA PERNA UTILIZANDO CONTROLADOR

LQG/LTR
S. F. S. Mendes*,R. F. Kozan*, C. F. de Paula*, R. A. Jerônimo*, L. H. V. Felão**, M. A. A.
Sanches**, R. T. Gouveia**, A. A. Carvalho**

*Universidade Federal de Itajubá, UNIFEI, Campus Itabira, Itabira, Brasil

**Universidade Estadual Paulista, ―Júlio de Mesquita Filho‖, Faculdade de Engenharia, Campus de
Ilha Solteira.

e-mail: sam.filipe92@gmail.com

Resumo:A lesão medular espinhal é um dos mais
graves acometimentos que pode afetar o ser humano,
causando-lhe transtornos físicos, psicológicos e sociais.
A Estimulação Elétrica Funcional (FES) vem sendo
altamente aplicada no auxilio do reestabelecimento de
funções motoras. O presente trabalho visa propor uma
plataforma de controle da posição da perna utilizando
FES em malha fechada e um controlador robusto
LQG/LTR. O processo de desenvolvimento do
controlador foi dividido entre a identificação do modelo
matemático muscular, a definição dos modelos nominal
e real, a modelagem das incertezas, considerações e
ponderações a cerca da recuperação do Filtro de Kalman
e análise das propriedades de robustez para validação do
controlador proposto.
Palavras-chave: LQG/LTR, FES, Perna, Robustez.
Abstract:Spinal cord injury is one of the worst bouts
that can affect humans, causing them physical,
psychological and social disorders. The Functional
Electrical Stimulation (FES) has been highly applied in
the reestablishment of the aid of motor functions. This
paper aims to propose a leg position control platform
using FES closed loop controller LQG/LTR. The
controller development process was partitioned between
identification muscle mathematical model, the definition
of the nominal and real models, modeling the
uncertainty considerations and weights about the
recovery of the Kalman Filter and analyzing the
robustness properties for validation the proposed
controller
Keywords: LQG/LTR, FES, Leg, Robustness.
Introdução
ajustados [2], propiciando um melhor controle dos
movimentos e retardando a fadiga dos músculos
envolvidos no processo [3].
Por meio da FES, alguns pacientes que perderam as
funções motoras, mas que apresentam nervos periféricos
intactos, tem chances de recuperar ou melhorar os
movimentos perdidos [4]. Há alguns casos de pacientes
que recuperaram a sensibilidade e o movimento dos
membros paralisados após sessões de estimulação
neuromuscular [3].
O presente trabalho visa contribuir com a proposta
de um controlador para aplicação de FES, com controle
em malha fechada da posição da perna. O controlador
desenvolvido foi o Linear Quadrático Gaussiano via
Princípio da Recuperação da Malha (LQG/LTR), para
que se tenha um controle robusto com relação às
incertezas do modelo matemático muscular.
Materiais e métodos
Modelo Matemático do Músculo – Dentre as
etapas para a geração do estímulo, é no estágio de
geração que são definidos os parâmetros desejados da
forma de onda a ser aplicada ao músculo. É o principal
estágio de um estimulador elétrico neuromuscular
funcional[4].
Law e Shields [5] propuseram uma equação
diferencial de segunda ordem para prever a força
muscular f(t) decorrente da aplicação de um trem de
pulsos de estimulação r(t) na entrada [3]. A
representação deste modelo aproximado é apresentada
na equação 1, onde o coeficiente β é o ganho estático do
sistema, ξ o coeficiente de amortecimento e ωn a
frequência natural.

O estudo do controle do movimento de pacientes 𝑑²𝑓(𝑡)

+ 2𝜔𝑛 𝜉
𝑑𝑓(𝑡)
+ 𝜔𝑛2 𝑓(𝑡) = 𝛽𝜔𝑛2 𝑟(𝑡) (1)
paraplégicos com o uso de estimulação elétrica 𝑑𝑡² 𝑑𝑡

neuromuscular é um assunto relevante na engenharia de

reabilitação, onde a reabilitação utilizando Estimulação
Elétrica Funcional (FES – Functional Electrical
Stimulation) aplicada através de controle em malha
fechada é utilizada como uma forma de tratamento que
utiliza a corrente elétrica para provocar a contração de
músculos [1].
Utilizando controladores de malha fechada, os
parâmetros do sinal de estimulação elétrica podem ser
Os parâmetros da equação (1) não possuem
significado físico, mas podem ser relacionados com
coeficientes da teoria de sistema linear de segunda
ordem.
Neste trabalho, adotou-se o modelo de segunda
ordem (1), considerando a relação do trem de pulsos de
estimulação aplicado com o deslocamento angular da
perna, uma vez que dentro do estudo do movimento
XXV Congresso Brasileiro de Engenharia Biomédica – CBEB 2016
para posteriores trabalhos envolvendo a geração de
marcha, faz-se necessário o controle de posição.
Obter um modelo satisfatório é importante no
processo da FES, pois para que o controle seja bem
sucedido é necessário que o modelo matemático consiga
descrever com certo rigor a dinâmica envolvida.
Embora existam outros modelos que descrevem a
relação entre um estímulo e a resposta obtida no
músculo no trabalho realizado por Law e Shields [5] o
modelo obtido é mais simples e apresentou resultados
equivalentes a modelos não lineares já propostos.
Controle LQG/LTR – O problema de otimização
LQG consiste em determinar as matrizes de ganhos KC
do Regulador Linear Quadrático (LQR – Linear
Quadratic Regulator) e KF e do Filtro de Kalman-Bucy
(FKB), de maneira a minimizar a função de custo LQG.
Tanto o LQR quanto o FKB possuem boas
propriedades de robustez isoladamente, porém, a união
dos dois resulta em degradação destas propriedades, de
modo que no LQG elas não são garantidas [6].
O Princípio da Recuperação da Malha (Loop
Transfer Recovery - LTR) foi desenvolvido
originalmente por Kwakernaak [7] e Doyle and Stein
[8]. Este consiste em um procedimento sistemático para
a aplicação do controle LQG que permite recuperar as
propriedades dinâmicas do FKB como comportamento
global da malha de controle [9].
A função de transferência do controlador
LQG/LTR segue descrita em (2) onde K(s) é a função de
transferência do controlador, s é o operador de Laplace,
I é uma matriz identidade com a mesma dimensão da
matriz A e A, B, C, e D são as matrizes do sistema
representado em variáveis de estado.
𝐾(𝑠) = 𝐾𝑐 (𝑠𝐼 − 𝐴 + 𝐵𝐾𝐶 + 𝐾𝐹 𝐶);1 𝐾𝐹 (2)
Pelo princípio da separação, o problema LQG pode
ser dividido entre encontrar primeiro a matriz de ganhos
KC do LQR e a matriz de ganhos KF do FKB
𝐾𝐶 = 𝜌;2 𝐵𝑇 𝑋 (3)
𝐾𝐹 = 𝜇 ;2 𝑌𝐶 𝑇 (4)
Onde X e Y são as matrizes simétricas obtidas através
da solução das seguintes Equações Algébricas de
Riccati Generalizadas
𝐴𝑇 𝑋 + 𝑋𝐴 − 𝜌;2 𝑋𝐵𝐵𝑇 𝑋 + 𝐻𝑇 𝐻 = 0 (5)
𝑌𝐴𝑇 + 𝐴𝑌 − 𝜇 ;2 𝑌𝐶 𝑇 𝐶𝑌 + 𝐿𝐿𝑇 = 0 (6)
No controle LQG/LTR os parâmetros H, L, ρ e µ são
designados como um meio para um fim, sem
interpretações físicas [8]. Tais parâmetros são o meio
utilizado para que sejam utilizadas as propriedades de
loop shaping com as quais são delimitadas as curvas de
sensibilidade e rastreamento.
Para a aplicação do Princípio de Recuperação da
Malha, é necessário que o sistema seja quadrado, de
fase-mínima, controlável e observável. Se tais condições
são respeitadas, então fazendo-se H = C e ρ → 0+,
então a malha aberta G(s)K(s), onde G(s) é a planta e
K(s) é o controlador, tende ao FKB [9].
lim𝜌→0+ 𝐺(𝑠)𝐾(𝑠) = 𝐶(𝑠𝐼 − 𝐴);1 𝐾𝐹 (7)
Sendo assim, uma vez que a malha tende ao FKB,
suas propriedades de robustez são recuperadas.
Resultados e Discussão
Identificação do Modelo Matemático – Para o
desenvolvimento deste trabalho, utilizou-se os dados de
um teste realizado em 4 de julho de 2015 na UNESP –
Ilha Solteira, onde foram coletados dados de 10 testes
consecutivos em um indivíduo do sexo masculino, com
24 anos de idade, hígido e que pratica exercícios
regularmente.
Os testes realizados com voluntários foram
autorizados e aprovados por meio do parecer favorável
775.310 do projeto de pesquisa CAAE
15283613.0.0000.5402 intitulado ―Equipamentos para
promoção de melhor qualidade de vida de pessoas com
deficiência motora‖, emitido pelo Conselho Nacional de
Ética em Pesquisa (CONEP), em que parte dos autores
deste trabalho são pesquisadores vinculados.
Para a coleta dos dados, aplicou-se um sinal de
estimulação bifásico, simétrico e equilibrado com
frequência fixa de 50Hz e amplitude de 120mA
aumentando a largura de pulso gradualmente até que se
tenha uma variação da posição da perna superior a 40°
com relação a posição de descasando, na qual a perna se
encontra perpendicular a coxa, tomando este ponto
como 0°. As respostas obtidas com os 10 testes seguem
na Figura 1
.
Figura 1 – Reposta dos Testes Realizados
Considerou-se apenas as respostas com maior e
menor amplitude durante os 10 testes, neste caso os
testes 1 e 5. Tal medida foi tomada para que o
controlador seja projetado considerando incertezas entre
estes resultados.
Tomando-se o teste 5, que apresenta menor
amplitude final da resposta, e realizando uma
simplificação no mesmo, desconsiderando o atraso
presente, utilizou-se o System Identification Toolbox do
software MATLAB da Mathworks para realizar a
identificação de um modelo de segunda ordem. Na
Figura 2, observa-se a resposta do sistema modelado a
uma entrada equivalente à aplicada no teste.
XXV Congresso Brasileiro de Engenharia Biomédica – CBEB 2016
Figura 2 – Identificação para Teste 5
Através da identificação, obteve-se o modelo em
função de transferência apresentado na equação (8).
𝐺𝑁 (𝑠) =
8061
(8)
𝑠²:11.97𝑠:31.95
O modelo obtido apresentou correlação de 93.03%,
erro de predição (FPE) de 0.6252 e erro quadrático
médio (MSE) de 0.6237
Para o teste 1 (de maior amplitude) a identificação
foi realizada considerando a resposta com atraso, para
obter um modelo mais próximo da realidade. Na Figura
3 observa-se o resultado obtido pela modelagem.
Na equação (9), está representado o melhor modelo
obtido dentre os propostos de segunda e terceira ordem:
um sistema de terceira ordem com delay e um zero.
;2330𝑠:24630
𝐺𝑅 (𝑠) = 𝑒 ;0.06𝑠 (9)
𝑠³:7.801𝑠²:45.36𝑠:84.67
Figura 3 – Identificação para Teste 1
O modelo obtido apresentou correlação 97.81%,
FPE de 1.281 e MSE de 1.274.
A escolha dos testes realizados foi tomada para que
o controle apresente robustez para respostas dentro
deste intervalo de variação entre os testes, bem como
para variações entre a simplificação efetuada no modelo
nominal e as considerações do modelo real.
Projeto do Controlador – Para realizar o projeto do
controlador, considerou-se o modelo em (8) a planta
nominal (GN) e o modelo em (9) a planta ―real‖ (GR).
Como o modelo em (9) apresenta um atraso, é
necessário realizar uma aproximação para representar
este atraso. Para tal, utilizou-se a Aproximação de Pade
de primeira ordem, obtendo assim o modelo
representado em (10).
𝐺𝑅 (𝑠) =
;2330𝑠 2 ;102300𝑠:821100
(10)
𝑠 4 :41.13𝑠³:305.4𝑠²:1597𝑠:2822
A partir de GN e GR é possível modelar as incertezas
do modelo. Para os modelos adotados, a incerteza
multiplicativa é
𝑠 4 :70.84𝑠³:485.4𝑠²:1173𝑠;1181
𝑊𝑀 = (11)
𝑠 4 :41.13𝑠³:305.4𝑠²:1597𝑠:2822
O modelo nominal é estável em malha aberta, com
polos s1,2=-5.985±j0.3602.
Para que o sistema apresente erro nulo para uma
entrada degrau, é adicionado um polo na origem em GN
através da expansão por polos na origem na
representação do sistema em variáveis de estado.
Sendo o sistema (modelo nominal) quadrado (é
SISO), de fase-mínima, controlável e observável, a
malha objetivo (FKB) foi definida com os seguintes
parâmetros:
0.001
𝐿=[ 0 ] 𝜇 = 0.1 (12)
0
Os parâmetros da malha objetivo (FKB) foram
ajustados de maneira a se obter na reposta ao degrau
com 0% de overshoot e um tempo de acomodação entre
1,5 a 2 segundos. Para a recuperação da malha objetivo,
o parâmetro ρ foi ajustado para ρ = 0.0001 de maneira a
garantir uma recuperação da malha objetivo adequada.
Através dos ganhos obtidos, tem-se então o
controlador representado em função de transferência
(12) e a resposta a um degrau de 40º na Figura 4.
𝑠²:12,86 𝑠:44,3
𝐾(𝑠) = (12)
𝑠³:865,8 𝑠²:3,748 𝑥105 𝑠:8,129 𝑥107
Figura 4 – Reposta do Sistema Controlado x Resposta
Malha Objetivo
Na Figura 4 é possível observar que as respostas
para a malha objetivo e a malha real são muito
próximas, indicando que houve, de fato, a recuperação
da malha objetivo.
Desempenho Nominal – No caso do controle
LQG/LTR, as seguintes propriedades de desempenho
são garantidas:
𝜎̅(𝑆(𝑗𝜔)) < 1, ∀𝜔 (13a)
𝜇
𝜎̅(𝑆(𝑗𝜔)) < (𝐶(𝑗𝜔𝐼;𝐴)−1 , ∀𝜔 (13b)
𝜎
̅ 𝐿)
onde  denota módulo do maior valor singular.
Através das equações (13) tem-se que para todas as
XXV Congresso Brasileiro de Engenharia Biomédica – CBEB 2016
frequências, a curva de sensibilidade deve estar abaixo
da curva limitante de desempenho. Os valores para
sensibilidade e o limitante são apresentados na Figura 5.
Figura 5 – Sensibilidade do Sistema Controlado
Através da Figura 5 é possível observar que o
resultado apresentou-se satisfatório, garantindo assim o
desempenho nominal do sistema.
Estabilidade Robusta – Para que o sistema
apresente estabilidade robusta, é necessário que, pelo
teorema do ganho pequeno, o sistema controlado
cumpra o seguinte critério
1 Jul/Dez 2014. 10.5433/1679-0375.2014v35n2p231.
𝜎̅(𝑇(𝑗𝜔)) < , ∀𝜔 (14)
̅ (𝑊𝑀 (𝑗𝜔))
𝜎 Londrina, 2014.
Através da equação (14) tem-se que para todas as
frequências, a curva de rastreamento deve estar abaixo
da curva limite formada pelo inverso dos valores
singulares da incerteza multiplicativa. Na Figura 6 são
apresentados os valores para rastreamento e os
limitantes da malha objetivo e do inverso da incerteza
multiplicativa.
Figura 6 – Rastreamento do Sistema Controlado
Através da Figura 6 é possível observar que a curva
de rastreamento do sistema encontra-se abaixo dos
limitantes da malha objetivo e do inverso da incerteza
multiplicativa. Sendo assim, para o sistema projetado
fica garantida a estabilidade robusta.
Conclusão
A utilização da técnica de controle robusto
LQG/LTR, ao considerar certo grau de incerteza quanto
a modelagem do sistema, consegue suprir parte das
variações que podem ocorrer na planta, onde,
garantindo-se as propriedades de robustez, é possível
controlar o sistema sujeito às variações dentro da faixa
de incertezas.
Através dos critérios estabelecidos para a
modelagem da planta nominal, da planta real, das
incertezas do modelo e das ponderações de
desempenho, mantendo-se as propriedades de robustez,
onde foi possível garantir a estabilidade robusta, de
modo que para a faixa de incertezas proposta o controle
será sempre estável.
Tendo comprovado a viabilidade do controle
proposto, será implementado um algoritmo para realizar
a aplicação de FES com este controle em voluntários
hígidos e posteriormente em voluntários paraplégicos.
Agradecimentos
Os autores deste trabalho agradecem ao apoio
financeiro recebido pela FAPEMIG e à UNIFEI Campus
Itabira pelo suporte.
Referências
[1] Oliveira, TC et al. Controle LQR Aplicado ao
Movimento da Articulação do Joelho de Pacientes
Paraplégicos. Seminário: Ciência Exatas e
Tecnológicas. Londrina. v. 35, n. 2, p. 231-246.
[2] Crago, PE, Peckham, PH; Thrope, GB. Modulation
of muscle force by recruitment during intramuscular
stimulation. IEEE Transactions on Biomedical
Engineering, Piscataway, v. 27, n. 12, p. 679-684,
1980.
[3] Kozan, RF. Controle da posição da perna de um
voluntário utilizando um controlador PID. 2012.
Dissertação (Mestrado) — Universidade Estadual
Paulista ‖Júlio de Mesquita Filho‖, Ilha Solteira,
2012.
[4] Faria, UC. Implementação de um sistema de geração
de marcha para pacientes com lesões medulares.
2006. Tese (Doutorado em Engenharia Elétrica) -
Faculdade de Engenharia, Universidade Estadual,
Ilha Solteira, 2006.
[5] Law, LAF, Shields, RK. Predicting human
chronically paralyzed muscle force. Journal of
Applied Physiology, Bethesda, v. 100, n. 3, p. 1027–
1036, Nov. 2006.
[6] Brito, JGF. Controle Robusto LQG/LTR Com
Recuperação do Ganho da Malha de Transferência.
2006. Dissertação (Mestrado) – Universidade
Federal do Maranhão, São Luís, 2006.
[7] Kwakernaak, H. Optimal low sensitivity linear
feedback systems, Automatica 5: 279-286. 1969.
[8] Doyle, JC, Stein, G. Multivariable feedback design:
Concepts for a classical/modern synthesis, IEEE
Transactions on Automatic Control 24: 4-16. 1981.
[9] Guaracy, FHD, Silva, DLF, Ferreira, LHC. Sobre a
Expansão da Dinâmica de uma Planta Por
Integradores no Controle LQG/LTR em Tempo
Discreto. In: XX Congresso Brasileiro de
Automática. 2014. Belo Horizonte. Anais...Belo
Horizonte. 2014.
XXV Congresso Brasileiro de Engenharia Biomédica – CBEB 2016