Development of a Multibody Model for Quantification of Muscle Forces at Upper Limb as a Design Tool for Exoskeleton Synthesis

Les exosquelettes d'assistance sont considérés comme une solution prometteuse pour apporter un soutien continu aux personnes atteintes d'un diagnostic qui entrave les mouvements des bras. Cependant, la fonctionnalité, la sécurité et l'acceptation de ces dispositifs pourraient être améliorées par un dimensionnement basé sur l'anatomie et la physiologie de l'utilisateur. Dans ce contexte, l'objectif principal de cette recherche est de développer un outil de conception pour valider, par simulation, les performances d'un exosquelette basé sur la quantification des forces musculaires. L'outil développé est appliqué au mouvement de flexion-extension du coude (E.FE) comme cas de référence et réalisé en trois étapes. Premièrement, un système multicorps musculosquelettique du membre supérieur a été développé. Pour ce faire, les quatre principaux muscles responsables de l'E.FE ont été intégrés à un modèle ostéoarticulaire existant. Les muscles ont été modélisés par une méthode de via-points. Le modèle proposé a ensuite été validé en comparant les longueurs musculo-tendineuses et les bras de levier musculaires avec les valeurs de référence de la littérature. L'erreur quadratique moyenne relative (rRMSE) pour les longueurs musculo-tendineuses était inférieure à 2.3 % pour tous les muscles. La rRMSE pour les bras de levier musculaires a atteint respectivement 14.5 % et 21.4 % pour le brachialis et le triceps brachii. Cette erreur élevée s'explique par l'absence d'objets enveloppants dans le modèle proposé et n'a été observée que lorsque le coude est entièrement fléchi ou en extension. Le rRMSE sur les bras de levier musculaires pour les autres muscles était inférieur à 7.0 %. Deuxièmement, le modèle musculosquelettique nouvellement développé a été utilisé pour quantifier les forces musculaires avec une méthode non basée sur l'électromyographie. Cela a été fait avec trois fonctions coût différentes, à savoir Crowninshield, Forster et Wen, en formulant le processus d'optimisation comme un problème de contrôle optimal. Les forces musculaires quantifiées différaient en fonction de la fonction coût utilisée. La fonction coût de Crowninshield a donné lieu aux forces musculaires les plus faibles dans l'ensemble, tandis que celles de Forster et de Wen étaient plus élevées, car elles incluent toutes deux la co-contraction musculaire dans leur formulation. Le rRMSE entre le couple E.FE issu de la dynamique inverse et le couple E.FE calculé à partir des forces musculaires était inférieur à 5 % pour le mouvement E.FE. Le rRMSE était plus élevé pendant les tâches fonctionnelles mais restait inférieur à 10 %. Troisièmement, un exosquelette a été intégré au modèle musculosquelettique pour valider ses performances par simulation. L'exosquelette était capable de compenser 80 % du couple E.FE de l'utilisateur produit par les muscles. Cependant, la réduction du couple articulaire ne s'est pas traduite par une réduction des forces musculaires réelles. En effet, les forces musculaires quantifiées ont montré une augmentation avec l'exosquelette. Cette augmentation des forces musculaires quantifiées se produit très probablement pour compenser les forces ou les couples parasites introduits par le désalignement de l'exosquelette au niveau de l'articulation du coude. Pour conclure, cette recherche a introduit un nouveau modèle musculosquelettique du membre supérieur pour la quantification des forces musculaires qui peut être utilisé comme outil de validation pour la synthèse d'exosquelettes. Cette approche est importante car elle permet d'identifier rapidement les faiblesses de l'architecture d'un exosquelette. Les travaux futurs devraient se concentrer sur l'intégration des muscles de l'épaule et de l'avant-bras au modèle afin qu'il puisse être utilisé sur un plus large éventail de mouvements du membre supérieur et d'articulations de l'exosquelette.

Abstract

Assistive exoskeletons are emerging as a promising solution to provide continuous support for people affected by a diagnosis that impairs arm movements. However, functionality, safety and acceptance of these devices could be improved with a sizing based on the user's anatomy and physiology. In this context, the main objective of this research is to develop a design tool to validate, through simulation, the performance of an exoskeleton based on the quantification of muscle forces. The developed tool is applied to the movement of elbow flexion-extension (E.FE) as a benchmark-case and achieved through three steps. Firstly, a musculoskeletal multibody system of the upper limb was developed. This was achieved by integrating the four main muscles responsible for E.FE to an existing osteoarticular model. The muscles were modeled with a via-points method. The proposed model was then validated by comparing the musculo-tendinous lengths and muscle moment-arms with reference values from the literature. The relative root mean square error (rRMSE) for musculo-tendinous lengths was below 2.3 % for all muscles. The rRMSE for muscle moment arms reached respectively 14.5 % and 21.4 % for the brachialis and the triceps brachii. This high error is explained by the absence of wrapping objects in the proposed model and was only observed when the elbow is fully flexed or extended. The rRMSE on muscle moment arms for the other muscles was below 7.0 %. Secondly, the newly developed musculoskeletal model was used to quantify the muscle forces with a non-electromyography-based method. This was done with three different cost functions, namely Crowninshield, Forster, and Wen, by formulating the optimization process as an optimal control problem. The quantified muscles forces differed depending on the cost function used. Crowninshield cost function resulted in the lowest muscle forces overall while Forster and Wen were higher since they both include muscle co-contraction in their formulation. The rRMSE between the E.FE torque from inverse dynamics and the E.FE torque computed from muscle forces was below 5 % for the E.FE movement. The rRMSE was higher during functional tasks but stayed below 10 %. Thirdly, an exoskeleton was integrated to the musculoskeletal model to validate its performance through simulation. The exoskeleton was able to compensate for 80 % of the user's E.FE torque produced by the muscles. However, the reduction of the joint torque did not translate into a reduction of the actual muscle forces. Indeed, the quantified muscle forces showed an increase with the exoskeleton. This increase in the quantified muscle forces is most likely happening to compensate for the spurious forces or torques introduced by the exoskeleton's misalignment at the elbow joint. To conclude, this research introduced a new musculoskeletal model of the upper limb for muscle forces quantification that can be used as a validation tool for exoskeleton synthesis. This approach is important as it helps to rapidly identify weaknesses in the exoskeleton architecture. Future work should focus on integrating shoulder and forearm muscles to the model so it can be used on a wider range of upper limb movements and exoskeleton joints.