Modellbildung und Simulation in der Biomechanik - Biomechanik an ...
Modellbildung und Simulation in der Biomechanik - Biomechanik an ...
Modellbildung und Simulation in der Biomechanik - Biomechanik an ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Verwendung neuronaler Oszillatoren zur Steuerung<br />
biomech<strong>an</strong>ischer Modelle am Beispiel e<strong>in</strong>er<br />
zweibe<strong>in</strong>igen Laufmasch<strong>in</strong>e<br />
Diplomarbeit<br />
von<br />
Valent<strong>in</strong> Keppler<br />
Lehr- <strong>und</strong> Forschungsbereich Theoretische Astrophysik<br />
<strong>der</strong> Eberhard-Karls-Universität Tüb<strong>in</strong>gen<br />
9. Dezember 2003
Zusammenfassung<br />
Neurobiologische Studien ergaben H<strong>in</strong>weise auf die Beteiligung “Zentraler Musterge-<br />
neratoren” (CPG) <strong>an</strong> <strong>der</strong> Steuerung <strong>der</strong> Fortbewegung von Lebewesen. Diese neuro-<br />
nale E<strong>in</strong>heiten, welche eigenständig zeitlich wie<strong>der</strong>kehrende Erregungsmuster erzeu-<br />
gen, sollen <strong>in</strong> dieser Arbeit im Rahmen e<strong>in</strong>er Computersimulation des menschlichen<br />
Gehens daraufh<strong>in</strong> untersucht werden, ob sie dazu geeignet s<strong>in</strong>d <strong>in</strong> <strong>der</strong> <strong>Biomech<strong>an</strong>ik</strong><br />
als Steuerungskonzept Verwendung zu f<strong>in</strong>den.<br />
Modelliert wird e<strong>in</strong> zweidimensionales Mehrkörpersystem mit menschenähnlichen<br />
Parametern, welches von 12 Neuronen gesteuert wird. Hierbei wird e<strong>in</strong>e Arbeit e<strong>in</strong>er<br />
jap<strong>an</strong>ischen Arbeitsgruppe [TYS91] als Gr<strong>und</strong>lage verwendet. Es wird gezeigt, <strong>in</strong><br />
wieweit e<strong>in</strong> solches Modell erweiterbar ist <strong>und</strong> ob biomech<strong>an</strong>ische Aspekte e<strong>in</strong>ge-<br />
bracht werden können
Inhaltsverzeichnis<br />
Inhaltsverzeichnis 3<br />
Abbildungsverzeichnis 8<br />
1 Gr<strong>und</strong>lagen 12<br />
1.1 Mech<strong>an</strong>ik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />
1.1.1 Umsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
1.1.2 Die Newton-Euler Methode . . . . . . . . . . . . . . . . . . . 13<br />
1.1.2.1 E<strong>in</strong>e Laufmasch<strong>in</strong>e . . . . . . . . . . . . . . . . . . . 14<br />
1.1.2.2 Bewegungsgleichungen . . . . . . . . . . . . . . . . . 15<br />
1.1.2.3 Die Zw<strong>an</strong>gsbed<strong>in</strong>gungen . . . . . . . . . . . . . . . . 18<br />
1.1.3 Gleichungsgeneratoren . . . . . . . . . . . . . . . . . . . . . . 20<br />
1.1.4 Gr<strong>und</strong>pr<strong>in</strong>zip <strong>der</strong> gekoppelten Oszillatoren . . . . . . . . . . . 21<br />
1.2 Neurobiologische Vorbemerkungen . . . . . . . . . . . . . . . . . . . . 22<br />
1.2.1 Die Entstehung von Bewegung . . . . . . . . . . . . . . . . . . 22<br />
1.2.2 Die Rolle des Rückenmarks . . . . . . . . . . . . . . . . . . . 24<br />
1.2.3 H<strong>in</strong>weise auf Mustergeneratoren im Rückenmark . . . . . . . . 25<br />
1.2.4 Mustergeneratoren <strong>in</strong> Computersimulationen . . . . . . . . . . 27<br />
3
INHALTSVERZEICHNIS 4<br />
2 Beschreibung des Modells 31<br />
2.1 Kurze<strong>in</strong>stieg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
2.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
2.3 Mech<strong>an</strong>ik - Das Modell . . . . . . . . . . . . . . . . . . . . . . . . . . 32<br />
2.4 Die Steuerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33<br />
2.4.1 Das Modell des Mustergenerators . . . . . . . . . . . . . . . . 33<br />
2.4.1.1 Der Neuronale Oszillator . . . . . . . . . . . . . . . . 33<br />
2.4.1.2 Das Netz <strong>der</strong> Oszillatoren . . . . . . . . . . . . . . . 34<br />
2.4.1.3 Das Funktionspr<strong>in</strong>zip . . . . . . . . . . . . . . . . . . 37<br />
2.5 Die Modellierung mit SIMSYS . . . . . . . . . . . . . . . . . . . . . . 38<br />
2.5.1 Mech<strong>an</strong>ischer Teil . . . . . . . . . . . . . . . . . . . . . . . . . 38<br />
2.5.2 Neuronaler Teil . . . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
2.5.3 Notwendige Abweichungen von Basismodell . . . . . . . . . . 39<br />
3 Die <strong>Simulation</strong> 42<br />
3.1 Erwartete Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . 42<br />
3.2 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43<br />
3.2.1 Neuronen mit <strong>und</strong> ohne Feedback . . . . . . . . . . . . . . . . 43<br />
3.2.2 Die Darstellung des Laufs . . . . . . . . . . . . . . . . . . . . 45<br />
3.2.3 Die W<strong>in</strong>kel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46<br />
3.2.4 Die aktiven Momente . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.2.5 Die resultierenden Momente . . . . . . . . . . . . . . . . . . . 48<br />
3.2.6 Die Bodenreaktionskräfte . . . . . . . . . . . . . . . . . . . . 48<br />
3.3 Weitere Untersuchungen . . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.3.1 Stabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
INHALTSVERZEICHNIS 5<br />
3.3.2 Das höhere Zentrum . . . . . . . . . . . . . . . . . . . . . . . 50<br />
3.3.3 Adaptionsfähigkeit <strong>der</strong> neuronalen Steuerung . . . . . . . . . . 52<br />
3.3.3.1 Ergebnis Bergauf-Lauf . . . . . . . . . . . . . . . . . 52<br />
3.3.3.2 Ergebnis Bergab-Lauf . . . . . . . . . . . . . . . . . 52<br />
3.3.3.3 Sonstige Störungen . . . . . . . . . . . . . . . . . . . 53<br />
4 <strong>Biomech<strong>an</strong>ik</strong> 54<br />
4.1 Verschiedene Bodenmodelle unter Annahme des Rumpfes als Schwab-<br />
belmasse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
4.1.1 Bodenmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
4.1.2 Warum e<strong>in</strong>e Schwabbelmasse? . . . . . . . . . . . . . . . . . . 55<br />
4.1.3 Die Momente mit Schwabbelmasse . . . . . . . . . . . . . . . 57<br />
4.1.4 Die Bodenreaktionskräfte mit Schwabbelmasse . . . . . . . . . 58<br />
4.1.5 Stabilität mit Schwabbelmasse . . . . . . . . . . . . . . . . . . 60<br />
4.2 Gelenk<strong>an</strong>schläge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61<br />
4.2.1 Stetige Gelenk<strong>an</strong>schläge . . . . . . . . . . . . . . . . . . . . . 61<br />
4.2.2 Die Momente mit Schwabbelmasse <strong>und</strong> stetigen<br />
Gelenk<strong>an</strong>schlägen . . . . . . . . . . . . . . . . . . . . . . . . . 62<br />
4.2.3 Die Bodenreaktionskräfte mit Schwabbelmasse <strong>und</strong> stetigen<br />
Gelenk<strong>an</strong>schlägen . . . . . . . . . . . . . . . . . . . . . . . . . 63<br />
4.2.4 Stabilität mit Schwabbelmasse <strong>und</strong> stetigen Gelenk<strong>an</strong>schlägen<br />
- Optimierung <strong>der</strong> Gelenk<strong>an</strong>schlagsparameter . . . . . . . . . . 65<br />
4.2.5 Boden nach Scott-W<strong>in</strong>ter mit l<strong>in</strong>earer X-Komponente . . . . . 66<br />
5 E<strong>in</strong> Modell mit Rumpf <strong>und</strong> Füßen 67<br />
5.1 Koord<strong>in</strong>ation komplexer Bewegungsabläufe mit neuronalen Oszillatoren 67
INHALTSVERZEICHNIS 6<br />
5.1.1 Unterschied zwischen <strong>in</strong>neren Gelenkmomenten <strong>und</strong> äußeren<br />
Momenten auf Extremitäten . . . . . . . . . . . . . . . . . . . 68<br />
5.2 Das modifizierte Modell . . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
5.3 Ergebnisse <strong>der</strong> <strong>Simulation</strong> . . . . . . . . . . . . . . . . . . . . . . . . 69<br />
6 Diskussion <strong>der</strong> Ergebnisse 71<br />
6.1 Was erzielt wurde: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71<br />
6.2 Was nicht gelungen ist: . . . . . . . . . . . . . . . . . . . . . . . . . . 72<br />
6.3 Warum m<strong>an</strong>ches nicht gelungen ist: . . . . . . . . . . . . . . . . . . . 72<br />
6.3.1 E<strong>in</strong> Metronom . . . . . . . . . . . . . . . . . . . . . . . . . . . 72<br />
6.3.1.1 Mech<strong>an</strong>isch stabiles System . . . . . . . . . . . . . . 73<br />
6.3.1.2 Mech<strong>an</strong>isch <strong>in</strong>stabiles System . . . . . . . . . . . . . 75<br />
6.3.1.3 Parameter<strong>an</strong>passung bei e<strong>in</strong>fachen Systemen . . . . . 76<br />
6.4 Erweiterbarkeit des Modells . . . . . . . . . . . . . . . . . . . . . . . 78<br />
6.4.1 Erweiterung durch eigene Überlegungen . . . . . . . . . . . . 78<br />
6.4.2 Untersuchung e<strong>in</strong>es beschriebenen Folgemodells . . . . . . . . 80<br />
6.4.3 Än<strong>der</strong>ung <strong>der</strong> Mech<strong>an</strong>ik <strong>in</strong> kle<strong>in</strong>en Schritten . . . . . . . . . . 80<br />
6.5 Schlußfolgerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81<br />
A Beschreibung des Gr<strong>und</strong>modells 82<br />
A.1 Parameter des Modells . . . . . . . . . . . . . . . . . . . . . . . . . . 82<br />
A.1.1 Feedbackgleichungen<br />
Kopplung <strong>der</strong> Neuronen <strong>an</strong> die mech<strong>an</strong>ischen Zust<strong>an</strong>dsgrößen 84<br />
A.2 Verb<strong>in</strong>dungsgewichte des neuronalen Netzes . . . . . . . . . . . . . . 85<br />
A.3 Zeitkonst<strong>an</strong>ten <strong>der</strong> Neuronen . . . . . . . . . . . . . . . . . . . . . . . 85<br />
A.4 Neuro-mech<strong>an</strong>ische Kopplung . . . . . . . . . . . . . . . . . . . . . . 85
INHALTSVERZEICHNIS 7<br />
A.5 Startwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86<br />
A.6 Bodenkraftdetektion . . . . . . . . . . . . . . . . . . . . . . . . . . . 89<br />
A.7 Matritzen zu Newton-Euler Verfahren . . . . . . . . . . . . . . . . . . 89<br />
B Parameter <strong>der</strong> modifizierten Modelle 91<br />
B.1 Biomech<strong>an</strong>ische Bodenmodelle . . . . . . . . . . . . . . . . . . . . . . 92<br />
B.2 Gelenk<strong>an</strong>schläge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93<br />
B.3 Ankopplung des “Rumpfs”<br />
Schwabbelmasse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93<br />
B.4 Parameter “Metronom” . . . . . . . . . . . . . . . . . . . . . . . . . . 94<br />
B.4.1 Gerritsen <strong>und</strong> Scott-W<strong>in</strong>ter ohne Schwabbelmasse . . . . . . . 95<br />
B.5 Programmcode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96<br />
B.5.1 Bestimmung <strong>der</strong> Startwerte <strong>der</strong> Neuronengleichungen . . . . . 96<br />
Literaturverzeichnis 102
Abbildungsverzeichnis<br />
1.1 Das Modell - Koord<strong>in</strong>aten . . . . . . . . . . . . . . . . . . . . . . . . 14<br />
1.2 Grobe Skizze des neuromuskulären Apparates . . . . . . . . . . . . . 22<br />
1.3 Pyramidale <strong>und</strong> extrapyramidale Bahn . . . . . . . . . . . . . . . . . 23<br />
1.4 Die Verb<strong>in</strong>dungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28<br />
1.5 Erzeugtes Pattern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
2.1 Das Modell - Schema . . . . . . . . . . . . . . . . . . . . . . . . . . . 32<br />
2.2 Verb<strong>in</strong>dungsschema <strong>der</strong> Neuronen . . . . . . . . . . . . . . . . . . . . 37<br />
3.1 Neuronen ohne Feedback . . . . . . . . . . . . . . . . . . . . . . . . . 44<br />
3.2 Neuronen mit Feedback . . . . . . . . . . . . . . . . . . . . . . . . . . 44<br />
3.3 E<strong>in</strong>schwungphase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
3.4 Rennen (bereits e<strong>in</strong>geschwungen) . . . . . . . . . . . . . . . . . . . . 45<br />
3.5 W<strong>in</strong>kel des rechten Oberschenkels . . . . . . . . . . . . . . . . . . . . 46<br />
3.6 W<strong>in</strong>kel des rechten Unterschenkels . . . . . . . . . . . . . . . . . . . 46<br />
3.7 Hüftmomente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.8 Kniemomente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.9 Fußmomente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47<br />
3.10 Resultierendes Gesamtmoment auf Oberschenkel . . . . . . . . . . . . 48<br />
8
ABBILDUNGSVERZEICHNIS 9<br />
3.11 Resultierendes Gesamtmoment auf Unterschenkel . . . . . . . . . . . 48<br />
3.12 Bodenreaktionskräfte <strong>in</strong> X . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.13 Bodenreaktionskräfte <strong>in</strong> Y . . . . . . . . . . . . . . . . . . . . . . . . 49<br />
3.14 Phasenportrait Oberschenkel mit E<strong>in</strong>schwungphase . . . . . . . . . . 50<br />
3.15 Phasenportrait Oberschenkel ohne E<strong>in</strong>schwungphase . . . . . . . . . 50<br />
3.16 Phasenportrait Unterschenkel mit E<strong>in</strong>schwungphase . . . . . . . . . . 50<br />
3.17 Phasenportrait Unterschenkel ohne E<strong>in</strong>schwungphase . . . . . . . . . 50<br />
3.18 Stimulation des CPG (U0 = f(t)) . . . . . . . . . . . . . . . . . . . . 51<br />
3.19 Schrittlänge unter Stimulation . . . . . . . . . . . . . . . . . . . . . . 51<br />
3.20 W<strong>in</strong>kel zwischen den Oberschenkeln als Funktion von (U0) . . . . . . 51<br />
3.21 Die Hysterese unter Stimulationsän<strong>der</strong>ung . . . . . . . . . . . . . . . 51<br />
3.22 H<strong>an</strong>glauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53<br />
4.1 Moment auf Oberschenkel Boden nach Gruber (S) . . . . . . . . . . . 57<br />
4.2 Moment auf Oberschenkel Boden nach Scott W<strong>in</strong>ter (S) . . . . . . . . 57<br />
4.3 Moment auf Oberschenkel Boden nach Gerritsen (S) . . . . . . . . . . 57<br />
4.4 Moment auf Oberschenkel l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S) . . . . . 57<br />
4.5 Bodenkraft X-Komponente Boden nach Gruber (S) . . . . . . . . . . 58<br />
4.6 Bodenkraft X-Komponente Boden nach Scott W<strong>in</strong>ter (S) . . . . . . . 58<br />
4.7 Bodenkraft X-Komponente Boden nach Gerritsen (S) . . . . . . . . . 58<br />
4.8 Bodenkraft X-Komponente l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S) . . . . 58<br />
4.9 Bodenkraft Y-Komponente Boden nach Gruber (S) . . . . . . . . . . 59<br />
4.10 Bodenkraft Y-Komponente Boden nach Scott W<strong>in</strong>ter (S) . . . . . . . 59<br />
4.11 Bodenkraft Y-Komponente Boden nach Gerritsen (S) . . . . . . . . . 59<br />
4.12 Bodenkraft Y-Komponente l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S) . . . . 59
ABBILDUNGSVERZEICHNIS 10<br />
4.13 Phasenportrait Boden nach Gruber (S) . . . . . . . . . . . . . . . . . 60<br />
4.14 Phasenportrait Boden nach Scott W<strong>in</strong>ter (S) . . . . . . . . . . . . . . 60<br />
4.15 Phasenportrait Boden nach Gerritsen (S) . . . . . . . . . . . . . . . . 60<br />
4.16 Phasenportrait l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S) . . . . . . . . . . . 60<br />
4.17 Moment auf Oberschenkel Boden nach Gruber (S+A) . . . . . . . . . 62<br />
4.18 Moment auf Oberschenkel Boden nach Scott W<strong>in</strong>ter (S+A) . . . . . . 62<br />
4.19 Moment auf Oberschenkel Boden nach Gerritsen (S+A) . . . . . . . . 62<br />
4.20 Moment auf Oberschenkel l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A) . . . 62<br />
4.21 Bodenkraft X-Komponente Boden nach Gruber (S+A) . . . . . . . . 63<br />
4.22 Bodenkraft X-Komponente Boden nach Scott W<strong>in</strong>ter (S+A) . . . . . 63<br />
4.23 Bodenkraft X-Komponente Boden nach Gerritsen (S+A) . . . . . . . 63<br />
4.24 Bodenkraft X-Komponente l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A) . . 63<br />
4.25 Bodenkraft Y-Komponente Boden nach Gruber (S+A) . . . . . . . . 64<br />
4.26 Bodenkraft Y-Komponente Boden nach Scott W<strong>in</strong>ter (S+A) . . . . . 64<br />
4.27 Bodenkraft Y-Komponente Boden nach Gerritsen (S+A) . . . . . . . 64<br />
4.28 Bodenkraft Y-Komponente l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A) . . 64<br />
4.29 Phasenportrait Boden nach Gruber (S+A) . . . . . . . . . . . . . . . 65<br />
4.30 Phasenportrait Boden nach Scott W<strong>in</strong>ter (S+A) . . . . . . . . . . . . 65<br />
4.31 Phasenportrait Boden nach Gerritsen (S+A) . . . . . . . . . . . . . . 65<br />
4.32 Phasenportrait l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A) . . . . . . . . . 65<br />
4.33 Momentenverlauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66<br />
4.34 Bodenreaktionskraft <strong>in</strong> X . . . . . . . . . . . . . . . . . . . . . . . . . 66<br />
4.35 Bodenreaktionskraft <strong>in</strong> Y . . . . . . . . . . . . . . . . . . . . . . . . . 66<br />
4.36 Phasenportrait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
ABBILDUNGSVERZEICHNIS 11<br />
5.1 Vergleich <strong>in</strong>nerer <strong>und</strong> äußerer Momente . . . . . . . . . . . . . . . . . 68<br />
5.2 Lauf mit Rumpf <strong>und</strong> Füßen . . . . . . . . . . . . . . . . . . . . . . . 69<br />
5.3 Momentenverlauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
5.4 Bodenreaktionskraft <strong>in</strong> X . . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
5.5 Bodenreaktionskraft <strong>in</strong> Y . . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
5.6 Phasenportrait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70<br />
6.1 E<strong>in</strong> “Metronom” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72<br />
6.2 Ohne aktive Momente . . . . . . . . . . . . . . . . . . . . . . . . . . 74<br />
6.3 Mit aktiven Momenten . . . . . . . . . . . . . . . . . . . . . . . . . . 74<br />
6.4 Nach Än<strong>der</strong>ung <strong>der</strong> Adaptionskonst<strong>an</strong>ten . . . . . . . . . . . . . . . . 74<br />
6.5 Abweichung vom Sollwert . . . . . . . . . . . . . . . . . . . . . . . . 75<br />
6.6 Korrektur über Feedback . . . . . . . . . . . . . . . . . . . . . . . . . 75<br />
6.7 Korrektur über Kraftkonst<strong>an</strong>ten . . . . . . . . . . . . . . . . . . . . . 75<br />
6.8 Latente Instabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75<br />
6.9 Verallgeme<strong>in</strong>erung auf 1a-Afferenz? . . . . . . . . . . . . . . . . . . . 77<br />
A.1 Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82<br />
A.2 Kräfte <strong>und</strong> Momente . . . . . . . . . . . . . . . . . . . . . . . . . . . 82<br />
B.1 Moment auf Oberschenkel Boden nach Gerritsen (n) . . . . . . . . . . 95<br />
B.2 Moment auf Oberschenkel Boden nach Scott W<strong>in</strong>ter (n) . . . . . . . . 95<br />
B.3 Bodenkraft X-Komponente Boden nach Scott W<strong>in</strong>ter (n) . . . . . . . 95<br />
B.4 Bodenkraft X-Komponente Boden nach Gerritsen (n) . . . . . . . . . 95<br />
B.5 Bodenkraft Y-Komponente Boden nach Scott W<strong>in</strong>ter (n) . . . . . . . 95<br />
B.6 Bodenkraft Y-Komponente Boden nach Gerritsen (n) . . . . . . . . . 95
Kapitel 1<br />
Gr<strong>und</strong>lagen<br />
In se<strong>in</strong>er Veröffentlichung [TYS91] beschreibt G. Taga e<strong>in</strong>e auf die Saggitalebene be-<br />
schränkte <strong>Simulation</strong> e<strong>in</strong>er zweibe<strong>in</strong>igen Laufmasch<strong>in</strong>e. Diese wird von neuronalen<br />
Oszillatoren <strong>der</strong>art gesteuert, daß sich e<strong>in</strong>e stabile Fortbewegung ergibt. Diese Arbeit<br />
soll auf dieser Gr<strong>und</strong>lage basierend die Verwendbarkeit dieses Konzeptes für biome-<br />
ch<strong>an</strong>ische <strong>Simulation</strong>en untersuchen. Sie läßt sich <strong>in</strong> zwei Hauptteile unterglie<strong>der</strong>n:<br />
Den neurologischen <strong>und</strong> den mech<strong>an</strong>ischen Teil.<br />
Im folgenden Kapitel wird auf die mech<strong>an</strong>ischen <strong>und</strong> neurologischen Gr<strong>und</strong>lagen<br />
e<strong>in</strong>geg<strong>an</strong>gen 1<br />
1.1 Mech<strong>an</strong>ik<br />
Aus mech<strong>an</strong>ischer Sicht stellt sich folgende Aufgabe:<br />
Es soll e<strong>in</strong>e Vorwärtssimulation e<strong>in</strong>es zweidimensionalen vere<strong>in</strong>fachten Modells des<br />
Menschen erstellt werden. An den Körpern dieser k<strong>in</strong>ematischen Kette sollen wohl-<br />
def<strong>in</strong>ierte, zust<strong>an</strong>dsabhängige Momente so wirken, daß e<strong>in</strong> stabiles “Laufen” erzielt<br />
wird.<br />
1 Wobei Kapitel 2 für “Überspr<strong>in</strong>ger” e<strong>in</strong>en Kurze<strong>in</strong>stieg bietet<br />
12
Kapitel 1. Gr<strong>und</strong>lagen 13<br />
1.1.1 Umsetzung<br />
E<strong>in</strong>e Untersuchung zur Laufdynamik stellt aus physikalischer Sicht e<strong>in</strong> Problem <strong>der</strong><br />
K<strong>in</strong>ematik von Systemen starrer Körper dar. Dieses Gebiet ist physikalisch begreif-<br />
bar, <strong>und</strong> m<strong>an</strong> verfügt über Formalismen, wie m<strong>an</strong> e<strong>in</strong>e zeitliche Entwicklung e<strong>in</strong>es<br />
solchen Systems determ<strong>in</strong>istisch beh<strong>an</strong>deln k<strong>an</strong>n.<br />
Wobei m<strong>an</strong> jedoch beachten muß, daß m<strong>an</strong> je nach Komplexität des Problems<br />
m<strong>an</strong>chmal schon auf chaotisches Verhalten trifft. Chaos, <strong>und</strong> nichtl<strong>in</strong>eare Dynamik<br />
s<strong>in</strong>d zwar von großer Popularität, stellen aber die eigentlichen Grenzen e<strong>in</strong>er mecha-<br />
nischen Untersuchung von Systemen starrer Körper dar, weil mit zunehmen<strong>der</strong> Zeit<br />
die Abhängigkeit von den Startwerten immer stärker zum Tragen kommt. Rechnet<br />
m<strong>an</strong> aber genau genug, ist die eigentliche mech<strong>an</strong>ische Aufgabenstellung aber im<br />
allgeme<strong>in</strong>en zum<strong>in</strong>dest für e<strong>in</strong>en gewissen Zeitraum zuverlässig lösbar.<br />
Verfahren, die geeignet s<strong>in</strong>d, die zeitliche Entwicklung e<strong>in</strong>es Verb<strong>und</strong>s starrer Körper<br />
bei gegebenen Startwerten zu berechnen, s<strong>in</strong>d z.B. das Newton-Euler Verfahren o<strong>der</strong><br />
<strong>der</strong> Lagr<strong>an</strong>g’sche Formalismus. Solche Verfahren führen auf e<strong>in</strong>en oft sehr komple-<br />
xen Satz von Differentialgleichungen, die nicht <strong>an</strong>alytisch lösbar s<strong>in</strong>d. Deshalb muß<br />
m<strong>an</strong> zu numerischen Lösungen greifen <strong>und</strong> hat bei steigen<strong>der</strong> Komplexität <strong>der</strong> Si-<br />
mulation zunehmend mit numerischen Problemen <strong>und</strong> großen Anfor<strong>der</strong>ungen <strong>an</strong> die<br />
Ressourcen zu rechnen. Somit ist es oft nötig e<strong>in</strong> <strong>an</strong>gemessen vere<strong>in</strong>fachtes Modell<br />
<strong>der</strong> realen Mech<strong>an</strong>ik zu wählen.<br />
1.1.2 Die Newton-Euler Methode<br />
Wie <strong>der</strong> Name schon sagt verb<strong>in</strong>det dieses Verfahren die Newtonschen Gleichungen<br />
zur Bewegung <strong>der</strong> Massenschwerpunkte <strong>der</strong> e<strong>in</strong>zelnen Starrkörper, drei pro Körper,<br />
mit den drei Eulerschen Gleichungen pro Körper, welche die Rotation <strong>der</strong> Körper<br />
um den Schwerpunkt beschreiben.<br />
Zuerst wird so vorgeg<strong>an</strong>gen, als ob sich die Körper ohne Wechselwirkung bewegen<br />
würden. So erhält m<strong>an</strong> e<strong>in</strong>en Satz von 6n Gleichungen für n Körper. Weitere m<br />
Gleichungen werden von den m Zw<strong>an</strong>gsbed<strong>in</strong>gungen geliefert, die vorher zweimal<br />
nach <strong>der</strong> Zeit differenziert werden müssen.<br />
Für das weitere Vorgehen gibt es zwei Vari<strong>an</strong>ten:
Kapitel 1. Gr<strong>und</strong>lagen 14<br />
• Die erste Vari<strong>an</strong>te:<br />
M<strong>an</strong> geht über auf generalisierte Koord<strong>in</strong>aten: Jede <strong>der</strong> m Zw<strong>an</strong>gsbed<strong>in</strong>gungen<br />
nimmt e<strong>in</strong>en Freiheitsgrad. M<strong>an</strong> <strong>in</strong>tegriert nun die 6n-m Gleichungen, welche<br />
die Beschleunigungen <strong>der</strong> generalisierten Koord<strong>in</strong>aten beschreiben. Bei die-<br />
sem Verfahren treten bei e<strong>in</strong>er großen Zahl von Freiheitsgraden Probleme mit<br />
großen Termen auf, die sich schlecht automatisch bearbeiten lassen.<br />
• Die zweite Vari<strong>an</strong>te:<br />
M<strong>an</strong> <strong>in</strong>tegriert die 6n+m Gleichungen die die Beschleunigungen <strong>und</strong> die Kom-<br />
ponenten <strong>der</strong> Zw<strong>an</strong>gskräfte darstellen. E<strong>in</strong> Vorteil dieser Methode ist, daß sie<br />
die Zw<strong>an</strong>gskräfte gleich mit liefert. Der Nachteil liegt dar<strong>in</strong>, daß die Zw<strong>an</strong>gs-<br />
bed<strong>in</strong>gungen nicht implizit <strong>in</strong> den zu <strong>in</strong>tegrierenden Gleichungen auftreten.<br />
Numerische Fehler können zu e<strong>in</strong>em “Zerfallen” des Modells führen, da die<br />
Starrkörper <strong>der</strong> k<strong>in</strong>ematischen Kräfte nur durch die mit<strong>in</strong>tegrierten Zw<strong>an</strong>gs-<br />
kräfte im Gelenk zusammengehalten werden.<br />
1.1.2.1 E<strong>in</strong>e Laufmasch<strong>in</strong>e<br />
E<strong>in</strong> e<strong>in</strong>faches Modell e<strong>in</strong>es Menschen sei wie <strong>in</strong> Abb. 1.1 gezeigt <strong>an</strong>genommen.<br />
X14<br />
(X12,X13)<br />
(Xl,Yl)<br />
(X6,X7)<br />
(x1,x2)<br />
X8 X5<br />
l1<br />
X11<br />
(X9,X10)<br />
(X3,X4)<br />
(Xr,Yr)<br />
Abbildung 1.1: Das Modell - Koord<strong>in</strong>aten<br />
l2
Kapitel 1. Gr<strong>und</strong>lagen 15<br />
Es besteht aus vier Starrkörpern, sowie e<strong>in</strong>er Punktmasse, welche <strong>an</strong> (x1, x2) loka-<br />
lisiert, die Masse von Rumpf, Kopf <strong>und</strong> Armen repräsentiert [TYS91].<br />
1.1.2.2 Bewegungsgleichungen<br />
M<strong>an</strong> stellt nun die Bewegungsgleichungen im 2-Dimensionalen für diese 5 Körper<br />
auf.<br />
Zunächst die Newton’schen Gleichungen:<br />
Hierbei berücksichtigt m<strong>an</strong>:<br />
• die Zw<strong>an</strong>gskräfte (F1...F8)<br />
M ¨x1 = F1 + F3<br />
M ¨x2 = F2 + F4 − Mg<br />
m1¨x3 = −F1 + F5<br />
m1¨x4 = −F2 + F6 − m1g<br />
m1¨x6 = −F3 + F7<br />
m1¨x7 = −F4 + F8 − m1g<br />
m2¨x9 = −F5 + fg1<br />
m2¨x10 = −F6 + fg2 − m2g<br />
m2¨x12 = −F7 + Fg3<br />
m2¨x13 = −F8 + Fg4 − m2g<br />
• die Bodenreaktionskräfte (Fg1...Fg4)<br />
• sowie die Gewichtskräfte<br />
(1.1)
Kapitel 1. Gr<strong>und</strong>lagen 16<br />
Nun die Euler’schen Gleichungen im 2-Dimensionalen :<br />
I1¨x5 = −F1(l1/2) s<strong>in</strong> x5 − F2(l1/2) cos x5<br />
−F5(l1/2) s<strong>in</strong> x5 − F6(l1/2) cos x5<br />
+Mr1<br />
I1¨x8 = −F3(l1/2) s<strong>in</strong> x8 − F4(l1/2) cos x8<br />
−F7(l1/2) s<strong>in</strong> x8 − F8(l1/2) cos x8<br />
+Mr2<br />
I2¨x11 = −F5(l2/2) s<strong>in</strong> x11 − F6(l2/2) cos x11<br />
−Fg1(l2/2) s<strong>in</strong> x11 − Fg2(l2/2) cos x11<br />
+Mr3<br />
I2¨x14 = −F7(l2/2) s<strong>in</strong> x14 − F8(l2/2) cos x14<br />
−Fg3(l2/2) s<strong>in</strong> x14 − Fg4(l2/2) cos x14<br />
+Mr4<br />
(1.2)<br />
Hierbei seien die, aus aktiven <strong>und</strong> passiven Momenten resultierenden, Gelenkmo-<br />
mente:<br />
Mr1 = −b1|x5 − π/2| ˙x5 − {b2 + bkf(x5 − x11)}( ˙x5 − ˙x11)<br />
−kkh(x5 − x11) + Tr1 + Tr3<br />
Mr2 = −b1|x8 − π/2| ˙x8 − {b2 + bkf(x8 − x14)}( ˙x8 − ˙x14)<br />
−kkh(x8 − x14) + Tr2 + Tr4<br />
Mr3 = −{b2 + bkf(x5 − x11)}( ˙x11 − ˙x5)<br />
+kkh(x5 − x11) − Tr3 − Tr5<br />
Mr4 = −{b2 − bkf(x8 − x14)}( ˙x14 − ˙x8)<br />
+kkh(x8 − x14) − Tr4 − Tr6<br />
(1.3)
Kapitel 1. Gr<strong>und</strong>lagen 17<br />
Die Funktionen f(x) <strong>und</strong> h(x) s<strong>in</strong>d folgen<strong>der</strong>maßen def<strong>in</strong>iert:<br />
f(x) = max(0, x)<br />
h(x) =<br />
<br />
0 für (x ≤ 0)<br />
1 für (x > 0)<br />
Die Bodenreaktionskräfte ergeben sich aus:<br />
Fg1 =<br />
Fg2 =<br />
Fg3 =<br />
Fg4 =<br />
<br />
<br />
<br />
<br />
−kg(xr − xr0) − bg ˙xr wenn yr − yg(xr) < 0<br />
0 sonst<br />
−kg(yr − yr0) + bgf(− ˙yr) wenn yr − yg(xr) < 0<br />
0 sonst<br />
−kg(xl − xl0) − bg ˙xl wenn yl − yg(xl) < 0<br />
0 sonst<br />
−kg(yl − yl0) + bgf(− ˙yl) wenn yl − yg(xl) < 0<br />
0 sonst<br />
hierbei ist yg(x) die Funktion welche den Bodenverlauf def<strong>in</strong>iert.<br />
Im Spezialfall e<strong>in</strong>es ebenen Bodens ist yg = 0 .<br />
(xr, yr) geben die Position des Fußgelenks <strong>an</strong> <strong>und</strong> s<strong>in</strong>d gegeben durch:<br />
(xr, yr) = ({x9 + (l2/2) cos x11}, {x10 − (l2/2) s<strong>in</strong> x11})<br />
(xl, yl) = ({x12 + (l2/2) cos x14}, {x13 − (l2/2)s<strong>in</strong>x14})<br />
Mit den sechs Momenten (Tr1...Tr6), die durch die neuronalen Oszillatoren festge-<br />
legt werden, lassen sich die Gleichungen schreiben:<br />
Hierbei s<strong>in</strong>d:<br />
¨x = P (x)F + Q(x, ˙x, Tr(y), Fg(x, ˙x)) (1.4)<br />
1. x e<strong>in</strong> (14 × 1) Vektor, bestehend aus den 10 Inertialkoord<strong>in</strong>aten <strong>der</strong> Hebel-<br />
endpunkte, sowie <strong>der</strong> 4 Inertialw<strong>in</strong>kel <strong>der</strong> Gelenke.
Kapitel 1. Gr<strong>und</strong>lagen 18<br />
2. P e<strong>in</strong>e (14 × 8) Matrix.<br />
3. F <strong>der</strong> (8 × 1) Vektor <strong>der</strong> Zw<strong>an</strong>gskräfte.<br />
4. Q e<strong>in</strong> (14 × 1) Vektor <strong>der</strong> von folgenden Komponenten abhängt:<br />
(a) Tr(y) ist <strong>der</strong> (6 × 1) Vektor <strong>der</strong> <strong>in</strong> den Gelenken <strong>an</strong>greifenden Momente,<br />
y ist <strong>der</strong> (12 × 1) Vektor des Outputs des Neuronalen Oszillators.<br />
(b) Fg ist <strong>der</strong> (4 × 1)Vektor <strong>der</strong> Bodenreaktionskräfte.<br />
1.1.2.3 Die Zw<strong>an</strong>gsbed<strong>in</strong>gungen<br />
Weitere Gleichungen liefern die Zw<strong>an</strong>gsbed<strong>in</strong>gungen.<br />
Die Zw<strong>an</strong>gsbed<strong>in</strong>gungen lauten:<br />
x3 + ( l1<br />
x4 − ( l1<br />
x6 + ( l1<br />
x7 − ( l1<br />
x1 = x3 − ( l1<br />
) cos x5<br />
2<br />
x2 = x4 + ( l1<br />
) s<strong>in</strong> x8<br />
2<br />
x1 = x6 − ( l1<br />
) cos x8<br />
2<br />
x2 = x7 + ( l1<br />
) s<strong>in</strong> x8<br />
2<br />
2 ) cos x5 = x9 − ( l2<br />
) cos x11<br />
2<br />
2 ) s<strong>in</strong> x5 = x10 + ( l2<br />
2<br />
) s<strong>in</strong> x11<br />
2 ) cos x8 = x12 − ( l2<br />
) cos x14<br />
2<br />
2 ) s<strong>in</strong> x8 = x13 + ( l2<br />
2<br />
) s<strong>in</strong> x14<br />
Damit hieraus Gleichungen entstehen, die dieselben Unbek<strong>an</strong>nten wie die Bewe-<br />
gungsgleichungen enthalten, muß m<strong>an</strong> sie zweimal nach <strong>der</strong> Zeit differenzieren.
Kapitel 1. Gr<strong>und</strong>lagen 19<br />
M<strong>an</strong> erhält:<br />
¨x3 − ( l1<br />
2 ) s<strong>in</strong> x5¨x5 − ¨x9 − ( l2<br />
¨x1 − ¨x3 − ( l1<br />
2 ) s<strong>in</strong> x5¨x5 = ( l1<br />
2 ) cos x5 ˙x 2<br />
5<br />
¨x2 − ¨x4 − ( l1<br />
2 ) cos x5¨x5 = ( −l1<br />
2 ) s<strong>in</strong> x5 ˙x 2<br />
5<br />
¨x1 − ¨x6 − ( l1<br />
2 ) s<strong>in</strong> x8¨x8 = ( l1<br />
2 ) cos x8 ˙x 2<br />
8<br />
¨x2 − ¨x7 − ( l1<br />
2 ) cos x8¨x8 = ( −l1<br />
2 ) s<strong>in</strong> x8 ˙x 2<br />
8<br />
2 ) s<strong>in</strong> x11¨x11 = ( l2<br />
2<br />
) cos x5 ˙<br />
x 2 5<br />
+( l2<br />
2 ) cos x11 ˙x 2<br />
11<br />
¨x4 − ( l1<br />
2 ) cos x5¨x5 − ¨x10 − ( l2<br />
2 ) cos x11¨x11 = ( −l1<br />
2 ) s<strong>in</strong> x5 ˙x 2<br />
5<br />
−( l2<br />
2<br />
) s<strong>in</strong> x11¨x 11<br />
2<br />
¨x6 − ( l1<br />
2 ) s<strong>in</strong> x8¨x8 − ¨x12 − ( l2<br />
2 ) s<strong>in</strong> x14¨x14 = ( l1<br />
2 ) cos x8 ˙x 2<br />
8<br />
+( l2<br />
2 ) cos x14 ˙x 2<br />
14<br />
¨x7 − ( l1<br />
2 ) cos x8¨x8 − ¨x13 − ( l2<br />
2 ) cos x14¨x14 = ( −l1<br />
2 ) s<strong>in</strong> x8 ˙x 2<br />
8<br />
Was m<strong>an</strong> <strong>in</strong> Matrixform schreiben k<strong>an</strong>n:<br />
+( l2<br />
2 ) s<strong>in</strong> x14 ˙x 2<br />
14<br />
C(x)¨x = D(x, ¨x) (1.5)<br />
Die Matritzen s<strong>in</strong>d im Anh<strong>an</strong>g A.7 abgebildet. Die allgeme<strong>in</strong>e Form <strong>der</strong> Gleichungen<br />
1.4 k<strong>an</strong>n nun <strong>in</strong> 1.5 e<strong>in</strong>gesetzt werden.<br />
M<strong>an</strong> erhält nun:<br />
F = [C(x)P (x)] −1 [D(x, ˙x) − C(x)Q(x, ˙x, T ry, F g(x, ˙x))]<br />
(1.6)
Kapitel 1. Gr<strong>und</strong>lagen 20<br />
Setzt m<strong>an</strong> 1.6 <strong>in</strong> 1.4 e<strong>in</strong>, erhält m<strong>an</strong> die gesuchten Beschleunigungen:<br />
¨x = P (x)[C(x)P (x)] −1 [D(x, ˙x) − C(x)Q(x, ˙xT r(y), F g(x, ˙x))]<br />
+Q(x, ˙x, T r(y), F g(x, ˙x))<br />
(1.7)<br />
Die <strong>in</strong> 1.7 dargestellte Form k<strong>an</strong>n nun <strong>in</strong> e<strong>in</strong>em entsprechenden Computerprogramm<br />
abgebildet werden, <strong>und</strong> mittels geeigneter Integrationsrout<strong>in</strong>en auf<strong>in</strong>tegriert werden.<br />
Die hierzu benötigten Algorithmen s<strong>in</strong>d z.B. <strong>in</strong> [PTVB94] beschrieben.<br />
1.1.3 Gleichungsgeneratoren<br />
Wenn m<strong>an</strong> Mehrkörpersysteme modelliert, so k<strong>an</strong>n m<strong>an</strong> natürlich jedesmal die Be-<br />
wegungsgleichungen “von H<strong>an</strong>d” aufstellen. Es existieren aber auch <strong>Simulation</strong>spro-<br />
gramme, die e<strong>in</strong>em die Arbeit mit MKS erleichtern, <strong>in</strong>dem sie aus Benutzere<strong>in</strong>gaben<br />
die Bewegungsgleichungen generieren. Solches leistet zum Beispiel bgg. Das Pro-<br />
gramm bgg automatisiert das Newton-Euler-Verfahren <strong>und</strong> ist <strong>in</strong> e<strong>in</strong>er 2-D-, <strong>und</strong><br />
auch <strong>in</strong> e<strong>in</strong>er 3-D Vari<strong>an</strong>te entwickelt worden [Hos93].<br />
E<strong>in</strong> Programmpaket welches die Arbeit mit bgg übersichtlicher macht ist SIMSYS.<br />
Es verb<strong>in</strong>det e<strong>in</strong>e auf 2-D <strong>Simulation</strong>en <strong>an</strong>gepaßte Version von bgg mit Programmen<br />
zur Visualisierung <strong>der</strong> Ergebnisse wie Simxw<strong>in</strong> o<strong>der</strong> dem wesentlich umf<strong>an</strong>greiche-<br />
ren TATANIMAT. Es entst<strong>an</strong>d im Rahmen e<strong>in</strong>er Arbeit [Kri92] <strong>an</strong> dem Lehr- <strong>und</strong><br />
Forschungsbereich Theoretische Astrophysik <strong>der</strong> Universität Tüb<strong>in</strong>gen <strong>und</strong> es lie-<br />
gen seit e<strong>in</strong>igen Jahren gute Erfahrungswerte mit diesem Programmpaket vor. E<strong>in</strong><br />
kommerzielles Programmpaket für 3-D Mehrkörpersysteme ist z.B. DADS.<br />
Der wesentliche Faktor <strong>der</strong> für die automatische Generierung <strong>der</strong> Bewegungsglei-<br />
chungen stimmt, ist die Variabilität. M<strong>an</strong> k<strong>an</strong>n bereits erstellte Modelle erweitern<br />
<strong>und</strong> kommt somit zu wesentlich besseren “turn-arro<strong>und</strong>” Zeiten.
Kapitel 1. Gr<strong>und</strong>lagen 21<br />
1.1.4 Gr<strong>und</strong>pr<strong>in</strong>zip <strong>der</strong> gekoppelten Oszillatoren<br />
Die zwei wesentlichen Teile dieser Untersuchung s<strong>in</strong>d:<br />
1. Modellierung <strong>der</strong> Mech<strong>an</strong>ik<br />
2. Steuerung <strong>der</strong> Momente auf die Körper <strong>der</strong> k<strong>in</strong>ematischen Kette<br />
Punkt e<strong>in</strong>s ist, wie oben gezeigt, verständlich. Die Ansteuerung durch periodische<br />
Momente, <strong>in</strong> diesem Fall sollen ja Neuronen simuliert werden die dieses leisten,<br />
soll e<strong>in</strong>e stabile Laufbewegung erzeugen. Wie aber ensteht Stabilität aus dem Zu-<br />
sammenspiel <strong>der</strong> Dynamik des Muskel-Skelett-Apparates <strong>und</strong> den periodisch von<br />
neuronalen Mustergeneratoren erzeugten Erregungsmustern?<br />
Huygens beschrieb als erster das Pr<strong>in</strong>zip <strong>der</strong> schwachen Kopplung, als er e<strong>in</strong>e er-<br />
staunliche Beobachtung machte: Zwei Uhren, welche jede für sich sehr genau g<strong>in</strong>gen,<br />
jedoch gegene<strong>in</strong><strong>an</strong><strong>der</strong> leicht verschobene Eigenfrequenzen aufwiesen, zeigten nach ei-<br />
niger Zeit natürlich jeweils e<strong>in</strong>e unterschiedliche Zeit <strong>an</strong>. Hängte er die Uhren aber<br />
beide nahe zusammen <strong>an</strong> e<strong>in</strong>e W<strong>an</strong>d, so liefen sie genau simult<strong>an</strong>. Dies bezeichnet<br />
m<strong>an</strong> als schwach gekoppelte Oszillatoren. Das Phänomen setzt natürlich e<strong>in</strong>iges vor-<br />
aus. So müssen die Eigenfrequenzen nahe genug beie<strong>in</strong><strong>an</strong><strong>der</strong> se<strong>in</strong>, <strong>und</strong> zwischen den<br />
e<strong>in</strong>zelnen Oszillatoren müssen zum<strong>in</strong>dest schwache Kräfte wirken.<br />
M<strong>an</strong> könnte nun verallgeme<strong>in</strong>ern <strong>und</strong> e<strong>in</strong>e solche Kopplung zwischen Neuralsystem<br />
<strong>und</strong> Muskel-Skelett-Apparat <strong>an</strong>nehmen. Wählt m<strong>an</strong> die Frequenz <strong>der</strong> Neuronalen<br />
Oszillatoren sehr nahe <strong>der</strong> Eigenfrequenzen <strong>der</strong> Extremitäten <strong>und</strong> koppelt die Neu-<br />
ronen mit dem Muskel-Skelett-Apparat schwach, so könnte sich e<strong>in</strong>e Synchronisation<br />
<strong>der</strong> beiden Komponenten ergeben. Es ergeben sich natürlich e<strong>in</strong>ige Fragen <strong>in</strong> diesem<br />
Zusammenh<strong>an</strong>g. Zum e<strong>in</strong>en muß e<strong>in</strong>e Kopplung zwischen den mech<strong>an</strong>ischen Oszil-<br />
latoren <strong>und</strong> den neuronalen Oszillatoren verwirklicht werden. Zum <strong>an</strong><strong>der</strong>en ist nicht<br />
klar, wie sich bei dieser Form <strong>der</strong> Kopplung e<strong>in</strong>e stabile stationäre Lösung f<strong>in</strong>den<br />
läßt.
Kapitel 1. Gr<strong>und</strong>lagen 22<br />
Kle<strong>in</strong>hirn<br />
Wirbelsäule<br />
Muskulatur<br />
<strong>und</strong><br />
Rezeptoren<br />
motorische Hirnr<strong>in</strong>de<br />
Pons <strong>und</strong> Medula oblongata<br />
afferente <strong>und</strong> efferente Nerven<br />
Abbildung 1.2: Grobe Skizze des neuromuskulären Apparates<br />
1.2 Neurobiologische Vorbemerkungen<br />
1.2.1 Die Entstehung von Bewegung<br />
Damit e<strong>in</strong> Lebewesen e<strong>in</strong>e Bewegung ausführen k<strong>an</strong>n, müssen gezielt koord<strong>in</strong>ierte<br />
Erregungsmuster <strong>an</strong> die entsprechenden Muskelgruppen gel<strong>an</strong>gen.<br />
Da das Bewußtse<strong>in</strong>, welches die Pläne für e<strong>in</strong>e solche Bewegung entwirft, nicht zu<br />
lokalisieren ist, k<strong>an</strong>n m<strong>an</strong> erst die Stelle im Großhirn <strong>an</strong>geben, die die Pläne <strong>in</strong> Erre-<br />
gungsimpulse umschaltet. Von diesen motorischen R<strong>in</strong>dengebieten verläuft die Erre-<br />
gung über die Pyramidenbahn zu den motorischen Vor<strong>der</strong>hornzellen im Rückenmark.<br />
Von diesen Vor<strong>der</strong>hornzellen laufen motorische efferente 2 Nerven zu den Muskeln.<br />
Gleichermaßen gel<strong>an</strong>gen Impulse <strong>der</strong> Rezeptoren über sensible afferente 3 Nerven<br />
durch das H<strong>in</strong>terhorn <strong>in</strong> das Rückenmark (vgl. Abb. 1.2).<br />
Das pyramidale System ist somit maßgeblich für die Willkürbewegung.<br />
Das extrapyramidale System, welches die motorischen Bahnen umfaßt die nicht<br />
2 wegtragend, wegführend<br />
3 zuführend, her<strong>an</strong>führend
Kapitel 1. Gr<strong>und</strong>lagen 23<br />
Cerebellum<br />
motorische Hirnr<strong>in</strong>de<br />
Brücke <strong>und</strong><br />
Medula oblongata<br />
Pyramiden<br />
Medula sp<strong>in</strong>alis<br />
Abbildung 1.3: Pyramidale <strong>und</strong> extrapyramidale Bahn<br />
durch die Pyramide laufen, ergänzt das pyramidale System.<br />
Se<strong>in</strong>e Aufgaben s<strong>in</strong>d:<br />
1. Abstimmung <strong>der</strong> Muskeltätigkeit bei zielgerichteten Bewegungen<br />
2. Kontrolle des Sp<strong>an</strong>nungszust<strong>an</strong>ds <strong>der</strong> Muskulatur<br />
3. Erhaltung des Gleichgewichts<br />
4. Steuerung automatischer Bewegungsabläufe<br />
E<strong>in</strong> weiterer wichtiger Teil des motorischen Systems ist das Kle<strong>in</strong>hirn. Es besitzt<br />
seitliche Verb<strong>in</strong>dungen zum pyramidalen System (vgl.Abb.1.3) <strong>und</strong> ist so frühzei-<br />
tig über gepl<strong>an</strong>te Bewegungen <strong>in</strong>formiert. Es kennt den “SOLL-Zust<strong>an</strong>d”. Weiterh<strong>in</strong><br />
erhält es Informationen vom Vestibulärorg<strong>an</strong> <strong>und</strong> von Rezeptoren im Bewegungs-<br />
apparat, wie sie z.B.<strong>in</strong> Muskeln <strong>und</strong> Sehnen zu f<strong>in</strong>den s<strong>in</strong>d. Es erkennt hieraus den<br />
“IST-Zust<strong>an</strong>d”. Durch Vergleich von “SOLL-Zust<strong>an</strong>d” <strong>und</strong> “IST-Zust<strong>an</strong>d” k<strong>an</strong>n das<br />
Cerebellum über se<strong>in</strong>e Verb<strong>in</strong>dung zum extrapyramidalen System koord<strong>in</strong>ierend <strong>und</strong><br />
korrigierend auf Bewegungsabläufe e<strong>in</strong>greifen.
Kapitel 1. Gr<strong>und</strong>lagen 24<br />
1.2.2 Die Rolle des Rückenmarks<br />
Die Skelettmuskulatur wird nicht nur von den motorischen Zentren des Gehirns<br />
erregt, son<strong>der</strong>n auch zu e<strong>in</strong>em Teil direkt vom Rückenmark reflektorisch erregt. E<strong>in</strong><br />
Reflex 4 stellt e<strong>in</strong>e unwillkürliche Reaktion des Körpers auf bestimmte sensible Reize<br />
dar. Erfolgt e<strong>in</strong> Reflex ohne Beteiligung höherer Zentren des Nervensystems, so<br />
spricht m<strong>an</strong> von e<strong>in</strong>em sp<strong>in</strong>alen Reflex [Bos93]. E<strong>in</strong> Beispiel für e<strong>in</strong>en solchen Reflex<br />
ist <strong>der</strong> Pattelarsehnenreflex. Schlägt m<strong>an</strong> unterhalb <strong>der</strong> Kniescheibe bei gebeugtem<br />
Knie auf die Sehne des Schenkelstreckers 5 , so zuckt dieser Muskel kurz unwillkürlich.<br />
Der Schlag auf die Sehne dehnt nämlich den Muskel ruckartig. Dieser Reiz, den die<br />
Muskelsp<strong>in</strong>deln registrieren, wird über afferente Nerven zum Rückenmark geleitet,<br />
dort auf die entsprechende Vor<strong>der</strong>hornzelle geschaltet <strong>und</strong> gel<strong>an</strong>gt so auf die efferente<br />
Bahn. Somit wird e<strong>in</strong>e Verkürzung des Muskels e<strong>in</strong>geleitet. Liegen Rezeptor <strong>und</strong><br />
Effektor 6 im gleichen Org<strong>an</strong> spricht m<strong>an</strong> von Eigenreflexen. Ist dies nicht <strong>der</strong> Fall<br />
liegt e<strong>in</strong> Fremdreflex vor.<br />
Solche Reflexe führen oft zu komplexen Bewegungsabläufen. Tritt zum Beispiel <strong>an</strong><br />
e<strong>in</strong>er Fußsohle e<strong>in</strong> Schmerzreiz (spitzer o<strong>der</strong> heißer Gegenst<strong>an</strong>d) auf, so führt dieses<br />
zu e<strong>in</strong>em schnellen Anziehen dieses Be<strong>in</strong>es. Gleichzeitig wird aber auch das <strong>an</strong><strong>der</strong>e<br />
Be<strong>in</strong> gestreckt. Somit wird <strong>der</strong> betroffene Fuß möglichst effektiv von dem Schmer-<br />
zeauslöser weggezogen.<br />
Die frühk<strong>in</strong>dlichen Reflexe erfolgen ohne Beteiligung des Großhirns <strong>und</strong> verschw<strong>in</strong>-<br />
den meist <strong>in</strong> den ersten Lebensmonaten. E<strong>in</strong> sehr <strong>in</strong>teress<strong>an</strong>ter Reflex ist das Schreit-<br />
phänomen [Z<strong>in</strong>90]. Hält m<strong>an</strong> e<strong>in</strong> Neugeborenes so, daß se<strong>in</strong>e Füße e<strong>in</strong>e Unterlage<br />
berühren, so führt es dem Gehen ähnliche Bewegungen aus. Dieser Reflex zeigt,<br />
daß es im Rückenmark Zentren gibt, welche zeitlich wie<strong>der</strong>kehrende Bewegungsmu-<br />
ster erzeugen können. Das Verschw<strong>in</strong>den dieses Reflexes mit zunehmen<strong>der</strong> Reife des<br />
Menschen zeigt aber auch, daß dieses Zentrum entwe<strong>der</strong> abgebaut, o<strong>der</strong> aber von<br />
höheren Zentren im Laufe <strong>der</strong> Zeit unter vollständige Kontrolle gebracht wird.<br />
4 reflektere (lat.) : rückwärts biegen<br />
5 (M. quadriceps femoris)<br />
6 Urheber
Kapitel 1. Gr<strong>und</strong>lagen 25<br />
Bedeutung <strong>der</strong> Reflexe für Bewegungen s<strong>in</strong>d also:<br />
• Rückkopplung äußerer E<strong>in</strong>flüsse auf den Bewegungsablauf<br />
• Koord<strong>in</strong>ation komplizierter Bewegungsabläufe<br />
• Reflektorische Muskelsp<strong>an</strong>nung (Tonus stellt sich e<strong>in</strong>)<br />
1.2.3 H<strong>in</strong>weise auf Mustergeneratoren im Rückenmark<br />
E<strong>in</strong>e Vielzahl motorischer Aktionen ist aus rhythmisch wie<strong>der</strong>holten Aktionse<strong>in</strong>hei-<br />
ten aufgebaut. Insbeson<strong>der</strong>e für die <strong>Biomech<strong>an</strong>ik</strong> von Interesse, s<strong>in</strong>d hier die ver-<br />
schiedenen Arten von Fortbewegung wie z.B. Schwimmen, Laufen o<strong>der</strong> Fliegen. Zur<br />
neuralen Kontrolle rhythmischer motorischer Aktivität entst<strong>an</strong>den zwei Modell<strong>an</strong>-<br />
sätze.<br />
Der Neurologe Sherr<strong>in</strong>gton nahm e<strong>in</strong>e Art Kettenreflex <strong>an</strong>. Dieser sollte aufgr<strong>und</strong><br />
sensorischer Rückkopplung mit <strong>der</strong> Umwelt dazu führen, daß sich e<strong>in</strong>e bestimmte<br />
stabile Lokomotion e<strong>in</strong>stellt. M<strong>an</strong> spricht auch von <strong>der</strong> Hypothese <strong>der</strong> periphären<br />
Kontrolle.<br />
Die Hypothese <strong>der</strong> zentralen Kontrolle wurde von dem Neurologen Brown aufgestellt.<br />
Hier sollten zentrale Verschaltungen, neuronale Oszillatoren, die Aufgabe e<strong>in</strong>er Art<br />
<strong>in</strong>neren Uhr übernehmen. Die Erregung dieser neuronalen Oszillatoren sollte d<strong>an</strong>n<br />
die rhythmische motorische Aktivität generieren.<br />
Beide Modelle stehen aber nicht <strong>in</strong> direktem Wi<strong>der</strong>spruch zue<strong>in</strong><strong>an</strong><strong>der</strong>. Experimentell<br />
gewonnenes Wissen legt nahe, daß zu e<strong>in</strong>er stabilen Lokomotion beides gebraucht<br />
wird [Rei90]: E<strong>in</strong>e neuronaler Oszillator als Taktgeber, <strong>der</strong> e<strong>in</strong> sensorielles Feedback<br />
berücksichtigt.
Kapitel 1. Gr<strong>und</strong>lagen 26<br />
H<strong>in</strong>weise auf die Existenz solcher mustererzeugenden Zentren s<strong>in</strong>d beschrieben:<br />
• Direkte neurologische Untersuchungen <strong>an</strong> Invertebraten s<strong>in</strong>d bei ger<strong>in</strong>ger An-<br />
zahl von Neuronen möglich:<br />
– Untersuchung <strong>der</strong> Fluchtreaktion <strong>der</strong> Meeresschnecke Tritonnia.<br />
[Rei90]<br />
– Untersuchungen <strong>an</strong> <strong>an</strong><strong>der</strong>en Mollusken 7 .<br />
[CDK84, KMK78, Kat74]<br />
• Untersuchungen <strong>an</strong> Vertebraten:<br />
– Untersuchungen, welche bei bei Katzen durchgeführt wurden.<br />
[Gri81, GZ79, AG83, DOP81, SBEZ80, SHK + 85]<br />
– <strong>Simulation</strong> <strong>der</strong> Lokomotion e<strong>in</strong>es Neunauges. [Gri96]<br />
• Indizien beim Menschen:<br />
– Existenz des Schreitphänomens (Schreitreflex) bei Neugeborenen.<br />
[Bos93, Z<strong>in</strong>90]<br />
– Schreitreflex ist bei Querschnittsgelähmten <strong>in</strong> Ansätzen reaktivierbar.<br />
[WMNC95]<br />
Neuronen können aufgr<strong>und</strong> <strong>in</strong>nerer Eigenschaften als Taktgeberneurone arbeiten.<br />
So könnten e<strong>in</strong>zelne Neurone rhythmische Vorgänge steuern. Meist f<strong>in</strong>det m<strong>an</strong> aber<br />
Bündel von Neuronen, welche als kooperative Partner mit <strong>an</strong><strong>der</strong>en Neuronen wirken.<br />
Neuronen die rhythmische motorische Aktivität produzieren s<strong>in</strong>d gr<strong>und</strong>sätzlich <strong>in</strong><br />
Netzwerken verschaltet. Weiterh<strong>in</strong> gibt es verschiedene Formen <strong>der</strong> Verschaltung<br />
wie sie z.b. <strong>in</strong> [Rei90] beschrieben s<strong>in</strong>d. Dieses bedeutet natürlich auch, daß m<strong>an</strong><br />
auf Selbstorg<strong>an</strong>isation <strong>und</strong> somit auf fraktales Verhalten treffen k<strong>an</strong>n. So f<strong>in</strong>det m<strong>an</strong><br />
zum Beispiel beim S<strong>in</strong>usknoten 8 e<strong>in</strong>e große Anzahl von Neuronen, die als e<strong>in</strong> e<strong>in</strong>ziges<br />
Taktgeberzentrum wirken [SS93].<br />
Es ist e<strong>in</strong> Denk<strong>an</strong>satz, wenn m<strong>an</strong> sich die neuronalen Oszillatoren als im Rückken-<br />
mark <strong>an</strong>sässig vorstellt. E<strong>in</strong>ige Tatsachen belegen diese These: Katzen laufen ohne<br />
7 “Schnecken” wie z.B. <strong>der</strong> Oktopus<br />
8 Taktgeberzentrum im Herz
Kapitel 1. Gr<strong>und</strong>lagen 27<br />
die Beteiligung des Großhirns auf Laufbän<strong>der</strong>n <strong>und</strong> weisen hier auch Wechsel <strong>in</strong><br />
den G<strong>an</strong>garten auf. Hierbei tritt laut Edgerton sogar e<strong>in</strong> Lerneffekt auf. Katzen mit<br />
vom Hirn getrennten Rückenmark verbesserten ihre Laufleistung bei Laufb<strong>an</strong>dver-<br />
suchen mit <strong>der</strong> Zeit. Als Vergleich wurden <strong>an</strong><strong>der</strong>e Katzen auf das Stehen tra<strong>in</strong>iert.<br />
Diese verschlechterten ihre Laufleistung. Wenn die auf das Laufen tra<strong>in</strong>ierten Kat-<br />
zen e<strong>in</strong>e sechsmonatige Tra<strong>in</strong><strong>in</strong>gspause absolviert hatten, war auch ihre Laufleistung<br />
verschlechtert. Nach erneutem Tra<strong>in</strong><strong>in</strong>g verbesserte sie sich wie<strong>der</strong>. Dies belegt die<br />
Existenz <strong>und</strong> Lernfähigkeit <strong>der</strong> mustererzeugenden Zentren im Rückenmark. Der<br />
Kratzreflex von H<strong>und</strong>en <strong>und</strong> Katzen funktioniert auch bei durchtrenntem Rücken-<br />
mark. E<strong>in</strong>e weitere Evidenz ergibt sich aus <strong>der</strong> Studie von S.Grillner [Gri96]. Er<br />
hat bei Neunaugen 9 viele experimentelle Daten gesammelt <strong>und</strong> e<strong>in</strong>e <strong>Simulation</strong> <strong>der</strong><br />
Schwimmbewegungen auf Ebene e<strong>in</strong>zelner Neuronen durchgeführt.<br />
Dies alles betrifft auch den hochentwickelten Vertebraten Mensch: Teilweise gelähm-<br />
te Patienten haben bei Untersuchungen, welche von Wernig <strong>an</strong> <strong>der</strong> Rehabilitati-<br />
onskl<strong>in</strong>ik L<strong>an</strong>genste<strong>in</strong>bach durchgeführt wurden, auch gehähnliche Bewegungen auf<br />
Laufbän<strong>der</strong>n gezeigt. Wernig betonte die Diskrep<strong>an</strong>z zwischen den Ergebnissen bei<br />
Willkürbewegungen <strong>in</strong> Ruhe, <strong>und</strong> Schrittbewegungen bei den Laufb<strong>an</strong>dversuchen,<br />
welche “e<strong>in</strong>deutig auf Automatismen <strong>in</strong> <strong>der</strong> Bewegungssteuerung schließen lassen”.<br />
Das Rückenmark hat also verschiedene Aufgaben:<br />
• Es leitet motorische <strong>und</strong> sensible Erregung weiter.<br />
• Es ist ver<strong>an</strong>twortlich für viel Reflexe.<br />
• Und: Es generiert zeitlich wie<strong>der</strong>kehrende Bewegungsmuster.<br />
1.2.4 Mustergeneratoren <strong>in</strong> Computersimulationen<br />
<strong>Simulation</strong>en zu neuronalen Oszillatoren s<strong>in</strong>d <strong>in</strong> erster L<strong>in</strong>ie <strong>Simulation</strong>en von Neu-<br />
ronen. Das bedeutet: sehr komplexe neuronale Systeme müssen auf Ebene von Io-<br />
nenkonzentrationen betrachtet werden. Dieses neurobiologisch korrekt auszuführen,<br />
ist e<strong>in</strong>e äußerst komplexe Angelegenheit. Schon bei e<strong>in</strong>igen tausend Neuronen pro<br />
9 aalähnliche entwicklungsgeschichtlich sehr alte Wirbeltiere
Kapitel 1. Gr<strong>und</strong>lagen 28<br />
Wirbelsegment werden große Anfor<strong>der</strong>ung <strong>an</strong> die Rechenleistung gestellt. E<strong>in</strong>e Si-<br />
mulationsumgebung auf <strong>der</strong> neurobiologischen Ebene stellt GENESIS dar, welches<br />
m<strong>an</strong> von Caltech beziehen k<strong>an</strong>n [Cro94]. Hiermit läßt sich z.B. e<strong>in</strong> aus vier Neuro-<br />
nen bestehen<strong>der</strong> Mustergenerator simulieren, welcher zu e<strong>in</strong>em Vierbe<strong>in</strong>er gehören<br />
könnte.Die Neuronen s<strong>in</strong>d wie <strong>in</strong> Abb.1.4 verschaltet, die Zellparameter s<strong>in</strong>d neuro-<br />
logisch s<strong>in</strong>nvoll gewählt. Die grünen Pfeile entsprechen exzitatorischen, die gelben<br />
<strong>in</strong>hibitorischen Verb<strong>in</strong>dungen. Die resultierenden <strong>in</strong>neren Potentiale s<strong>in</strong>d <strong>in</strong> Abb. 1.5<br />
verzeichnet.<br />
Abbildung 1.4: Die Verb<strong>in</strong>dungen<br />
Drei D<strong>in</strong>ge s<strong>in</strong>d zu dieser <strong>Simulation</strong> zu bemerken:<br />
• Die <strong>Simulation</strong> von diesen 200 ms ist, zum<strong>in</strong>dest auf e<strong>in</strong>em 486-basierten Sy-<br />
stem, nicht echtzeitfähig.<br />
• Vier Ausgänge s<strong>in</strong>d natürlich nur zur <strong>an</strong>schaulichen Demonstration des Pr<strong>in</strong>-<br />
zips ausreichend.<br />
• E<strong>in</strong> Wechsel <strong>der</strong> G<strong>an</strong>gart erfor<strong>der</strong>t e<strong>in</strong>e Än<strong>der</strong>ung des Verb<strong>in</strong>dungsschemas.<br />
• Wäre es e<strong>in</strong> Pferd, würde es ca. 65 Schritte pro Sek<strong>und</strong>e machen, da je<strong>der</strong><br />
Peak e<strong>in</strong>er muskulären Aktion zugeordnet se<strong>in</strong> soll.
Kapitel 1. Gr<strong>und</strong>lagen 29<br />
Abbildung 1.5: Erzeugtes Pattern<br />
Hier deuten sich schon e<strong>in</strong>ige Probleme <strong>an</strong>, die auftreten können. Das menschliche<br />
Gehirn vere<strong>in</strong>igt 10 11 bis 10 12 Neuronen, die Feuerzeit e<strong>in</strong>es Neurons liegt im Millise-<br />
k<strong>und</strong>enbereich. Weiterh<strong>in</strong> werden Informationen <strong>in</strong> Nervenbahnen im allgeme<strong>in</strong>en <strong>in</strong><br />
Pulsmodulation übertragen. Diese Gründe ver<strong>an</strong>lassen zu den Verallgeme<strong>in</strong>erungen,<br />
die auf die Neuronalen Netze geführt haben, wie m<strong>an</strong> sie <strong>in</strong> Computersimulationen<br />
heute vielfach vorf<strong>in</strong>det. Diese abstrakten Konstrukte haben jedoch aus neurobiolo-<br />
gischer Sicht kaum noch Aussagekraft. Sie s<strong>in</strong>d e<strong>in</strong> Werkzeug geworden.<br />
E<strong>in</strong> Kompromiß zwischen beiden Sichtweisen existiert natürlich auch noch. Es gibt<br />
e<strong>in</strong>e Reihe von Differentialgleichungssystemen, welche zur <strong>Simulation</strong> von Neuro-<br />
nenaktivität her<strong>an</strong>gezogen werden können. Sie f<strong>in</strong>den auch zum Teil Anwendung als<br />
nichtl<strong>in</strong>eare Steuerungen. Auch Arbeiten, die sich mit Laufmasch<strong>in</strong>en bzw. Modellen<br />
zwei- o<strong>der</strong> vierbe<strong>in</strong>igen Laufens beschäftigen, verwenden solche Gleichungssysteme:<br />
Die Veröffentlichung von Coll<strong>in</strong>s <strong>und</strong> Richmond [CR94], <strong>in</strong> welcher sie e<strong>in</strong>en Muster-<br />
generator für Vierbe<strong>in</strong>er untersuchen, zeigt die Möglichkeit, e<strong>in</strong>en Mustergenerator
Kapitel 1. Gr<strong>und</strong>lagen 30<br />
zu konstruieren, <strong>der</strong> ke<strong>in</strong>e Än<strong>der</strong>ung <strong>der</strong> Stärke o<strong>der</strong> Polarität <strong>der</strong> synaptischen<br />
Verb<strong>in</strong>dungen benötigt um die G<strong>an</strong>garten zu wechseln. Sie verwendeten drei ver-<br />
schiedene nichtl<strong>in</strong>eare Oszillatoren: Ste<strong>in</strong> Neural Modell, V<strong>an</strong> <strong>der</strong> Pol Oszillator <strong>und</strong><br />
das FritzHugh-Nagumo Modell. Der V<strong>an</strong> <strong>der</strong> Pol Oszillator wurde auch von Zie-<br />
lińska [Zie95] e<strong>in</strong>gesetzt, um die W<strong>in</strong>kel <strong>der</strong> Extremitäten e<strong>in</strong>es Menschmodells zu<br />
errechnen. E<strong>in</strong> weiteres Neuronen-Modell geht auf Brown zurück, <strong>und</strong> wurde eben-<br />
falls schon mit Erfolg e<strong>in</strong>gesetzt [TYS91, Tag95a, Tag95b, Mat85]. Auf dieses wird<br />
im Folgenden noch näher e<strong>in</strong>geg<strong>an</strong>gen.
Kapitel 2<br />
Beschreibung des Modells<br />
2.1 Kurze<strong>in</strong>stieg<br />
Das Modell, welches hier untersucht wird,wurde <strong>in</strong> [TYS91] beschrieben. Taga et al. gel<strong>an</strong>g<br />
es demnach, mittels dem Pr<strong>in</strong>zip <strong>der</strong> gekoppelten Oszillatoren für e<strong>in</strong>en Zweibe<strong>in</strong>er e<strong>in</strong>e<br />
stabile <strong>und</strong> periodische Laufbewegung zu synthetisieren. E<strong>in</strong>e Behauptung, welche pr<strong>in</strong>zi-<br />
piell schon 1914 von Brown <strong>an</strong>gestellt wurde, lautet, daß die Bewegungen, die Lebewesen<br />
bei ihrer Fortbewegung ausführen, im wesentlichen aus e<strong>in</strong>em Zusammenspiel <strong>der</strong> Dyna-<br />
mik des Muskel-Skelett-Apparats <strong>und</strong> periodisch von Neuronen im Rückenmark erzeugten<br />
Erregungsmustern entstehen. Die höheren Gehirnfunktionen sollen nur e<strong>in</strong>e allgeme<strong>in</strong>ere<br />
Kontrollfunktion haben, <strong>und</strong> die Informationen über die Umwelt, die dem Bewegungs-<br />
apparat nicht direkt zugänglich s<strong>in</strong>d, <strong>in</strong> die Bewegung e<strong>in</strong>fließen lassen. M<strong>an</strong> denke bei-<br />
spielsweise nur <strong>an</strong> im Weg liegende H<strong>in</strong><strong>der</strong>nisse <strong>und</strong> ähnliche Informationen die visuell<br />
aufgenommen werden.<br />
2.2 Motivation<br />
[TYS91] beschreibt e<strong>in</strong>ige <strong>in</strong>teress<strong>an</strong>te Eigenschaften, die das Modell zeigt. Unter<br />
<strong>an</strong><strong>der</strong>em e<strong>in</strong>en Wechsel <strong>der</strong> G<strong>an</strong>gart zwischen Laufen <strong>und</strong> Rennen, die Fähigkeit<br />
Steigungen von bis zu sechs Grad bergauf zu gehen <strong>und</strong> Stabilität gegen Störungen.<br />
Die Ergebnisse von Taga et al. ermutigen dazu se<strong>in</strong> Modell zu untersuchen <strong>und</strong> zu<br />
überprüfen, ob es möglich ist, es zu erweitern.<br />
31
Kapitel 2. Beschreibung des Modells 32<br />
2.3 Mech<strong>an</strong>ik - Das Modell<br />
Das Modell soll aus zwei Be<strong>in</strong>en (jeweils Oberschenkel <strong>und</strong> Unterschenkel) <strong>und</strong> e<strong>in</strong>er<br />
Punktmasse, welche <strong>an</strong> <strong>der</strong> Hüfte befestigt ist, bestehen. Die Füße werden <strong>in</strong> [TYS91]<br />
vernachlässigt, da sie “<strong>in</strong> allen Phasen <strong>der</strong> Bewegung durch ihre vergleichbar ger<strong>in</strong>ge<br />
Masse kaum e<strong>in</strong>en Beitrag zu den Schw<strong>in</strong>gungsdauern <strong>der</strong> Be<strong>in</strong>e, welche als gekoppel-<br />
te, starre physikalische Pendel betrachtet werden können, leisten” 1 . Die Unterschen-<br />
kel sollen am Knöchelgelenk direkt den Bodenkontakt aufnehmen. Auf Ober-<strong>und</strong><br />
Unterschenkel werden Momente, welche von den Neuronen vorgegeben s<strong>in</strong>d, auf-<br />
gebracht. Der Boden soll <strong>in</strong> x -<strong>und</strong> y -Richtung aus e<strong>in</strong>em Fe<strong>der</strong>-Dämpferelement<br />
bestehen. Bodenkräfte treten nur beim bajonettartigen Bodenkonakt auf. Übergänge<br />
zwischen Gleiten <strong>und</strong> Haften werden bei [TYS91] nicht berücksichtigt.<br />
Hüftgelenke<br />
Kniegelenke<br />
Fußgelenke<br />
Punktmasse M<br />
Oberschenkel<br />
Unterschenkel<br />
Abbildung 2.1: Das Modell - Schema<br />
Bewegungsrichtung<br />
Es wirken die Gewichtskräfte <strong>der</strong> Ober-<strong>und</strong> Unterschenkel, sowie <strong>der</strong> Punktmas-<br />
se, welche die Restmasse des Körpers repräsentiert, <strong>und</strong> die Bodenreaktionskräfte<br />
des Untergr<strong>und</strong>s. Momente resultieren aus nichtl<strong>in</strong>earen, elastischen Rückstellmo-<br />
menten <strong>in</strong> den Knie-<strong>und</strong> Hüftgelenken, aus nichtl<strong>in</strong>earen Reibungsverlusten, dem<br />
starken Anschlagsmoment bei Knieüberstreckung <strong>und</strong> nicht zuletzt aus den von den<br />
Neuronen determ<strong>in</strong>ierten Gelenkmomenten.<br />
1 Dieses Vorgehen ist nicht g<strong>an</strong>z korrekt, da die Füße durch ihren großen Abst<strong>an</strong>d r von den<br />
Hüftgelenken aufgr<strong>und</strong> ihres Beitrags zum Trägheitsmoment berücksichtigt werden sollten
Kapitel 2. Beschreibung des Modells 33<br />
Da das zu untersuchende Problem auf zwei Dimensionen beschränkt ist, wurde das<br />
Modell mit SIMSYS simuliert. Gründe hierfür waren zum e<strong>in</strong>en, daß SIMSYS frei<br />
verfügbar ist <strong>und</strong> DADS erst nach Beg<strong>in</strong>n <strong>der</strong> Arbeit <strong>an</strong>geschafft wurde, zum <strong>an</strong><strong>der</strong>en<br />
weil es auch auf PC’s unter LINUX portierbar war.<br />
2.4 Die Steuerung<br />
2.4.1 Das Modell des Mustergenerators<br />
Das Modell soll nur aus sehr wenigen Neuronen bestehen, die mite<strong>in</strong><strong>an</strong><strong>der</strong> gekoppelt<br />
werden sollen. Taga et al. beschreiben zwölf mite<strong>in</strong><strong>an</strong><strong>der</strong> gekoppelte Neuronen die<br />
im Endeffekt sechs Momente bestimmen, welche <strong>in</strong> den sechs Gelenken (pro Be<strong>in</strong><br />
jeweils Knöchel, Knie <strong>und</strong> Hüfte) wirken.<br />
Zwölf Neuronen s<strong>in</strong>d gemessen <strong>an</strong> <strong>der</strong> Realität natürlich sehr wenig, m<strong>an</strong> muß <strong>an</strong>de-<br />
rerseits beachten, daß 24 nichtl<strong>in</strong>ear mite<strong>in</strong><strong>an</strong><strong>der</strong> gekoppelte Differentialgleichungen<br />
(im folgenden wird noch gezeigt, daß pro Neuron zwei Differentialgleichungen benö-<br />
tigt werden) schon viele s<strong>in</strong>d, wenn m<strong>an</strong> ihr Verhalten noch verstehen will.<br />
2.4.1.1 Der Neuronale Oszillator<br />
Von dem Neurologen Brown wurde e<strong>in</strong> Modell e<strong>in</strong>es Neuronalen Netzwerks vorge-<br />
schlagen, welches aus zwei tonisch erregten Neuronen besteht, <strong>und</strong> e<strong>in</strong>en sogen<strong>an</strong>nten<br />
Adaptionseffekt besitzt. Dieses Modell k<strong>an</strong>n nach [Mat85] durch folgende Differen-<br />
tialgleichungen beschrieben werden:<br />
τ1 ˙u1 = −u1 + wy2 − βf(v1) + U0<br />
τ2 ˙u2 = −u2 + wy1 − βf(v2) + U0<br />
τ ′<br />
1 ˙v1 = −v1 + y1<br />
τ ′<br />
2 ˙v2 = −v2 + y2<br />
yi = f(ui), wobei f(ui) = Max(0, ui)<br />
Hier ist ui <strong>der</strong> <strong>in</strong>nere Zust<strong>an</strong>d e<strong>in</strong>es Neurons <strong>und</strong> yi <strong>der</strong> Output des i’ten Neurons.<br />
vi ist e<strong>in</strong>e Variable, die den Grad <strong>der</strong> Adaption bzw <strong>der</strong> Selbsthemmung <strong>an</strong>gibt.
Kapitel 2. Beschreibung des Modells 34<br />
U0 ist e<strong>in</strong> externer Input, wij ist das Verb<strong>in</strong>dungsgewicht <strong>und</strong> τi , τ ′<br />
i<br />
Zeitkonst<strong>an</strong>ten des <strong>in</strong>neren Zust<strong>an</strong>ds <strong>und</strong> <strong>der</strong> Adaption.<br />
s<strong>in</strong>d die<br />
Bed<strong>in</strong>gungen unter denen dieses Paar von Neuronen oszilliert beschreibt [Mat85].<br />
M<strong>an</strong> k<strong>an</strong>n auch kompliziertere Netzwerke zusammenstellen, das heißt mehr als zwei<br />
Neuronen mite<strong>in</strong><strong>an</strong><strong>der</strong> koppeln. Die Bed<strong>in</strong>gungen unter denen es hierbei zu stabi-<br />
len stationären Lösungen kommt wurden ebenfalls von Matsuoka untersucht. Se<strong>in</strong>e<br />
Ergebnisse treffen auf das von Taga beschriebene System aber nicht zu, was später<br />
noch genauer erläutert werden soll.<br />
2.4.1.2 Das Netz <strong>der</strong> Oszillatoren<br />
E<strong>in</strong> Netz aus Neuronen k<strong>an</strong>n also <strong>in</strong> folgen<strong>der</strong> Weise beschrieben werden :<br />
τi ˙ui = −ui + <br />
wijyj − βf(vi) + U0 + Feed i(x, ˙x, Fg(x, ˙x)) (2.1)<br />
τ<br />
j<br />
′<br />
i ˙vi = −vi + yi (2.2)<br />
yi = f(ui), wobei f(ui) = Max(0, ui) (2.3)<br />
Bei diesem Netz ist zu den <strong>in</strong> 2.4.1.1 erwähnten Termen noch e<strong>in</strong> wesentlicher h<strong>in</strong>-<br />
zugefügt worden:<br />
Feed i(x, ˙x, Fg(x, ˙x))<br />
Dieser Term beschreibt die Rückkopplung des mech<strong>an</strong>ischen Systems mit den Neuro-<br />
nen. Somit wird <strong>an</strong>genommen, daß dem neuronalen Netz die W<strong>in</strong>kel <strong>und</strong> W<strong>in</strong>kelge-<br />
schw<strong>in</strong>digkeiten <strong>der</strong> Extremitäten im Bezugssystem sowie die Bodenreaktionskräfte<br />
zur Regulierung zur Verfügung stehen. Dieses deckt sich weitgehend mit dem, was<br />
bisl<strong>an</strong>g von <strong>der</strong> Neurologie bestätigt ist.<br />
Wie im menschlichen Nervensystem W<strong>in</strong>kel bzw. W<strong>in</strong>kelgeschw<strong>in</strong>digkeiten gemes-<br />
sen werden ist noch nicht bek<strong>an</strong>nt, doch soll hier <strong>an</strong>genommen werden, daß die Um-<br />
rechnung aller <strong>in</strong> diesem Modell verwendeten Inertialkoord<strong>in</strong>aten von dem Gehirn<br />
bewerkstelligt werden k<strong>an</strong>n.<br />
Die vollständigen Feedbackgleichungen s<strong>in</strong>d im Anh<strong>an</strong>g zu f<strong>in</strong>den, hier s<strong>in</strong>d nur die
Kapitel 2. Beschreibung des Modells 35<br />
dem ersten Neuronenpaar zugeordneten Gleichungen wie<strong>der</strong>gegeben:<br />
feed 1 = a1(x5 − π<br />
2 ) − a2(x8 − π<br />
2 )<br />
+a3(x11 − π<br />
2 )h(Fg2) − a4h(Fg4)<br />
feed 2 = a1( π<br />
2 − x5) − a2( π<br />
− x8)<br />
2<br />
+a3( π<br />
2 − x11)h(Fg2) − a4h(Fg4)<br />
(2.4)<br />
Wie m<strong>an</strong> als erstes erkennt, s<strong>in</strong>d die Gleichungen e<strong>in</strong>es Neuronenpaars <strong>in</strong> <strong>der</strong> Form<br />
feed 1 = −feed 2 gehalten. Was sich ergeben würde, wenn m<strong>an</strong> von diesem Schema<br />
abweichen würde <strong>und</strong> jedem <strong>der</strong> beiden Neuronen, welche e<strong>in</strong> Moment (<strong>in</strong> diesem<br />
Beispiel für das Hüftmoment e<strong>in</strong>er Körperseite) bestimmen, e<strong>in</strong> <strong>an</strong><strong>der</strong>s zusammen-<br />
gesetztes Feedback zuordnen würde, ist nicht dokumentiert.<br />
Die Faktoren (a1...a4) legen fest, mit welcher Gewichtung die jeweilige Zust<strong>an</strong>ds-<br />
größe <strong>in</strong> die Neuronengleichungen e<strong>in</strong>gehen soll. Wie m<strong>an</strong> den Neuronengleichun-<br />
gen <strong>an</strong>sieht, gehen mech<strong>an</strong>ische <strong>und</strong> neuronale Zust<strong>an</strong>dsgrößen <strong>in</strong> gleichberechtigter<br />
Weise additiv e<strong>in</strong>. Es h<strong>an</strong>delt sich also um e<strong>in</strong>e Verallgeme<strong>in</strong>erung des <strong>in</strong> [Mat85]<br />
untersuchten Neuronenmodells. In diesem wurde nur die Kopplung <strong>der</strong> Neuronen<br />
untere<strong>in</strong><strong>an</strong><strong>der</strong> beschrieben. In diesem S<strong>in</strong>ne s<strong>in</strong>d die Überlegungen zur Stabilität<br />
solch gekoppelter Systeme [Mat85] also nicht mehr aussagekräftig. Dies zeigt auch<br />
e<strong>in</strong> Vergleich <strong>der</strong> Abbildungen 3.2 <strong>und</strong> 3.1. M<strong>an</strong> sieht deutlich, wie das Feedback<br />
das Verhalten <strong>der</strong> Neuronen be<strong>in</strong>flußt.<br />
Wollte m<strong>an</strong> belegen, daß das System, welches Taga beschreibt, stabil ist, <strong>und</strong> wel-<br />
che Anfor<strong>der</strong>ungen <strong>an</strong> die Feedbackgleichungen gestellt werden, müßte m<strong>an</strong> auf das<br />
gängige Verfahren zurückgreifen <strong>und</strong> die Eigenwerte <strong>der</strong> Funktionalmatrix [GV93]<br />
betrachten. M<strong>an</strong> müßte d<strong>an</strong>n das Gesamtsystem untersuchen <strong>und</strong> nicht nur die Neu-<br />
ronengleichungen! Es ist jedoch bei e<strong>in</strong>em komplexen Modell, welches auch Boden-<br />
kontakt hat, kaum möglich alle Gleichungen <strong>in</strong> <strong>an</strong>alytischer Form nie<strong>der</strong>zuschreiben<br />
um die Funktionalmatrix zu f<strong>in</strong>den.<br />
Dies zeigt, daß es auf e<strong>in</strong> “Try <strong>an</strong>d Error”-Verfahren herausläuft, wenn m<strong>an</strong> die<br />
Feedbackgleichungen f<strong>in</strong>den will. In sofern k<strong>an</strong>n m<strong>an</strong> die obigen zwei Gleichungen<br />
nur <strong>in</strong>tuitiv begründen. Hierbei muß erwähnt werden, daß es immer nicht nur e<strong>in</strong>e
Kapitel 2. Beschreibung des Modells 36<br />
logisch ersche<strong>in</strong>ende Gleichung gibt, welche m<strong>an</strong> für das Feedback e<strong>in</strong>es Neurons<br />
<strong>an</strong>setzen könnte.<br />
In dem obigen Beispiel gehen die W<strong>in</strong>kel von Ober- <strong>und</strong> Unterschenkel, <strong>der</strong> W<strong>in</strong>kel<br />
des Oberschenkels <strong>der</strong> Gegenseite, sowie <strong>der</strong> Bodenkontakt bei<strong>der</strong> Seiten e<strong>in</strong>. Es wer-<br />
den <strong>in</strong> den weiteren Feedbackgleichungen auch W<strong>in</strong>kelgeschw<strong>in</strong>digkeiten <strong>in</strong> gleicher<br />
Weise addiert. Denkbar wäre es auch, Kräfte o<strong>der</strong> Momente zu verwenden. Richtig<br />
ist, was zu dem gewünschten Ergebnis führt.<br />
E<strong>in</strong>e wesentliche Schwierigkeit bei <strong>der</strong> Wahl des Feedbacks ist, daß die Kopplung <strong>der</strong><br />
Neuronen untere<strong>in</strong><strong>an</strong><strong>der</strong> nicht durch zu hohe Feedbackterme gebrochen werden darf.<br />
Es ist also def<strong>in</strong>itiv nicht möglich e<strong>in</strong>e Art Bau<strong>an</strong>leitung für e<strong>in</strong> stabiles Feedback<br />
<strong>an</strong>zugeben, weshalb es ke<strong>in</strong>en S<strong>in</strong>n macht die obigen Gleichungen im e<strong>in</strong>zelnen genau<br />
zu begründen.<br />
Die Kunst besteht also dar<strong>in</strong>, alle Parameter auf die gestellte Aufgabe e<strong>in</strong>zustellen.<br />
Denn ebenfalls die Gewichte <strong>der</strong> Verb<strong>in</strong>dung <strong>der</strong> Neuronen untere<strong>in</strong><strong>an</strong><strong>der</strong> müssen<br />
bestimmt werden. Verwendet wurden die Gewichte nach den Angaben <strong>in</strong> [TYS91],<br />
um die Ergebnisse reproduzieren zu können <strong>und</strong> somit e<strong>in</strong> Gr<strong>und</strong>verständniß für das<br />
Netz zu gew<strong>in</strong>nen. Erst d<strong>an</strong>ach sollte versucht werden Verän<strong>der</strong>ungen e<strong>in</strong>zubr<strong>in</strong>gen.<br />
Taga nahm <strong>an</strong>, daß aus jeweils zwei Neuronen e<strong>in</strong> Oszillator gebildet wird, <strong>und</strong> diese<br />
Oszillatoren mite<strong>in</strong><strong>an</strong><strong>der</strong> gekoppelt werden. Die Momente <strong>in</strong> den Gelenken resultie-<br />
ren aus <strong>der</strong> Differenz <strong>der</strong> Ausg<strong>an</strong>gsfunktion <strong>der</strong> beiden Neuronen, welche e<strong>in</strong>en Oszil-<br />
lator bilden. Hierbei wird <strong>der</strong> Ausg<strong>an</strong>g e<strong>in</strong>es Neurons jeweils mit e<strong>in</strong>em spezifischen<br />
Kraftfaktor multipliziert. Somit repräsentiert e<strong>in</strong>es <strong>der</strong> beiden Neuronen sozusagen<br />
den, e<strong>in</strong>em Gelenk zugeordneten Beugermuskel, <strong>und</strong> e<strong>in</strong>es den Streckermuskel.<br />
Somit ist e<strong>in</strong> e<strong>in</strong>faches <strong>an</strong>atomisches Modell beschrieben. Da sechs Gelenke (Hüftge-<br />
lenke, Kniegelenke <strong>und</strong> Fußgelenke) <strong>an</strong>genommen werden, benötigt m<strong>an</strong> also zwölf<br />
Neuronen <strong>und</strong> erhält sechs Gelenkmomente 2 . Abb. 2.2 zeigt das “Schaltbild” <strong>der</strong><br />
Neuronen.M<strong>an</strong> sieht recht <strong>an</strong>schaulich das Gr<strong>und</strong>pr<strong>in</strong>zip: Untere<strong>in</strong>heiten aus jeweils<br />
zwei Neuronen werden gekoppelt.<br />
Nun muß natürlich je<strong>der</strong> Verb<strong>in</strong>dung zweier Neuronen e<strong>in</strong> Gewicht zugeschrieben<br />
werden. Es h<strong>an</strong>delt sich bei den verwendeten Werten um empirische Daten. Dies ist<br />
auch die e<strong>in</strong>zige Möglichkeit diese Werte zu bestimmen, da es sich ja um e<strong>in</strong> re<strong>in</strong><br />
2 Hierbei ist <strong>in</strong> [TYS91] <strong>an</strong>genommen, beide Be<strong>in</strong>e seien <strong>an</strong> <strong>der</strong> Hüfte mech<strong>an</strong>isch getrennt.
Kapitel 2. Beschreibung des Modells 37<br />
Abbildung 2.2: Verb<strong>in</strong>dungsschema <strong>der</strong> Neuronen<br />
hypothetisches <strong>und</strong> stark vere<strong>in</strong>fachtes Modell h<strong>an</strong>delt. E<strong>in</strong> korrektes neurologisches<br />
Modell des menschlichen Rückenmarks wird auch <strong>in</strong> absehbarer Zeit nicht verfügbar<br />
se<strong>in</strong>.<br />
Die Gewichtsmatrix hat die <strong>in</strong> A.2 gezeigte Form.<br />
2.4.1.3 Das Funktionspr<strong>in</strong>zip<br />
Das Pr<strong>in</strong>zip ist folgendes:<br />
1. Hat <strong>der</strong> vor<strong>der</strong>e Fuß Bodenkontakt, soll das Knie des vor<strong>der</strong>en Be<strong>in</strong>es gestreckt<br />
werden.<br />
2. In <strong>der</strong> Hüfte muß sich e<strong>in</strong> Moment aufbauen <strong>und</strong> den Körper “über <strong>der</strong> Hüfte“<br />
nach vorne ziehen.<br />
3. Das h<strong>in</strong>tere, fort<strong>an</strong> “zweite”, Knie muß währenddessen gebeugt werden, um e<strong>in</strong><br />
Schleifen des Fußes auf dem Boden zu unterb<strong>in</strong>den.<br />
4. Kommt <strong>der</strong> zweite Fuß nun nach vorne, von e<strong>in</strong>em eigenen Hüftmoment unter-<br />
stützt, bleibt das Knie gebeugt <strong>und</strong> <strong>der</strong> Fuß wird weiteh<strong>in</strong> nach vorne gebracht.<br />
5. Erreicht <strong>der</strong> Oberschenkel e<strong>in</strong>en gewissen Maximalw<strong>in</strong>kel, wird <strong>der</strong> Fuß <strong>in</strong><br />
Richtung Boden gesteuert <strong>und</strong> das Knie dabei bereits wie<strong>der</strong> gestreckt.
Kapitel 2. Beschreibung des Modells 38<br />
6. Erfolgt nun Bodenkontakt wird das zweite Knie vollständig gestreckt ver-<br />
sp<strong>an</strong>nt, <strong>und</strong> das System “klappt” um. Nun beg<strong>in</strong>nt <strong>der</strong> Zyklus von Neuem,<br />
falls das System stabil ist.<br />
Natürlich k<strong>an</strong>n das Obige nur <strong>an</strong>satzweise beschreiben, was das neuronale System<br />
macht. E<strong>in</strong> solches Vorgehen wäre völlig unzureichend. Es muß ja das komplette<br />
System gesteuert werden. E<strong>in</strong>e absolut konst<strong>an</strong>te Phasenlage aller reduzierten Ko-<br />
ord<strong>in</strong>aten ist zu jedem Zeitpunkt e<strong>in</strong>zuhalten. Das von Taga beschriebene Modell<br />
weist nicht nur die allgeme<strong>in</strong> bei e<strong>in</strong>em mech<strong>an</strong>ischen Mehrkörperproblem auftreten-<br />
den Wechselwirkungen, son<strong>der</strong>n darüberh<strong>in</strong>aus 24 nichtl<strong>in</strong>ear gekoppelte Differenti-<br />
algleichungen auf. Es ist schwer sich vorzustellen, wie das Modell genau funktioniert,<br />
wenn m<strong>an</strong> alle beschreibenden Gleichungen betrachtet. Aufgr<strong>und</strong> <strong>der</strong> nichtl<strong>in</strong>earen<br />
<strong>und</strong> komplexen Kopplung <strong>der</strong> Gleichungen k<strong>an</strong>n m<strong>an</strong> es wesentlich schlechter ge-<br />
d<strong>an</strong>klich erfassen als e<strong>in</strong> l<strong>in</strong>eares, entkoppelbares System.<br />
2.5 Die Modellierung mit SIMSYS<br />
Bei <strong>der</strong> Modellierung des ersten Modells wurde versucht möglichst genau die Vor-<br />
gaben von [TYS91] e<strong>in</strong>zuhalten. Das Modell ist das <strong>in</strong> 1.1.2.1 beschriebene. Die<br />
Parameter s<strong>in</strong>d im Anh<strong>an</strong>g A.1 dokumentiert.<br />
2.5.1 Mech<strong>an</strong>ischer Teil<br />
Modelliert wurde e<strong>in</strong>e k<strong>in</strong>ematische Kette vierer Starrkörper, die mit Scharnierge-<br />
lenken untere<strong>in</strong><strong>an</strong><strong>der</strong> verb<strong>und</strong>en waren. Das heißt: Unterschenkel 1 zu Oberschenkel<br />
1 zu Oberschenkel 2 zu Unterschenkel 2. Die Punktmasse, welche Rumpf, Arme <strong>und</strong><br />
Kopf repräsentiert, wurde mit e<strong>in</strong>em Fe<strong>der</strong>-Dämpfer-Element mit den zwei Ober-<br />
schenkeln, <strong>an</strong> dem diese verb<strong>in</strong>denden Gelenk, gekoppelt. Den Boden wurde als<br />
Fe<strong>der</strong>-Dämpfer-Element <strong>in</strong> X- <strong>und</strong> Y-Richtung <strong>an</strong>gesehen.
Kapitel 2. Beschreibung des Modells 39<br />
2.5.2 Neuronaler Teil<br />
Die die Neuronen beschreibenden Differentialgleichungen wurden, da die Option<br />
externe Variablen mitzu<strong>in</strong>tegrieren <strong>in</strong> SIMSYS implementiert ist, zusammen mit<br />
den Bewegungsgleichungen <strong>in</strong>tegriert. Die Schnittstelle hierzu ist simuser.hc. Die<br />
Parameter wurden als weiterer C-Code <strong>in</strong> e<strong>in</strong> File neuron.wgt e<strong>in</strong>geb<strong>und</strong>en.<br />
2.5.3 Notwendige Abweichungen von Basismodell<br />
E<strong>in</strong>e Än<strong>der</strong>ung war die Anb<strong>in</strong>dung <strong>der</strong> Punktmasse mit e<strong>in</strong>em Fe<strong>der</strong>-Dämpfer-<br />
Element. Hier wurden die Parameter so gewählt, daß die Punktmasse ke<strong>in</strong>e nennens-<br />
werten Schw<strong>in</strong>gungen ausführt, welche e<strong>in</strong>e Störung des Modells bewirken könnten.<br />
Folgenschwerer war die Tatsache, daß <strong>in</strong> SIMSYS e<strong>in</strong>e gute Beh<strong>an</strong>dlung des Bodens<br />
[Gün97] implementiert ist. Die <strong>Simulation</strong>sumgebung bildet so auch den Überg<strong>an</strong>g<br />
Haften - Gleiten realistisch ab. Das Basismodell sollte nach [TYS91] e<strong>in</strong> Bajonett-<br />
modell des Bodens verwenden. Verwendet wurden jedoch die Bodenrout<strong>in</strong>en von<br />
SIMSYS, da ja für e<strong>in</strong>e Erweiterung des Modells biomech<strong>an</strong>isch s<strong>in</strong>nvolle Parameter<br />
gewählt werden sollten.<br />
Dies war pr<strong>in</strong>zipiell die Ausg<strong>an</strong>gssituation mit <strong>der</strong>, nach <strong>der</strong> Implementation des<br />
Modells, begonnen werden konnte, <strong>Simulation</strong>sversuche auszuführen.<br />
Hätte die <strong>Simulation</strong> nun stabile Läufe ergeben, so wäre es möglich gewesen mit<br />
Erweiterungen zu beg<strong>in</strong>nen. Dem war nicht so, <strong>und</strong> es beg<strong>an</strong>n e<strong>in</strong> monatel<strong>an</strong>ger<br />
Prozeß <strong>der</strong> Suche nach Ursachen.<br />
• Zuerst folgte die Verifikation des SIMSYS-Modells bis eigene Fehler <strong>in</strong> <strong>der</strong><br />
Implementation entdeckt waren.<br />
• D<strong>an</strong>n galt es Tippfehler <strong>in</strong> [TYS91] zu entdecken. (Hier half z.B. die Symmetrie<br />
<strong>in</strong> den Gleichungen <strong>der</strong> beiden Be<strong>in</strong>e).<br />
• Nachdem immer noch ke<strong>in</strong> Erfolg zu verzeichnen war, beg<strong>an</strong>nen systematische<br />
Untersuchungen wie sie zum Teil <strong>in</strong> 6.3 <strong>an</strong>gesprochen werden.
Kapitel 2. Beschreibung des Modells 40<br />
Es stellte sich heraus, daß es drei wesentliche Punkte gab, welche zu e<strong>in</strong>em Fortschritt<br />
führten.<br />
• Die Wahl <strong>der</strong> Startwerte <strong>der</strong> Neuronengleichungen<br />
Dies war deshalb e<strong>in</strong> Problem, da [TYS91] nur <strong>an</strong>gab, daß die Ableitungen Null<br />
seien. Hilfreicher wären hier die 24 Zahlenwerte gewesen. Deshalb mußte e<strong>in</strong><br />
System von 24 nichtl<strong>in</strong>ear gekoppelten Differentialgleichungen gelöst werden,<br />
welche auch noch die 12 Feedbackgleichungen implizit enthalten, lösen. Dies<br />
gel<strong>an</strong>g auch mit Mathematika (B.5) nur unter Schwierigkeiten. Auch waren<br />
die Lösungen nicht e<strong>in</strong>deutig. Die For<strong>der</strong>ung:<br />
˙ui(t, Zust<strong>an</strong>d) = 0 ˙vi(t, Zust<strong>an</strong>d) = 0 (i = 1...12, t = 0)<br />
ist aber wichtig, legt sie doch fest, daß die Neuronen <strong>in</strong> e<strong>in</strong>em Gleichgewichts-<br />
zust<strong>an</strong>d starten sollen (vgl. Gleichung 2.1) . Leichte Abweichungen von den<br />
ermittelten Startwerten führten zu e<strong>in</strong>em Start abseits e<strong>in</strong>er stabilen Trajek-<br />
torie.<br />
• Die Verwendung e<strong>in</strong>es Offsets bei den Bodenkontaktrezeptoren<br />
Dem neuralen System soll e<strong>in</strong> Bodenkontakt nur d<strong>an</strong>n gemeldet werden, wenn<br />
die Vertikalkomponente <strong>der</strong> Bodenreaktionskraft e<strong>in</strong>en Grenzwert überschrei-<br />
tet. Dieses trägt <strong>der</strong> Tatsache Rechnung, daß die Bodenrout<strong>in</strong>e von SIMSYS<br />
Gleiten <strong>und</strong> Haften realistisch beh<strong>an</strong>delt, <strong>und</strong> es so, wie es bei e<strong>in</strong>em Bajo-<br />
nettmodell des Bodens nicht <strong>der</strong> Fall se<strong>in</strong> wird, zu e<strong>in</strong>em Rauschen <strong>in</strong> <strong>der</strong><br />
Bodenkontaktsensorik kommt.<br />
• Taga beschrieb <strong>in</strong> se<strong>in</strong>er Folgeveröffentlichung [Tag95a] e<strong>in</strong>e <strong>an</strong><strong>der</strong>e Beh<strong>an</strong>d-<br />
lung <strong>der</strong> Adaptionsterme (vgl. Gln. 2.1)<br />
τi ˙ui = −ui + <br />
j wijyj − βf(vi) + U0 + Feed i(x, ˙x, Fg(x, ˙x))<br />
was zu passablen Ergebnissen führte, <strong>an</strong>statt <strong>in</strong> [TYS91]:<br />
τi ˙ui = −ui + <br />
j wijyj − βvi + U0 + Feed i(x, ˙x, Fg(x, ˙x))<br />
was wesentlich <strong>in</strong>stabiler war.<br />
• Die Bodenkraftdetektionsfunktion (vgl. 1.1.2.2) h(x) welche abrupt von Null<br />
auf E<strong>in</strong>s “umschaltet”, wurde durch e<strong>in</strong>e stetige Funktion “e<strong>in</strong>s” (vgl. A.6)<br />
ersetzt.
Kapitel 2. Beschreibung des Modells 41<br />
Diese Punkte waren im wesentlichen entscheidend für den Erfolg <strong>der</strong> <strong>Simulation</strong>.<br />
E<strong>in</strong>e Reihe <strong>an</strong><strong>der</strong>er gleichermaßen logisch wirken<strong>der</strong> Ansätze erschienen zum Teil<br />
auch erfolgversprechend. Sie führten zu e<strong>in</strong>er teilweisen Verbesserung <strong>der</strong> Stabilität<br />
(im S<strong>in</strong>ne von “10 <strong>an</strong>statt 7 Sek<strong>und</strong>en Laufzeit”), schlossen sich aber wechselseitig<br />
aus. Die Problematik war, daß Verbesserungen sich nicht additiv verhielten.<br />
E<strong>in</strong>ige zeitweise erfolgreiche Än<strong>der</strong>ungen waren:<br />
• Verän<strong>der</strong>ungen am Feedback<br />
– Verän<strong>der</strong>ung <strong>der</strong> Gewichtsfaktoren des Feedbacks<br />
– H<strong>in</strong>zufügung weiterer Terme<br />
– Limitierung <strong>der</strong> Anstiegsfl<strong>an</strong>ken des Feedbacks<br />
• Variation <strong>der</strong> mech<strong>an</strong>ischen Parameter<br />
– Verän<strong>der</strong>ung <strong>der</strong> Parameter des Bodens<br />
– Verän<strong>der</strong>ung <strong>an</strong> den Parametern für die passiven Gelenkmomente<br />
Die meisten Än<strong>der</strong>ungen mußten zumeist schrittweise wie<strong>der</strong> rückgängig gemacht<br />
werden, da sie <strong>der</strong> Stabilität am Ende doch abträglich waren. M<strong>an</strong> gel<strong>an</strong>gte mit ihnen<br />
auf e<strong>in</strong>e “Sackgasse”. Auch wenn sie die Stabilität m<strong>an</strong>chmal leicht verbesserten,<br />
stürzte <strong>der</strong> “Läufer” nach e<strong>in</strong>igen Sek<strong>und</strong>en.
Kapitel 3<br />
Die <strong>Simulation</strong><br />
3.1 Erwartete Ergebnisse<br />
Erwartet wird e<strong>in</strong>e stabile <strong>und</strong> periodische Bewegung. Diese sollte über mehre Sekun-<br />
den gegenüber Störungen unempf<strong>in</strong>dlich se<strong>in</strong>. Das Modell soll aus dem Ruhezust<strong>an</strong>d<br />
<strong>in</strong> e<strong>in</strong>e Fortbewegung übergehen.<br />
In [TYS91] werden folgende Ergebnisse <strong>der</strong> <strong>Simulation</strong> des Modells beschrieben:<br />
• Es läuft über e<strong>in</strong>en längeren Zeitraum stabil. Dokumentiert wurden jeweils<br />
ca.20 Sek<strong>und</strong>en.<br />
• Es ist <strong>in</strong> <strong>der</strong> Lage, aufgebrachte Störkräfte zu kompensieren.<br />
• Es ist <strong>in</strong> <strong>der</strong> Lage, sich <strong>an</strong> Än<strong>der</strong>ungen <strong>der</strong> mech<strong>an</strong>ischen Parameter zu adap-<br />
tieren.<br />
• Es ist <strong>in</strong> <strong>der</strong> Lage, bergauf (bis zu sechs Grad Steigung) zu gehen.<br />
• Bergablauf ist nicht möglich.<br />
• Es weist e<strong>in</strong>en Phasenüberg<strong>an</strong>g zwischen Laufen <strong>und</strong> Rennen auf, wobei die<br />
Geschw<strong>in</strong>digkeit des Modells von e<strong>in</strong>em “höheren Zentrum”, welches die Steu-<br />
eraktivität des Gehirns darstellen soll, geregelt wird.<br />
• Es soll e<strong>in</strong>e Hysterese beim Wechsel zwischen den G<strong>an</strong>garten auftreten.<br />
42
Kapitel 3. Die <strong>Simulation</strong> 43<br />
3.2 Ergebnisse<br />
Im folgenden werden die Ergebnisse <strong>der</strong> <strong>Simulation</strong>en mit dem Modell dargelegt. Das<br />
Modell ist soweit als möglich so belassen, daß e<strong>in</strong> Vergleich mit [TYS91] möglich ist.<br />
Weitere Ergebnisse s<strong>in</strong>d, sofern sie sich auf biomech<strong>an</strong>ische Überlegungen beziehen,<br />
<strong>in</strong> Kap.4 dokumentiert. Gr<strong>und</strong>sätzliche Untersuchungen am <strong>in</strong>versen Pendel s<strong>in</strong>d <strong>in</strong><br />
Kap.6 beschrieben.<br />
3.2.1 Neuronen mit <strong>und</strong> ohne Feedback<br />
In Abb.3.2 k<strong>an</strong>n m<strong>an</strong> sehen, wie die Dynamik <strong>der</strong> Neuronen sich durch die Ankopp-<br />
lung <strong>an</strong> die Mech<strong>an</strong>ik verän<strong>der</strong>t. Die Neuronen ohne Feedback <strong>in</strong> Abb.3.1 haben<br />
e<strong>in</strong>e niedrigere Frequenz <strong>und</strong> Amplitude. Abb.3.2 zeigt das Verhalten <strong>der</strong> Neuronen<br />
bei dem stabilen Lauf <strong>in</strong> Abb.3.4. Die Neuronenzustände, die <strong>in</strong> diesen Abbildungen<br />
(zu Zwecken <strong>der</strong> Darstellung übere<strong>in</strong><strong>an</strong><strong>der</strong> <strong>an</strong>geordnet) dargestellt s<strong>in</strong>d, sollen das<br />
<strong>in</strong>nere Potential repräsentieren.<br />
Dies ist <strong>in</strong> diesem Fall e<strong>in</strong>e e<strong>in</strong>heitenlose Größe. Als Ausg<strong>an</strong>gsfunktion ist <strong>der</strong> <strong>in</strong>nere<br />
Zust<strong>an</strong>d def<strong>in</strong>iert, sobald dieser auf Werte über Null geht. Diese Ausg<strong>an</strong>gsfunktion<br />
wird mit e<strong>in</strong>er Konst<strong>an</strong>ten multipliziert, um e<strong>in</strong> Moment zu liefern. M<strong>an</strong> könnte die<br />
E<strong>in</strong>heiten konsistent beh<strong>an</strong>deln: D<strong>an</strong>n wäre das <strong>in</strong>nere Potential <strong>in</strong> [mV] <strong>an</strong>zugeben<br />
<strong>und</strong> die Kraftkopplungskonst<strong>an</strong>te besäße die E<strong>in</strong>heit [Nm/mV]. Da die Neuronen<br />
aber im stark verallgeme<strong>in</strong>erten S<strong>in</strong>n zu verstehen s<strong>in</strong>d, ist es nicht unbed<strong>in</strong>gt be-<br />
rechtigt sich so festzulegen.<br />
M<strong>an</strong> sieht bereits bei den Neuronen 9, 10, 11, <strong>und</strong> 12, daß das Feedback <strong>der</strong> Boden-<br />
reaktionskraft das Signal <strong>der</strong> Neuronen verrauscht.<br />
Hier ist e<strong>in</strong>, zu <strong>der</strong> aus direkter Neuronensimulation (GENESIS) gewonnenen Grafik<br />
(Abb.1.5), vergleichbares Ergebnis gezeigt, welches <strong>in</strong> guter Übere<strong>in</strong>stimmung zu<br />
[TYS91] ist. Der Vergleich mit <strong>der</strong> GENESIS-<strong>Simulation</strong> zeigt auch, daß die von<br />
Taga verwendeten Neuronen sich von“realen Neuronen”unterscheiden. Sie oszillieren<br />
im Sek<strong>und</strong>enbereich <strong>und</strong> s<strong>in</strong>d amplitudenmoduliert, reale Neuronen produzieren ms-<br />
Peaks <strong>und</strong> s<strong>in</strong>d pulsmoduliert 1 .<br />
1 E<strong>in</strong> Neuron ist im Allgeme<strong>in</strong>en nur zu e<strong>in</strong>er “Alles o<strong>der</strong> Nichts” Reaktion befähigt.
Kapitel 3. Die <strong>Simulation</strong> 44<br />
Innerer Neuronenzust<strong>an</strong>d<br />
Innerer Neuronenzust<strong>an</strong>d<br />
neuron 12<br />
neuron 11<br />
neuron 8<br />
neuron 7<br />
neuron 4<br />
neuron 3<br />
neuron 10<br />
neuron 9<br />
neuron 6<br />
neuron 5<br />
neuron 2<br />
neuron 1<br />
neuron 12<br />
neuron 11<br />
neuron 8<br />
neuron 7<br />
neuron 4<br />
neuron 3<br />
neuron 10<br />
neuron 9<br />
neuron 6<br />
neuron 5<br />
neuron 2<br />
neuron 1<br />
10 12 14 16 18 20<br />
Zeit [s]<br />
Abbildung 3.1: Neuronen ohne Feedback<br />
10 12 14 16 18 20<br />
Zeit [s]<br />
Abbildung 3.2: Neuronen mit Feedback
Kapitel 3. Die <strong>Simulation</strong> 45<br />
3.2.2 Die Darstellung des Laufs<br />
Abbildung 3.3: E<strong>in</strong>schwungphase<br />
Abbildung 3.4: Rennen (bereits e<strong>in</strong>geschwungen)<br />
In Abbildungen 3.3 <strong>und</strong> 3.4 s<strong>in</strong>d zwei repräsentative Ergebnisse wie<strong>der</strong>gegeben. In<br />
<strong>der</strong> E<strong>in</strong>schwungphase ist die Bewegung des Modells noch unregelmäßig. Dies liegt<br />
dar<strong>an</strong>, daß die Anf<strong>an</strong>gsbed<strong>in</strong>gungen nicht e<strong>in</strong>em stabilen Lauf entsprechen. Der Still-<br />
st<strong>an</strong>d des Modells ist als e<strong>in</strong>e Störung zu <strong>in</strong>terpretieren.<br />
Daß das Modell aus dem Stillst<strong>an</strong>d <strong>in</strong> e<strong>in</strong>e Laufbewegung überzugehen vermag, ist <strong>in</strong><br />
sofern erstaunlich, als <strong>in</strong> dem neuronalen System eigentlich ke<strong>in</strong>e Konzepte für e<strong>in</strong>e<br />
solche Startsequenz be<strong>in</strong>haltet s<strong>in</strong>d. Es ist nicht <strong>in</strong> <strong>der</strong> Lage zu stehen. In sofern<br />
k<strong>an</strong>n es ke<strong>in</strong>en stetigen Überg<strong>an</strong>g zwischen Stillst<strong>an</strong>d <strong>und</strong> Fortbewegung geben.<br />
Dies äußert sich auch <strong>in</strong> e<strong>in</strong>er Überreaktion, die das Modell beim Start ausführte.<br />
Es macht den ersten Schritt immer viel zu ausladend. Dies macht die Verwendung<br />
realistischer Bodenmodelle schwierig, da es e<strong>in</strong>es “Gewaltakts” bedarf um aus dieser<br />
Rücklage <strong>in</strong> e<strong>in</strong>e normale Position zu kommen.
Kapitel 3. Die <strong>Simulation</strong> 46<br />
3.2.3 Die W<strong>in</strong>kel<br />
W<strong>in</strong>kel [rad]<br />
2<br />
1.8<br />
1.6<br />
1.4<br />
1.2<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
-0.2<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.5: W<strong>in</strong>kel des rechten Oberschenkels<br />
W<strong>in</strong>kel [rad]<br />
2.4<br />
2.2<br />
2<br />
1.8<br />
1.6<br />
1.4<br />
1.2<br />
1<br />
0.8<br />
0.6<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.6: W<strong>in</strong>kel des rechten Unterschenkels<br />
Diese Abbildungen, wie auch die folgenden, zeigen jeweils den Zust<strong>an</strong>d nach <strong>der</strong><br />
E<strong>in</strong>schwungphase. Alle Größen sollten e<strong>in</strong>en gleichmäßigen periodischen Verlauf auf-<br />
zeigen.<br />
M<strong>an</strong> sieht e<strong>in</strong>en gleichmäßigen Verlauf <strong>der</strong> W<strong>in</strong>kel, <strong>der</strong> jedoch <strong>an</strong> e<strong>in</strong>igen Teilberei-<br />
chen leichte Unregelmäßigkeiten aufweist (Bodenkontakt). Am Beispiel des Ober-<br />
schenkels im Bereich um 1.2 rad erkennt m<strong>an</strong> <strong>an</strong> <strong>der</strong> Unstetigkeit, daß hier hohe<br />
Kräfte <strong>und</strong> Momente auf das Modell e<strong>in</strong>wirken.
Kapitel 3. Die <strong>Simulation</strong> 47<br />
3.2.4 Die aktiven Momente<br />
Moment [Nm]<br />
Moment [Nm]<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
Huefte 1<br />
Huefte 2<br />
-100<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0<br />
-100<br />
-200<br />
-300<br />
Abbildung 3.7: Hüftmomente<br />
-400<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.9: Fußmomente<br />
Fuss 1<br />
Fuss 1<br />
Moment [Nm]<br />
80<br />
60<br />
40<br />
20<br />
0<br />
-20<br />
-40<br />
-60<br />
Knie 1<br />
Knie 1<br />
-80<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.8: Kniemomente<br />
M<strong>an</strong> erkennt <strong>in</strong> diesen Abbildungen, wie die aktiven Momente <strong>der</strong> beiden Be<strong>in</strong>e zu-<br />
e<strong>in</strong><strong>an</strong><strong>der</strong> phasenverschoben s<strong>in</strong>d. Hüft- <strong>und</strong> Fußmomente schw<strong>in</strong>gen um 180 Grad<br />
versetzt, die Knie s<strong>in</strong>d zue<strong>in</strong><strong>an</strong><strong>der</strong> <strong>in</strong> Phase. Die aktiven Momente haben e<strong>in</strong>en gleich-<br />
mäßigen Verlauf, s<strong>in</strong>d aber sehr hoch.<br />
Die Fußmomente zeigen Unstetigkeiten auf. Dies ist zu erklären, da die Fußmomen-<br />
te, von den Bodenreaktionskräften abhängig außerhalb des Neuronensystems von<br />
e<strong>in</strong>em “Bodenkontaktschalter” e<strong>in</strong>- <strong>und</strong> ausgeschaltet werden. So soll e<strong>in</strong> Wirken<br />
von Fußmomenten ohne Bodenkontakt verh<strong>in</strong><strong>der</strong>t werden [TYS91].
Kapitel 3. Die <strong>Simulation</strong> 48<br />
3.2.5 Die resultierenden Momente<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
Oberschenkel<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.10: Resultierendes Gesamtmoment<br />
auf Oberschenkel<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
Unterschenkel<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 3.11: Resultierendes Gesamtmoment<br />
auf Unterschenkel<br />
Es ist augensche<strong>in</strong>lich, wie unregelmäßig die Gesamtmomente s<strong>in</strong>d, welche auf die<br />
Extremitäten wirken.<br />
Die Momente s<strong>in</strong>d ungewöhnlich hoch <strong>und</strong> von starken Peaks durchsetzt. Im Ver-<br />
gleich zu den aktiven Momenten (vgl. Abb.3.7 bis Abb.3.9) erkennt m<strong>an</strong>, daß die<br />
gewählte Mech<strong>an</strong>ik des Modells aus biomech<strong>an</strong>ischer Sicht e<strong>in</strong>ige Schwächen hat.<br />
Die unschönen Resultate s<strong>in</strong>d primär nicht vom neuronalen System zu ver<strong>an</strong>tworten,<br />
es h<strong>an</strong>delt sich um passive Artefakte.<br />
3.2.6 Die Bodenreaktionskräfte<br />
Auch bei den Bodenreaktionskräften (Abb.3.12 <strong>und</strong> Abb.3.13) zeigt sich die Unzu-<br />
länglichkeit des Fe<strong>der</strong>-Dämpfer Bodens, respektive <strong>der</strong> restlichen mech<strong>an</strong>ischen Aus-<br />
legung des Systems. Die auftretenden Kräfte s<strong>in</strong>d, mit Peaks <strong>in</strong> <strong>der</strong> X-Komponente<br />
bis zu 35000 N <strong>und</strong> <strong>in</strong> <strong>der</strong> Y-Komponente bis zu 25000 N, viel zu hoch. 2<br />
Da die Y-Komponente als wesentliches Element des Steuerungs<strong>in</strong>puts starken E<strong>in</strong>-<br />
fluß auf die Stabilität nimmt, <strong>und</strong> die X-Komponente über die mech<strong>an</strong>ischen Zu-<br />
st<strong>an</strong>dsgrößen ebenfalls <strong>in</strong> das Feedback <strong>der</strong> Neuronen e<strong>in</strong>wirkt, br<strong>in</strong>gt die Bodenre-<br />
aktionskraft starke Störungen <strong>in</strong> das System e<strong>in</strong>. M<strong>an</strong> erkennt <strong>in</strong> Abb.3.2 wie die<br />
2 In den Abbildungen wurde bei 2000 N bzw. bei 4000 N abgeschnitten, da sonst außer Peaks<br />
nichts vom eigentlich relev<strong>an</strong>ten Kraftverlauf zu sehen währe.
Kapitel 3. Die <strong>Simulation</strong> 49<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 3.12: Bodenreaktionskräfte <strong>in</strong> X<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 3.13: Bodenreaktionskräfte <strong>in</strong> Y<br />
Neuronen Nr.9 bis Nr.12 gestört s<strong>in</strong>d. Dies ist auch <strong>der</strong> Gr<strong>und</strong>, warum <strong>der</strong> verwen-<br />
dete Offset bei den Bodenkontaktsensoren e<strong>in</strong>e Besserung <strong>der</strong> Stabilität brachte.<br />
3.3 Weitere Untersuchungen<br />
3.3.1 Stabilität<br />
Bei <strong>der</strong> Untersuchung <strong>der</strong> Stabilität periodisch ablaufen<strong>der</strong> Vorgänge ist es oft von<br />
Interesse, die Phasenraumtrajektorien <strong>der</strong> mech<strong>an</strong>ischen Zust<strong>an</strong>dsgrößen zu betrach-<br />
ten. Ist das System stabil, sollte sich e<strong>in</strong>e geschlossene, möglichst unverrauschte<br />
Kurve zeigen. Hier wurden die W<strong>in</strong>kel gegen die W<strong>in</strong>kelgeschw<strong>in</strong>digkeiten aufgetra-<br />
gen. Wenn das System wirklich stabil ist, müßten sich aber <strong>in</strong> je<strong>der</strong> Projektion des<br />
Phasenraums sämtlicher Zust<strong>an</strong>dsgrößen, auch unter E<strong>in</strong>beziehung <strong>der</strong> neuralen Zu-<br />
st<strong>an</strong>dsgrößen, e<strong>in</strong> geschlossener Umlauf zeigen. Die Bed<strong>in</strong>gung, daß die Eigenwerte<br />
<strong>der</strong> Funktionalmatrix des Systems nur negative Real<strong>an</strong>teile haben dürfen, bedeutet<br />
<strong>an</strong>schaulich, daß <strong>in</strong> <strong>der</strong> näheren Umgebung je<strong>der</strong> Phasenraumtrajektorie <strong>der</strong> Gradi-<br />
ent auf die Trajektorie h<strong>in</strong> zeigen muß. So ist sichergestellt, daß das System, nach<br />
Auslenkung von <strong>der</strong> Trajektorie durch e<strong>in</strong>e Störung, wie<strong>der</strong> auf die Trajektorie zu-<br />
rückfällt.<br />
M<strong>an</strong> sieht <strong>in</strong> Abb.3.14 die Störungen des E<strong>in</strong>schw<strong>in</strong>gvorg<strong>an</strong>gs welche <strong>in</strong> Abb.3.15<br />
nicht mit abgebildet s<strong>in</strong>d. Weiterh<strong>in</strong> erkennt m<strong>an</strong>, daß von dem System e<strong>in</strong>e Umge-<br />
bung <strong>der</strong> Trajektorie als Phasenraumvolumen e<strong>in</strong>genommen wird.
Kapitel 3. Die <strong>Simulation</strong> 50<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
-10<br />
0.4 0.6 0.8 1 1.2<br />
W<strong>in</strong>kel [rad]<br />
1.4 1.6 1.8<br />
Abbildung 3.14: Phasenportrait Oberschenkel<br />
mit E<strong>in</strong>schwungphase<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
0.8 1 1.2 1.4 1.6<br />
W<strong>in</strong>kel [rad]<br />
1.8 2 2.2 2.4<br />
Abbildung 3.16: Phasenportrait Unterschenkel<br />
mit E<strong>in</strong>schwungphase<br />
3.3.2 Das höhere Zentrum<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
0.4 0.6 0.8 1 1.2<br />
W<strong>in</strong>kel [rad]<br />
1.4 1.6 1.8<br />
Abbildung 3.15: Phasenportrait Oberschenkel<br />
ohne E<strong>in</strong>schwungphase<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
0.8 1 1.2 1.4 1.6<br />
W<strong>in</strong>kel [rad]<br />
1.8 2 2.2 2.4<br />
Abbildung 3.17: Phasenportrait Unterschenkel<br />
ohne E<strong>in</strong>schwungphase<br />
Das neuronale System wird global durch e<strong>in</strong>en e<strong>in</strong>zigen Parameter gesteuert (vgl.<br />
Kap.2.4). Das Verhalten des Systems unter Variation dieses Parameters soll Gegen-<br />
st<strong>an</strong>d weiterer Untersuchungen se<strong>in</strong>.<br />
In Abb.3.18 ist <strong>der</strong> zeitliche Verlauf <strong>der</strong> Stimulation <strong>der</strong> Neuronen durch den Para-<br />
meter U0 aufgezeigt. Die Schrittlänge des Modells ist <strong>in</strong> Abb.3.19 verzeichnet, wobei<br />
sie auf e<strong>in</strong> Be<strong>in</strong> bezogen ist: Punkt letzter Bodenberührung vs. Punkt erneuten Bo-<br />
denkontakts<br />
Deutlich wird hier <strong>der</strong> l<strong>in</strong>eare Zusammenh<strong>an</strong>g zwischen Stimulation <strong>und</strong> Schritt-
Kapitel 3. Die <strong>Simulation</strong> 51<br />
Stimulation<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
6<br />
0 5 10 15 20 25 30 35<br />
Zeit [s]<br />
Abbildung 3.18: Stimulation des CPG (U0 =<br />
f(t))<br />
W<strong>in</strong>kel [rad]<br />
2.5<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
-0.5<br />
-1<br />
-1.5<br />
-2<br />
-2.5<br />
0 5 10 15 20 25 30 35<br />
Zeit [s]<br />
Abbildung 3.20: W<strong>in</strong>kel zwischen den Oberschenkeln<br />
als Funktion von (U0)<br />
Schrittlaenge [m]<br />
2.5<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
0 5 10 15 20 25 30 35<br />
Zeit [s]<br />
Abbildung 3.19: Schrittlänge unter Stimulation<br />
Stimulation<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
Schrittlaenge [m]<br />
Abbildung 3.21: Die Hysterese unter Stimulationsän<strong>der</strong>ung<br />
länge. E<strong>in</strong> Phasenüberg<strong>an</strong>g, wie er <strong>in</strong> [TYS91] dargestellt wurde, konnte mit diesem<br />
Modell nicht aufgezeigt werden.<br />
Der Hüftw<strong>in</strong>kel verhält sich ebenfalls l<strong>in</strong>ear, was nach dem l<strong>in</strong>earen Anstieg <strong>der</strong><br />
Schrittlänge nicht weiter verw<strong>und</strong>ert.<br />
Das Auftreten e<strong>in</strong>er Hysterese ist sicherlich auch nicht weiter erstaunlich, da das<br />
mech<strong>an</strong>ische System <strong>der</strong> neuronalen Steuerung unter se<strong>in</strong>er Trägheit folgt.<br />
Der l<strong>in</strong>eare Zusammenh<strong>an</strong>g zwischen Amplitude <strong>und</strong> Stimulation deckt sich auch<br />
mit den Untersuchungen zu den Gr<strong>und</strong>lagen, wie sie <strong>in</strong> Kap.6 beschrieben s<strong>in</strong>d.
Kapitel 3. Die <strong>Simulation</strong> 52<br />
3.3.3 Adaptionsfähigkeit <strong>der</strong> neuronalen Steuerung<br />
Um zu überprüfen, ob das System <strong>in</strong> <strong>der</strong> Lage ist, e<strong>in</strong>en H<strong>an</strong>g h<strong>in</strong>auf bzw. h<strong>in</strong>-<br />
ab zu gehen, wurde e<strong>in</strong>e <strong>an</strong><strong>der</strong>e Methode als <strong>in</strong> [TYS91] beschrieben gewählt. Der<br />
Gravitationsvektor wurde um sechs Grad gedreht. Dies bedeutet, daß die dem Feed-<br />
back zugeführten Informationen sich weiterh<strong>in</strong> auf die Flächennormale beziehen. In<br />
diesem Verfahren ist die H<strong>an</strong>gabtriebskraft e<strong>in</strong>e homogene Störung auf alle Extre-<br />
mitäten. Da Taga die Fähigkeit des Systems beschrieben hat, auf solche Störungen<br />
adaptiv zu reagieren, sollte das neuronale System <strong>in</strong> <strong>der</strong> Lage se<strong>in</strong> e<strong>in</strong>en stabilen<br />
Lauf zu zeigen.<br />
Das Steuerungskonzept hat e<strong>in</strong>en symmetrischen Charakter 3 <strong>und</strong> ist geeignet Rei-<br />
bungsverluste auszugleichen. Auch beim Bergauflauf zeigte es laut [TYS91] die Fä-<br />
higkeit, <strong>der</strong> Bewegung entgegenwirkende Kräfte zu kompensieren. Aus diesen Grün-<br />
den ist zu vermuten, daß das Konzept auch geeignet ist, beim Bergablauf die Bewe-<br />
gung abzubremsen.<br />
3.3.3.1 Ergebnis Bergauf-Lauf<br />
Es war möglich e<strong>in</strong>en Bergauf-Lauf zu simulieren. Die Schrittlänge betrug 0.95 m.<br />
In e<strong>in</strong>er Abbildung dieser Laufsequenz ergibt sich aber ke<strong>in</strong> wesentlicher Unterschied<br />
zu den bereits gezeigten Läufen, weshalb hier darauf verzichtet wird.<br />
3.3.3.2 Ergebnis Bergab-Lauf<br />
Es war mir im Gegensatz zu [TYS91] möglich, auch e<strong>in</strong>en Bergab-Lauf zu zeigen.<br />
Die Schrittlänge betrug 1.5 m.<br />
In Abb.3.22 sieht m<strong>an</strong>, daß die Schrittlänge beim H<strong>an</strong>g-Lauf bee<strong>in</strong>flußt wird, nicht<br />
aber die Schrittfrequenz 4 .<br />
3 Es ist beim Feedback vollkommen symmetrisch, bei den Kraftfaktoren jedoch nicht.<br />
4 Die <strong>Simulation</strong> wurde mit e<strong>in</strong>em nach <strong>der</strong> Beschreibung <strong>in</strong> Kap.4 modifizierten Modell durch-<br />
geführt.
Kapitel 3. Die <strong>Simulation</strong> 53<br />
W<strong>in</strong>kel [rad]<br />
2.4<br />
2.2<br />
2<br />
1.8<br />
1.6<br />
1.4<br />
1.2<br />
1<br />
bergauf<br />
bergab<br />
0.8<br />
10 11 12 13<br />
Zeit [s]<br />
14 15 16<br />
3.3.3.3 Sonstige Störungen<br />
Abbildung 3.22: H<strong>an</strong>glauf<br />
Es dürfte mit <strong>der</strong> Fähigkeit <strong>der</strong> neuronalen Steuerung <strong>an</strong> Hängen zu laufen <strong>in</strong> aus-<br />
reichendem Maße gezeigt se<strong>in</strong>, daß das System <strong>in</strong> <strong>der</strong> Lage ist sich auf Störungen<br />
durch Kräfte <strong>und</strong> Momente e<strong>in</strong>zustellen.<br />
Es kommt immer auf Stärke <strong>und</strong> Dauer <strong>der</strong> Störung <strong>an</strong>, ob die Adaptionsfähigkeit<br />
überfor<strong>der</strong>t wird o<strong>der</strong> nicht. Es würde den <strong>an</strong>gemessenen Umf<strong>an</strong>g dieser Arbeit<br />
sprengen, aber kaum weitere Erkenntnisse br<strong>in</strong>gen, die genauen Grenzen auszuloten.<br />
E<strong>in</strong> extremes Beispiel für e<strong>in</strong>e zu starke Störung ist das Laufen auf dem Mond.<br />
Das System ist nicht <strong>in</strong> <strong>der</strong> Lage bei 1/6 G zu gehen. Hier verlagern sich die Ei-<br />
genschw<strong>in</strong>gungen des mech<strong>an</strong>ischen Systems zu sehr, als m<strong>an</strong> noch mit gekoppelten<br />
Oszillatoren operieren könnte. M<strong>an</strong> k<strong>an</strong>n nur versuchen, die neuronalen Parameter<br />
zu verän<strong>der</strong>n. Es ist jedoch ke<strong>in</strong> Erfolg zu verzeichnen gewesen. Aus den ersten An-<br />
sätzen war nur zu schließen, daß es mit h<strong>in</strong>reichendem Zeitaufw<strong>an</strong>d möglich wäre<br />
das neuronale System für den Mond neu abzustimmen. Dies ist aber ke<strong>in</strong>e Adaption<br />
son<strong>der</strong>n “Parameter-Fitt<strong>in</strong>g”.
Kapitel 4<br />
<strong>Biomech<strong>an</strong>ik</strong><br />
4.1 Verschiedene Bodenmodelle unter Annahme<br />
des Rumpfes als Schwabbelmasse<br />
Die Verwendung e<strong>in</strong>es geeigneten Bodenmodells ist aus biomech<strong>an</strong>ischer Sicht e<strong>in</strong>e<br />
wichtige Voraussetzung für die Aussagekraft e<strong>in</strong>er <strong>Simulation</strong>. Die vorausgeg<strong>an</strong>genen<br />
<strong>Simulation</strong>sergebnisse haben gezeigt, daß e<strong>in</strong> l<strong>in</strong>eares Fe<strong>der</strong>-Dämpfer-Modell nicht<br />
biomech<strong>an</strong>isch korrekt se<strong>in</strong> k<strong>an</strong>n. Die hohen auftretenden Momente <strong>und</strong> Kräfte soll-<br />
ten bei e<strong>in</strong>er geeigneteren Modellierung auf e<strong>in</strong> erträglicheres Maß zu reduzieren<br />
se<strong>in</strong>.<br />
4.1.1 Bodenmodelle<br />
Die Bodenreaktionskraft ist <strong>in</strong> e<strong>in</strong>en Y-Anteil <strong>und</strong> e<strong>in</strong>en X-Anteil separabel. Der<br />
Zusammenh<strong>an</strong>g dieser beiden Anteile mit den relev<strong>an</strong>ten Zust<strong>an</strong>dsgrößen wie E<strong>in</strong>-<br />
dr<strong>in</strong>gtiefe, E<strong>in</strong>dr<strong>in</strong>ggeschw<strong>in</strong>digkeit o<strong>der</strong> Materialeigenschaften ist <strong>in</strong> <strong>der</strong> Realität<br />
äußerst komplex. Hier ist zum Beispiel die Ferse, <strong>der</strong>en Deformationsverhalten von<br />
<strong>der</strong> Deformationsgeschw<strong>in</strong>digkeit abhängt [Gru87]. Bei Computersimulationen <strong>in</strong> <strong>der</strong><br />
<strong>Biomech<strong>an</strong>ik</strong> ist m<strong>an</strong> auf e<strong>in</strong> Modell des Bodens <strong>an</strong>gewiesen, welches diesen Zu-<br />
sammenh<strong>an</strong>g <strong>in</strong> <strong>an</strong>gemessener Weise wie<strong>der</strong>gibt. E<strong>in</strong>e Arbeit die aus gemessenen<br />
54
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 55<br />
Daten e<strong>in</strong>en solchen Zusammenh<strong>an</strong>g aufzeigt wurde von Gruber [Gru87] veröffent-<br />
licht. An<strong>der</strong>e Arbeiten stammen von Scott <strong>und</strong> W<strong>in</strong>ter [SW93] sowie Gerritsen et<br />
al. [GvdBN95].<br />
In SIMSYS ist e<strong>in</strong> Kraftgesetz implementiert, welches e<strong>in</strong>em erlaubt diese <strong>und</strong> <strong>an</strong>-<br />
<strong>der</strong>e Bodenmodelle <strong>in</strong> <strong>der</strong> <strong>Simulation</strong> e<strong>in</strong>zusetzen <strong>und</strong> zu vergleichen [Gün97]. Der<br />
Formalismus, <strong>der</strong> den Kraft - Deformationszusammenh<strong>an</strong>g beschreibt, lautet mög-<br />
lichst allgeme<strong>in</strong>gültig:<br />
Fyi<br />
Fxi<br />
= −Ely ∆yi<br />
−Enly ∆yi|∆yi| Enlexpy−1<br />
−Dly vyi<br />
−Dnly vyi |∆vyi |Dnlexpy−1<br />
Gemexpy<br />
−Gemy vyi |∆yi|<br />
= −Elx ∆xi<br />
−Enlx ∆xi|∆xi| Enlexpx−1<br />
−Dlx vxi<br />
−Dnlx vxi |∆vxi |Dnlexpx−1<br />
Gemexpx<br />
−Gemx vxi |∆xi|<br />
(4.1)<br />
Die Bodenmodelle unterscheiden sich nun <strong>in</strong> den Faktoren <strong>in</strong> welche <strong>in</strong> diese Glei-<br />
chungen e<strong>in</strong>gesetzt werden. Die Werte s<strong>in</strong>d im Anh<strong>an</strong>g B.1 zu f<strong>in</strong>den.<br />
4.1.2 Warum e<strong>in</strong>e Schwabbelmasse?<br />
Bei den ersten Versuchen mit den gängigsten Bodenmodellen konnte mit dem Bo-<br />
den nach Gruber ke<strong>in</strong> stabiler Lauf erzielt werden. Die Böden nach Scott-W<strong>in</strong>ter<br />
<strong>und</strong> Gerritsen lieferten jedoch schon gute Ergebnisse. Dieses Verhalten k<strong>an</strong>n damit<br />
erklärt werden, daß das Bodenmodell welches m<strong>an</strong> wählt, immer auf die Unzuläng-<br />
lichkeiten <strong>der</strong> Modellierung <strong>an</strong>gepaßt se<strong>in</strong> sollte. Der menschliche Körper ist ke<strong>in</strong><br />
Starrkörperverb<strong>und</strong> im engen S<strong>in</strong>ne. E<strong>in</strong> großer Teil <strong>der</strong> Masse liegt <strong>in</strong> Form von<br />
Weichteilen wie Muskeln, Fett <strong>und</strong> B<strong>in</strong>degewebe vor. Diese Masse ist <strong>in</strong> weicher<br />
Form <strong>an</strong> die Knochen geb<strong>und</strong>en. Auch die Gelenke, welche die Knochen verb<strong>in</strong>den,
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 56<br />
s<strong>in</strong>d <strong>in</strong> e<strong>in</strong>em gewissen S<strong>in</strong>ne weich, wenn m<strong>an</strong> e<strong>in</strong>en Starrkörperverb<strong>und</strong> als solchen<br />
im Vergleich her<strong>an</strong>zieht. Die Idee <strong>der</strong> Verwendung von Schwabbelmassen <strong>in</strong> Compu-<br />
tersimulationen wird <strong>in</strong> [GDSR85] beschrieben <strong>und</strong> ist schon mit Erfolg e<strong>in</strong>gesetzt<br />
worden [Gru87, Wid90, Kre92, Hos93, Böh97]. Das <strong>in</strong> [TYS91] beschriebene Modell<br />
hat die Punktmasse starr <strong>an</strong>gekoppelt. So ist ursprünglich ke<strong>in</strong>e Schwabbelmasse<br />
vorgesehen, was zu den hohen Werten bei Kräften <strong>und</strong> Momenten führt.<br />
E<strong>in</strong>e Möglichkeit die Kräfte <strong>und</strong> Momente zu verr<strong>in</strong>gern war also, die Punktmasse,<br />
welche den Rumpf repräsentiert, weich <strong>in</strong> Form e<strong>in</strong>er Schwabbelmasse <strong>an</strong> die Hüfte<br />
<strong>an</strong>zukoppeln.<br />
Da dieses beim Modell mit Boden nach Gruber zu guten Ergebnissen führte, wur-<br />
den für alle vier Bodenmodelle diese Parameter gewählt. So ist e<strong>in</strong> direkter Vergleich<br />
möglich. (Die Ergebnisse <strong>der</strong> Böden nach Gerritsen <strong>und</strong> Scott-W<strong>in</strong>ter ohne Schwab-<br />
belmasse s<strong>in</strong>d im Anh<strong>an</strong>g (B.4.1) zu f<strong>in</strong>den).<br />
Än<strong>der</strong>ung <strong>in</strong> den Parametern:<br />
• Der Start war nicht mehr aus dem Stillst<strong>an</strong>d möglich, da die Schwabbelmasse<br />
sonst zu große Schw<strong>in</strong>gungen aufbrachte:<br />
Die Anf<strong>an</strong>gsgeschw<strong>in</strong>digkeit des Schwerpunkts betrug v<strong>in</strong>it = 1.0 m<br />
, die W<strong>in</strong>-<br />
s<br />
kelgeschw<strong>in</strong>digkeiten wurden beim Start aber weiterh<strong>in</strong> alle auf Null gesetzt<br />
• Dafür konnten schon bessere Bodenparameter verwendet werden:<br />
Der Haftreibungskoeffizient wurde auf 0.8 <strong>und</strong> <strong>der</strong> Gleitreibungskoeffizient auf<br />
0.7 gesetzt.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 57<br />
4.1.3 Die Momente mit Schwabbelmasse<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.1: Moment auf Oberschenkel Boden<br />
nach Gruber (S)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.3: Moment auf Oberschenkel Boden<br />
nach Gerritsen (S)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.2: Moment auf Oberschenkel Boden<br />
nach Scott W<strong>in</strong>ter (S)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.4: Moment auf Oberschenkel l<strong>in</strong>earer<br />
Fe<strong>der</strong>/Dämpfer-Boden (S)<br />
In diesen Abbildungen erkennt m<strong>an</strong> die starke Abhängigkeit <strong>der</strong> Gelenkmomente von<br />
<strong>der</strong> Modellierung des Bodens <strong>und</strong> <strong>der</strong> Massenauslegung. Der l<strong>in</strong>eare Fe<strong>der</strong>-Dämpfer<br />
Boden zeigt mit Schwabbelmasse schon bessere Ergebnisse als bei dem Modell ohne<br />
Schwabbelmasse (siehe Abb.3.10), obwohl <strong>an</strong> den Bodenparametern ke<strong>in</strong>e Än<strong>der</strong>un-<br />
gen vorgenommen wurden. Die realistischen Böden liefern mit weichem Rumpf (sie-<br />
he Abb.4.1, 4.2 <strong>und</strong> 4.3) ebenfalls ger<strong>in</strong>gere Momente als mit starrer Modellierung<br />
(siehe Anh<strong>an</strong>g B.4.1).
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 58<br />
4.1.4 Die Bodenreaktionskräfte mit Schwabbelmasse<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.5: Bodenkraft X-Komponente<br />
Boden nach Gruber (S)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.7: Bodenkraft X-Komponente<br />
Boden nach Gerritsen (S)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.6: Bodenkraft X-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (S)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.8: Bodenkraft X-Komponente l<strong>in</strong>earer<br />
Fe<strong>der</strong>/Dämpfer-Boden (S)<br />
Die X-Komponente <strong>der</strong> Bodenreaktionskraft verläuft bei dem Boden nach Gru-<br />
ber am regelmäßigsten. Die <strong>an</strong><strong>der</strong>en realistischen Modelle lieferten hier auch oh-<br />
ne Schwabbelmasse ger<strong>in</strong>gere Kräfte, verbesserten sich aber auch durch die neue<br />
Rumpfmodellierung.<br />
Am erstaunlichsten ist die W<strong>an</strong>dlung des l<strong>in</strong>earen Fe<strong>der</strong>-Dämpfer Bodens. Den-<br />
noch muß erwähnt werden, daß es bei dem l<strong>in</strong>earen Boden immer noch numerische<br />
Schwierigkeiten gab.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 59<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.9: Bodenkraft Y-Komponente<br />
Boden nach Gruber (S)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.11: Bodenkraft Y-Komponente<br />
Boden nach Gerritsen (S)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.10: Bodenkraft Y-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (S)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.12: Bodenkraft Y-Komponente<br />
l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S)<br />
E<strong>in</strong>e Tatsache fällt beson<strong>der</strong>s auf: Durch den weich <strong>an</strong>gekoppelten Rumpf glichen<br />
sich die Ergebnisse unter den verschiedenen Bodenmodellen deutlich <strong>an</strong>. Vor <strong>der</strong><br />
E<strong>in</strong>führung <strong>der</strong> Schwabbelmasse trat hier <strong>der</strong> Boden nach Gerritsen durch niedri-<br />
ge Kräfte deutlich hervor. Jetzt k<strong>an</strong>n m<strong>an</strong> nicht mehr von starken qu<strong>an</strong>titativen<br />
Unterschieden sprechen.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 60<br />
4.1.5 Stabilität mit Schwabbelmasse<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
0.8 1 1.2 1.4 1.6<br />
W<strong>in</strong>kel [rad]<br />
1.8 2 2.2 2.4<br />
Abbildung 4.13: Phasenportrait Boden nach<br />
Gruber (S)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.15: Phasenportrait Boden nach<br />
Gerritsen (S)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.14: Phasenportrait Boden nach<br />
Scott W<strong>in</strong>ter (S)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
-8<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.16: Phasenportrait l<strong>in</strong>earer<br />
Fe<strong>der</strong>/Dämpfer-Boden (S)<br />
In diesen Abbildungen wird deutlich, daß die Laufdynamik von <strong>der</strong> gewählten Mo-<br />
dellierung abhängt. Die Phasenraumtrajektorien s<strong>in</strong>d e<strong>in</strong><strong>an</strong><strong>der</strong> ähnlich, aber nicht<br />
identisch. Das verrauschte Ergebniss des l<strong>in</strong>earen Bodens ohne Schwabbelmasse (sie-<br />
he Abb.3.15) unterscheidet sich stark von diesem Ergebnis. Der Boden nach Ger-<br />
ritsen war bei dem Modell ohne Schwabbelmasse schwach verrauscht, <strong>der</strong> Boden<br />
nach Scott-W<strong>in</strong>ter lieferte sehr stabile Ergebnisse.<br />
Die Unterschiede zwischen den e<strong>in</strong>zelnen Bodentypen verr<strong>in</strong>gerten sich auch bei den<br />
Phasenraumportraits deutlich durch den weichen Rumpf.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 61<br />
An allen bisherigen Ergebnissen, beson<strong>der</strong>s <strong>an</strong> den Kraft- <strong>und</strong> Momentverläufen,<br />
wurde deutlich, daß <strong>der</strong> Anschlag mittels 1/0 - Überg<strong>an</strong>g für verbliebene Störungen<br />
<strong>und</strong> Spitzen ver<strong>an</strong>twortlich ist. Hier bietet sich die Möglichkeit weiterer Verbesse-<br />
rung.<br />
4.2 Gelenk<strong>an</strong>schläge<br />
Die Verwendung e<strong>in</strong>es Gelenk<strong>an</strong>schlags, welcher bei Gelenküberstreckung sofort e<strong>in</strong><br />
konst<strong>an</strong>tes Moment von 10000 Nm entgegen <strong>der</strong> Überstreckung aufbr<strong>in</strong>gt ist sicher-<br />
lich ke<strong>in</strong> befriedigen<strong>der</strong> Ansatz. Abgesehen von den numerischen Problemen, welche<br />
durch e<strong>in</strong>e solche Unstetigkeit auftreten, führt es zu starken Kraft- <strong>und</strong> Moment-<br />
spitzen <strong>in</strong> <strong>der</strong> <strong>Simulation</strong>. Es ist also naheliegend zu versuchen, e<strong>in</strong>e geeignetere<br />
Modellierung für die Gelenk<strong>an</strong>schläge zu verwenden.<br />
4.2.1 Stetige Gelenk<strong>an</strong>schläge<br />
Gelenk<strong>an</strong>schläge mit e<strong>in</strong>em stetigen Momentenverlauf, wie sie z.B. <strong>in</strong> [Hos93, Wid95]<br />
verwendet wurden, können folgen<strong>der</strong>maßen beschrieben werden:<br />
Mφ =<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
−a[ ∆φm<strong>in</strong>−(φ−φm<strong>in</strong>)<br />
] ∆φm<strong>in</strong><br />
b : für φm<strong>in</strong> ≤ φ < φm<strong>in</strong> + ∆φm<strong>in</strong><br />
0 : für φm<strong>in</strong> + ∆φm<strong>in</strong> ≤ φ ≤ φmax − ∆φmax<br />
c[ ∆φmax−(φmax−φ)<br />
] ∆φmax<br />
d : für φmax − ∆φmax < φ ≤ φmax<br />
Die Maximalwerte s<strong>in</strong>d hierbei Mφm<strong>in</strong> = −ab <strong>und</strong> Mφmax = −c d .<br />
Um für alle Bodenmodelle e<strong>in</strong>en stabilen Lauf zu erreichen, wurden die Parameter<br />
daraufh<strong>in</strong> optimiert (Kap.4.2.4). Die Zahlenwerte s<strong>in</strong>d im Anh<strong>an</strong>g (B.2) zu f<strong>in</strong>den.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 62<br />
4.2.2 Die Momente mit Schwabbelmasse <strong>und</strong> stetigen<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
Gelenk<strong>an</strong>schlägen<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.17: Moment auf Oberschenkel<br />
Boden nach Gruber (S+A)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.19: Moment auf Oberschenkel<br />
Boden nach Gerritsen (S+A)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.18: Moment auf Oberschenkel<br />
Boden nach Scott W<strong>in</strong>ter (S+A)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung 4.20: Moment auf Oberschenkel l<strong>in</strong>earer<br />
Fe<strong>der</strong>/Dämpfer-Boden (S+A)<br />
Hier s<strong>in</strong>d die Momente auf die Extremitäten, im Vergleich zum unmodifizierten<br />
Modell, ger<strong>in</strong>ger <strong>und</strong> zeigen auch kaum Peaks. Auffällig ist <strong>der</strong> gute Verlauf beim<br />
l<strong>in</strong>earen Fe<strong>der</strong>-Dämpfer Modell.<br />
Unberührt hiervon, gab es beim l<strong>in</strong>earen Fe<strong>der</strong>-Dämpfer Boden immer noch num-<br />
merische Schwierigkeiten (steife Gleichungen).
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 63<br />
4.2.3 Die Bodenreaktionskräfte mit Schwabbelmasse <strong>und</strong><br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
stetigen Gelenk<strong>an</strong>schlägen<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.21: Bodenkraft X-Komponente<br />
Boden nach Gruber (S+A)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.23: Bodenkraft X-Komponente<br />
Boden nach Gerritsen (S+A)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.22: Bodenkraft X-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (S+A)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.24: Bodenkraft X-Komponente<br />
l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A)<br />
Auch bei <strong>der</strong> X-Komponente <strong>der</strong> Bodenreaktionskraft zeigt sich <strong>der</strong> positive E<strong>in</strong>-<br />
fluß <strong>der</strong> modifizierten Gelenk<strong>an</strong>schläge. Beson<strong>der</strong>s das Modell mit l<strong>in</strong>earem Fe<strong>der</strong>-<br />
Dämpfer Boden zeigt hier sehr gute Ergebnisse.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 64<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.25: Bodenkraft Y-Komponente<br />
Boden nach Gruber (S+A)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.27: Bodenkraft Y-Komponente<br />
Boden nach Gerritsen (S+A)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.26: Bodenkraft Y-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (S+A)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.28: Bodenkraft Y-Komponente<br />
l<strong>in</strong>earer Fe<strong>der</strong>/Dämpfer-Boden (S+A)<br />
Insgesamt haben sich alle Modelle durch die Verwendung stetiger Gelenk<strong>an</strong>schläge<br />
noch e<strong>in</strong>mal verbessert. M<strong>an</strong> k<strong>an</strong>n nun davon sprechen, daß alle Modelle vergleich-<br />
bare Bodenreaktionskräfte <strong>in</strong> Y-Richtung hervorrufen.<br />
Die Durchschnittswerte <strong>der</strong> Y-Komponente <strong>der</strong> Bodenreaktionskraft liegen mit ca.<br />
700 N im Bereich dessen, was m<strong>an</strong> bei e<strong>in</strong>em Modell mit e<strong>in</strong>er Gesamtmasse von<br />
70 Kg erwartet. Die Peaks bei Bodenkontakt liegen <strong>in</strong> e<strong>in</strong>em vertretbaren Rahmen.
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 65<br />
4.2.4 Stabilität mit Schwabbelmasse <strong>und</strong> stetigen Gelenk-<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
<strong>an</strong>schlägen - Optimierung <strong>der</strong> Gelenk<strong>an</strong>schlagspara-<br />
meter<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.29: Phasenportrait Boden nach<br />
Gruber (S+A)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.31: Phasenportrait Boden nach<br />
Gerritsen (S+A)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.30: Phasenportrait Boden nach<br />
Scott W<strong>in</strong>ter (S+A)<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.32: Phasenportrait l<strong>in</strong>earer<br />
Fe<strong>der</strong>/Dämpfer-Boden (S+A)<br />
Das Modell mit dem Boden nach Gruber wurde als Referenz gewählt, da dieses<br />
am sensibelsten auf Parameterän<strong>der</strong>ung reagierte. Mit dem so gewonnenen Satz<br />
Parametern wurde d<strong>an</strong>n die <strong>Simulation</strong> mit allen vier Bodenmodellen durchgeführt.<br />
Der e<strong>in</strong>e Satz Parameter war für alle Bodenmodelle ausreichend gut bestimmt.<br />
Interess<strong>an</strong>t ist, daß das realistische Bodenmodell für die X-Komponente (siehe An-<br />
h<strong>an</strong>g B.1) wohl für diese “Art” des Laufens, wie es das hier besprochene Modell
Kapitel 4. <strong>Biomech<strong>an</strong>ik</strong> 66<br />
“ausführt” nicht beson<strong>der</strong>s gut geeignet zu se<strong>in</strong> sche<strong>in</strong>t. Die Peaks <strong>in</strong> X-Richtung<br />
fließen <strong>in</strong> Form von Unstetigkeiten <strong>in</strong> die Momentenverläufe e<strong>in</strong>. Deshalb erfolgt<br />
noch <strong>der</strong> Test e<strong>in</strong>er “Mischform”:<br />
4.2.5 Boden nach Scott-W<strong>in</strong>ter mit l<strong>in</strong>earer X-Komponente<br />
Moment [Nm]<br />
Kraft [N]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
Abbildung 4.33: Momentenverlauf<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.35: Bodenreaktionskraft <strong>in</strong> Y<br />
Kraft [N]<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 4.34: Bodenreaktionskraft <strong>in</strong> X<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 4.36: Phasenportrait<br />
Wie m<strong>an</strong> sieht, stammten die noch verbliebenen Peaks <strong>in</strong> den Momentenverläufen<br />
von <strong>der</strong> Modellierung des Bodens <strong>in</strong> X-Richtung. Den glatteren Verlauf erkauft m<strong>an</strong><br />
sich aber mit leicht erhöhten Kraftspitzen <strong>in</strong> Y-Richtung <strong>und</strong> leichten nummerischen<br />
Schwierigkeiten.<br />
Es ist nicht leicht e<strong>in</strong> Bodenmodell zu f<strong>in</strong>den, daß alle Anfor<strong>der</strong>ungen optimal erfüllt.
Kapitel 5<br />
E<strong>in</strong> Modell mit Rumpf <strong>und</strong> Füßen<br />
Im Folgenden wird e<strong>in</strong>e Erweiterung des Modells um Rumpf <strong>und</strong> Füße geschil<strong>der</strong>t.<br />
Hierzu ist es nötig, auf die eigentlichen Grenzen des hier beschriebenen Steuerungs-<br />
pr<strong>in</strong>zips e<strong>in</strong>zugehen.<br />
5.1 Koord<strong>in</strong>ation komplexer Bewegungsabläufe mit<br />
neuronalen Oszillatoren<br />
Wenn m<strong>an</strong> z.B. die Arbeit [Zie95] betrachtet, erkennt m<strong>an</strong>, daß die neuronalen Mu-<br />
stergeneratoren eigentlich nur die zeitlichen Verläufe <strong>der</strong> “Sollw<strong>in</strong>kel” <strong>der</strong> Extremi-<br />
täten liefern. Dies alle<strong>in</strong>e ist schon erstaunlich, reicht aber zu e<strong>in</strong>er Steuerung nicht<br />
g<strong>an</strong>z aus. Erst <strong>der</strong> Vergleich <strong>der</strong> “Sollstellung” <strong>und</strong> <strong>der</strong> “Iststellung” ermöglicht es,<br />
e<strong>in</strong> Modell <strong>in</strong> e<strong>in</strong>er MKS-<strong>Simulation</strong> stabil zu steuern.<br />
In dem Kapitel zu den neurologischen Gr<strong>und</strong>lagen wurde schon <strong>an</strong>gesprochen, daß<br />
gerade die globale Koord<strong>in</strong>ation aller Muskelaktionen e<strong>in</strong>e ungeheure Leistung des<br />
Nervensystems darstellt. Die Funktion <strong>der</strong> meisten hier<strong>an</strong> beteiligten Inst<strong>an</strong>zen ist<br />
auch noch nicht vollständig bek<strong>an</strong>nt.<br />
Um die Frage zu klären, was die Leistungsfähigkeit <strong>der</strong> hier vorgestellten neuronalen<br />
Steuerung begrenzt, muß m<strong>an</strong> noch e<strong>in</strong>mal kurz die mech<strong>an</strong>ischen Aspekte e<strong>in</strong>er<br />
solchen Steuerung betrachten.<br />
67
Kapitel 5. E<strong>in</strong> Modell mit Rumpf <strong>und</strong> Füßen 68<br />
5.1.1 Unterschied zwischen <strong>in</strong>neren Gelenkmomenten <strong>und</strong><br />
äußeren Momenten auf Extremitäten<br />
Der Mensch k<strong>an</strong>n wie jedes <strong>an</strong><strong>der</strong>e Lebewesen, welches sich zu L<strong>an</strong>d fortbewegt, se<strong>in</strong>e<br />
zum Laufen benötigten Kräfte nur aus dem Bodenkontakt heraus aufbauen. Über<br />
die Bodenreaktionskräfte, <strong>und</strong> unter Aufbr<strong>in</strong>gung <strong>in</strong>nerer Gelenkmomente, gel<strong>in</strong>gt<br />
es e<strong>in</strong>e stabile Fortbewegung zu generieren.<br />
Dies bedeutet aber <strong>in</strong> letzter Konsequenz, daß es zu ke<strong>in</strong>em Zeitpunkt zu e<strong>in</strong>em<br />
Wirken äußerer Momente auf die Extremitäten kommt!<br />
Das Wirken äußerer Momente ist mit <strong>der</strong> Bewegung e<strong>in</strong>er Marionette zu vergleichen.<br />
Hier zieht e<strong>in</strong>e äußere Inst<strong>an</strong>z die Fäden bzw. br<strong>in</strong>gt äußere Momente auf.<br />
M<br />
1<br />
M 1<br />
a) b)<br />
Abbildung 5.1: Vergleich <strong>in</strong>nerer <strong>und</strong> äußerer Momente<br />
In Abb.5.1 ist <strong>in</strong> a) die Summe aller Momente zw<strong>an</strong>gsläufig Null. Dies ist mit von<br />
Muskeln aufgebrachten Gelenkmomenten zu vergleichen. In b) k<strong>an</strong>n e<strong>in</strong>e “Sollstel-<br />
lung” viel unkomplizierter erzwungen werden als <strong>in</strong> a). Dies liegt dar<strong>an</strong>, daß hier<br />
gleichzeitig <strong>an</strong> beiden Körpern “von außen gedreht” wird. Hier ist das resultierende<br />
Gesamtmoment allgeme<strong>in</strong> von Null verschieden.<br />
Bei e<strong>in</strong>em e<strong>in</strong>fachen Modell aus Rumpf, zwei Ober- <strong>und</strong> Unterschenkeln sowie zwei<br />
Füßen hat m<strong>an</strong> <strong>in</strong>sgesamt sieben Körper <strong>und</strong> sechs Gelenke. Um e<strong>in</strong> realistisches<br />
menschliches Laufen zu erzeugen müßten also sechs <strong>in</strong>nere Gelenkmomente exakt<br />
berechnet werden.<br />
M 1<br />
M 2
Kapitel 5. E<strong>in</strong> Modell mit Rumpf <strong>und</strong> Füßen 69<br />
Schon alle<strong>in</strong>e das Basismodell von [TYS91] wird jedoch <strong>an</strong> beiden Oberschenkeln <strong>und</strong><br />
Knöcheln durch äußere Momente gesteuert. Dies vere<strong>in</strong>facht natürlich die Aufgabe<br />
<strong>an</strong> die neuronalen Oszillatoren gewaltig!<br />
Zu Beg<strong>in</strong>n <strong>der</strong> weiterführenden Untersuchungen wurde deshalb versucht, e<strong>in</strong> Modell<br />
mit Rumpf <strong>und</strong> Füßen alle<strong>in</strong>e durch <strong>in</strong>nere Gelenkmomente zu steuern. Diese Ver-<br />
suche schugen jedoch allesamt fehl! Erst nach Abkehr von dieser strengen For<strong>der</strong>ung<br />
konnte die Erweiterung vollzogen werden.<br />
5.2 Das modifizierte Modell<br />
Es wurde das Basismodell <strong>in</strong> se<strong>in</strong>er Konfiguration weitgehend verän<strong>der</strong>t, <strong>in</strong>dem Füße<br />
<strong>und</strong> Rumpf h<strong>in</strong>zugefügt wurden. Dadurch entfiel die Punktmasse. Die Ansteuerung<br />
<strong>der</strong> Momente wurde nun <strong>in</strong> Art <strong>der</strong> Modelle [TYS91, Tag95a, Zie95] wie<strong>der</strong> nur <strong>in</strong><br />
Form äußerer Momente realisiert.<br />
5.3 Ergebnisse <strong>der</strong> <strong>Simulation</strong><br />
Abbildung 5.2: Lauf mit Rumpf <strong>und</strong> Füßen
Kapitel 5. E<strong>in</strong> Modell mit Rumpf <strong>und</strong> Füßen 70<br />
Moment [Nm]<br />
Kraft [N]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
Abbildung 5.3: Momentenverlauf<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 5.5: Bodenreaktionskraft <strong>in</strong> Y<br />
Kraft [N]<br />
W<strong>in</strong>kelgeschw<strong>in</strong>digkeit [rad/s]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung 5.4: Bodenreaktionskraft <strong>in</strong> X<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
1 1.2 1.4 1.6 1.8 2 2.2 2.4<br />
W<strong>in</strong>kel [rad]<br />
Abbildung 5.6: Phasenportrait<br />
Bei diesem Modell ist zu bemerken, daß die Bodenreaktionskräfte auf den ersten<br />
Blick e<strong>in</strong>en noch besseren Verlauf zeigen. Dies ist jedoch dadurch zu erklären, daß<br />
<strong>der</strong> Rumpf als Ausgleichsmasse <strong>an</strong> e<strong>in</strong>er Drehfe<strong>der</strong> am Hüftgelenk befestigt wurde.<br />
Er “fe<strong>der</strong>t” die Spitzen <strong>in</strong> den Bodenreaktionskräften ab, weil auf ihn ja e<strong>in</strong> äußeres<br />
Moment wirkt.<br />
Interess<strong>an</strong>t sche<strong>in</strong>t, daß im Phasenportrait zwei stabile Zyklen zu erkennen s<strong>in</strong>d.<br />
W<strong>an</strong>n, o<strong>der</strong> wodurch diese Bifurkation entst<strong>an</strong>d, ist aber auch <strong>an</strong> <strong>der</strong> Animation <strong>der</strong><br />
Ergebnisse nicht klar zu erkennen gewesen!<br />
Der Momentenverlauf des Oberschenkels ist mit den bisherigen Ergebnissen ver-<br />
gleichbar. Verwendet wurden wie<strong>der</strong> stetige Gelenk<strong>an</strong>schläge <strong>und</strong> die Modellierung<br />
des Bodens <strong>in</strong> Y-Richtung nach Gerritsen.
Kapitel 6<br />
Diskussion <strong>der</strong> Ergebnisse<br />
6.1 Was erzielt wurde:<br />
Hauptergebnisse s<strong>in</strong>d:<br />
1. Bis zu 180 Sek<strong>und</strong>en l<strong>an</strong>g wurde, e<strong>in</strong>e dem menschlichen Gehen ähnliche, Fort-<br />
bewegung simuliert.<br />
2. Der Start wurde aus dem Stillst<strong>an</strong>d heraus erzielt.<br />
3. Der Überg<strong>an</strong>g “Laufen zu Rennen” wurde untersucht. E<strong>in</strong> Phasenüberg<strong>an</strong>g<br />
konnte nicht gezeigt werden.<br />
4. Laufen am H<strong>an</strong>g bergauf (6 Grad Steigung) konnte gezeigt werden.<br />
5. Im Gegensatz zu [TYS91] konnte auch bergab (6 Grad Gefälle) e<strong>in</strong> stabiler<br />
Lauf gezeigt werden.<br />
6. Biomech<strong>an</strong>isch motivierte Än<strong>der</strong>ungen wurden e<strong>in</strong>gebracht <strong>und</strong> untersucht.<br />
7. E<strong>in</strong> Modell mit Füßen <strong>und</strong> Rumpf wurde simuliert.<br />
71
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 72<br />
6.2 Was nicht gelungen ist:<br />
• Versuche, Füße <strong>und</strong> Rumpf auf Basis <strong>in</strong>nerer Gelenkmomente zu implementie-<br />
ren, schlugen fehl.<br />
• Versuche, e<strong>in</strong>e Folgeveröffentlichung von Taga [Tag95a] auf SIMSYS umzuset-<br />
zen, schlugen fehl.<br />
• Formalismen, wie Feedback- <strong>und</strong> Kopplungsmatritzen aufgestellt werden müs-<br />
sen, konnten nicht gef<strong>und</strong>en werden.<br />
6.3 Warum m<strong>an</strong>ches nicht gelungen ist:<br />
Um zu erläutern, warum e<strong>in</strong>e gravierende Abän<strong>der</strong>ung des <strong>in</strong> [TYS91] beschriebenen<br />
Modells nicht trivial ist, wird noch <strong>in</strong> Kurzform aufgezeigt, warum das Arbeiten mit<br />
neuronalen Oszillatoren als Steuerungs<strong>an</strong>satz so schwierig ist:<br />
6.3.1 E<strong>in</strong> Metronom<br />
α<br />
M res<br />
Abbildung 6.1: E<strong>in</strong> “Metronom”<br />
E<strong>in</strong> e<strong>in</strong>faches Modell soll <strong>der</strong> Ver-<br />
<strong>an</strong>schaulichung des Funktionspr<strong>in</strong>zips<br />
neuronaler Oszillatoren dienen.<br />
Es besteht aus e<strong>in</strong>em Starrkörper, wel-<br />
cher mit e<strong>in</strong>en Scharniergelenk am Bo-<br />
den fixiert ist. Auf diesen Starrkör-<br />
per k<strong>an</strong>n nun das Moment Mres auf-<br />
gebracht werden, um ihn z.B <strong>in</strong> sta-<br />
bile Oszillation um die vertikale Neu-<br />
tralausrichtung zu versetzen.<br />
Das resultierende Moment Mres repräsentiert die passiven Momente, wie sie z.B.<br />
von e<strong>in</strong>er Drehfe<strong>der</strong> <strong>und</strong> Lagerreibung erzeugt werden, sowie das aktive Moment,<br />
welches die Neuronen festlegen.
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 73<br />
Im folgenden werden zwei gekoppelte Neuronen <strong>an</strong>genommen, wie sie bei dem Modell<br />
<strong>der</strong> Laufmasch<strong>in</strong>e beschrieben s<strong>in</strong>d.<br />
τ1 ˙u1 = −u1 + wy2 − βv1 + U0 + feed 1<br />
τ2 ˙u2 = −u2 + wy1 − βv2 + U0 + feed 2<br />
τ ′<br />
1 ˙v1 = −v1 + y1<br />
τ ′<br />
2 ˙v2 = −v2 + y2<br />
yi = f(ui), wobei f(ui) = Max(0, ui)<br />
feed 1 = a1(α − π<br />
2 )<br />
feed 2 = a1( π<br />
− α)<br />
2<br />
Mres = pBeugery1 − pStreckery2<br />
Im Folgenden wird versucht zu zeigen, wie leicht m<strong>an</strong> sich bei <strong>der</strong> Arbeit mit neu-<br />
ronalen Oszillatoren <strong>in</strong> e<strong>in</strong>e Sackgasse h<strong>in</strong>e<strong>in</strong>arbeiten k<strong>an</strong>n:<br />
6.3.1.1 Mech<strong>an</strong>isch stabiles System<br />
Wenn das System selbst bereits ohne E<strong>in</strong>griff <strong>der</strong> Neuronen stabil ist, können neu-<br />
ronale Oszillatoren verwendet werden, um die Dissipation zu kompensieren. Bereits<br />
hier zeigt sich e<strong>in</strong>e große Sp<strong>an</strong>ne möglichen Verhaltens.<br />
Abbildung 6.2 zeigt den Zeitverlauf e<strong>in</strong>er gedämpften Schw<strong>in</strong>gung des Metronoms.<br />
Hier wurden pBeuger = 0.0 <strong>und</strong> pStecker = 0.0 gesetzt. Um e<strong>in</strong>e Oszillation zu<br />
erreichen, wurde hier mit e<strong>in</strong>er W<strong>in</strong>kelgeschw<strong>in</strong>digkeit ungleich Null gestartet. Die<br />
Abbildung 6.3 zeigt das Verhalten des Systems mit aktiven, von den Neuronen fest-<br />
gelegten Momenten, bei e<strong>in</strong>em Start ohne Anf<strong>an</strong>gsw<strong>in</strong>kelgeschw<strong>in</strong>digkeit.<br />
Der Unterschied <strong>in</strong> den Parametern des Systems, dessen Verhalten <strong>in</strong> Abbildung 6.4<br />
gezeigt wird: Die Konst<strong>an</strong>te β wurde von β = 2.5 auf nun β = 0.5 heruntergesetzt.<br />
In [TYS91] wurde β = 2.5 <strong>an</strong>genommen. Diese Wahl wird von Taga aber nicht<br />
begründet, genausowenig wie die Bedeutung o<strong>der</strong> Motivation dieses Parameters.<br />
In [Mat85] ist jedoch die Herkunft des Wertes β = 2.5 offenk<strong>und</strong>ig. Hier wird<br />
nämlich als Beispiel <strong>der</strong> Vergleich zwischen drei Werten gezeigt (β = 0, β =<br />
2.5, β = ∞). Die Vermutung liegt nahe, daß Taga den Wert für β “übernommen”
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 74<br />
W<strong>in</strong>kel [rad]<br />
W<strong>in</strong>kel [rad]<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
-0.5<br />
-1<br />
-1.5<br />
-2<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.2: Ohne aktive Momente<br />
0.1<br />
0.05<br />
0<br />
-0.05<br />
-0.1<br />
-0.15<br />
-0.2<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.4: Nach Än<strong>der</strong>ung <strong>der</strong> Adaptionskonst<strong>an</strong>ten<br />
W<strong>in</strong>kel [rad]<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
-0.05<br />
-0.1<br />
-0.15<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.3: Mit aktiven Momenten<br />
Auch bei e<strong>in</strong>em mech<strong>an</strong>isch eigenstabi-<br />
len System muß m<strong>an</strong> das Verhalten <strong>der</strong><br />
neuronalen Oszillatoren weiter Unter-<br />
suchen, wenn m<strong>an</strong> sie gezielt <strong>in</strong> Simu-<br />
lationen mite<strong>in</strong>beziehen will. E<strong>in</strong> Ver-<br />
gleich <strong>der</strong> Abb.6.3 mit Abb.6.4 zeigt,<br />
welche Auswirkung e<strong>in</strong>e leichte Ände-<br />
rung <strong>der</strong> Adaptionsparameter auf das<br />
Verhalten des Gesamtsystems hat.<br />
hat <strong>und</strong> ihn weiterh<strong>in</strong> konst<strong>an</strong>t gelassen hat. Dies funktioniert aber vermutlich nur<br />
deshalb so gut, weil m<strong>an</strong> noch genug <strong>an</strong><strong>der</strong>e Parameter zum Anpassen verwenden<br />
k<strong>an</strong>n. Es ist nämlich gerade nicht so, daß die Laufsimulation gegen Än<strong>der</strong>ungen <strong>in</strong><br />
β unempf<strong>in</strong>dlich reagieren würde. In <strong>der</strong> <strong>Simulation</strong> mit SIMSYS stürzte <strong>der</strong> Läufer<br />
schon bei e<strong>in</strong>er Abweichung von β = 2.5 ± 0.1 bereits beim ersten Schritt.<br />
Gr<strong>und</strong>sätzlich ergab sich <strong>der</strong> E<strong>in</strong>druck, daß <strong>in</strong> [TYS91] e<strong>in</strong> phänomenologisches Vor-<br />
gehen gewählt wurde. Da sich die Untersuchungen zu diesen Neuronen-Gleichungen<br />
[Mat85] auf isolierte Neuronensysteme beziehen, <strong>und</strong> e<strong>in</strong>e Kopplung mit e<strong>in</strong>em me-<br />
ch<strong>an</strong>ischen System nicht berücksichtigen, können ke<strong>in</strong>e Aussagen zu solch e<strong>in</strong>em<br />
Verhalten gemacht werden. Die Abbildungen zeigen jedoch, daß es bei e<strong>in</strong>er Kopp-<br />
lung, selbst mit mech<strong>an</strong>isch durchaus eigenständig stabilen Systemen, zu allerlei
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 75<br />
Phänomenen kommen k<strong>an</strong>n. Natürlich s<strong>in</strong>d die gezeigten Fälle als Stichproben zu<br />
<strong>in</strong>terpretieren, da e<strong>in</strong>e genaue Untersuchung <strong>der</strong> Auswirkungen aller Parameter den<br />
Rahmen dieses Kapitels sprengen würde.<br />
6.3.1.2 Mech<strong>an</strong>isch <strong>in</strong>stabiles System<br />
Ist das mech<strong>an</strong>ische System nicht aus sich selbst heraus stabil, was bei e<strong>in</strong>er Simu-<br />
lation <strong>der</strong> Laufdynamik <strong>der</strong> Fall ist, ergibt sich e<strong>in</strong> noch subtileres Verhalten <strong>der</strong><br />
Neuronen. Was <strong>in</strong> Abb.6.5 ersichtlich wird, ist <strong>der</strong> Umst<strong>an</strong>d, daß e<strong>in</strong>e Schw<strong>in</strong>gung<br />
W<strong>in</strong>kel [rad]<br />
W<strong>in</strong>kel [rad]<br />
0.2<br />
0.1<br />
0<br />
-0.1<br />
-0.2<br />
-0.3<br />
-0.4<br />
-0.5<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.5: Abweichung vom Sollwert<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
-0.05<br />
-0.1<br />
-0.15<br />
-0.2<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.7: Korrektur über Kraftkonst<strong>an</strong>ten<br />
W<strong>in</strong>kel [rad]<br />
W<strong>in</strong>kel [rad]<br />
0.2<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
-0.05<br />
-0.1<br />
-0.15<br />
-0.2<br />
-0.25<br />
-0.3<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.6: Korrektur über Feedback<br />
0.2<br />
0<br />
-0.2<br />
-0.4<br />
-0.6<br />
-0.8<br />
-1<br />
-1.2<br />
-1.4<br />
-1.6<br />
0 2 4 6 8<br />
Zeit [s]<br />
10 12 14 16<br />
Abbildung 6.8: Latente Instabilität<br />
aus unbek<strong>an</strong>nten Gründen bei e<strong>in</strong>em System ohne eigene Fe<strong>der</strong>kräfte nicht um die<br />
Vertikale herum erfolgt. Im Gegensatz zu e<strong>in</strong>er ersten Annahme, welche aus <strong>der</strong>
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 76<br />
Symmetrie des Systems heraus geschloßen wurde, ergibt sich auch d<strong>an</strong>n e<strong>in</strong> periodi-<br />
sches Verhalten, wenn das gewählte Feedback schon gar nicht mehr s<strong>in</strong>nvoll erfüllt<br />
wird.<br />
Dieses Verhalten (starke Abweichung vom “Soll-Wert”) k<strong>an</strong>n m<strong>an</strong> korrigieren, <strong>in</strong>dem<br />
m<strong>an</strong> die Parameter <strong>der</strong> Kopplung <strong>der</strong> Mech<strong>an</strong>ik <strong>in</strong>s Feedback erhöht.Die Abbildung<br />
6.6 zeigt das Verhalten für a1 = 5.0, was e<strong>in</strong>er Erhöhung um 2.0 entspricht.<br />
Symptomatisch Gleiches erreicht m<strong>an</strong> aber auch, wie <strong>in</strong> Abbildung 6.7 zu sehen<br />
ist, <strong>in</strong>dem m<strong>an</strong> stattdessen die Parameter <strong>der</strong> mech<strong>an</strong>ischen Übertragung erhöht.<br />
Gesetzt wurden pBeuger = 20.0 <strong>und</strong> pStecker = 20.0, was jeweils e<strong>in</strong>er Erhöhung<br />
um 5.0 entspricht.<br />
Phänomenologisch s<strong>in</strong>d beide Vorgehensweisen <strong>in</strong> e<strong>in</strong>em komplexeren System sicher-<br />
lich nicht vone<strong>in</strong><strong>an</strong><strong>der</strong> zu unterscheiden. Dennoch k<strong>an</strong>n me<strong>in</strong>er Erfahrung nach davon<br />
ausgeg<strong>an</strong>gen werden, daß es je nach gewähltem Vorgehen, zu <strong>an</strong><strong>der</strong>en Seiteneffekten<br />
kommt.<br />
Abb.6.8 zeigt schön e<strong>in</strong> System, welches für l<strong>an</strong>ge Zeit sche<strong>in</strong>bar stabil ist, d<strong>an</strong>n<br />
aber zügig umfällt. Die Unterschiede zum System <strong>in</strong> 6.7 s<strong>in</strong>d: pBeuger = 10.0 <strong>und</strong><br />
pStecker = 10.0 <strong>und</strong> β = 3.5. In e<strong>in</strong>en Gesamtsystem fällt die kle<strong>in</strong>e Drift <strong>in</strong> den<br />
ersten 15 Sek<strong>und</strong>en sicher nicht auf, wenn m<strong>an</strong> es mit relativ zue<strong>in</strong><strong>an</strong><strong>der</strong> bezogenen<br />
Größen zu tun hat. Makroskopisch bemerkt m<strong>an</strong> nur die Instabilität <strong>in</strong> <strong>der</strong> 16.<br />
Sek<strong>und</strong>e. In dem <strong>in</strong> dieser Arbeit betrachteten Fall war es <strong>der</strong> Sturz des “Läufers”.<br />
6.3.1.3 Parameter<strong>an</strong>passung bei e<strong>in</strong>fachen Systemen<br />
Es soll nicht unerwähnt bleiben, daß m<strong>an</strong> bei solch e<strong>in</strong>fachen Systemen, wie die-<br />
sem <strong>in</strong>versen Pendel, die Parameter dennoch e<strong>in</strong>igermaßen “<strong>in</strong> den Griff” bekommen<br />
k<strong>an</strong>n. So gel<strong>an</strong>gen folgende <strong>Simulation</strong>en:<br />
• “Metronom” schw<strong>in</strong>gt um die Vertikale.<br />
• “Metronom” schw<strong>in</strong>gt um e<strong>in</strong>en festen, von <strong>der</strong> Vertikale verschiedenen, Soll-<br />
w<strong>in</strong>kel herum.<br />
• Doppeltes <strong>in</strong>verses Pendel schw<strong>in</strong>gt um die Vertikale bzw. um e<strong>in</strong>en Sollw<strong>in</strong>kel.
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 77<br />
• Doppeltes <strong>in</strong>verses Pendel, oberer Teil schw<strong>in</strong>gt um e<strong>in</strong>en Relativw<strong>in</strong>kel zum<br />
unteren bezogen.<br />
• Nach Vorzeichenwechsel <strong>in</strong> <strong>der</strong> Neuronenkopplung <strong>und</strong> setzen von U0 = 0<br />
fuhr das System vorgegebene W<strong>in</strong>kelpositionen α1, α2 <strong>an</strong> <strong>und</strong> stabilisierte<br />
diese Orientierung gegen Störungen. E<strong>in</strong>e Art PD-Regler war entst<strong>an</strong>den. M<strong>an</strong><br />
konnte im Feedback durch e<strong>in</strong>br<strong>in</strong>gen von den W<strong>in</strong>kelgeschw<strong>in</strong>digkeiten sogar<br />
die Stellgeschw<strong>in</strong>digkeit gut regulieren.<br />
Bei allen diesen <strong>Simulation</strong>en wurde vollkommen phänomenologisch vorgeg<strong>an</strong>gen,<br />
beson<strong>der</strong>s beim letzten Punkt , wo die Neuronengleichungen nochmals weiter verall-<br />
geme<strong>in</strong>ert wurden. Inwieweit jetzt jedoch von α-Motoneuronen gesprochen werden<br />
dürfte, ist jedoch sicherlich mehr als fraglich. Symptomatisch jedenfalls weist dieses<br />
Verhalten im Pr<strong>in</strong>zip das Gleiche wie e<strong>in</strong>e 1a-Afferenz 1 auf. M<strong>an</strong> k<strong>an</strong>n sich, beim<br />
Versuch neurobiologische Modelle zu konstruieren, durch Verallgeme<strong>in</strong>erungen na-<br />
türlich beliebig weit von gesicherten Erkenntnissen fortbewegen. D<strong>an</strong>n muß m<strong>an</strong><br />
aber mit Resultaten wie Vierbe<strong>in</strong>ern, welche 60 Schritte <strong>in</strong> <strong>der</strong> Sek<strong>und</strong>e machen,<br />
o<strong>der</strong> Neuronen die im Sek<strong>und</strong>enbereich oszillieren, leben können. Die Arbeit von<br />
Grillner [Gri96] zeigen, welchen Aufw<strong>an</strong>d m<strong>an</strong> treiben muß, wenn m<strong>an</strong> e<strong>in</strong>en Bezug<br />
zur Realität aufrecht halten will.<br />
Abbildung 6.9: Verallgeme<strong>in</strong>erung auf 1a-Afferenz?<br />
1 Stabilisation <strong>der</strong> “Soll”-Länge e<strong>in</strong>es Muskels über monsynaptischen Reflex
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 78<br />
6.4 Erweiterbarkeit des Modells<br />
Es ist sehr schwierig, das Modell zu erweitern. Intensives “Parameter-Fitt<strong>in</strong>g” ist<br />
nötig um gr<strong>und</strong>legende, aber oft auch leichte Verän<strong>der</strong>ungen e<strong>in</strong>zuführen. Diese Me-<br />
thode ist zeitaufwendig wie <strong>an</strong><strong>der</strong>e auch berichten [Yam90]. Zeitaufwendige Überle-<br />
gungen <strong>und</strong> Testreihen zu Stärke <strong>und</strong> Vorzeichen von Parametern s<strong>in</strong>d St<strong>an</strong>dard.<br />
Nach vorsichtiger Schätzung stehen ca. 400 Parameter zur Anpassung zur Verfü-<br />
gung. Natürlich k<strong>an</strong>n m<strong>an</strong>, wie <strong>in</strong> [TYS91, Tag95a] gezeigt, mit weniger Parametern<br />
auskommen, m<strong>an</strong> muß nur wissen mit welchen!<br />
Am Beispiel des verwendeten “Bodenreaktionskraft-Offsets” k<strong>an</strong>n verdeutlicht wer-<br />
den, wie zeitaufwendig die Suche nach stabilen Lösungen ist. So liefert e<strong>in</strong> Offset<br />
von 10 N gute Ergebnisse. Ebenso ist <strong>der</strong> Wert 20 N günstig. Im Bereich um 15 N<br />
wird das System aber <strong>in</strong>stabiler!<br />
6.4.1 Erweiterung durch eigene Überlegungen<br />
Es wurde versucht, <strong>an</strong>stelle <strong>der</strong> äußeren Momente auf die Starrkörper, Gelenkmo-<br />
mente zu verwenden. Da hierzu Füße <strong>und</strong> Rumpf vorh<strong>an</strong>den se<strong>in</strong> müssen, mußte e<strong>in</strong><br />
weitreichend verän<strong>der</strong>tes Modell erstellt werden. Die Mech<strong>an</strong>ik war vergleichsweise<br />
rasch umgestellt, wenn m<strong>an</strong> die monatel<strong>an</strong>gen Versuche betrachtet, die neuronale<br />
Komponente auf das neue Modell <strong>an</strong>zupassen.<br />
Es gel<strong>an</strong>g schlußendlich nicht, e<strong>in</strong>en entscheidenden Erfolg <strong>in</strong> dieser Sache zu erzie-<br />
len, sol<strong>an</strong>ge die Verwendung <strong>in</strong>nerer Gelenkmomente gefor<strong>der</strong>t wurde.<br />
Dies zeigt, daß die Steuerung mit neuronalen Oszillatoren letztendlich eben nur die<br />
zeitlichen Verläufe <strong>der</strong> “Sollstellungen” <strong>der</strong> Extremitäten liefert. Die extrem komple-<br />
xe Aufgabe <strong>der</strong> Kood<strong>in</strong>ation <strong>in</strong>nerer Gelenkmomente, welche diese “Sollstellungen”<br />
erzielen könnten, liegt aber außerhalb <strong>der</strong> Möglichkeiten dieses Steuerungs<strong>an</strong>satzes.<br />
Sol<strong>an</strong>ge m<strong>an</strong> aber äußere Momente wirken läßt, funktioniert alles recht gut.<br />
M<strong>an</strong> müßte, wenn m<strong>an</strong> auf diesen Erkenntnissen aufbauen wollte, die Aufgaben des<br />
Cerebellums durch e<strong>in</strong> neuronales Netz abbilden, um die Umrechnung von “Soll-<br />
stellungen” bzw. wirkenden äußeren Momenten auf <strong>in</strong>nere Gelenkmommente, also
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 79<br />
e<strong>in</strong>en realistischen Steuerungs<strong>an</strong>satz, zu bewerkstelligen. Alle Aufgaben den zwölf<br />
Neuronen zu übertragen ist nicht realistisch, <strong>und</strong> br<strong>in</strong>gt ke<strong>in</strong>en Nutzen.<br />
Vergleicht m<strong>an</strong> die Arbeiten [Mat85, Zie95] mit <strong>der</strong> von Taga [TYS91], so ist zu<br />
entnehmen, daß Taga den Neuronen bereits e<strong>in</strong>e weitere Aufgabe zuerk<strong>an</strong>nt hat. Sie<br />
müßen nämlich nicht nur das zeitliche Muster <strong>der</strong> Fortbewegung erzeugen, son<strong>der</strong>n<br />
auch die Regelung <strong>der</strong> äußeren Momente auf die Extremitäten regeln.<br />
Wollte m<strong>an</strong> nun auch noch die Umrechnung <strong>der</strong> zeitlichen Verläufe <strong>der</strong> “Sollw<strong>in</strong>kel”<br />
<strong>der</strong> Extremitäten auf n-Tupel <strong>in</strong>nerer Gelenkmomente <strong>in</strong> die neuronalen Oszilla-<br />
toren implementieren, so mutet m<strong>an</strong> dem Steuerungspr<strong>in</strong>zip fast mehr zu, als es<br />
zu leisten vermag. In se<strong>in</strong>er Folgeveröffentlichung [Tag95a] zeigt Taga, daß er es<br />
dennoch geschafft hat.Er verwendete hier jedoch e<strong>in</strong> stark modifiziertes neuronales<br />
System. Das bedeutet, daß es mit e<strong>in</strong>er Weiterentwicklung des hier beschriebenen<br />
Modells nicht get<strong>an</strong> ist. Der gr<strong>und</strong>sätzliche Bewegungsablauf muß <strong>an</strong><strong>der</strong>s beschrie-<br />
ben werden. Taga beschrieb hierzu e<strong>in</strong> neuronales Modell mit zust<strong>an</strong>dsabhängiger<br />
Neuronenkopplung. Er mußte se<strong>in</strong> ursprüngliches Vorhaben, e<strong>in</strong>en“festverdrahteten”<br />
CPG zu verwenden, aufgeben. Die Verwendung <strong>in</strong>nerer Gelenkmomente erfor<strong>der</strong>t<br />
e<strong>in</strong>en beliebig komplizierten CPG, welcher sich weit von <strong>der</strong> Neurobiologie entfernt.<br />
Schon alle<strong>in</strong>e die zielgerichtete Bewegung des Armes im Dreidimensionalen ist ei-<br />
ne komplexe Steuerungsaufgabe, will m<strong>an</strong> nur <strong>in</strong>nere Momente wirken lassen. E<strong>in</strong>e<br />
Arbeit hierzu [Mut97] zeigt recht gut, was für e<strong>in</strong> Aufw<strong>an</strong>d betrieben werden muß,<br />
wenn m<strong>an</strong> e<strong>in</strong>en simulierten Arm “realistisch” <strong>an</strong>steuern will. E<strong>in</strong> Ansatz zur Er-<br />
weiterung des hier beschriebenen Modells wäre es, die neuronalen Oszillatoren die<br />
“Sollstellungen” vorgeben zu lassen, <strong>und</strong> die Ansteuerung <strong>der</strong> <strong>in</strong>neren Gelenkmo-<br />
mente unter Mithilfe von Kohonen-Karten, wie <strong>in</strong> [Mut97] beschrieben, berechnen<br />
zu lassen.<br />
Ob es s<strong>in</strong>nvoll ist, den Ansatz <strong>der</strong> neuronalen Oszillatoren so zu erweitern, sei dah<strong>in</strong>-<br />
gestellt. M<strong>an</strong> könnte auch e<strong>in</strong> weiteres neuronales Netz verwenden, um die zeitlichen<br />
Verläufe <strong>der</strong> Extremitätenw<strong>in</strong>kel zu generieren, was vielleicht konsequenter währe.<br />
E<strong>in</strong>em solchen Netz könnte m<strong>an</strong> z.B. Meßdaten als Lernvorgabe e<strong>in</strong>geben. So käme<br />
m<strong>an</strong> <strong>der</strong> menschlichen Fortbewegung vielleicht eher auf die Spur.
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 80<br />
6.4.2 Untersuchung e<strong>in</strong>es beschriebenen Folgemodells<br />
Auch <strong>in</strong> über e<strong>in</strong>em Monat <strong>der</strong> Erprobung nach Implementation des <strong>in</strong> [Tag95a]<br />
beschriebenen Modells konnten nicht e<strong>in</strong>mal <strong>an</strong>satzweise mehr als zwei Schritte si-<br />
muliert werden, erst recht nicht das komplexe Verhalten, welches <strong>in</strong> [Tag95b] be-<br />
schrieben wird. Dies reiht sich e<strong>in</strong> <strong>in</strong> die Erfahrungen, welche zu Beg<strong>in</strong>n <strong>der</strong> Arbeit<br />
bereits mit dem <strong>in</strong> [TYS91] beschriebenen Modell gemacht wurden.<br />
Das Modell verfügt über noch mehr Parameter. Dies machte die Fehlersuche noch<br />
umf<strong>an</strong>greicher. Der SIMSYS-Code wurde sehr oft überprüft <strong>und</strong> es konnten ke<strong>in</strong>e<br />
offensichtlichen Fehler <strong>in</strong> <strong>der</strong> Implementation festgestellt werden. Es ist vermutlich<br />
so, daß die <strong>in</strong> [Tag95b] aufgelisteten Startwerte nicht mit den von Taga verwendeten<br />
übere<strong>in</strong>stimmen. Es gel<strong>an</strong>g Taga wahrsche<strong>in</strong>lich nicht, alle Parameter exakt so zu<br />
veröffentlichen, wie sie im Sourcecode stehen. Es wäre u.U. aufschlußreich, e<strong>in</strong>en<br />
Blick <strong>in</strong> das Orig<strong>in</strong>al zu werfen.<br />
Das Modell, welches <strong>in</strong> [Tag95b] eigentlich gut dokumentiert ist, wäre aus biomecha-<br />
nischer Sicht wesentlich aussagekräftiger, da es Muskelimped<strong>an</strong>zen <strong>und</strong> den E<strong>in</strong>fluß<br />
des Gleichgewichtss<strong>in</strong>ns berücksichtigt. Weiterh<strong>in</strong> wird es ausschließlich mit <strong>in</strong>ne-<br />
ren Gelenkmomenten <strong>an</strong>gesteuert, was die Erweiterung auf e<strong>in</strong> Modell mit Muskeln<br />
machbar ersche<strong>in</strong>en läßt. Dennoch sei hiervon abgeraten, wenn m<strong>an</strong> sich nicht sicher<br />
ist, daß m<strong>an</strong> sich mit e<strong>in</strong>er unglaublichen Anzahl von phänomänologischen Parame-<br />
tern sehr l<strong>an</strong>ge beschäftigen möchte!<br />
6.4.3 Än<strong>der</strong>ung <strong>der</strong> Mech<strong>an</strong>ik <strong>in</strong> kle<strong>in</strong>en Schritten<br />
Die Überlegungen zu den biomech<strong>an</strong>ischen Aspekten haben gezeigt, daß m<strong>an</strong> <strong>in</strong><br />
kle<strong>in</strong>en Schritten wohl schon Än<strong>der</strong>ungen e<strong>in</strong>br<strong>in</strong>gen k<strong>an</strong>n, daß m<strong>an</strong> dabei aber<br />
ke<strong>in</strong>e überraschenden Ergebnisse erzielt. Oft wollte die Steuerung nicht mit e<strong>in</strong>er<br />
neuen Än<strong>der</strong>ung zurechtkommen. Die Momente <strong>und</strong> Bodenreaktionskräfte konnten<br />
m<strong>in</strong>imiert werden, hierbei verlor das Modell aber die Möglichkeit die G<strong>an</strong>gart zu<br />
än<strong>der</strong>n.
Kapitel 6. Diskussion <strong>der</strong> Ergebnisse 81<br />
6.5 Schlußfolgerung<br />
Taga zeigte mit se<strong>in</strong>er Arbeit [TYS91], daß es machbar ist e<strong>in</strong> mech<strong>an</strong>isches System<br />
mit neuronalen Oszillatoren zu steuern. Dieses konnte auch nachvollzogen werden.<br />
Dennoch ist gr<strong>und</strong>sätzlich nach dem Nutzen dieser Vorgehensweise zu fragen. E<strong>in</strong>e<br />
leicht <strong>an</strong>zuwendende Steuerung, welche sich problemlos <strong>an</strong> neue Modelle <strong>an</strong>passen<br />
läßt, ist das Konzept <strong>der</strong> neuronalen Oszillatoren nämlich nicht. Die Nichtl<strong>in</strong>earität<br />
macht e<strong>in</strong> systematisches Arbeiten fast unmöglich.<br />
Wenn m<strong>an</strong> e<strong>in</strong>e Steuerung e<strong>in</strong>er Laufmasch<strong>in</strong>e sucht, sche<strong>in</strong>t es so zu se<strong>in</strong>, daß es<br />
sich vielmehr lohnen könnte auf dem Gebiet <strong>der</strong> Neuronalen Netze zu erproben, wie<br />
sich e<strong>in</strong> solches Konzept zur Steuerung eignen würde. Die Zeit, welche m<strong>an</strong> auf diese<br />
Untersuchung verwenden würde, wäre wahrsche<strong>in</strong>lich gut <strong>in</strong>vestiert, da die Verwen-<br />
dung neuronaler Oszillatoren zu zeitaufwendig <strong>und</strong> zu schlecht nachzuvollziehen ist.<br />
Auch das Argument, m<strong>an</strong> müsse ja das Rad ja nicht immer neu erf<strong>in</strong>den, paßt g<strong>an</strong>z<br />
gut zu diesem Thema. Schließlich entst<strong>an</strong>den die Konstrukte <strong>der</strong> Neuronalen Netze<br />
e<strong>in</strong>mal aus <strong>der</strong> Neurobiologie. Sie wurden aber l<strong>in</strong>earer <strong>und</strong> funktionaler gemacht.<br />
Dieses Wissen sollte m<strong>an</strong> nutzen, <strong>an</strong>statt sich mit Nichtl<strong>in</strong>earitäten zu beschäftigen<br />
<strong>und</strong> Gewichtsmatritzen von H<strong>an</strong>d aufzustellen. Aus neurobiologischer Sicht ergeben<br />
sich auch ke<strong>in</strong>e verwertbaren Erkenntnisse. In dieser H<strong>in</strong>sicht lohnt es sich also auch<br />
nicht, mit dieser Form von Neuronensimulation zu arbeiten. Wenn m<strong>an</strong> dies täte,<br />
müßte m<strong>an</strong> mit realistischeren Gleichungen arbeiten, das Wissen <strong>der</strong> Neurobiolo-<br />
gen umsetzen, <strong>an</strong>statt phänomenologisch auf <strong>der</strong> Ebene des “Parameter-Fitt<strong>in</strong>g” zu<br />
bleiben ohne zu begründen “was” m<strong>an</strong> “wie” bewerkstelligen will.<br />
Wesentlich ist auch aufgefallen, wie stark es auf die mech<strong>an</strong>ische Modellierung des<br />
Systems <strong>an</strong>kommt. Hier werden bereits große Entscheidungen, welche später zwi-<br />
schen Stabilität <strong>und</strong> Instabilität entscheiden, getroffen. E<strong>in</strong> biomech<strong>an</strong>isch model-<br />
liertes System ist <strong>der</strong> Natur nachempf<strong>und</strong>en <strong>und</strong> hat so jahrtausende l<strong>an</strong>ge Entwick-<br />
lungsphasen <strong>in</strong> sich. Dieses Wissen darf m<strong>an</strong> nicht verwerfen. Stabilität entsteht nur<br />
aus dem Zusammenspiel e<strong>in</strong>er adaptionsfähigen Steuerung <strong>und</strong> e<strong>in</strong>em mech<strong>an</strong>isch<br />
gutmütigen Modell.<br />
E<strong>in</strong>e Steuerung auf Basis neuronaler Netze, zusammen mit e<strong>in</strong>em biomech<strong>an</strong>isch<br />
s<strong>in</strong>nvoll gewählten Schwabbelmassenmodell mit Rumpf, Be<strong>in</strong>en <strong>und</strong> Füßen, könnte<br />
mehr Erfolg br<strong>in</strong>gen <strong>und</strong> S<strong>in</strong>n haben.
Anh<strong>an</strong>g A<br />
Beschreibung des Gr<strong>und</strong>modells<br />
Alle hier verzeichneten Parameter kennzeichnen das Gr<strong>und</strong>modell. Wenn <strong>an</strong><strong>der</strong>e<br />
Parameter verwendet wurden, erfolgte e<strong>in</strong> Verweis darauf.<br />
A.1 Parameter des Modells<br />
X14<br />
(X12,X13)<br />
(Xl,Yl)<br />
(X6,X7)<br />
(x1,x2)<br />
X8 X5<br />
l1<br />
X11<br />
(X9,X10)<br />
(X3,X4)<br />
(Xr,Yr)<br />
l2<br />
Abbildung A.1: Modell<br />
82<br />
Fg4<br />
Tr6<br />
F7<br />
Fg3<br />
Tr4<br />
m2g<br />
F8<br />
Tr4<br />
F8<br />
Tr2<br />
F3<br />
F7<br />
F4<br />
Mg<br />
F2 F4<br />
F1<br />
F2<br />
F1<br />
Tr1<br />
F2<br />
m1g m1g<br />
Tr3<br />
F5<br />
F6<br />
F6<br />
F5<br />
Tr3<br />
m2g<br />
Tr5<br />
Fg2<br />
Abbildung A.2: Kräfte <strong>und</strong> Momente<br />
Fg1
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 83<br />
Tabelle A.1: Massen<br />
Körper Masse Länge Trägheitsmoment<br />
Rumpf 48.0 kg – —<br />
Oberschenkel 7.0 kg 0.5 m 0.1458<br />
Unterschenkel 4.0 kg 0.6 m 0.12<br />
Tabelle A.2: Fe<strong>der</strong>- <strong>und</strong> Dämpfungsfaktoren<br />
Faktor Wert<br />
b1<br />
b2<br />
bk<br />
kk<br />
bg<br />
kg<br />
10.0<br />
10.0<br />
1000.0<br />
10000.0<br />
1000.0<br />
10000.0
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 84<br />
A.1.1 Feedbackgleichungen<br />
Kopplung <strong>der</strong> Neuronen <strong>an</strong> die mech<strong>an</strong>ischen Zust<strong>an</strong>ds-<br />
größen<br />
Die Feedbackgleichungen lauten:<br />
feed 1 = a1(x5 − π<br />
2 ) − a2(x8 − π<br />
2 )<br />
+a3(x11 − π<br />
2 )h(Fg2) − a4h(Fg4)<br />
feed 2 = a1( π<br />
2 − x5) − a2( π<br />
− x8)<br />
2<br />
+a3( π<br />
2 − x11)h(Fg2) − a4h(Fg4)<br />
feed 3 = a1(x8 − π<br />
2 ) − a2(x5 − π<br />
2 )<br />
+a3(x14 − π<br />
2 )h(Fg4) + a4h(Fg2)<br />
feed 4 = a1( π<br />
2 − x8) − a2( π<br />
− x5)<br />
2<br />
+a3( π<br />
2 − x14)h(Fg4 − a4)h(Fg2)<br />
feed 5 = a5( π<br />
2<br />
− x14)h(Fg4)<br />
feed 6 = a5(x14 − π<br />
2 )h(Fg4)<br />
feed 7 = a5( π<br />
− x11)h(Fg2)<br />
2<br />
feed 8 = a5(x11 − π<br />
2 )h(Fg2)<br />
feed 9 = a6( π<br />
2 − x11)h(Fg2) + a7( π<br />
2<br />
− x14)h(Fg4)<br />
−a8 ˙x11h(Fg2)<br />
feed 10 = a6(x11 − π<br />
2 )h(Fg2) + a7(x14 − π<br />
2 )h(Fg4)<br />
a8 ˙x11h(Fg2)<br />
feed 11 = a6( π<br />
2 − x14)h(Fg4) + a7( π<br />
2<br />
− x11)h(Fg2)<br />
−a8 ˙x14h(Fg4)<br />
feed 12 = a6(x14 − π<br />
2 )h(Fg4) + a7(x11 − π<br />
2 )h(Fg2)<br />
+a8 ˙x14h(Fg4)<br />
(A.1)
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 85<br />
A.2 Verb<strong>in</strong>dungsgewichte des neuronalen Netzes<br />
Die Gewichtsmatrix hat nach [TYS91] folgende Form:<br />
⎛<br />
0<br />
⎜ −2<br />
⎜ −1<br />
⎜ 0<br />
⎜ 0<br />
⎜ −1<br />
w = ⎜<br />
0<br />
⎜ 0<br />
⎜ 0<br />
⎜ −1<br />
⎜<br />
⎝ 0<br />
−2<br />
0<br />
0<br />
−1<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
−1<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
0<br />
−1<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
⎞<br />
0<br />
⎟<br />
0 ⎟<br />
0 ⎟<br />
0 ⎟<br />
0 ⎟<br />
0<br />
⎟<br />
0 ⎟<br />
0 ⎟<br />
0 ⎟<br />
0 ⎟<br />
−2 ⎠<br />
0 0 −1 −1 0 0 0 0 0 0 −2 0<br />
A.3 Zeitkonst<strong>an</strong>ten <strong>der</strong> Neuronen<br />
Die Werte nach [TYS91]:<br />
ττ1, τ2, τ3, τ4 = 0.05s<br />
τ ′<br />
1<br />
′ ′ ′ , τ , τ , τ = 0.6s<br />
2<br />
3<br />
4<br />
τ5, τ6, τ7, τ8, τ9, τ10, τ11, τ12 = 0.025s<br />
τ ′<br />
5<br />
′ ′ ′ ′ ′ ′ ′<br />
, τ , τ , τ , τ , τ , τ , τ<br />
6<br />
β = 2.5<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
= 0.3s<br />
A.4 Neuro-mech<strong>an</strong>ische Kopplung<br />
In Tab.A.4 bezeichnen die Indizes<br />
• “’S” den Streckermuskel des betreffenden Gelenks<br />
(A.2)
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 86<br />
• “’B” <strong>an</strong>alog den Beugermuskel<br />
• “’H” das Hüftgelenk<br />
• “’K” das Kniegelenk<br />
• “’F” das Fußgelenk<br />
Die Momente ergeben sich aus:<br />
A.5 Startwerte<br />
Für die Mech<strong>an</strong>ik:<br />
Tr1 = p H<br />
B y2 − p H<br />
S y1<br />
Tr2 = p H<br />
B y4 − p H<br />
S y3<br />
Tr3 = p K<br />
B y6 − p K<br />
S y5<br />
Tr4 = p K<br />
B y8 − p K<br />
S y7<br />
Tr5 = p F<br />
B y10 − p F<br />
S y9<br />
Tr6 = p F<br />
B y12 − p F<br />
S y11<br />
Tabelle A.3: Kopplungsfaktoren des Feedbacks<br />
Faktor Wert<br />
a1<br />
a2<br />
a3<br />
a4<br />
a5<br />
a6<br />
a7<br />
a8<br />
1.5<br />
1.0<br />
1.5<br />
1.5<br />
3.0<br />
1.5<br />
3.0<br />
1.5
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 87<br />
Für die Neuronen:<br />
hieraus folgt:<br />
Tabelle A.4: Kopplungsfaktoren <strong>der</strong> Gelenkmomente<br />
Faktor Wert<br />
p H<br />
S<br />
p H<br />
B<br />
p K<br />
S<br />
p K<br />
B<br />
p F<br />
S<br />
p F<br />
B<br />
x1 = 0.0<br />
x2 = 1.0<br />
x5 = 0.45π<br />
x11 = 0.45π<br />
x8 = 0.57π<br />
x14 = 0.57π<br />
15.0<br />
85.0<br />
15.0<br />
15.0<br />
100.0<br />
75.0<br />
˙xi = 0.0 (i = 1..14)<br />
˙ui = 0.0 (i = 1..12)<br />
˙vi = 0.0 (i = 1..12)
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 88<br />
u1 = −0.1406762864412222<br />
u2 = 1.558723124220148<br />
u3 = 1.567699103230405<br />
u4 = −0.1810681919873755<br />
u5 = 1.286963181629126<br />
u6 = 0.2478144321490286<br />
u7 = 1.289139176540705<br />
u8 = 0.2440064410537672<br />
u9 = 1.286963181629128<br />
u10 = 0.2478144321490275<br />
u11 = 1.289139176540705<br />
u12 = 0.2440064410537674<br />
v1 = 0.0<br />
v2 = 1.558723124220148<br />
v3 = 1.567699103230405<br />
v4 = 0.0<br />
v5 = 1.286963181629126<br />
v6 = 0.2478144321490286<br />
v7 = 1.289139176540705<br />
v8 = 0.2440064410537672<br />
v9 = 1.286963181629128<br />
v10 = 0.2478144321490275<br />
v11 = 1.289139176540705<br />
v12 = 0.2440064410537672
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 89<br />
A.6 Bodenkraftdetektion<br />
⎧<br />
⎪⎨ 1 für (0.01 < x)<br />
e<strong>in</strong>s(x) = 100x<br />
⎪⎩<br />
0<br />
für (0.0 ≤ x ≤ 0.01)<br />
für (x < 0)<br />
A.7 Matritzen zu Newton-Euler Verfahren<br />
⎛<br />
⎜<br />
x = ⎜<br />
⎝<br />
x1 (t)<br />
x2 (t)<br />
x3 (t)<br />
x4 (t)<br />
x5 (t)<br />
x6 (t)<br />
x7 (t)<br />
x8 (t)<br />
x9 (t)<br />
x10 (t)<br />
x11 (t)<br />
x12 (t)<br />
x13 (t)<br />
x14 (t)<br />
⎞<br />
⎟<br />
⎠<br />
⎛<br />
1 0 1 0 0 0 0 0<br />
⎜<br />
P = ⎜<br />
⎝<br />
0<br />
−1<br />
0<br />
−l1 2<br />
1<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
s<strong>in</strong>(x5) −l1 2 cos(x5) 0 0<br />
−l1 2 s<strong>in</strong>(x5)<br />
−l1 2 cos(x5)<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
−l1 2<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
1<br />
s<strong>in</strong>(x8) −l1 2 cos(x8) 0 0<br />
−l1 2 s<strong>in</strong>(x8)<br />
−l1 2 cos(x8)<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
−l2 2<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
0<br />
s<strong>in</strong>(x11) −l2 2 cos(x11)<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
0<br />
0<br />
−1<br />
0 0 0 0 0 0<br />
−l2 2 s<strong>in</strong>(x14) − l ⎞<br />
⎟<br />
⎠<br />
2 cos(x14)<br />
2
Kapitel A. Beschreibung des Gr<strong>und</strong>modells 90<br />
⎛<br />
0<br />
⎜<br />
Q = ⎜<br />
⎝<br />
−Mg<br />
0<br />
−m1g<br />
−b1abs(x5 − π 2 ) ˙x5 − (b2 + bk max(0, x5 − x11))( ˙x5 − ˙x11) − kkheavy(x5 − x11) + Tr1 + Tr3<br />
0<br />
−m1g<br />
−b1abs(x8 − π 2 ) ˙x8 − (b2 + bk max(0, x8 − x14))( ˙x8 − ˙x14) − kkheavy(x8 − x14) + Tr2 + Tr4<br />
Fg1<br />
−m2g<br />
−Fg1( l2 ) s<strong>in</strong>(x11) − Fg2(<br />
2 l ⎞<br />
2 ) cos(x11) − (b2 + b<br />
2 k max(0, x5 − x11))( ˙x11 − ˙x5) + kkheavy(x5 − x11) − Tr3 − Tr5<br />
Fg3<br />
Fg4 − m2g<br />
⎟<br />
⎠<br />
−Fg3( l 2 2 ) s<strong>in</strong>(x14) − Fg4( l 2 2 ) cos(x14) − (b2 + b k max(0, x8 − x14))( ˙x14 − ˙x8) + k kheavy(x8 − x14) − Tr4 − Tr6<br />
M −1 ⎛ 1 0 0 0 0 0 0 0 0 0 0 0 0 0<br />
M<br />
⎜ 0 1 0 0 0 0 0 0 0 0 0 0 0 0<br />
⎜<br />
M<br />
⎜ 0 0 1 0 0 0 0 0 0 0 0 0 0 0<br />
⎜<br />
m1<br />
⎜ 0 0 0 1 0 0 0 0 0 0 0 0 0 0<br />
⎜<br />
m1<br />
⎜ 0 0 0 0 1 0 0 0 0 0 0 0 0 0<br />
I1<br />
⎜<br />
0 0 0 0 0 1 0 0 0 0 0 0 0 0<br />
m1<br />
⎜ 0 0 0 0 0 0 1 0 0 0 0 0 0 0<br />
⎜<br />
m1<br />
= ⎜ 0 0 0 0 0 0 0 1 0 0 0 0 0 0<br />
⎜<br />
I1<br />
⎜ 0 0 0 0 0 0 0 0 1 0 0 0 0 0<br />
m2<br />
⎜<br />
0 0 0 0 0 0 0 0 0 1 0 0 0 0<br />
m2<br />
⎜ 0 0 0 0 0 0 0 0 0 0 1 0 0 0<br />
⎜<br />
I2<br />
⎜ 0 0 0 0 0 0 0 0 0 0 0 1 0 0<br />
⎜<br />
m2<br />
⎜<br />
⎝ 0 0 0 0 0 0 0 0 0 0 0 0 1 0<br />
m2<br />
0 0 0 0 0 0 0 0 0 0 0 0 0 1<br />
I2<br />
⎛<br />
−l<br />
1 0 −1 0 1<br />
2<br />
⎜<br />
C = ⎜<br />
⎝<br />
s<strong>in</strong>(x5) 0 0 0 0 0 0 0 0 0<br />
0 1 0 −1 −l1 2 cos(x5) 0 0 0 0 0 0 0 0 0<br />
−l<br />
1 0 0 0 0 −1 0 1<br />
2 s<strong>in</strong>(x8) 0 0 0 0 0 0<br />
0 1 0 0 0 0 −1 −l1 2 cos(x8) 0 0 0 0 0 0<br />
−l<br />
0 0 1 0 1<br />
2 s<strong>in</strong>(x5)<br />
−l<br />
0 0 0 −1 0 2<br />
2 s<strong>in</strong>(x11) 0 0 0<br />
−l<br />
0 0 0 1 1<br />
2 cos(x5) 0 0 0 0 −1 −l2 2 cos(x11) 0 0 0<br />
−l<br />
0 0 0 0 0 1 0 1<br />
2 s<strong>in</strong>(x8)<br />
−l<br />
0 0 0 −1 0 2<br />
2 s<strong>in</strong>(x14)<br />
−l<br />
0 0 0 0 0 0 1 1<br />
2 cos(x8) 0 0 0 0 −1 −l2 2 cos(x14)<br />
⎛ l12 cos(x5) ˙x<br />
⎜<br />
D = ⎜<br />
⎝<br />
2 5<br />
−l1 2 s<strong>in</strong>(x5) ˙x 2 5<br />
l12 cos(x8) ˙x 2 8<br />
−l1 2 s<strong>in</strong>(x8) ˙x 2 8<br />
l12 cos(x5) ˙x 2 5 + l2 cos(x11) ˙x<br />
2 2 11<br />
−l1 2 s<strong>in</strong>(x5) ˙x 2 5 − l2 s<strong>in</strong>(x11) ˙x<br />
2 2 11<br />
l12 cos(x8) ˙x 2 8 + l2 cos(x14) ˙x<br />
2 2 14<br />
−l1 2 s<strong>in</strong>(x8) ˙x 2 8 − l2 s<strong>in</strong>(x14) ˙x<br />
2 2 ⎞<br />
⎟<br />
⎠<br />
14<br />
⎞<br />
⎟<br />
⎠<br />
⎞<br />
⎟<br />
⎠
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 92<br />
Anh<strong>an</strong>g B<br />
Parameter <strong>der</strong> modifizierten<br />
Modelle<br />
B.1 Biomech<strong>an</strong>ische Bodenmodelle<br />
Es gelten nach [Gün97]:<br />
Boden <strong>in</strong> Y nach Gruber :<br />
Enly =<br />
N 12<br />
1.4 · 10<br />
m3 .5<br />
Enlexpy = 3.5<br />
Gemy =<br />
Ns 12<br />
2.6 · 10<br />
m4.5 Gemexpy = 3.5<br />
Boden <strong>in</strong> Y nach Scott − W <strong>in</strong>ter :<br />
Enly =<br />
N 9<br />
1.5 · 10<br />
m3.46 Enlexpy = 3.46<br />
Gemy =<br />
Ns 12<br />
4.1 · 10<br />
m5.84 Gemyzur =<br />
Ns 10<br />
8.1 · 10<br />
m5.30 Gemexpyzur = 4.30<br />
Boden <strong>in</strong> Y nach Gerritsen :<br />
Enly =<br />
N 8<br />
2.5 · 10<br />
m3 Enlexpy = 3.0<br />
Gemy =<br />
Ns 8<br />
2.5 · 10<br />
m4
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 93<br />
B.2 Gelenk<strong>an</strong>schläge<br />
Ich verwendete folgende Parameter für die stetigen Gelenk<strong>an</strong>schläge:<br />
φm<strong>in</strong> = 0.0 rad<br />
∆φm<strong>in</strong> = 3.0 rad<br />
a = 11.0 Nm<br />
b = 4.0<br />
(B.2)<br />
Die Parameter wurden auf den Boden nach Gruber h<strong>in</strong> optimiert, <strong>und</strong> bei allen<br />
Bodenmodellen <strong>der</strong> selbe Parametersatz verwendet.<br />
B.3 Ankopplung des “Rumpfs”<br />
Schwabbelmasse<br />
Die Fe<strong>der</strong>-Dämpfer-Anb<strong>in</strong>dung von Punktmassen <strong>an</strong> e<strong>in</strong>e k<strong>in</strong>ematische Kette wird<br />
<strong>in</strong> SIMSYS folgen<strong>der</strong>maßen festgelegt:<br />
F e<strong>der</strong>kraft = a(L − l) b + c( ˙L) d<br />
l<br />
a<br />
:<br />
:<br />
Ruhelänge [m]<br />
Fe<strong>der</strong>konst<strong>an</strong>te N<br />
mb <br />
b : Exponent für Fe<strong>der</strong>kraft<br />
c : Konst<strong>an</strong>te bei Dissipation<br />
d : Exponent für Dissipation<br />
L : Fe<strong>der</strong>länge [m]<br />
Ns d<br />
m d
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 94<br />
Beim starren Modell galten folgenden Parameter:<br />
l<br />
a<br />
=<br />
=<br />
0.0 m<br />
N 6<br />
1.0 · 10<br />
m<br />
b<br />
c<br />
=<br />
=<br />
1.0<br />
Ns 2<br />
1.0 · 10<br />
m<br />
d = 1.0<br />
Beim Modell mit Schwabbelmasse galten folgende Parameter:<br />
l<br />
a<br />
=<br />
=<br />
0.0 m<br />
N 4<br />
1.4 · 10<br />
m<br />
b<br />
c<br />
=<br />
=<br />
1.0<br />
Ns 3<br />
1.4 · 10<br />
m<br />
d = 1.0<br />
B.4 Parameter “Metronom”<br />
Masse = 5Kg<br />
T rägheitsmoment = 0.422Kgm 2<br />
U0 = 1<br />
τ = 0.05s<br />
τ ′ = 0.6s<br />
β = 2.5<br />
a1 = 3.0<br />
pBeuger = 15<br />
pStrecker = 15
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 95<br />
B.4.1 Gerritsen <strong>und</strong> Scott-W<strong>in</strong>ter ohne Schwabbelmasse<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [s]<br />
11.5 12<br />
Abbildung B.1: Moment auf Oberschenkel Boden<br />
nach Gerritsen (n)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [sec]<br />
Abbildung B.3: Bodenkraft X-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (n)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [sec]<br />
Abbildung B.5: Bodenkraft Y-Komponente<br />
Boden nach Scott W<strong>in</strong>ter (n)<br />
Moment [Nm]<br />
600<br />
400<br />
200<br />
0<br />
-200<br />
-400<br />
-600<br />
10 10.5 11<br />
Zeit [sec]<br />
11.5 12<br />
Abbildung B.2: Moment auf Oberschenkel Boden<br />
nach Scott W<strong>in</strong>ter (n)<br />
Kraft [N]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
-500<br />
-1000<br />
-1500<br />
-2000<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung B.4: Bodenkraft X-Komponente<br />
Boden nach Gerritsen (n)<br />
Kraft [N]<br />
4000<br />
3500<br />
3000<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
10 11 12 13 14 15<br />
Zeit [s]<br />
Abbildung B.6: Bodenkraft Y-Komponente<br />
Boden nach Gerritsen (n)
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 96<br />
B.5 Programmcode<br />
Die <strong>in</strong> SIMSYS für eigenen Code vorgesehene Schnittstelle ist“simuser.hc”. In diesem<br />
File k<strong>an</strong>n m<strong>an</strong> eigentlich alle notwendigen eigenen Rout<strong>in</strong>en <strong>in</strong> <strong>der</strong> Programmier-<br />
sprache C implementieren. Sie be<strong>in</strong>haltet aber zudem noch e<strong>in</strong>igen SIMSYS-<strong>in</strong>ternen<br />
Code, <strong>der</strong> eigenen Bedürfnissen gemäß <strong>an</strong>gepasst werden soll ( Beispielsweise die<br />
Ausgabe von eigenen Variablen). Aus Gründen <strong>der</strong> Übersichtlichkeit wurde noch ei-<br />
ne Datei namens “neuron.wgt” <strong>an</strong>gelegt, <strong>in</strong> <strong>der</strong> alle Initialisierungen <strong>der</strong> benötigten<br />
Variablen (<strong>in</strong>sbeson<strong>der</strong>e <strong>der</strong> Matrix <strong>der</strong> synaptischen Gewichte) vorgenommen wer-<br />
den. Eigene Unterrout<strong>in</strong>en wurden ebenfalls hier abgelegt, da die Datei simuser.hc<br />
sonst leicht unübersichtlich wird.<br />
B.5.1 Bestimmung <strong>der</strong> Startwerte <strong>der</strong> Neuronengleichun-<br />
gen<br />
Da <strong>in</strong> dem System gekoppelter Differentialgleichungen <strong>an</strong> vielen Stellen nichtl<strong>in</strong>eare<br />
Kopplungen auftreten war es recht mühsam das Gleichungssystem für :<br />
˙ui = 0 <strong>und</strong> ˙vi = 0 (i = 1...12)<br />
zu lösen. Gelungen ist es mit Hilfe von Mathematica T M mit folgendem Pro-<br />
gramm.<br />
Bei Än<strong>der</strong>ung des Gleichungssystems muß m<strong>an</strong> <strong>an</strong><strong>der</strong>e Startwerte testen falls<br />
Mathematica T M es nicht auf Anhieb gel<strong>in</strong>gt.<br />
Beta=2.5<br />
a1=1.5<br />
a2=1.0<br />
a3=1.5<br />
a4=1.5<br />
a5=3.0<br />
a6=1.5<br />
a7=3.0
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 97<br />
a8=1.5<br />
x5=N[0.45*Pi]<br />
x11=N[0.45*Pi]<br />
x8=N[0.57*Pi]<br />
x14=N[0.57*Pi]<br />
xp5=0<br />
xp11=0<br />
xp8=0<br />
xp14=0<br />
hfg2=0<br />
hfg4=0<br />
feed1:=a1*(x5-Pi/2)-a2*(x8-Pi/2)+a3*(x11-Pi/2)*hfg2+a4*hfg4<br />
feed2:=a1*(Pi/2-x5)-a2*(Pi/2-x8)+a3*(Pi/2-x11)*hfg2-a4*hfg4<br />
feed3:=a1*(x8-Pi/2)-a2*(x5-Pi/2)+a3*(x14-Pi/2)*hfg4+a4*hfg2<br />
feed4:=a1*(Pi/2-x8)-a2*(Pi/2-x5)+a3*(Pi/2-x14)*hfg4-a4*hfg2<br />
feed5:=a5*(Pi/2-x14)*hfg4<br />
feed6:=a5*(x14-Pi/2)*hfg4<br />
feed7:=a5*(Pi/2-x11)*hfg2<br />
feed8:=a5*(x11/Pi/2)*hfg2<br />
feed9:=a6*(Pi/2-x11)*hfg2+a7*(Pi/2-x14)*hfg4-a8*xp11*hfg2<br />
feed10:=a6*(x11-Pi/2)*hfg2+a7*(x14-Pi/2)*hfg4+a8*xp11*hfg2<br />
feed11:=a6*(Pi/2-x14)*hfg4+a7*(Pi/2-x11)*hfg2-a8*xp14*hfg4<br />
feed12:=a6*(x14-Pi/2)*hfg4+a7*(x11-Pi/2)*hfg2+a8*xp14*hfg4<br />
U0=5.0<br />
ClearAll[u]<br />
ClearAll[v]<br />
f1 := -u[1]-2*Max[0,u[2]]-1*Max[0,u[3]]-Beta*v[1]+U0+N[feed1]<br />
f2 := -u[2]-2*Max[0,u[1]]-1*Max[0,u[4]]-Beta*v[2]+U0+N[feed2]<br />
f3 := -u[3]-1*Max[0,u[1]]-2*Max[0,u[4]]-Beta*v[3]+U0+N[feed3]
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 98<br />
f4 := -u[4]-1*Max[0,u[2]]-2*Max[0,u[3]]-Beta*v[4]+U0+N[feed4]<br />
f5 := -u[5]-2*Max[0,u[6]]-Beta*v[5]+U0+N[feed5]<br />
f6 := -u[6]-1*Max[0,u[1]]-1*Max[0,u[2]]-2*Max[0,u[5]]<br />
-Beta*v[6]+U0+N[feed6]<br />
f7 := -u[7]-2*Max[0,u[8]]-Beta*v[7]+U0+N[feed7]<br />
f8 := -u[8]-1*Max[0,u[3]]-1*Max[0,u[4]]-2*Max[0,u[7]]<br />
-Beta*v[8]+U0+N[feed8]<br />
f9 := -u[9]-2*Max[0,u[10]]-Beta*v[9]+U0+N[feed9]<br />
f10 := -u[10]-1*Max[0,u[1]]-1*Max[0,u[2]]-2*Max[0,u[9]]<br />
-Beta*v[10]+U0+N[feed10]<br />
f11 := -u[11]-2*Max[0,u[12]]-Beta*v[11]+U0+N[feed11]<br />
f12 := -u[12]-1*Max[0,u[3]]-1*Max[0,u[4]]-2*Max[0,u[11]]<br />
-Beta*v[12]+U0+N[feed12]<br />
f13 := -v[1]+Max[0,u[1]]<br />
f14 := -v[2]+Max[0,u[2]]<br />
f15 := -v[3]+Max[0,u[3]]<br />
f16 := -v[4]+Max[0,u[4]]<br />
f17 := -v[5]+Max[0,u[5]]<br />
f18 := -v[6]+Max[0,u[6]]<br />
f19 := -v[7]+Max[0,u[7]]<br />
f20 := -v[8]+Max[0,u[8]]<br />
f21 := -v[9]+Max[0,u[9]]<br />
f22 := -v[10]+Max[0,u[10]]<br />
f23 := -v[11]+Max[0,u[11]]<br />
f24 := -v[12]+Max[0,u[12]]<br />
Glsys:={f1==0,f2==0,f3==0,f4==0,f5==0,f6==0,f7==0,f8==0,f9==0,<br />
f10==0,f11==0,f12==0,f13==0,f14==0,f15==0,f16==0,f17==0,<br />
f18==0,f19==0,f20==0,f21==0,f22==0,f23==0,f24==0}<br />
Glsys2:={f1,f2,f3,f4,f5,f6,f7,f8,f9,<br />
f10,f11,f12,f13,f14,f15,f16,f17,<br />
f18,f19,f20,f21,f22,f23,f24}<br />
ClearAll[u]
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 99<br />
ClearAll[v]<br />
InputForm[F<strong>in</strong>dRoot[<br />
Glsys<br />
,<br />
{u[1] ,{0,4}},<br />
{u[2] ,{-2,2}},<br />
{u[3] ,{0,2}},<br />
{u[4] ,{-2,2}},<br />
{u[5] ,{0,2}},<br />
{u[6] ,{-1,2}},<br />
{u[7] ,{1,2}},<br />
{u[8] ,{1,2}},<br />
{u[9] ,{1,2}},<br />
{u[10] ,{1,2}},<br />
{u[11] ,{1,2}},<br />
{u[12] ,{1,2}},<br />
{v[1] ,{1,2}},<br />
{v[2] ,{1,2}},<br />
{v[3] ,{1,2}},<br />
{v[4] ,{1,2}},<br />
{v[5] ,{1,2}},<br />
{v[6] ,{1,2}},<br />
{v[7] ,{1,2}},<br />
{v[8] ,{1,2}},<br />
{v[9] ,{1,2}},<br />
{v[10] ,{1,2}},<br />
{v[11] ,{1,2}},<br />
{v[12] ,{1,2}}<br />
,{MaxIterations->300}]]<br />
{u[1] -> -0.1406762864412222, u[2] -> 1.558723124220148,<br />
u[3] -> 1.567699103230405, u[4] -> -0.1810681919873755,
Kapitel B. Parameter <strong>der</strong> modifizierten Modelle 100<br />
u[5] -> 1.286963181629126, u[6] -> 0.2478144321490286,<br />
u[7] -> 1.289139176540705, u[8] -> 0.2440064410537672,<br />
u[9] -> 1.286963181629128, u[10] -> 0.2478144321490275,<br />
u[11] -> 1.289139176540705, u[12] -> 0.2440064410537674,<br />
v[1] -> 0.0,<br />
v[2] -> 1.558723124220148, v[3] -> 1.567699103230405,<br />
v[4] -> 0.0,<br />
v[5] -> 1.286963181629126, v[6] -> 0.2478144321490286,<br />
v[7] -> 1.289139176540705, v[8] -> 0.2440064410537672,<br />
v[9] -> 1.286963181629128, v[10] -> 0.2478144321490275,<br />
v[11] -> 1.289139176540705, v[12] -> 0.2440064410537674}<br />
Glsys2 /.%<br />
x5<br />
x11<br />
x8<br />
x14<br />
hfg2<br />
hfg4<br />
Beta<br />
U0<br />
N[{feed1,feed2,feed3,feed4,feed5,feed6,<br />
feed7,feed8,feed9,feed10,feed11,feed12}]
D<strong>an</strong>ksagung<br />
An erster Stelle gilt me<strong>in</strong> D<strong>an</strong>k Herrn Prof. Ru<strong>der</strong>, <strong>der</strong> es ermöglicht hat, daß ich<br />
auf dem <strong>in</strong>teress<strong>an</strong>ten Gebiet <strong>der</strong> <strong>Biomech<strong>an</strong>ik</strong> me<strong>in</strong>e Diplomarbeit machen konnte.<br />
Se<strong>in</strong>e unkomplizierte Art <strong>und</strong> fachliche Kompetenz weiß ich zu schätzen.<br />
Für die Betreuung me<strong>in</strong>er Arbeit sei Herrn Dr. Thomas Rosenmeier recht herzlich<br />
ged<strong>an</strong>kt. Er ließ mir viel Spielraum zu selbständigem Arbeiten, war aber immer be-<br />
reit Zeit zu f<strong>in</strong>den, wenn ich se<strong>in</strong>en Rat benötigte. Se<strong>in</strong> Wissen <strong>und</strong> se<strong>in</strong>e Erfahrung<br />
auf dem Gebiet <strong>der</strong> <strong>Biomech<strong>an</strong>ik</strong> halfen mir bei <strong>der</strong> Erstellung dieser Arbeit.<br />
Für se<strong>in</strong>e unermüdliche Bereitschaft, mir <strong>in</strong> fachlichen <strong>und</strong> persönlichen Problemen<br />
Ratschlag zukommen zu lassen, sei Herrn Michael Günther ged<strong>an</strong>kt.<br />
Allen Mitglie<strong>der</strong>n <strong>der</strong> Arbeitsgruppe <strong>Biomech<strong>an</strong>ik</strong> d<strong>an</strong>ke ich für die <strong>an</strong>genehme Ar-<br />
beitsatmosphäre.<br />
Herr Stef<strong>an</strong> Kulla st<strong>an</strong>d mir verlässlich zur Seite, als sich <strong>in</strong> <strong>der</strong> Endphase <strong>der</strong><br />
Arbeit die Ereignisse durch Wasserrohrbruch <strong>und</strong> den dadurch folgenden Umzug<br />
überschlugen.<br />
Herr Helmut Mutschler war mir <strong>in</strong> all den Studienjahren e<strong>in</strong> guter Fre<strong>und</strong>.<br />
Beson<strong>der</strong>s sei me<strong>in</strong>er Mutter Eva Maria Kalweit ged<strong>an</strong>kt, die mir immer guten Rat<br />
gab <strong>und</strong>, nicht zuletzt, me<strong>in</strong> Studium f<strong>in</strong><strong>an</strong>zierte.<br />
Me<strong>in</strong>er lieben Frau Uta Keppler, die me<strong>in</strong>e Hochs <strong>und</strong> Tiefs während <strong>der</strong> Erstellung<br />
dieser Arbeit gleichermaßen miterlebte <strong>und</strong> me<strong>in</strong>en Weg durch das Studium oft<br />
durch ihren Beist<strong>an</strong>d erfreulicher machte möchte ich hier d<strong>an</strong>ken.<br />
101
Literaturverzeichnis<br />
[AG83] O. An<strong>der</strong>sson <strong>an</strong>d S. Grillner. Peripheral control of the cat’s step cy-<br />
cle:ii. entra<strong>in</strong>ment of the central pattern generators for locomotion by<br />
s<strong>in</strong>usoidal hip movements dur<strong>in</strong>g“fictive locomotion”. Acta Physiologica<br />
Sc<strong>an</strong>d<strong>in</strong>avica, 118:229–239, 1983. 26<br />
[Böh97] H. Böhm. Direkte Dynamik e<strong>in</strong>er Riesenfelge im Rahmen von Mehr-<br />
körpersystemen. Universität Tüb<strong>in</strong>gen, 1997. Diplomarbeit. 56<br />
[Bos93] N. Boss, editor. Roche Lexicon Mediz<strong>in</strong>. Urb<strong>an</strong> <strong>und</strong> Schwarzenberg,<br />
1993. 24, 26<br />
[CDK84] R.P. Croll, W.J. Davis, <strong>an</strong>d M.P. Kovac. Neural mech<strong>an</strong>isms of motor<br />
program switch<strong>in</strong>g <strong>in</strong> the mollusc pleurobr<strong>an</strong>chaea. Journal of Neuros-<br />
cience, 5:48–55, 1984. 26<br />
[CR94] J.J. Coll<strong>in</strong>s <strong>an</strong>d S.A. Richmond. Hard-wired central pattern generators<br />
for quadrupedal locomotion. Biological Cybernetics, 71, 1994. 29<br />
[Cro94] Crook, S., Cohen, A. Central Pattern Generators. In Bower, J.M.,<br />
Beem<strong>an</strong>, D., editor, The Book of Genesis, chapter 8, pages 141–157.<br />
TELOS, 1994. 28<br />
[DOP81] T.G. Deliag<strong>in</strong>a, G.N. Orlovsky, <strong>an</strong>d C. Perret. Efferent activity du-<br />
r<strong>in</strong>g fictitious scratch reflex <strong>in</strong> the cat. Journal of Neurophysiology,<br />
45(4):595–604, 1981. 26<br />
[GDSR85] K. Gruber, J. Denoth, E. Stüssi, <strong>an</strong>d H. Ru<strong>der</strong>. The Wobbl<strong>in</strong>g Mass<br />
Modell. Proceed<strong>in</strong>gs of the ISB Congress, Umea, Sweden, 1985. 56<br />
102
LITERATURVERZEICHNIS 103<br />
[Gün97] M. Günther. Computersimulationen zur Synthetisierung des muskulär<br />
gesteuerten menschlichen Gehens unter Verwendung e<strong>in</strong>es biomech<strong>an</strong>i-<br />
schen Mehrkörpermodells. Universität Tüb<strong>in</strong>gen, 1997. Dissertation.<br />
39, 55, 92<br />
[Gri81] S. Grillner. Controll of locomotion <strong>in</strong> bipeds,tetrapoids,<strong>an</strong>d fish. In<br />
Brooks, V.B., editor, H<strong>an</strong>dbook of Physiology, volume 2, chapter 26,<br />
pages 1179–1236. Waverly Press, Maryl<strong>an</strong>d, 1981. 26<br />
[Gri96] S. Grillner. Bewegungssteuerung im Wirbeltier-Rückenmark. Spektrum<br />
<strong>der</strong> Wissenschaft, März 1996. 26, 27, 77<br />
[Gru87] K. Gruber. Entwicklung e<strong>in</strong>es Modells zur Berechnung <strong>der</strong> Kräfte im<br />
Knie- <strong>und</strong> Hüftgelenk bei sportlichen Bewegungsabläufen mit hohen<br />
Beschleunigungen. Universität Tüb<strong>in</strong>gen <strong>an</strong>d ETH Zürich, 1987. Dis-<br />
sertation. 54, 55, 56<br />
[GV93] C. Gehrtsen <strong>an</strong>d H. Vogel. Physik. Spr<strong>in</strong>ger-Verlag, 1993. 35<br />
[GvdBN95] K.G.M. Gerritsen, A.J. v<strong>an</strong> den Bogert, <strong>an</strong>d B.M. Nigg. Direct dyna-<br />
mics simulation of the impact phase <strong>in</strong> heel-toe runn<strong>in</strong>g. Journal of<br />
Biomech<strong>an</strong>ics, 28(6), 1995. 55<br />
[GZ79] S. Grillner <strong>an</strong>d P. Z<strong>an</strong>gger. On the central generation of locomotion <strong>in</strong><br />
the low sp<strong>in</strong>al cat. Experimental Bra<strong>in</strong> Research, 34:241–261, 1979. 26<br />
[Hos93] Fr<strong>an</strong>k Hospach. Computersimulationen von Abstürzen mittels biome-<br />
ch<strong>an</strong>ischer G<strong>an</strong>zkörpermodelle. Universität Tüb<strong>in</strong>gen, 1993. Disserta-<br />
tion. 20, 56, 61<br />
[Kat74] S. Kater. Feed<strong>in</strong>g <strong>in</strong> helisoma trivolvis: the morphological <strong>an</strong>d physiolo-<br />
gical bases of a fixed action pattern. Americ<strong>an</strong> Zoologist, 14:1017–1036,<br />
1974. 26<br />
[KMK78] C.R.S. K<strong>an</strong>eko, M. Merickel, <strong>an</strong>d S.B. Kater. Centrally programmed<br />
feed<strong>in</strong>g <strong>in</strong> helisoma: Identification <strong>an</strong>d characteristics of <strong>an</strong> electrically<br />
coupled premotor neuron network. Bra<strong>in</strong> Research, 146, 1978. 26
LITERATURVERZEICHNIS 104<br />
[Kre92] T. Krebs. Biomech<strong>an</strong>ische <strong>Simulation</strong>en <strong>an</strong> mehrgliedrigen Modellen<br />
zur Untersuchung von Bewegungsabläufen <strong>der</strong> Maus. Universität Tü-<br />
b<strong>in</strong>gen, 1992. Diplomarbeit. 56<br />
[Kri92] M. Krieg. <strong>Simulation</strong> <strong>und</strong> Steuerung biomech<strong>an</strong>ischer Mehrkörpersy-<br />
steme. Universität Tüb<strong>in</strong>gen, Juni 1992. Diplomarbeit. 20<br />
[Mat85] K. Matsuoka. Susta<strong>in</strong>ed oscillations generated by mutually <strong>in</strong>hibitt<strong>in</strong>g<br />
neurons with adaption. Biological Cybernetics, 52, 1985. 30, 33, 34,<br />
35, 73, 74, 79<br />
[Mut97] H. Mutschler. Biomech<strong>an</strong>ische <strong>Simulation</strong> zielgerichteter Bewegungen<br />
mit neuronalen Netzen. Universität Tüb<strong>in</strong>gen, 1997. Diplomarbeit. 79<br />
[PTVB94] W.H. Press, S.A. Teukolsky, V.T. Vetterl<strong>in</strong>g, <strong>an</strong>d Fl<strong>an</strong>nery B.P. Nume-<br />
rical Recipes <strong>in</strong> C - The Art of Scientific Comput<strong>in</strong>g. Cambridge, 1994.<br />
20<br />
[Rei90] H. Reichert. Neurobiologie. Thieme, 1990. 25, 26<br />
[SBEZ80] J.L. Smith, B. Betts, V.R. Edgerton, <strong>an</strong>d R.F. Zernicke. Rapid <strong>an</strong>kle<br />
extension dur<strong>in</strong>g paw shakes: Selective recruitment of fast <strong>an</strong>kle exten-<br />
sors. Journal of Neurophysiology, 43(3):612–620, 1980. 26<br />
[SHK + 85] J.L. Smith, M.G. Hoy, G.F. Koshl<strong>an</strong>d, D.M. Phillips, <strong>an</strong>d R.F. Zer-<br />
nicke. Intralimb coord<strong>in</strong>ation of the paw-shake response: A novel mixed<br />
synergy. Journal of Neurophysiology, 54(4):1271–1281, 1985. 26<br />
[SS93] H. Strogatz <strong>an</strong>d I. Steward. Coupled oscillators <strong>an</strong>d biological syncro-<br />
nization. Scientific Americ<strong>an</strong>, Dezember 1993. 26<br />
[SW93] S.H. Scott <strong>an</strong>d D.A. W<strong>in</strong>ter. Biomech<strong>an</strong>ical model of the hum<strong>an</strong> foot:<br />
k<strong>in</strong>ematics <strong>an</strong>d k<strong>in</strong>etics dur<strong>in</strong>g the st<strong>an</strong>ce phase of walk<strong>in</strong>g. Journal of<br />
Biomech<strong>an</strong>ics, 26(9), 1993. 55<br />
[Tag95a] G. Taga. A model of the neuro-musculo-skeletal system for hum<strong>an</strong><br />
locomotion - emergence of basic gait. Biological Cybernetics, 73, 1995.<br />
30, 40, 69, 72, 78, 79, 80
LITERATURVERZEICHNIS 105<br />
[Tag95b] G. Taga. A model of the neuro-musculo-skeletal system for hum<strong>an</strong><br />
locomotion - real-time adaptibility <strong>und</strong>er various constra<strong>in</strong>ts. Biological<br />
Cybernetics, 73, 1995. 30, 80<br />
[TYS91] G. Taga, Y. Yamaguchy, <strong>an</strong>d H. Shimzu. Self-org<strong>an</strong>ized control of bi-<br />
pedal locomotion by neural oszillators <strong>in</strong> unpredictable environment.<br />
Biological Cybernetics, 65, 1991. 1, 12, 15, 30, 31, 32, 36, 38, 39, 40,<br />
42, 43, 47, 51, 52, 56, 69, 71, 72, 73, 74, 78, 79, 80, 81, 85<br />
[vuS85] v.Br<strong>an</strong>dis <strong>und</strong> Schönberger. Anatomie <strong>und</strong> Physiologie. Gustav Fischer<br />
Verlag, 1985.<br />
[Wid90] K. Widmayer. <strong>Simulation</strong> von Bewegungsabläufen beim Menschen mit<br />
Hilfe von Mehrkörpersystemen. Universität Tüb<strong>in</strong>gen, 1990. Diplom-<br />
arbeit. 56<br />
[Wid95] K. Widmayer. Computersimulationen mit biomech<strong>an</strong>ischen Mehrkör-<br />
permodellen <strong>und</strong> Fuzzy-Regelung zur Untersuchung <strong>der</strong> Bewegungsko-<br />
ord<strong>in</strong>ation am Beispiel St<strong>an</strong>dhochsprung. Universität Tüb<strong>in</strong>gen, 1995.<br />
Dissertation. 61<br />
[WMNC95] A. Wernig, S. Müller, N<strong>an</strong>assy, <strong>an</strong>d E. Cagol. Laufb<strong>an</strong>d Therapy Ba-<br />
sed on “Rules of Sp<strong>in</strong>al Locomotion” is Effective <strong>in</strong> S<strong>in</strong>al Cord Injured<br />
Persons. Europe<strong>an</strong> Journal of Neuroscience, 7:823–829, 1995. 26<br />
[Yam90] G.T. Yamaguchi. Perform<strong>in</strong>g whole-body simulations of gait with 3-<br />
d, dynamic musculoskeletal models. In J.M. W<strong>in</strong>ters <strong>an</strong>d S.L.Y. Woo,<br />
editors, Multiple Muscle Systems, chapter 43, pages 663–679. Spr<strong>in</strong>ger,<br />
New York, 1990. 78<br />
[Zel94] A. Zell. <strong>Simulation</strong> Neuronaler Netze. ADDISON WESLEY, 1994.<br />
[Zie95] T. Zielińska. Coupled oscillators utilised as gait rhythm generators of a<br />
two-leggeg walk<strong>in</strong>g mach<strong>in</strong>e. Biological Cybernetics, 74, 1995. 30, 67,<br />
69, 79<br />
[Z<strong>in</strong>90] C. Z<strong>in</strong>k, editor. Pschyrembel Kl<strong>in</strong>isches Wörterbuch. de Gruyter, 1990.<br />
24, 26