Roboterassistierte Rehabilitation und Muskelaufbautraining

• Robot-assisted rehabilitation and muscle strength training

Kolditz, Melanie; Abel, Dirk (Thesis advisor); Albracht, Kirsten (Thesis advisor)

Aachen (2020)
Doktorarbeit

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2020

Kurzfassung

Die Bewegungsfähigkeit ist ein grundlegender Bestandteil eines selbstbestimmten Lebens bis ins Alter. Sowohl zur Prävention als auch zur Rehabilitation von Erkrankungen, die eine eingeschränkte Bewegungsfähigkeit zur Folge haben, ist regelmäßiges Üben und Trainieren von entscheidender Bedeutung. Roboterassistierte Systeme stellen eine Möglichkeit dar, Patienten in der Neurorehabilitation mit ausreichend selbständiger Übungszeit zu versorgen und Personen im Muskelaufbautraining dabei zu unterstützen, Fehl- und Schonhaltungen und damit Schädigungen am Muskel-Skelett-System zu vermeiden. Der Fokus dieser Arbeit liegt in der Verwendung von Industrierobotern zur Neurorehabilitation der oberen Extremität und zum Muskelaufbautraining der unteren Extremität. Zur Evaluation und Auswahl eines geeigneten Roboters wird eine simulative Methode verwendet, die mit einem Starrkörpermodell des Roboters die maximal zulässigen Achslasten mit den in der Anwendung erwarteten Lasten vergleicht. Für die Neurorehabilitation wird ein System auf Basis des KUKA LBR IV weiterentwickelt. Als Ergebnis steht eine Plattform zur Verfügung, mit der Patienten selbständig eine zuvor eingelernte Bewegung am Roboter trainieren können. Das System bewertet kontinuierlich die Haltung und erkennt Ausgleichsbewegungen, um zusammen mit gemessenen Kräften am Endeffektor auf die aktuelle Patientensituation zu schließen und angemessen zu reagieren. Für das neuromuskuläre Aufbautraining wurde ein System auf Basis eines KUKA KR270 Industrieroboters entwickelt, mit dem entlang beliebiger individueller Bewegungstrajektorien sowohl isokinematisch als auch isotonisch trainiert werden kann. In zwei Versuchen an einer dynamischen und statischen Beinpresse wurde die Position und Orientierung der Trittplatte als Stellgröße identifiziert, um Belastungen am Muskel-Skelett-System in Form von Gelenkmomenten zu beeinflussen. Unter Verwendung einer Bewegungserfassung, sowie eines Starrkörpermodells des Beins können mit der gemessenen Kraft am Endeffektor die Gelenkbelastungen während des Trainings ermittelt werden. Dies ist die Grundlage für ein Belastungsmanagement im neuromuskulären Aufbautraining, was nach dieser Arbeit mit dem roboterassistierten Trainingssystem möglich ist.