Implementação de um controlador PID embarcado para o controle em malha fechada de um estimulador neuromuscular funcional

Abstract

Por décadas, a aplicação de Estimulação Elétrica Neuromuscular (EENM) em pacientes paraplégicos e hemiplégicos tem melhorado significativamente sua qualidade de vida. Entretanto, comercialmente, essa técnica é aplicada sem o uso de uma lei de controle em malha fechada, o que limita sua eficiência. Assim, neste trabalho, projetou-se e implementouse um controlador PID embarcado para o uso com estimuladores elétricos neuromusculares. O projeto desse controlador se baseou em um modelo matemático linear de segunda ordem, que representa o comportamento da força muscular devido a um estímulo elétrico. Posteriormente, desenvolveram-se algoritmos na linguagem de programação Python que possibilitam o projeto automático de controladores PID com diferentes especificações para diferentes pacientes. Dessa forma, o usuário informa os parâmetros do paciente e as especificações desejadas para obter a configuração do controlador PID adequada. Além disso, desenvolveuse um programa em linguagem C para o microcontrolador PIC18F4520 que implementa este controlador utilizando o seu conversor A/D interno de 10 bits e um conversor D/A externo de 10 bits. Este controlador pode ser configurado via comunicação serial de forma simples e rápida, permitindo alterar os parâmetros do controlador PID e o tempo de amostragem. Por fim, os resultados obtidos a partir da simulação deste sistema no ambiente Proteus provou a viabilidade do controlador PID projetado.

For decades the quality of life of hemiplegic and patients with spinal cord injuries has been improving through the research and use of Neuromuscular Electrical Stimulation (NMES) in rehabilitation engineering. However, most of the times it has been used without closed loop techniques, which is the approach used in this project, where an embedded PID controller has been designed and implemented to control the NMES. The plant to be controlled, i.e., the behaviour of the muscle response to an electrical stimulus, was represented using a secondorder linear model. The language Python was then used to develop PID control algorithms allowing the use of different specifications so that the user can supply the patient parameters to properly configure the PID controller for different patients. Later, these algorithms were implement in a PIC18F4520 microcontroller using C language, exploiting its internal 10 bit A/D converter and an external 10 bit D/A. The final circuit can be configured serially via a PC, adjusting the controller parameters and the sampling rate. The whole system was simulated in the Proteus environment, proving its viability.