Modelagem do controle motor para minimização de geração de entropia em processos mecânicos periféricos

• Main Author: Breno Teixeira Santos
• Other Authors: José Guilherme de Souza Chaui Mattos Berlinck
• Language: Portuguese
• Published: Universidade de São Paulo 2008
• Subjects: Biomecânica; Entropia; Modelagem Matemática; Sistemas Dinâmicos; Biomechanics; Dynamical Systems; Entropy; Mathematical Modeling
• Online Access: http://www.teses.usp.br/teses/disponiveis/41/41135/tde-05122008-072813/

Objetivos: Estudos clássicos mostraram que, na locomoção de vertebrados, a transição entre os tipos de passada ocorre justamente quando se inicia um aumento na demanda energética. Uma vez que o movimento muscular é realizado sob controle do sistema nervoso central, é este que determina o tipo de passada a ser utilizada. Portanto, essa estrutura consegue traduzir eventos mecânicos ligados a esses conceitos e, mais do que isso, consegue operar o sistema de modo a mantê-lo num ótimo de demanda. Nossa abordagem pretende criar um mapeamento, no sistema nervoso central, das aferências e eferências de um sistema mecânico de maneira a se modelar uma rede de controle motor. Com isso, estabelece-se um modelo cânon para encontrar a região de operação que minimiza a geração de entropia no sistema mecânico. Métodos: Modelos matemáticos para o funcionamento de músculos esqueléticos e tendões, acoplados em um sistema pendular e suas aferências, fusos e corpos tendinosos de Golgi, foram desenvolvidos e validados como plataforma biomecânica. Essas aferências foram então utilizadas como entradas para outro modelo descrevendo Redes Neurais Biológicas (BNNs, do inglês), o qual gera as eferências que são, então, utilizadas como sinais de controle para acionamento dos músculos. Todos os modelos foram baseados em equações diferenciais (ODEs), e sua resolução numérica realizada em ambiente Simulink. Resultados: A rede neural de controle proposta mostrou-se capaz de operar o sistema biomecânico levando-o a oscilar de forma similar a passadas, tendo como entrada sinais das fibras tipo Ib e Ia. Medidas de otimização baseadas no cálculo da geração de entalpia nos músculos mostraram que a rede é capaz de operar a maquinaria mecânica em regiões de melhor relação geração de entalpia por velocidade ou distância percorrida. Conclusões: Os resultados teóricos desse trabalho fornecem algumas questões experimentais interessantes, como relações entre perfil de ativação muscular e escala biológica, além de embasar a visão de que existem arquiteturas neurais básicas envolvidas no controle dos processos biológicos. === Objectives: Classical studies showed that the transition among gait patterns, in vertebrate locomotion, occur when there is an increase in energetic demand. Since the muscular movement is performed under central nervous system control, it is this one that determines the gait pattern in the end. Therefore, this structure is able to translate mechanical events related to force/energy and more, it is capable to operate the whole system in such a way to put it in a demand optimum. Our approach aims to create a central nervous system mapping of the afferences and efferences present in a mechanical system to create a motor control network model, and then, find the operation range that minimizes the entropy generation of the mechanical system. Methods: Mathematical models of working skeletal muscles and tendons, linked to a pendulum system, and their a afferences (i.e., spindles and Golgi tendon organs) were developed and validated as a biomechanical platform. These afferences were used as inputs to another model describing a Biological Neural Network that generate the efferences used as inputs to muscle control. All models were explicited as differential equations and numerically solved in the Simulink environment. Results: The proposed neural network was able to control the biomechanical system, driving it to oscillate similarly to a gait, autonomously, using signals from Ib and Ia fibers as inputs. Optimization measures based in muscular enthalpy generation calculations pointed out that the network is capable to operate the biomechanical machinery in regions of best enthalpy generation by velocity or distance relations. Conclusions: The theoretical results of this work present some interesting experimental questions about possible relations between muscle activation patterns and biological scaling. It also gives support to the idea that exist some basic neural architecture involved in the control of biological mechanical processes in vertebrates.