Design of a Magnetorheological Damper-Based Haptic Interface for Rehabilitation Applications
Notice bibliographique
Résumé
This article presents a novel haptic interface for rehabilitation purposes using MR-dampers. In the rehabilitation, patients are required to do certain exercises to train damaged muscles. Specialized devices are required to ensure patients will do the exercise accurately. Typical devices that are used for this application are difficult to program and may cause damage by applying excessive force to human body. The haptic device that is designed in this article will address the issues by employing MR-dampers and a user-friendly programming methodology. The concept of Resistive-Map generation is introduced as main strategy for activating MR-dampers and restricting the motion to the regions determined by the therapist. To simulate the performance of the system, an accurate model of MR-damper is obtained and validated experimentally. To test the performance of the proposed MR-based haptic device, the resistance-maps are first generated. MR-dampers are activated according to the positions of the MR-dampers in the resistance-map. The system is also simulated in MATLAB ® / SimMechanics. The experimental and simulation results are in good agreement. The promising results of the proposed haptic interface make it a potential candidate for rehabilitation applications. Patients will be able to take the device home and the physiotherapists can online programme the exercises and monitor the performance of patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».