Digital Resistance-Map Generation for a Magnetorheological Damper Based Platform for Rehabilitation Applications
Notice bibliographique
Résumé
This paper introduces a methodology for generating digital resistance-map that can be utilized in an MR-Damper based robotic rehabilitation. Typically, in rehabilitation procedures, patients are getting involved in the recovery process of gradually training weak and damaged muscles by constraining motion in repetitive exercises. The whole purpose of robotic rehabilitation is to restrict body organ motion to the one prescribed by the therapist at the initial steps of treatment to avoid further damages to other weak muscles while focusing on recovering a particular muscle. MR-Dampers are semi-active actuators that can potentially be employed for this application. These dampers can be activated to produce high resistance to motion, and a platform that contains sufficient number of them can be manipulated to create regions of different resistance against motion. To apply this to the robotic rehabilitation, the motion recommended by the therapist should be converted to the resistance-maps that can be used by MR-Damper for implementation. To accomplish that, procedure of generating the digital resistance map is introduced and several digital resistance-maps are created. An MR-damper control methodology is also developed to activate the dampers. This controller relies on the accurate modeling of the MR-Damper. Bouc-Wen model is used for MR-Damper modeling. A 3-D platform containing three linear MR-Dampers is modeled using SimMechanics. 1-D and 2-D models are used to develop the idea and build up 3-D model. Several simulations are carried out to investigate the performance of the systems in generating the prescribed digital resistance-maps. The promising results of the simulations indicate that the method can be adopted for robotic rehabilitation purposes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».