Admittance-Based Voluntary-Driven Motion With Speed-Controlled Tremor Rejection
Notice bibliographique
Résumé
In the elderly, there have been reports of above 10% of the population being diagnosed with pathological tremor. Some patients find the conventional medical solutions, which primarily include medications and surgery, insufficient to treat their conditions. Technologies to mechanically suppress tremor have been proposed as a potential alternative. Robotic solutions for suppressing human tremor typically revolve around identifying and isolating the tremor motion component. This study proposes instead to only estimate the intentional movement and reject any disturbance that interferes with such an intended movement. By designing the control feedback such that motions other than the voluntary are rejected, the tremor component is attenuated. The controller components include an outer-loop admittance feedback loop and an internal velocity feedback loop. Additionally, a state feedback is utilized to improve the velocity tracking. To test the proposed approach, a benchtop tremor simulation device (TSD) was developed. The TSD consists of two motors, which, respectively, simulate the motion of a human joint and the suppressing action of a mechanical suppression system. A parametric stability analysis of the proposed tremor-suppression strategy is presented. A motion profile recorded from a person with tremor is used as human input in the TSD to experimentally validate the proposed tremor rejection strategy. Spectral analysis results show a 99.8% tremor reduction; the power reduction related to the voluntary movement is instead negligible (0.18%). Tracking of a velocity profile results in a small root-mean-square (rms) error (0.58 rad/s). The paper concludes by comparing the proposed approach to others presented in the literature.
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) | 0,001 | 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 ».