MétaCan
Menu
Retour à la cohorte
Enregistrement W2603921715 · doi:10.12720/joace.3.4.270-276

EMG Based Control of a Robotic Exoskeleton for Shoulder and Elbow Motion Assist

2015· article· en· W2603921715 sur OpenAlexafffund
Mohammad Habibur Rahman, Cristóbal Ochoa-Luna, Maarouf Saad

Notice bibliographique

RevueJournal of Automation and Control Engineering · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésExoskeletonElbowPhysical medicine and rehabilitationMotion (physics)Computer sciencePowered exoskeletonMedicineArtificial intelligenceAnatomy

Résumé

récupéré en direct d'OpenAlex

Torehabilitate individuals with impaired upper-limb functions we have developed an exoskeleton robot, ETS-MARSE. In this paper, we proposed and implemented a control strategy using skin surface electromyogram (EMG) signals of subjects to maneuver the developed exoskeleton robot. A nonlinear sliding mode control technique with exponential reaching law was used for this purpose where EMG signals from shoulder and elbow muscles were used as input information to the controller. To evaluate the performance of the proposed control approach experiments were carried out with the healthy subjects. Experimental results indicate that with the proposed control strategy, ETS-MARSE can be effectively maneuvered with the EMG signals both for the single and multi-joint movement assistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,251
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Automation and Control EngineeringMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207