Passive and active rehabilitation control of human upper-limb exoskeleton robot with dynamic uncertainties
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY This paper investigates the passive and active control strategies to provide a physical assistance and rehabilitation by a 7-DOF exoskeleton robot with nonlinear uncertain dynamics and unknown bounded external disturbances due to the robot user's physiological characteristics. An Integral backstepping controller incorporated with Time Delay Estimation (BITDE) is used, which permits the exoskeleton robot to achieve the desired performance of working under the mentioned uncertainties constraints. Time Delay Estimation (TDE) is employed to estimate the nonlinear uncertain dynamics of the robot and the unknown disturbances. To overcome the limitation of the time delay error inherent of the TDE approach, a recursive algorithm is used to further reduce its effect. The integral action is employed to decrease the impact of the unmodeled dynamics. Besides, the Damped Least Square method is introduced to estimate the desired movement intention of the subject with the objective to provide active rehabilitation. The controller scheme is to ensure that the robot system performs passive and active rehabilitation exercises with a high level of tracking accuracy and robustness, despite the unknown dynamics of the exoskeleton robot and the presence of unknown bounded disturbances. The design, stability, and convergence analysis are formulated and proven based on the Lyapunov–Krasovskii functional theory. Experimental results with healthy subjects, using a virtual environment, show the feasibility, and ease of implementation of the control scheme. Its robustness and flexibility to deal with parameter variations due to the unknown external disturbances are also shown.
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.
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 découle