Assessing Control of Fixed-Support Balance Recovery in Wearable Lower-Limb Exoskeletons Using Multibody Dynamic Modelling
Notice bibliographique
Résumé
Despite many lower-limb exoskeletons requiring the use of crutches to maintain upright postures, limited research has assessed control of standing balance recovery in these systems. Using a model-based approach, the current simulation study investigated the performance of impedance controllers designed to assist with standing fixed-support balance recovery. A novel multibody dynamic model of the integrated humanexoskeleton system was designed to move in the sagittal plane. Development of the exoskeleton model (Technaid Exo-H3) was accompanied by parameter identification. The balancing torques produced by the human in the model were derived from offline linear control methods and saturated to approximate the torque-production of a young individual either with or without incomplete spinal cord injury. Without intervention, the injured user was not able to recover upright posture following a forward push of specific magnitude. Thus, three feedback control laws, inspired by robotics research (exoskeletons and humanoids), were implemented in the simulated exoskeleton. Each law assisted with balance recovery via reference tracking within the joint and/or whole-body center of mass space. Following optimization of control parameters, all proposed exoskeleton control laws were successful in assisting the injured user return to an upright posture. Joint space control yielded the best jointlevel reference tracking during recovery, while center of mass control better reduced forward center of mass excursions - albeit at the cost of joint-level tracking accuracy.
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 ».