Model-Based Design and Optimization of Passive Shoulder Exoskeletons
Notice bibliographique
Résumé
Abstract To physically assist workers in reducing musculoskeletal strain or to develop motor skills for patients with neuromuscular disabilities, recent research has focused on Exoskeletons (Exos). Designing active Exos is challenging due to the complex human geometric structure, the human-Exoskeleton wrench interaction, the kinematic constraints, and the selection of power source characteristics. Because of the portable advantages of passive Exos, designing a passive shoulder mechanism has been studied here. The study concentrates on modeling a 3D multibody upper-limb human-Exoskeleton, developing a procedure of analyzing optimal assistive torque profiles, and optimizing the passive mechanism features for desired tasks. The optimization objective is minimizing the human joint torques. For simulating the complex closed-loop multibody dynamics, differential-algebraic equations (DAE)s of motion have been generated and solved. Three different tasks have been considered, which are common in industrial environments: object manipulation, over-head work, and static pointing. The resulting assistive Exoskeleton’s elevation joint torque profile could decrease the specific task’s human shoulder torque. Since the passive mechanism produces a specific torque for a given elevation angle, the Exoskeleton is not versatile or optimal for different dynamic tasks. We concluded that designing a passive Exoskeleton for a wide range of dynamic applications is impossible. We hypothesize that augmenting an actuator to the mechanism can provide the necessary adjustment torque and versatility for multiple tasks.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».