Robustness and Tracking Performance Evaluation of PID Motion Control of 7 DoF Anthropomorphic Exoskeleton Robot Assisted Upper Limb Rehabilitation
Notice bibliographique
Résumé
Upper limb dysfunctions (ULD) are common following a stroke. Annually, more than 15 million people suffer a stroke worldwide. We have developed a 7 degrees of freedom (DoF) exoskeleton robot named the smart robotic exoskeleton (SREx) to provide upper limb rehabilitation therapy. The robot is designed for adults and has an extended range of motion compared to our previously designed ETS-MARSE robot. While providing rehabilitation therapy, the exoskeleton robot is always subject to random disturbance. Moreover, these types of robots manage various patients and different degrees of impairment, which are quite impossible to model and incorporate into the robot dynamics. We hypothesize that a model-independent controller, such as a PID controller, is most suitable for maneuvering a therapeutic exoskeleton robot to provide rehabilitation therapy. This research implemented a model-free proportional–integral–derivative (PID) controller to maneuver a complex 7 DoF anthropomorphic exoskeleton robot (i.e., SREx) to provide a wide variety of upper limb exercises to the different subjects. The robustness and trajectory tracking performance of the PID controller was evaluated with experiments. The results show that a PID controller can effectively control a highly nonlinear and complex exoskeleton-type robot.
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 | 0,001 | 0,001 |
| 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 ».