Multibody dynamics and optimal control for optimizing spinal exoskeleton design and support
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
Abstract In the industrial work environment, spinal exoskeletons can assist workers with heavy lifting tasks by reducing the needed muscle activity. However, the requirements for the design and control of such an exoskeleton to optimally support users with different body builds and movement styles are still open research questions. Thus, extensive testing on the human body is needed, requiring a lot of different sophisticated prototypes that subjects can wear for several hours. To facilitate this development process, we use multibody dynamics combined with optimal control to optimize the support profile of an existing prototype and evaluate a new design concept (DC) that includes motors at the hip joint. A dynamic model of the prototype was developed, including its passive elements with torque generation that accounts for potential misalignment. The human-robot interaction was simulated and optimized in an all-at-once approach. The parameters that describe the characteristics of the passive elements (including beam radius, spring pretension, length of the lever arm, radius of profile) and, in the case of DC, the torque profiles of the motors were optimized. Limits on interaction forces ensured that the exoskeleton remains comfortable to wear. Simulations without the exoskeleton allowed comparing the user’s actuation concerning joint moment and muscle activation. Our results agree well with experimental data using the prototype, making it a useful tool to optimize exoskeleton design and support and evaluate the effect of different actuation systems, mass distributions, and comfort requirements.
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 | 0,001 | 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