A nonlinear modelling approach to quantify sitting control in individuals with sensorimotor impairments
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 Few biomechanical models of sitting stability have been proposed over the last decades and most of them control the trunk position through a lumbar torque. Unfortunately, this type of model is not valid for individuals living with a complete thoracic spinal cord injury (SCI) who generally experience paralysis of their abdominal and lower back muscles. Instead, individuals with SCI often engage their upper limbs as a compensatory strategy to control their sitting position. A new nonlinear biomechanical model is introduced to take into consideration the influence of the upper limbs for sitting control study of people living with SCI. The inherent nonlinearity of the model is taken into account via the Takagi–Sugeno (T‐S) framework. To estimate the internal controlling torques without measurements, an unknown input observer (UIO) is created. Its convergence is expressed by linear matrix inequalities (LMI), which are solved by convex optimization techniques. Numerical simulations with perturbations are used to assess the adequacy of the methodology and preliminary experimental data of one person living with SCI performing a sitting stabilization exercise is used to estimate internal torques of the upper limbs. The main contribution of this work is to provide a way to estimate human joint torques without invasive measurements; the results highlight the validity of both goals of this article, the nonlinear biomechanical modelling and the UIO methodology.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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