人工智能增强的运动功率分析,用于在康复系统中预测关节动力学和检测故障

科学领域:

• 生物医学工程 生物医学工程
• 机器人技术 机器人技术 机器人技术
• 康复技术 康复技术 康复技术

背景情况:

• 脑卒中后的恢复需要有效的运动功能康复.
• 辅助机器人系统对于物理治疗至关重要,但需要高标准的安全标准.
• 准确的关节角度测量对于康复设备的精确反至关重要.

研究的目的:

• 推出一种新的故障预警外骨架轮椅,用于上下肢康复.
• 为了提高机器人辅助物理治疗对中风后患者的安全性和准确性.
• 开发一个强大的关节角度预测系统,以克服传感器的局限性.

主要方法:

• 开发了一种冗余机制故障警报外骨轮椅设计.
• 一个机器学习 (ML) 模型被用于用电流传感器的功率分析来预测关节角度.
• 采用集体发电机网络 (CGN) 来根据用户的身体状况合成功率配置文件.

主要成果:

• 拟议的ML和CGN模型有效地检测康复系统中的电气,机械和编码器问题.
• 该系统提高了关节角度测量的准确性,这对于精确的康复反至关重要.
• 自由可用的ML,CGN模型和数据集鼓励在研究中更广泛地采用.

结论:

• 通过发动机功率分析和CGN集成的联合动力学预测提高了康复系统的安全性.
• 可以检测系统内的微妙故障变化,从而改善患者的护理.
• 这种方法在确保可靠和有效的机器人辅助物理治疗方面取得了重大进展.