LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

ENEBI 2018

6º Encontro Nacional de Engenharia Biomecânica

PATIENT TORQUE ESTIMATION FOR OPTIMAL CONTROL OF A ROBOTIC REHABILITATION DEVICE

Submission Author: Leonardo José Consoni , SP
Co-Authors: Leonardo José Consoni, Guido Gómez, Adriano Siqueira
Presenter: Leonardo José Consoni

doi://10.26678/ABCM.ENEBI2018.EEB18-0181

 

Abstract

Robotic rehabilitation might be a solution for the growing number of people with neuromotor disability. When programming robust control for therapy robots, the large variability in human body dynamics leads developers to leave it as unmodeled uncertainty. Here we propose and test a way to insert patient force estimates in a LQG compensator loop. Identification of a linearized leg model is combined with a Kalman observer to get a full LQG knee movement controller. A multilayer perceptron neural network is trained from reference trajectories and inverse dynamics data to calculate human-generate torque, subtracted from LQG state feedback, so that the controller is more compliant and incites orthosis user activity. Preliminary simulations of an impaired patient are used to validate the complete system, and to compare it to traditional approach. In the end, the more interesting results are discussed and considerations about shortcomings and future developments are made

Keywords

Rehabilitation Robotics, Optimal Control, Artificial neural networks, Kalman Filter, System Identification

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM