Research on Iterative Learning Method for Lower Limb Exoskeleton Rehabilitation Robot Based on RBF Neural Network
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This study addresses gait reference trajectory tracking control in a 13-degree-of-freedom lower-limb rehabilitation robot, where patients exhibit nonlinear perturbations in lower-limb muscle groups and gait irregularities during exoskeleton-assisted walking. We propose a novel control strategy integrating iterative learning with RBF neural network-based sliding mode control, featuring a single hidden-layer pre-feedback architecture. The RBF neural network effectively approximates uncertainties arising from lower-limb muscle perturbations, while adaptive regulation through parameter simplification ensures precise torque tracking at each joint, meeting real-time rehabilitation requirements. MATLAB 2021 simulations demonstrate the proposed algorithm’s superior trajectory tracking performance compared to conventional sliding mode control, effectively eliminating control chattering. Experimental results show maximum angular errors of 1.77° (hip flexion/extension), 1.87° (knee flexion/extension), and 0.72° (ankle dorsiflexion/plantarflexion). The integrated motion capture system enables the development of patient-specific skeletal muscle models and optimized gait trajectories, ensuring both training efficacy and safety for spasticity patients.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Research on Iterative Learning Method for Lower Limb Exoskeleton Rehabilitation Robot Based on RBF Neural Network
- Date Crossref
- 28/05/2025
- Éditeur
- MDPI AG
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Changchun University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Jilin Academy of Agricultural Machinery pays non établi dans la noticeStructure de recherche
-
Changchun Institute of Technology pays non établi dans la noticeUniversité ou école supérieure
-
PLA Air Force Aviation University pays non établi dans la noticeUniversité ou école supérieure
-
School of Mechatronic Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Institute of Electromechanical Technology pays non établi dans la noticeStructure de recherche
-
Aeronautical Basic College pays non établi dans la noticeUniversité ou école supérieure
Changchun University of Technology, Jilin Academy of Agricultural Machinery et Changchun Institute of Technology, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.