RBF based adaptive neuro-fuzzy inference system to torque estimation from EMG signal

Anwar, Tanvir; Al-Dmour, Hayat

doi:10.1109/ssci.2017.8285440

Cited by 4 publications

(3 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…De acuerdo con la literatura, se han desarrollado múltiples algoritmos que permiten la estimación del par de la rodilla utilizando señales de sEMG provenientes de los músculos asociados a la flexión y extensión de la rodilla. El 23% de los algoritmos lo utilizan para mediciones del par en condiciones estáticas (33,38,40,42), mientras que, para la estimación del par durante la ejecución de movimientos de la rodilla el porcentaje de algoritmos es del 77% (32, 34,35,[39][40][41][43][44][45][47][48][49]. De acuerdo con la revisión de la literatura, para el desarrollo de estos algoritmos se han uti- En la actualidad existen métodos, basados en análisis biomecánicos y leyes físicas de la dinámica del movimiento para el cálculo del par ejercido por un sujeto, durante movimientos de flexión y extensión de rodilla (55).…”

Section: Resultsunclassified

Estimación de par basada en electromiografía de superficie: potencial herramienta para la rehabilitación de rodilla

et al. 2020

View full text Add to dashboard Cite

Este artículo fue aprobado para publicación en el v68n3 de la Revista de la Facultad de Medicina teniendo en cuenta los conceptos de los pares evaluadores y los cambios realizados por los autores según estos conceptos. Por lo tanto, se publica la versión preliminar del artículo para su consulta y citación provisional, pero debe aclararse que esta puede diferir del documento final, ya que no ha completado las etapas finales del proceso editorial (corrección de estilo, traducción y diagramación) y solo los títulos, datos de autores, palabras clave y resúmenes corresponden a la versión final del artículo.Esta versión puede consultarse, descargarse y citarse según se indique a continuación, pero debe recordarse que el documento final (PDF, HTML y XML) puede ser diferente. Cómo citar:Portela MA, Sánchez-Romero JI, Pérez VZ, Betancur MJ. [Estimación de par basada en electromiografía de superficie: potencial herramienta para la rehabilitación de rodilla]. Rev. Fac. Med. 2020;68(3): In press -2020. English. doi: MJ. Torque estimation based on surface electromyography: potential tool for knee rehabilitation. Rev. Fac. Med. 2020;68(3): In press -2020. English. doi: http://dx.doi.org/10.15446/ revfacmed.v68n3.75214. Revista de la Facultad de MedicinaIn press publication Rev. Fac. Med.

show abstract

Section: Resultsunclassified

Estimación de par basada en electromiografía de superficie: potencial herramienta para la rehabilitación de rodilla

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Let us take into account the new dynamic model for our LLRR expressed as ( 15) and ( 16). Moreover, the observer reported by Riani et al [36] is defined as (17). According to Riani et al [36], if we define the vector estimation error as Γ = Γ − Γ and the vector parameters error as χ = χ − χ, then we can compute their dynamics as…”

Section: Calibration Phase Designmentioning

confidence: 99%

“…However, using sEMG signals adds additional procedures and costs. In addition, they are also subject to variabilities inherent to the sEMG signal acquisition [16][17][18]. In addition, other studies report only the tests for a one-Degree-of-Freedom (DOF) LLRR, such as the estimation of ankle dynamic joint torque by a neuromusculoskeletal solver-informed Neural Network (NN) model [19].…”

Section: Introductionmentioning

confidence: 99%

Human-Robot Interaction Torque Estimation Methods for a Lower Limb Rehabilitation Robotic System with Uncertainties

et al. 2022

View full text Add to dashboard Cite

Lower limb rehabilitation robot (LLRR) users, to successfully conduct isotonic exercises, require real-time feedback on the torque they exert on the robot to meet the goal of the treatment. Still, direct torque measuring is expensive, and indirect encoder-based estimation strategies, such as inverse dynamics (ID) and Nonlinear Disturbance Observers (NDO), are sensitive to Body Segment Inertial Parameters (BSIPs) uncertainties. We envision a way to minimize such parametric uncertainties. This paper proposes two human–robot interaction torque estimation methods: the Identified ID-based method (IID) and the Identified NDO-based method (INDO). Evaluating in simulation the proposal to apply, in each rehabilitation session, a sequential two-phase method: (1) An initial calibration phase will use an online parameter estimation to reduce sensitivity to BSIPs uncertainties. (2) The torque estimation phase uses the estimated parameters to obtain a better result. We conducted simulations under signal-to-noise ratio (SNR) = 40 dB and 20% BSIPs uncertainties. In addition, we compared the effectiveness with two of the best methods reported in the literature via simulation. Both proposed methods obtained the best Coefficient of Correlation, Mean Absolute Error, and Root Mean Squared Error compared to the benchmarks. Moreover, the IID and INDO fulfilled more than 72.2% and 88.9% of the requirements, respectively. In contrast, both methods reported in the literature only accomplish 27.8% and 33.3% of the requirements when using simulations under noise and BSIPs uncertainties. Therefore, this paper extends two methods reported in the literature and copes with BSIPs uncertainties without using additional sensors.

show abstract

Mobicrus – Classification of Lower Limb Actions Based on EMG Signals Using Machine Learning

Savithri,

Nishanth,

Sudharsan

et al. 2023

2023 Intelligent Computing and Control for Engineering and Business Systems (ICCEBS)

View full text Add to dashboard Cite

RBF based adaptive neuro-fuzzy inference system to torque estimation from EMG signal

Cited by 4 publications

References 7 publications

Estimación de par basada en electromiografía de superficie: potencial herramienta para la rehabilitación de rodilla

Estimación de par basada en electromiografía de superficie: potencial herramienta para la rehabilitación de rodilla

Human-Robot Interaction Torque Estimation Methods for a Lower Limb Rehabilitation Robotic System with Uncertainties

Mobicrus – Classification of Lower Limb Actions Based on EMG Signals Using Machine Learning

Contact Info

Product

Resources

About