MARC

 008250123s2024        us                              c    eng  d
■001000017162852
■00520250211152103
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382739960
■035    ▼a(MiAaPQ)AAI31349052
■035    ▼a(MiAaPQ)umichrackham005487
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620.8
■1001  ▼aNazon,  Yves  F.,  II.
■24510▼aEstimation  of  Knee  Joint  Impedance  During  Walking  and  Its  Implications  for  Robotic  Control  and  Beyond
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a104  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  B.
■500    ▼aAdvisor:  Rouse,  Elliott  J.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2024.
■520    ▼aThe  mechanical  impedance  of  the  human  lower-limb  joints  during  locomotion  encodes  our  understanding  of  how  the  human  feedback  system  stabilizes  the  body  and  is  a  key  component  of  several  strategies  for  translating  this  behavior  to  robots,  to  powered  prosthetic  limbs,  and  to  people  empowered  by  exoskeletons.  Knowledge  of  how  this  property  varies  in  lower  limb  joint  is  sparse,  with  the  amount  of  information  available  decreasing  as  you  move  up  the  kinematic  chain  from  the  ankle  to  the  hip.  This  work  looks  to  broaden  the  knowledge  base  of  how  knee  impedance  is  modulated,  particularly  during  the  process  of  ambulation.  This  work  first  provides  an  overview  of  the  lower  limb  joint  impedance  literature,  and  from  this  overview,  produces  three  aims  to  address  current  gaps  in  the  knowledge  base.  The  first  aim  validates  the  use  of  methods  for  impedance  estimation.  The  second  aim  characterizes  a  device  that  can  be  used  to  estimate  impedance,  and  utilizes  that  device  to  estimate  knee  impedance  in  a  pilot  study.  The  third  aim  produces  estimates  of  knee  impedance  during  walking  for  a  group  of  abled  bodied  participants.  Finally,  this  work  discusses  the  implications  of  the  work  produced  on  the  fields  of  human  system  identification,  wearable  robotics,  and  rehabilitation,  concluding  with  recommendations  for  future  work.
■590    ▼aSchool  code:  0127.
■650  4▼aBiomechanics
■650  4▼aMechanical  engineering
■650  4▼aRobotics
■653    ▼aJoint  impedance
■653    ▼aExoskeleton
■653    ▼aSystem  identification
■653    ▼aRehabilitation
■690    ▼a0548
■690    ▼a0648
■690    ▼a0771
■71020▼aUniversity  of  Michigan▼bMechanical  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-12B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162852▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books