MétaCan
Menu
Retour à la cohorte
Enregistrement W2025930429 · doi:10.1080/10255842.2013.869318

A new dynamic model of the wheelchair propulsion on straight and curvilinear level-ground paths

2014· article· en· W2025930429 sur OpenAlexaff
Félix Chénier, Pascal Bigras, Rachid Aïssaoui

Notice bibliographique

RevueComputer Methods in Biomechanics & Biomedical Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueControl and Dynamics of Mobile Robots
Établissements canadiensInstitut de Readaptation Gingras Lindsay de MontrealÉcole de Technologie SupérieureCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésCurvilinear coordinatesPropulsionWheelchairComputer scienceAerospace engineeringManual wheelchairEngineeringAeronauticsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Independent-roller ergometers (IREs) are commonly used to simulate the behaviour of a wheelchair propelled in a straight line. They cannot, however, simulate curvilinear propulsion. To this effect, a motorised wheelchair ergometer could be used, provided that a dynamic model of the wheelchair-user system propelled on straight and curvilinear paths (WSC) is available. In this article, we present such a WSC model, its parameter identification procedure and its prediction error. Ten healthy subjects propelled an instrumented wheelchair through a controlled path. Both IRE and WSC models estimated the rear wheels' velocities based on the users' propulsive moments. On curvilinear paths, the outward wheel shows root mean square (RMS) errors of 13% in an IRE vs 8% in a WSC. The inward wheel shows RMS errors of 21% in an IRE vs 11% in a WSC. Differences between both models are highly significant (p < 0.001). A wheelchair ergometer based on this new WSC model will be more accurate than a roller ergometer when simulating wheelchair propulsion in tight environments, where many turns are necessary.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,259
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Methods in Biomechanics & Biomedical EngineeringMême sujetControl and Dynamics of Mobile RobotsTravaux en français237 207