MétaCan
Menu
Retour à la cohorte
Enregistrement W2051843849 · doi:10.1109/tmech.2012.2235079

A New Wheelchair Ergometer Designed as an Admittance-Controlled Haptic Robot

2013· article· en· W2051843849 sur OpenAlexaff
Félix Chénier, Pascal Bigras, Rachid Aïssaoui

Notice bibliographique

RevueIEEE/ASME Transactions on Mechatronics · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueTeleoperation and Haptic Systems
Établissements canadiensÉcole de Technologie SupérieureCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésWheelchairSimulationInertiaHaptic technologyComputer scienceMoment of inertia

Résumé

récupéré en direct d'OpenAlex

Wheelchair ergometers aim to simulate the propulsion of a wheelchair in a controlled laboratory setup. One drawback of current ergometers is that the simulated wheelchair is always modeled as a simple unidimensional mass and friction, which do not allow a correct simulation of turning maneuvers. In this paper, we present a new design for a wheelchair ergometer based on haptic robotics. This ergometer allows us to simulate any linear or nonlinear model of the wheelchair-user system in real time, including models that implement turning maneuvers. The presented prototype was validated experimentally. The rear wheels of the ergometer match the rear wheels' velocities of the simulated wheelchair with a root-mean-square error of 0.9 %. Therefore, the ergometer's accuracy is mainly bounded by the accuracy of the wheelchair-user model, which means that future improvements of the wheelchair-user model will be directly reflected by the ergometer. The conditions for stability were also evaluated. A minimal simulated mass of 18 kg and a minimal simulated moment of inertia of 1 kg ·m <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> are needed. These requirements are encountered by any wheelchair-user combination.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,950
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations27
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE/ASME Transactions on MechatronicsMême sujetTeleoperation and Haptic SystemsTravaux en français237 207