MétaCan
Menu
Retour à la cohorte
Enregistrement W2122818579 · doi:10.1109/tnsre.2009.2023292

Evaluation of a Prosthetic Swing-Phase Controller With Electrical Power Generation

2009· article· en· W2122818579 sur OpenAlexaff
Jan Andrysek, Tony Liang, Bryan Steinnagel

Notice bibliographique

RevueIEEE Transactions on Neural Systems and Rehabilitation Engineering · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensHolland Bloorview Kids Rehabilitation Hospital
Organismes subventionnairesnon disponible
Mots-clésGaitSwingCadenceSimulationKinematicsComputer scienceMicroprocessorPower (physics)EngineeringPhysical medicine and rehabilitationMechanical engineeringEmbedded systemMedicineElectronic engineering

Résumé

récupéré en direct d'OpenAlex

With the increased presence of microprocessor-based prostheses in the market place, the availability of a self-energizing system has practical applicability. At present, most commercially available systems require the user to routinely recharge on-board batteries, which reduces the utility of these prostheses. To address this limitation, we have proposed a unique system based on an electromechanical generator to not only continually recharge batteries that are on-board the prostheses, but to also serve as a real time swing-phase damper. A prototype system was developed and evaluated with three active individuals with above-knee amputations across four damping conditions and two gait speeds. Gait and power generation performance were assessed via selected temporal, kinematic and kinetic parameters. Gait parameters including cadence and knee angle symmetry were found to be acceptable when knee damping was adapted for each participant. Across the three subjects and two walking speeds, between 0.57 and 1.57 W of electrical power was produced. These results indicate that this technology may be utilized for prosthetic swing-phase control and ultimately may alleviate the need for manually charging of microprocessor-based prostheses.

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 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: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

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

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 GPT0,235
Écart entre enseignants0,224 · 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 tête enseignante, 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

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Neural Systems and Rehabilitation EngineeringMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207