Simulation of Stand-to-Sit Biomechanics for Robotic Exoskeletons and Prostheses With Energy Regeneration
Notice bibliographique
Résumé
Previous studies of robotic exoskeletons and prostheses with regenerative actuators have focused on level-ground walking. Here we analyzed the lower-limb joint mechanical power during stand-to-sit movements using inverse dynamics to estimate the biomechanical energy available for electrical regeneration. Nine subjects performed 20 sitting and standing movements while lower-limb kinematics and ground reaction forces were measured. Subject-specific body segment parameters were estimated using parameter identification. Joint mechanical power was calculated from joint torques and rotational velocities and numerically integrated over time to estimate the joint biomechanical energy. The hip absorbed the largest peak negative mechanical power (1.8 ± 0.5 W/kg), followed by the knee (0.8 ± 0.3 W/kg) and ankle (0.2 ± 0.1 W/kg). Negative mechanical work on the hip, knee, and ankle joints per stand-to-sit movement were 0.35 ± 0.06 J/kg, 0.15 ± 0.08 J/kg, and 0.02 ± 0.01 J/kg, respectively. Assuming known regenerative actuator efficiencies (i.e., maximum 63%), robotic exoskeletons and prostheses could regenerate ~26 Joules of electrical energy while sitting down, compared to ~19 Joules per walking stride. Given that these regeneration performance calculations are based on healthy young adults, future research should include seniors and/or rehabilitation patients to better estimate the biomechanical energy available for electrical regeneration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».