MétaCan
Menu
Retour à la cohorte
Enregistrement W3202847825 · doi:10.18280/rcma.310410

Performance of Athletic Prosthetic Feet Made of Various Composite Materials with PMMA Matrix: Numerical and Theoretical Study

2021· article· en· W3202847825 sur OpenAlexvenueno aff
Hayder Kareem Talla, Jawad K. Oleiwi, Abdul Kareem F. Hassan

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueProsthetics and Rehabilitation Robotics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComposite materialMaterials scienceGlass fiberComposite numberPolymethyl methacrylateDeformation (meteorology)Finite element methodFiberPolymerStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Prosthetic upgrades are specialized prosthetics that enable patients to participate in more demanding recreational activities, such as running. This study examines the use of prosthetic limbs, specifically the athletic prosthetic foot. The current research focused on the manufacturing and production properties of an samples athletic prosthetic Foot made from composite materials based on a polymethyl methacrylate resin (PMMA) reinforced with various fibers (UHMWPE, Perlon, Carbon fiber, and Glass fiber). The finite element method (ANSYS-19R) is used to build an athletic prosthetic model and apply boundary conditions to investigate the influence of deformation and stored energy on the performance of the sports prosthetic foot. Six laminates have been manufactured, and it has been discovered that adding a number of carbon fiber layers to UHMWPE has a better effect on deformation than adding a glass fiber 26% improvement. Furthermore, the findings show there is an improvement in performance when the number of classes was doubled, as the rate of improvement between the laminate to which carbon fibers were added was 31%, and between the laminate to which glass fibers were added by 32% under the same boundary conditions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil0,823

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 technologies0,0000,001
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 Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,225 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetProsthetics and Rehabilitation RoboticsTravaux en français237 207