MétaCan
Menu
Retour à la cohorte
Enregistrement W4220686704 · doi:10.1139/tcsme-2021-0119

Predicting the kinematic response of a helmeted headform during oblique impacts

2022· article· en· W4220686704 sur OpenAlexaffvenue
Daniel E. Abram, Adrian Wikarna, Farid Golnaraghi, G. Gary Wang

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésKinematicsOblique caseMathematicsGeodesyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

A total of 160 oblique impact tests were performed to study the relationship between the kinematic response of a helmeted headform and the impact severity caused by a change in speed (Group 1) and anvil angle (Group 2). In this study, the kinematic response of a helmeted headform was evaluated by measuring its linear acceleration, rotational acceleration, and rotational velocity. In Group 1, a football helmet was tested at 45° anvil angle at four different impact speeds ranging from 4.5 to 7.4 m/s on five impact locations. The results showed that, for all cases, the relationship between the impact speed and helmeted headform kinematic response was linear, with an average R2 value of 0.98. At each impact location, a prediction line was generated using the data points for the lowest and highest speeds. For the speeds of 5.5 and 6.5 m/s, the prediction of the helmeted headform kinematic response was validated with an average error of 4.7%. In Group 2, the helmeted headform was tested at 5.5 m/s impact speed at six different anvil angles between 15° and 55°, and the response was fitted with a second-degree polynomial (curve) with an average R2 value of 0.96. The kinematic response of the higher and lower impact speeds was obtained experimentally for one angle, and the fitted curve for 5.5 m/s was offset to pass through the obtained kinematic response. The predicted helmeted headform kinematic response was experimentally validated, and the average error was found to be 8.3%. The results showed that it is possible to predict the kinematic response of a helmeted headform by interpolating or extrapolating the data without having to perform an additional impact test. An analysis of other research works also showed similar predictable behaviour for headform equipped with other helmet models. Therefore, the number of tests during the process of evaluating helmet performance can be reduced.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207