Genetic Algorithms Based Approach for Designing Spring Brake Orthosis – Part I: Spring Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spring brake orthosis (SBO) concentrates purely on the knee to generate the swing phase of the paraplegic gait with the required hip flexion occurring passively as a consequence of the ipsilateral knee flexion, generated by releasing the torsion spring mounted at the knee joint. Electrical stimulation then drives the knee back to full extension, as well as restores the spring potential energy. In this paper, genetic algorithm (GA) and its variant multi-objective GA (MOGA) is used to perform the search operation for the ‘best’ spring parameters for the SBO spring mounted on an average sized subject simulated in the sagittal plane. Conventional torsion spring is tested against constant torque type spring in terms of swing duration as, based on first principles, it is hypothesized that constant torque spring would be able to produce slower SBO swing phase as might be preferred in assisted paraplegic gait. In line with the hypothesis, it is found that it is not possible to delay the occurrence of the flexion peak of the SBO swing phase further than its occurrence in the natural gait. The use of conventional torsion spring causes the swing knee flexion peak to appear rather faster than that of the natural gait, resulting in a potentially faster swing phase and hence gait cycle. The constant torque type spring on the other hand is able to stretch duration of the swing phase to some extent, rendering it the preferable spring type in SBO.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle