MétaCan
Menu
Retour à la cohorte
Enregistrement W4392911401 · doi:10.32920/25412569.v1

Seat Backrest Morphing Using Nitinol Actuators

2024· preprint· en· W4392911401 sur OpenAlexaff
Tianhao Jiang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMorphingCushionActuatorStiffnessDeformation (meteorology)Structural engineeringComputer scienceMechanical engineeringWork (physics)Spring (device)EngineeringMaterials scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This thesis proposes a new method of seat cushion shape morphing. The proposed method is a flexible patch-based approach allowing localized morphing for areas of the back or neck that are often lack of support. The focus of this work is on the lumbar region to demonstrate cushion morphing to provide the needed support. The thesis introduces Nitinol, a shape memory alloy, and describes the process of making Nitinol springs as the actuators to bend a flexible panel behind the lumbar area for cushion morphing. An approximation theory has been developed to relate the human weight to the required stiffness for spring design and fabrication. The spring control issues have been studied to address, i) the blasting current for obtaining desired shape deformation, and ii) the holding current for maintaining deformation. Settling time and spring temperature have been studied to culminate in a final design. At last, the springs have been integrated with a cushion support panel in the lumbar area for a commercial chair. Along with a pressure sensing cover, a morphing chair backrest has been developed under a closed-loop control. It has been successfully tested that this chair can automatically adjust the lumbar profile according to an allowable sitting pressure.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil1,000

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 ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,055
Tête enseignante GPT0,366
Écart entre enseignants0,311 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207