A novel method for sports shoe testing based on a modified prosthetic foot test machine: Poster presented at International Calgary Running Symposium, August 14-17, 2014. Celebrating the Retirement of Dr. Benno M. Nigg
Notice bibliographique
Résumé
The study determines the capability and adaption of a dynamic heel-to-toe walking endurance test for prosthetic feet (ISO 22675:2006) to mimic running kinetics and kinematics. The data used for this study was based on captured human running motion from a subject (m, 27 y, 72 kg) in a motion lab. A specific step was selected and processed to be feed into the test machine software. The test machine (Shore Western KS2-07) was modified for three dimensional motions and performed with a prosthetic foot model. A Qualisys motion capture system tracks the motion of the shoe as well as the machine. Forces and moments are acquired with a 6-DoF load cell. Furthermore machine sensor data (shank angle, axial height, acceleration, force) is recorded for comparison. The machine is force controlled and consequently adapts after several steps to the preferred force in shank direction (Fz). Other forces and moments are produced as results of the test setup. As stance time for heel-to-toe running was 0.24 s, the test was performed at different ratios (20% to 80%) of the real time motion to determine the capability of the machine controls to adapt to the motion. The test shows the capability of this approach to reproduce kinetics and kinematics of heel-to-toe running motion. At 60% of real time running speed (0.304 s stance time) forces and moments were reproducible. Based on initial results, machine performance relevant factors were analyzed (e.g. 3D-tilt table shape) to minimize hydraulic piston stroke and allow for the 3D motion.
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 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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».