فهرست مطالب نویسنده:
colin smith
-
عدم قطعیت درباره ی نتایج مدل های اسکلتی-عضلانی، یکی از اصلی ترین مسایلی است که کم تر مورد توجه کاربران قرار گرفته است. گرچه نتایج این مدل ها برای گیت دارای دقت کافی است، اما در حرکاتی با خمش شدید مفصل زانو مانند اسکات خطاهای بالا گزارش شده است. اخیرا با بروزرسانی سطوح پیچش در مدل قدرتمند راجاگوپال، نسخه ی بروزشده ای از آن جهت شبیه سازی اسکات عمیق (مدل کتلی) ارایه شده است. اما نتایج شبیه سازی توسط این مدل، میانگین خطای بالای نیروی تماسی مفصل زانو (%60<) را در افراد موجود در مجموعه داده ی آزمایشگاهی CAMS نشان می دهد. برای این منظور از نرم افزار Opensim و رابط برنامه نویسی Opensim-MATLAB استفاده شده است. در تحقیق حاضر با استفاده از روش احتمالاتی مونت کارلو، اثر عدم قطعیت در مسیر ماهیچه های مدل اسکلتی-عضلانی کتلی بر نیروی تماسی مفصل زانو مورد بررسی قرار گرفته است. میانگین کران اطمینان %95-5 برای خطای نسبی نیروی تماسی زانو در سیکل کامل اسکات %02/19 ± 73/43 و در اسکات عمیق %77 ± 159 محاسبه شده است. بنابراین، اصلاح پارامترهای مربوط به مسیر عضلات در مدل مختص شبیه سازی حرکت اسکات می تواند سبب بهبود نتایج گردد.کلید واژگان: سیستم اسکلتی-عضلانی، مدل سازی احتمالاتی، مونت کارلو، نیروی تماسی مفصل زانو، مجموعه داده ی CAMS، OpensimUncertainty about the musculoskeletal modeling results is one of the main issues that are less investigated by users. Although the results of these models are accurate enough for gait activities, high errors were reported for activities with deep knee bending like squatting tasks. Recently, by updating the wrapping surfaces in a powerful musculoskeletal model (Rajagopal), an updated version for deep squatting (Catelli) has been released. But high average errors are reported in simulations using this model for CAMS subjects. Opensim software and Opensim-Matlab API were used. In this study, the effect of uncertainty in the muscle pathways of a scaled version of the Catelli model on the knee contact force was studied using the probabilistic Monte Carlo approach. 43.7±19.02% confidence bounds of KCF error during a squat cycle and 159±77% in deep squat were computed. Therefore, more corrections in muscle pathways parameters in the model specified for simulating squat motion could improve the results.Keywords: Musculoskeletal System, Probabilistic Modeling, Monte Carlo, Knee Joint Contact Force, CAMS Knee Datasets, Opensim
-
Reverse subdivision aims at constructing a coarser representation of an object given by a fine polygon mesh. In this paper, we first derive a mask for reverse Loop subdivision that can be applied to both regular and extraordinary vertices. The mask is parameterized, and thus can also be used in reversing variants of Loop subdivision, such as those proposed by Warren and Litke. We apply this mask not only to mesh geometry, but also to texture coordinates. This reverses the texture-mapping process described by DeRose, Kass and Truong, in which a texture originally defined for a coarse mesh was carried to the finer meshes obtained by ubdivision. Combined with the forward subdivision, the proposed technique constitutes a multiresolution representation of textured subdivision surfaces. We illustrate its use with a set of examples.
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.