The study of cycling biomechanics typically requires measurement of pedal loads through force transducer instrumentation. However, analysis of seated cycling often necessitates the additional measurement of the loads exerted on the rider by the seat and handlebars. A stationary exercise bicycle was instrumented with two commercial six-axis force transducers at both the seat and handlebar locations via a custom designed mounting system. The system was tested by applying known forces and moments to the fixtures and proved capable of accurately measuring the loads. Additional data collected from cycling tests were compared to values from the literature to add supporting evidence to the validity of the system. The instrumented stationary bicycle was further used to study the accuracy of modeling seated cycling in OpenSim. Five participants cycled at a moderate resistance level for three trials. Force and moment data were collected by seat, handlebar, and pedal load cells, while kinematic data were collected by an optical motion capture system. Participant data were analyzed with the OpenSim residual reduction algorithm (RRA) tool excluding seat and handlebar loads. The RRA pelvic residual was then compared to an experimentally determined handlebar and seat equivalent (HBSE) calculated from respective load cell data. Graphical comparisons of the RRA and HBSE results showed strong correlations in Anterior-Posterior (A-P) and Superior-Inferior (S-I) force directions and to a lesser degree, Medial-Lateral (M-L) force and S-I moment directions. M-L and A-P moment plots showed the least correlation between RRA and HBSE. Statistical comparisons showed RRA errors likely within 5.2% body weight (BW) for forces and 2.4% BW*height for moments. Considering the average participant height and weight of 167.7 cm and 63.6 kg, respectively, recommended error ranges for RRA are roughly ±4.0% BW for forces and ±7.2% BW*height for moments. This indicates that the OpenSim RRA tool can be used for cycling analysis.

Les activités industrielles peuvent induire des risques de nature diverse, voire conduire à des événements catastrophiques. De façon à réduire ces risques à des niveaux acceptables, à en limiter les coûts aussi bien humains, matériels que financiers et à respecter la réglementation, il est crucial d'en prévenir la survenue (prévention) et à identifier des situations anormales en fonction d'informations récupérées sur le terrain. Ceci nécessite de résoudre deux points essentiels : détecter l'anomalie et faire un diagnostic, d'où l'importance des modèles de bon comportement qui modélisent des systèmes physique réels et les méthodes associées permettant d'effectuer la surveillance en continu. L'approche la plus utilisée dans la communauté FDI est l'approche structurelle qui consiste à construire des relations de redondance analytique (RRA). Le principe de l'approche structurelle est de prendre en compte seulement l'existence des relations entre les variables induites par les équations du modèle. En basant sur cette approche, ma thèse consiste à trouver une réponse qui satisfait un triple objectif :1. Extraire les relations valides à partir du modèle de bon comportement d'un système afin de prendre en compte l'évolution du système en éliminant les relations et des mesures invalides ayant pour but d'effectuer le diagnostic en ligne2. Construire, en utilisant une analyse symbolique couplée avec la théorie des graphes, les relations de redondance analytique symboliques (RRAS) pour la détection des défauts dans le système.3. Evaluer ces RRAS en utilisant le calcul par intervalle, an de prendre en compte les incertitudes présents dans les mesures, lors des tests de cohérence.

Les activités industrielles peuvent induire des risques de nature diverse, voire conduire à des événements catastrophiques. De façon à réduire ces risques à des niveaux acceptables, à en limiter les coûts aussi bien humains, matériels que financiers et à respecter la réglementation, il est crucial d’en prévenir la survenue (prévention) et à identifier des situations anormales en fonction d’informations récupérées sur le terrain. Ceci nécessite de résoudre deux points essentiels : détecter l’anomalie et faire un diagnostic, d’où l’importance des modèles de bon comportement qui modélisent des systèmes physique réels et les méthodes associées permettant d’effectuer la surveillance en continu. L’approche la plus utilisée dans la communauté FDI est l’approche structurelle qui consiste à construire des relations de redondance analytique (RRA). Le principe de l’approche structurelle est de prendre en compte seulement l’existence des relations entre les variables induites par les équations du modèle. En basant sur cette approche, ma thèse consiste à trouver une réponse qui satisfait un triple objectif :1. Extraire les relations valides à partir du modèle de bon comportement d'un système afin de prendre en compte l'évolution du système en éliminant les relations et des mesures invalides ayant pour but d'effectuer le diagnostic en ligne2. Construire, en utilisant une analyse symbolique couplée avec la théorie des graphes, les relations de redondance analytique symboliques (RRAS) pour la détection des défauts dans le système.3. Evaluer ces RRAS en utilisant le calcul par intervalle, an de prendre en compte les incertitudes présents dans les mesures, lors des tests de cohérence. / Large-scale complex process plants are safety-critical systems where the real-time diagnosis is very important. In a model based systems engineering approach, the structured development process from the concept to the production to the operation phase is organized around a coherent model of the system. This model contains, in particular, relations about the behavior of the system that could have been used for simulation in the design phase. The objective of this work is to use this information to design automatically on-line diagnosis algorithms using the hybrid dynamical information part and sensor measurements of the system model. In this thesis, the proposed approach allows:To extract the valid relations of system behavior to take into account system evolution by eliminating invalid constraints and measurements for establishing an on-line diagnosisTo build, using symbolic analysis and graph path search, analytical redundancy relations for the various system configurationsTo evaluate these ARRs in using set valued computations (interval arithmetic) to take into account model and measurements uncertainties

No description available.

No description available.

在總體經濟學中，跨期替代分析方法佔有相當重要的地位。其中跨期替代彈性(the elasticity of intertemporal substitution, EIS)的大小，間接或者直接影響總體經濟中的許多層面，直覺上，例如跨期替代彈性越大，對個人而言，是對當期消費的機會成本提升，使延後消費的意願上升，同時增加個人儲蓄，在正常金融市場情況之下，個人儲蓄金額的增加，將使市場資金的供給量增多，使得企業或個人的投資機會成本降低，經由總體經濟中間接或直接的影響下，則總體經濟成長率應會上升。其中，當消費者效用函數為固定風險趨避係數(constant coefficient of relative risk aversion, CRRA)且具有跨期分割與可加性的特性，加上在傳統經濟學中，假設每個人皆為完全理性的前提下，經由跨期替代分析方法推導後，可以得到相對風險趨避係數(the coefficient of relative risk aversion, RRA)與跨期替代彈性(the elasticity of intertemporal substitution, EIS)恰好是倒數關係。 / 在過去相關研究中，Hansen and Singleton (1983)推估出跨期替代彈性值較大且顯著，但Hall (1988)強調，若考慮資料的時間加總問題(time aggregation problem)， 則前者估計出跨期替代彈性在統計上則不再是顯著；Hall亦於結論提出跨期替代彈性為小於或等於0.1，甚至比0小。在經濟意義上，代表股票市場中投資人的相對風險趨避程度(RRA)極大，直覺上，是不合理的現象，這也是著名的彈性迷思(elasticity puzzle)。於是Epstein and Zin (1991)嘗試建議並修正效用函數為不具時間分割性(non-time separable utility)的效用函數，並得到跨期替代彈性(EIS)與相對風險趨避係數(RRA)互為倒數關係，不復存在的結論。這也說明影響彈性迷思(elasticity puzzle)的原因有許多，其中之一，可能為設定不同形式效用函數所造成。 / 在傳統經濟模型中，假設完全理性的個人決策行為之下，利用跨期替代方法，可以得到跨期替代彈性(EIS)與相對風險趨避程度(RRA)互為倒數關係後，又得到隱含風險趨避程度為無窮大的推估結論。這也是本研究想要來探究的問題，即是彈性迷思(elasticity puzzle)究竟是假設所造成，或者是因為由個體資料加總成總體資料，所產生的謬誤。 / 因此，本研究與其他研究不同之處，在於利用建構時間可分離形式的效用函數(time-separable utility)模型基礎，以遺傳演算(Genetic Algorithms)方法，建構有限理性的人工股票市場進行模擬，其中，模擬方式為設定不同代理人(agent)有不同程度的預測能力，代表其理性程度的差異的表現。 / 本研究發現在有限理性異質性個人的人工股票市場下，相對風險趨避程度係數(RRA)與跨期替代彈性(EIS)不為倒數關係，且設定不同代理人不同的預測能力，亦會影響跨期替代彈性(EIS)的推估數值大小。

No description available.

No description available.

No description available.

No description available.