22887

تخمين وضعيت مفاصل دست با استفاده از تركيب اطلاعات سنسورهاي اينرسي

كارشناسي ارشد

كنترل

1399/3/25

دكتر سعيد عباداللهي

دكتر وحيد شالچيان

برق

امروزه محاسبه¬ي زاويه مفاصل بدن استفاده¬هاي زيادي در زمينه پزشكي و ورزشي مانند، فيزيوتراپي، آموزش ورزشي در رشته¬هاي مختلف دارد. يكي از روش¬هاي تخمين مفاصل استفاده از سنسورهاي اينرسي است. مزيت اين روش نسبت به روش¬هاي ديگر مانند پردازش ويديويي، ارزان بودن اين سنسورها است. در اين پروژه ابتدا به بررسي روش¬هاي تخمين زاويه مفاصل كه تاكنون انجام شده پرداخته مي¬شود. مشكل اين روش دقت پايين اندازه¬گيري توسط سنسورهاي اينرسي MEMS است كه داراي خطاهايي مانند باياس و اسكيل فكتور هستند. در نتيجه، وجود اين خطاها در سنسورها باعث كاهش دقت تخمين خواهد شد. به همين دليل الگوريتمي براي تخمين آنلاين باياس سنسورهاي اينرسي MEMS ارائه مي¬شود كه به يكي از الگوريتم¬ها اضافه شده و منجر به حذف باياس اندازه¬گيري و در نتيجه افزايش دقت محاسبه زوايا توسط سيستم مي¬شود. سپس تخمين زاويه مفاصل به كمك شبكه عصبي صورت مي¬پذيرد كه نسبت به روش¬هايي كه تاكنون ارائه شده است از دقت بسيار بالاتري برخوردار است. علاوه بر اين در الگوريتم شبكه عصبي، تنها از يك سنسور شتابسنج استفاده مي¬شود در حالي كه در الگوريتم¬هاي ديگر حداقل از شتاب سنج و ژايروسكوپ بايد استفاده كرد و اين موضوع از ديگر مزيت¬هاي شبكه عصبي است. استفاده از شبكه عصبي براي تخمين زاويه مفاصل روشي جديد به حساب مي¬آيد. دقت تخمين زاويه به روش شبكه عصبي نيز با تعداد نورون¬ها و الگوريتم¬هاي آموزش مختلف مورد بررسي قرار مي¬گيرد.

1399/09/19

Estimate the condition of the wrist joints using a combination of inertial sensor information

6/14/2020 12:00:00 AM

Nowadays, calculating the angle of the body joints has many uses in the field of medicine and sports, such as physiotherapy, sports training in various fields. One method of estimating joints is to use inertial sensors. The advantage of this method over other methods such as video processing is the cheapness of these sensors. In this project, first, the methods of estimating the angle of the joints that have been done so far are reviewed. The problem with this method is the low accuracy of measurements by MEMS inertial sensors, which have errors such as bias and scale factor. As a result, the presence of these errors in the sensors will reduce the accuracy of the estimate. For this reason, an algorithm for online estimation of the bias of MEMS inertial sensors is presented, which is added to one of the algorithms and leads to the elimination of the measurement bias and thus increases the accuracy of calculating angles by the system. Then, the angle of the joints is estimated using a neural network, which is much more accurate than the methods presented so far. In addition, in the neural network algorithm, only one accelerometer sensor is used, while in other algorithms, at least the accelerometer and gyroscope must be used, and this is another advantage of the neural network. Using a neural network to estimate the angle of the joints is a new method. The accuracy of angle estimation by neural network method is also evaluated by the number of neurons and different training algorithms.