ADXL345'e dayalı bir düşme önleyici algılama cihazının geliştirilmesi
Fu Huiqun 1, Zhang Xiufeng 2, Liu Wentao 3
(1. 101 Sivil İşler Bakanlığı Araştırma Enstitüsü, Pekin 100070; 2. Ulusal Rehabilitasyon Yardımları Araştırma Merkezi, Pekin 100176; 3. Harbin Teknoloji Enstitüsü, Harbin 150001, Heilongjiang)
: Bazı yaşlıların yürürken veya ayakta dururken aniden düşmesini amaçlayan bir düşme tespit cihazı geliştirilmiştir. Bu algılama cihazı aracılığıyla, dokunulacak insan vücudunu korumak amacıyla, giyilebilir hava yastığı koruma cihazının anahtarının yaşlılar düşmeden ve yere temas etmeden önce hızlı bir şekilde şişmesi için tetiklenmesi için bir elektrik sinyali gönderilir. Araştırma esas olarak tek çipli bir mikrobilgisayar sistemi oluşturmak için ADXL345 üç eksenli ivmeölçere dayanmaktadır.Algılama cihazının işlevi teorik analiz, algoritma araştırması ve deneysel araştırma yoluyla gerçekleştirilir. Deneysel sonuçlar, sistemin hassas ve güvenilir olduğunu, insan vücudunun düştüğü 0.15 saniye içinde bir alarm sinyali gönderebildiğini ve giyilebilir gaz koruma cihazı için doğru bir tetikleme sinyali sağlayabildiğini göstermektedir.
: Üç eksenli ivmeölçer; düşme eşiği; düşmeyi önleme; algılama cihazı
: TP216 + .3 Belge tanımlama kodu: ADII: 10.19358 / j.issn.1674-7720.2017.04.027
Alıntı biçimi Fu Huiqun, Zhang Xiufeng, Liu Wentao. ADXL345 J 'ye dayalı düşme önleyici algılama cihazının geliştirilmesi. Mikrobilgisayar ve Uygulama, 2017, 36 (4): 90-93.
0 Önsöz
Toplumumuzun gelişmesiyle birlikte, nüfusun yaşlanma eğilimi yavaş yavaş belirgin hale geldi. 2010 yılındaki altıncı ulusal nüfus sayımının [1] sonuçlarına göre, Çin'de 60 yaş üstü kişi sayısı 178 milyona, 65 yaş üstü kişi sayısı 119 milyona yakın, bu da Çin'in zaten yaşlanan bir toplumda olduğunu gösteriyor. Düşme yaşlılarda görece öne çıkan bir fenomendir. Yerli ve yabancı bilim adamlarına [2-5] göre, 65 yaş üstü insanların 1 / 3'ü her yıl düşüyor ve 80 yaşın üzerindeki yaşlılar Hatta bir yıl içinde düşme olasılığı% 50'ye bile ulaşabilir. Amerika Birleşik Devletleri'nde düşmeler, 70 yaşın üzerindeki insanlar için altıncı önde gelen ölüm nedeni haline gelmiştir.Birleşik Krallık'ta düşmeler 75 yaşın üzerindeki insanlar için ana ölüm nedenidir.Çin'de, her yıl en az 20 milyon yaşlı düşmektedir. Düşmelerin tıbbi maliyetleri son derece yüksektir ve düşmelerin neden olduğu yaralanmaların nasıl azaltılacağı, yurtiçi ve yurtdışındaki araştırmacıların araştırma odağı haline gelmiştir.
Yabancı ülkelerde düşmeyi önleme ile ilgili araştırma Çin'dekinden daha önce başladı [6] Güney Kore'deki Seul Üniversitesi'nden araştırmacılar, bir ivme sensörü, bir jiroskop ve bir eğim sensöründen oluşan, insan göğsüne takılan bir düşme algılama sistemi üzerinde çalıştılar. İnsan vücudunun göğüs açısı 70 ° değişirse ve ivme çok keskin bir şekilde değişirse insan vücudunun düştüğü kabul edilir. Deneyler, ileri geri düşmeye karşı yüksek bir duyarlılığa sahip olduğunu, ancak sola ve sağa düşmeye karşı yeterince duyarlı olmadığını kanıtlamıştır [7]. Amerika Birleşik Devletleri'ndeki ilgili personel tarafından geliştirilen çok konumlu bir izleme sistemi, göğüs ve bacaklarda sırasıyla üç eksenli bir hızlanma sensörü ve bir jiroskop takmaktadır ve bir eşik algoritması aracılığıyla düşme tespitinin başarı oranı% 92'ye ulaşmıştır [8]. Chongqing Üniversitesi'nden ilgili personel, ayakkabı tabanlarına basınç algılama cihazları takabilen ve ayak tabanlarının basınç parametrelerini belirleyerek kullanıcının anormal yürüyüş şeklini belirleyebilen ve düşmeleri etkili bir şekilde tanımlayabilen basınç sensörlerine dayalı bir düşme algılama sistemi geliştirdi. Oran% 85'in üzerine çıkar [9]. Zhejiang Üniversitesinden bilim adamları, hızlanma ve kalp atış hızındaki değişikliklere göre insan vücudunun gerçek zamanlı durumunu değerlendirebilen hızlanma sensörleri ve EKG algılama elektrotlarına dayalı bir izleme sistemi geliştirdiler [10]. Mevcut araştırmadan, düşme algılama sistemi algoritmasının başarı oranının iyileştirilmesi gerekmektedir Algoritmanın yanlış alarmı daha ciddidir ve koruma sistemi yavaş yanıt verir ve güvenilirliği düşüktür. Ek olarak, üç eksenli hızlanma sensörünün düşme algılama sisteminde önemli bir bileşen olduğu ve üç eksenli hızlanma eşiği algılama algoritmasının uygulanmasının daha yaygın olduğu görülebilir. Jiroskobun uygulama etkisi iyi değildir, çünkü jiroskop ciddi bir sıfır kayma fenomenine sahiptir. Yukarıdaki analize dayalı olarak, bu makale ADXL345 üç eksenli ivmeölçere dayalı bir tek çipli düşme algılama sistemi tasarlamayı önermektedir.
1 tasarım süreci
1.1 Tasarım şeması
Bu tasarım, üç eksenli bir ivmeölçer tahmin sistemine dayanmaktadır, genel şema Şekil 1'de gösterilmiştir.
1.2 Bileşen seçimi
(1) Üç eksenli ivmeölçer, ADXL345'i temel olarak kullanır çünkü: bu ivmeölçer, 3,9 mg / LSB'ye kadar ultra düşük güç tüketimine, yüksek çözünürlüğe (13 bit) sahiptir; dijital çıkış, A / D dönüştürme modülünü dikkate almaya gerek yoktur; mobil cihazlar için çok uygundur Cihaz, eğim algılaması sırasında yerçekiminin statik ivmesini ve ayrıca hareket veya darbenin neden olduğu dinamik ivmeyi ölçebilir.
(2) Sistem mikrodenetleyicisi MSP430F149 serisi mikro denetleyiciyi kullanır, bunun başlıca nedeni: bu mikro denetleyici, çok güçlü işleme kapasitesi, düşük güç tüketimi, uygun geliştirme ve programlama ile 16 bitlik bir mikro denetleyicidir; entegre A / gibi daha fazla yonga üzerinde çevresel kaynak vardır D dönüştürme modülü vb.
1.3 Algoritma araştırması
(1) Genel plan
Üç eksenli ivmeölçeri düz bir yüzeye yerleştirin. X, y ve z eksenlerinden hangisi yerçekimi ivmesinin yönüyle çakışır, bu eksenin ivme çıkış değeri 1 g ve diğer iki eksenin değeri 0'dır. Bu tasarımda kullanılan algoritma, genel hızlanma eşiğine dayanmaktadır, yani: a = a2x + a2y + a2z, burada ax, ay, az, üç eksenin hızlanma çıktı değerlerini temsil eder ve a, genel ivme genliğini temsil eder. Eşik yöntemi, a.
(2) Düşme verilerinin özelliklerinin analizi
İnsan vücudunun düşme süreci ADAMS-LifeMOD yazılımı ile simüle edilir, simülasyon süreci Şekil 2'de gösterilmektedir.
İnsan ağırlık merkezinin buna karşılık gelen hareket ivme genlik değişimi Şekil 3'te gösterilmektedir. İnsan vücudunun ölçülen ivme eğrisinin düşüşle birlikte monoton bir şekilde azaldığı ve yere temas anında keskin bir şekilde arttığı şekilden görülmektedir. Düşme tahminini gerçekleştirmek için yere dokunmadan önce düşme eğilimini tahmin etmek ve hava yastığı koruma cihazını çalıştırmak için yeterli zaman bırakmak gerekir. Ek olarak, deneysel cihaz tarafından ölçülen deneysel veriler de Şekil 4 ve Şekil 5'te gösterildiği gibi yukarıdaki simülasyon sonuçlarını desteklemektedir.
(3) Algoritma analizi
Yürüme ve koşma sırasındaki ivme eğrileri Şekil 6 ve Şekil 7'de gösterilmektedir. Yürüme ve koşma koşulları ile karşılaştırıldığında, sonbahar verilerindeki monoton düşüş süresinin önemli ölçüde daha uzun olduğu ve düşüş derecesinin de daha büyük olduğu bulunmuştur ki bu algoritma tasarımında bir atılım olarak kullanılabilir. Eşik yöntemine dayalı algoritma aşağıdaki bağlantılara ayrılabilir:
Hızlanma eşiği değerlendirme bağlantısı
SVM, genel ivmenin büyüklüğünü temsil eder. Eşik 0,9g olarak ayarlanmıştır Örnekleme noktasının SVM değeri 0,9g'den azsa, değerlendirme için bir sonraki adımı girin.
Zaman eşiği değerlendirme bağlantısı
SVM'yi sürekli tatmin edin < 0,9'luk örnekleme noktalarının sayısı, zamanla orantılıdır ve T zamanı için bir eşik ayarlanabilir ve değer 0,35 s'dir. Eğer T > 0.35 s, bu veri kümesinin şüpheli bir düşen veri kümesi olduğu belirlenebilir ve değerlendirme için bir sonraki adıma girilir.
Ortalama eşik değer ayrımcılık bağlantısı
SVM her zaman 0,35 saniye içinde karşılanır < 0.9 koşulu zaten nispeten sert. Deneyler, yürüme ve aşağı inme sırasında hala belirli bir yanlış alarm olasılığının olduğunu gösterdi, bu nedenle üçüncü bağlantı eklendi. Yani, geçmiş 0.35 s'deki ortalama G ivmesi 0.7'den küçükse, bir düşme olayının meydana geldiği kabul edilir. Nihai algoritma Şekil 8'de gösterilmektedir.
2 Deneysel araştırma
2.1 Deneysel sonuçlar
Deneyler, yukarıdaki algoritmanın günlük aktiviteler ile düşmeleri doğru bir şekilde ayırt edebildiğini ve düşüş tespitinin başarı oranının nispeten yüksek olduğunu ve yürüme gibi günlük aktivitelerdeki yanlış alarmların sayısının nispeten az olduğunu göstermektedir. Deneysel sonuçlar Tablo 1'de gösterilmektedir.
2.2 Deneysel analiz
(1) Yanlış alarmların analizi
Yanlış alarmlar genellikle cihaz masaüstünden veya yerden kaldırıldığında meydana gelir.Ayrıca, yürüme sırasında yerde büyük dalgalanmalar varsa, yanlış alarmlar meydana gelebilir, ancak sayısı daha azdır. Ek olarak, üç eşiğin boyutu ayarlanarak filtreleme etkili bir şekilde gerçekleştirilebilir. Bu tasarım ilkesi yanlış pozitiflere izin vermemek ve bu temelde yanlış negatifleri en aza indirmeye çalışmaktır.
(2) Eksik bildirim durumunun analizi
Eksik bildirim genellikle daha yavaş düşmelerde meydana gelir. Örneğin, eksik bildirim, diz belirli bir dereceye kadar büküldüğünde ve sonra düştüğünde ortaya çıkabilir. Bu durumda, algoritmanın iyileştirilmesi gerekiyor, ancak düşüşün neden olduğu hasar söz konusu olduğunda, bu durum şüphesiz daha az darbe hasarı durumudur.
(3) Zaman marjı analizi
Yargılanan bir düşüş durumunda, alarm sinyalinin gönderildiği andan insan vücudunun yere değdiği zamana kadar geçen süre, zaman aralığı olarak adlandırılır ve algoritma marjının boyutu, belirlenen üç eşik ile sınırlandırılır. Ayrıca, ölçüm yöntemlerinin eksikliğinden dolayı, marj doğru bir şekilde ölçülemez. MATLAB simülasyon sonuçlarına göre, marj 0,1 ile 0,2 sn arasındadır.Eğer eşik ince ayarlanmışsa, marjın artmasına yardımcı olur, ancak yanlış alarm olasılığı artar.
(4) Elektriksel performans analizi
Sistem 3.6 V lityum pil ile çalıştırılır ve çalışma akımı genellikle yaklaşık 6 mA'dır ve optocoupler açıkken, çalışma akımı yaklaşık 15 mA'dır. Akü deşarjı 2,5 V'un üzerine düştüğünde normal şekilde çalışabilir.
(5) Diğer performans analizi
Eşik parametrelerinin ince ayarı, dört telli bir DIP anahtarı ile gerçekleştirilebilir.Seçim için 16 durum vardır. Cihaz, gelecekteki deneyler için EEPROM-AT24C256'yı muhafaza eder Hafıza yongasının verileri, RS232 arayüzü üzerinden analiz için bilgisayara iletilebilir. Ürün ileride tamamlanırsa, güç tüketimini ve hacmi azaltmak için bellek modülünü ve RS232 modülünü çıkarmayı düşünün.
3 sonuç
Özetle bu cihaz, algoritma önerisi ve donanım üretimi açısından özgünlüğü garanti eden bağımsız ve eksiksiz bir algoritma sistemidir. Algoritma, bir düşüşün oluşumunu etkili bir şekilde belirleyebilir ve bir çıkış sinyali verebilir. Donanım platformu programların hatalarını ayıklayabilir ve deneysel verileri depolayabilir, bu da gelecekteki deneylerin ve algoritmaların sürekli optimizasyonu için bir temel sağlar.
Referanslar
[1] Çin Halk Cumhuriyeti Ulusal İstatistik Bürosu, 2010 Altıncı Ulusal Nüfus Sayımı Bülteni (No. 1) [J]. Çin Aile Planlaması Dergisi, 2011, 19 (8): 511-512.
2 CHUNG P C, LIU C D. Günlük davranış, insan davranışını anlamak için gizli Markov modelini mümkün kıldı J. Örüntü Tanıma, 2008, 41 (5): 1589-1597.
3 NADEEM A, ANDREA C. Video analizi için çok yaşamlı nesne yörünge kümeleme J. Video Teknolojisi için Devreler ve Sistemler Üzerine IEEE İşlemleri, 2008, 18 (11): 1555-1564.
[4] Tong Lina. Mekanik miktar bilgisi edinme sistemine [D] dayalı insan vücudunun düşme sürecini tanıma yöntemi üzerine araştırma [D] Hefei: Çin Bilim ve Teknoloji Üniversitesi, 2011.
[5] Zhang Jun. Videoya dayanarak hareket eden insan vücudunun anormal davranışlarının analizi ve tanınması üzerine araştırma Xi'an: Xidian Üniversitesi, 2009.
[6] MATHIE M J, CELLER B G, LOVELL N H, et al. Üç eksenli ivmeölçer kullanarak temel günlük hareketlerin sınıflandırılması J. Medical and Bioloigcal Engineering and Computing, 2004, 42: 670-687.
7 PURWAR A, JEONG D U, CHUNG W Y. Sensör ağı kullanarak gerçek zamanlı üç eksenli ivmeölçer verilerinden aktivite izleme C. Uluslararası Kontrol, Otomasyon ve Sistemler Konferansı, 2007: 2402-2407.
8 Li Qiang, STANKOVIC J A, HANSON M A, ve diğerleri. Jiroskoplar ve ivmeölçer kullanarak doğru, hızlı düşüş tespiti C. Giyilebilir ve İmplante Edilebilir Vücut Sensör Ağları üzerine Altıncı Uluslararası Çalıştay, 2009: 138-143.
[9] Shi Xin Basınca duyarlı yürüyüşe dayalı spor insan vücudunun davranış tanıma araştırması D Chongqing: Chongqing Üniversitesi, 2010.
[10] Wen Yaofeng.Gerçek zamanlı bir düşüş duruşu tespiti ve kalp atış hızı izleme sistemi üzerine araştırma D Hangzhou: Zhejiang Üniversitesi, 2008.
