Детальная информация

Данная работа посвящена разработке альтернативной измерительной-вычислительной системы для помощи пользователю во время захвата на основе анализа данных с IMU и камеры глубины. В ходе работы была разработана концепция устройства, для которого были выбрана элементная база для заданных условий применения. Был реализован прототип с инерциальными датчиками и лазерным дальномером на базе готового решения бионического протеза. С помощью прототипа был поставлен эксперимент для сбора данных с инерциальных систем во время трех состояний: покоя, захвата и тряски. На основе проанализированных данных была обучена модель многослойной нейронной сети со скользящим окном. Максимальная точность классификации на тестовой выборке составили 97,8% для окна 0,3 секунды. Дополнительно была разработана альтернативная модель пороговой схемы в качестве решения для микроконтроллеров с ограниченными ресурсами.     Разработанная система предполагает использование в бионических протезах с миографическим управлением в качестве средства реабилитации и в качестве устройства для диагностики нарушений в механике захвата. Результаты работы позволяют сделать вывод о перспективном использовании комплекса из инерциальных датчиков и камеры глубины в бионических протезах для помощи пользователю в проведении захвата объектов.

This work is devoted to the development of an alternative measurement and computing system to assist the user during capture based on the analysis of data from the IMU and depth camera. In the course of the work, the concept of the de-vice was developed, for which the element base was selected for the specified ap-plication conditions. A prototype with inertial sensors and a laser rangefinder based on a ready-made bionic prosthesis solution was implemented. Using the prototype, an experiment was set up to collect data from inertial systems during three states: rest, capture and shaking. Based on the analyzed data, a multi-layer neural network model with a sliding window was trained. The maxi-mum classification accuracy in the test sample was 97.8% for a window of 0.3 sec-onds. Additionally, an alternative threshold circuit model was developed as a solu-tion for microcontrollers with limited resources. The developed system assumes its use in bionic prostheses with myographic control as a means of rehabilitation and as a device for diagnosing disorders in the mechanics of grip. The results of the work allow us to conclude about the promising use of a complex of inertial sensors and a depth camera in bionic prostheses to help the user capture objects.

• ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ
• ВВЕДЕНИЕ
• ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ
  • 1.1. Актуальные решения для бионических протезов
  • 1.2. Применение инерциальных измерителей в протезах
  • 1.3. Типы захватов
  • 1.4. Применение камер для захватов в протезах
• ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ
  • 2.1. Методы обработки данных в работе с инерциальными измерителями
  • 2.2. Метод поиска паттернов временных рядов
• ГЛАВА 3. РАЗРАБОТКА УСТРОЙСТВА
  • 3.1. Концепция устройства
  • 3.2. Поиск и выбор датчиков
  • 3.2.1. Выбор инерциальных датчиков
  • 3.2.2. Выбор датчика расстояния
  • 3.3. Выбор метода сканирования формы объекта
  • 3.3.1. Методы сканирования трехмерного объекта
  • 3.3.2. Лазерное сканирование
  • 3.3.3. Радиоволновой метод сканирования
  • 3.3.4. Метод структурированного света
  • 3.3.5. Метод стереометрии
  • 3.4. Поиск и выбор вычислительного устройства
  • 3.5. Разработка структурной и функциональной схемы
  • 3.6. Разработка принципиальной схемы
  • 3.7. Расчет потребляемого питания и выбор питания
  • 3.8. Расчет массы и стоимости системы
  • 3.9. Разработка прототипа с неполным функционалом
• ГЛАВА 4. ОБРАБОТКА ДАННЫХ
  • 4.1. Настройка инерциальных датчиков и лазерного дальномера
  • 4.2. Набор данных с инерциальных датчиков при захвате
  • 4.3. Разработка алгоритмов обработки данных
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ A