使用鞋底传感器系统和机器学习在行走时预测三向地面反应力
Takeshi Yamaguchi1,2, Yuya Takahashi1, Yoshihiro Sasaki3
1Department of Finemechanics, Graduate School of Engineering, Tohoku University, Sendai 980-8579, Japan.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
这项研究引入了一种新的鞋底传感器系统,用于测量行走和转动期间的地面反应力 (GRF). 开发的系统证明了所有GRF方向的实际准确性,增强了生物力学分析.
科学领域:
- 生物力学 生物力学
- 传感器技术 传感器技术
- 运动科学 运动科学 运动科学
背景情况:
- 准确测量地面反应力 (GRFs) 对于理解人类运动和优化运动表现至关重要.
- 现有的GRF测量系统可能是繁的,或者在捕捉复杂的运动的能力上是有限的,比如转.
研究的目的:
- 开发和验证一个紧的,可穿戴的鞋底传感器系统,用于在各种行走和转动活动中测量三向GRF.
- 根据传感器数据评估GRF预测模型的准确性.
主要方法:
- 开发了一种鞋底传感器系统,配备了四个三轴力传感器,利用添加的应变敏感薄膜.
- 与健康参与者进行了涉及直行和转向 (侧步,横步) 的行走实验.
- 采用多重线性回归和高斯过程回归 (GPR) 模型,从传感器输出中预测GRF,与力板数据进行验证.
主要成果:
- 一个用于直行和转向的组合模型在前后和垂直的GRF中实现了不到15%的根平均平方误差 (%RMSE).
- 一个GPR模型单独训练每个运动类型 (直行,横行,交叉转动) 证明了所有三个方向的%RMSE低于15%.
- 在实际的生物机械应用中,GPR模型显示出高精度.
结论:
- 开发的鞋底传感器系统在各种移动任务中提供了准确可靠的三向GRF测量.
- 这种可穿戴传感器技术为现场生物力学分析提供了实用解决方案,有可能改善步态分析和体育表现评估.
