هوشمندتر شدن اسکلت های بیرونی با تجزیه و تحلیل داده ها

گروهی از دانشجویان دانشگاه صنعتی دلفت (Delft University of Technology) در کشور هلند در حال توسعه یک اسکلت بیرونی نوآورانه تحت عنوان پروژه‌ی مارچ (Project MARCH) هستند. درواقع Project MARCH یک اسکلت بیرونی کاربرپسند و همه کاره است که افراد آسیب دیده نخاعی را قادر می‌سازد دوباره بایستند و راه بروند. این گروه قصد دارد از طریق نوآوری، ایجاد همکاری و الهام بخشیدن به دیگران، به افزایش فرصت‌های حرکتی کمک کند.

هر ساله گروه جدیدی از دانشجویان از دانشگاه‌های مختلف، مانند دانشگاه صنعتی دلفت و دانشگاه علمی‌کاربردی لاهه، نمونه اولیه یک اسکلت بیرونی را تولید یا بهبود می‌بخشند. آنها به دنبال روش‌هایی هستند تا بتوانند اسکلت بیرونی را سبک‌تر، روان‌تر در حرکت و کاربر پسندتر کنند. دانشجویان اسکلت بیرونی خود را با همکاری افراد آسیب نخاعی، اصطلاحاً کاربر، طراحی می‌کنند. کاربر با استفاده از این اسکلت بیرونی در یک مسابقه بین‌المللی که برای اسکلت‌های بیرونی طراحی شده شرکت می‌کند: Cybathlon. امسال، گروه Project MARCH اسکلت بیرونی نسل چهارم خود، MARCH IVc، را برای شرکت در Cybathlon، بهبود بخشیده است. با مجله فناوری‌های توان‌افزا و پوشیدنی همراه باشید.

هوشمند سازی پروژه اسکلت بیرونی با استفاده از تجزیه و تحلیل داده‌ها

اسکلت بیرونی یک ربات کمکی پیچیده است که دارای قطعات قابل مقایسه با اعضای بدن انسان است. استخوان‌ها و مفاصل انسان شبیه استخوان‌ها و مفاصل آلومینیومی موجود در اسکلت بیرونی است. هشت مفصل در اسکلت بیرونی وجود دارد: یکی در هر مچ پا، یکی در هر زانو و دو مفصل در هر لگن. یکی از مفاصل ران برای حرکت رو به جلو و دیگری برای گام‌های جانبی است. هر مفصل حاوی یک موتور است که توسط باتری واقع در کوله پشتی تأمین انرژی می‌شود. الکترونیک موجود در اسکلت بیرونی ارتباط بین عناصر مختلف را فراهم می‌کند.

تجزیه و تحلیل داده‌ها در اسکلت بیرونی

اسکلت بیرونی همچنین شامل منابع مختلف داده است. همه چیز با دستگاه ورودی آغاز می‌شود که در عصا قرار دارد. کاربر الگوی راه رفتن را انتخاب می‌کند. الگوهای راه رفتن از پیش برنامه‌ریزی شده است و شامل مجموعه‌ای از داده‌ها است که برای هر مفصل موقعیت‌های مختلفی را که باید بگیرد توصیف می‌کند. حسگرهای متعدد در اسکلت بیرونی وضعیت و سرعت مفاصل را اندازه‌گیری می‌کنند. و چندین حسگر دمای اسکلت بیرونی و شارژ باتری را اندازه می‌گیرد.

برای نخستین بار در سال جاری، پروژه MARCH همه داده‌ها را با استفاده از نرم افزار SAS به میزبانی SaasNow تجزیه و تحلیل کرد. هر چهار میلی ثانیه، یک جریان کوچک از داده‌ها از تمام نقاط مهم اسکلت بیرونی عبور می‌کند. مهمترین تجزیه و تحلیل داده در محل و در رایانه اصلی اسکلت بیرونی که درون کوله پشتی است انجام می‌شود. نخست بررسی می‌کند آیا هر بخش هنوز کار می‌کند و بیش از حد گرم نیست. دمای موتور در اتصالات می‌تواند تا بیش از ۵۰ درجه سانتیگراد افزایش یابد. کاربر بخاطر پوشش‌های روی مفاصل چیزی را حس نمی‌کند. اما هنوز هم اسکلت بیرونی برای خنک شدن نیاز به استراحت دارد.

Project MARCH : طراحی اسکلت بیرونی فعال توسط دانشجویان دانشگاه صنعتی دلفت هلند

توزیع انرژی

رایانه اصلی موقعیت مفاصل را بررسی می‌کند. اسکلت بیرونی با ارسال مقدار مشخصی انرژی به هر مفصل، به موقعیت دلخواه آن مفصل دست می‌یابد. تعیین میزان دقیق انرژی مورد نیاز برای قرار دادن اتصالات در موقعیت ایده‌آل یک چالش است. برای نمونه، هنگامی‌که کاربر با اسکلت بیرونی در حال راه رفتن روی زمین است، برای بلند کردن زانو نیروی کمتری لازم است، نسبت به زمانی که با اسکلت بیرونی از پله بالا می‌رود.

میزان دقیق انرژی به عوامل متعددی از جمله میزان استفاده کاربر از عصا برای پشتیبانی، بستگی دارد. اگر سامانه از مقدار صحیح انرژی استفاده نکرد، مفصل چندین درجه انحراف پیدا می‌کند که باید جبران شود. این می‌تواند منجر به حرکات کاملاً متزلزل شود. اما به لطف کار Rutger van Beek، تحلیلگر داده‌های Project MARCH و پشتیبانی نرم افزار SAS، چنین مواردی پیش نخواهد آمد.

داده‌های لحظه‌ای

امسال، برای نخستین بار، بخش نرم افزار یک تحلیلگر داده به گروه افزود. Rutger van Beek مبنایی برای تجزیه و تحلیل داده‌ها ایجاد کرد که می‌تواند داده‌ها را با جزئیات شرح دهد. Rutger می‌گوید: «با استفاده از نرم‌افزارSAS، تحلیلگران Project MARCH می‌توانند به سرعت اطلاعات مربوط به همه داده‌های خود را بدست آورند، تنظیمات را انجام دهند، داده‌ها را ذخیره و جمع‌آوری کنند و همه این‌ها را در زمان واقعی انجام دهند».

این اطلاعات بسیار ارزشمندی برای گروه است زیرا آموزش‌های بسیاری با کاربران برای بهینه‌سازی اسکلت بیرونی انجام می‌شود. با نرم افزار جدید می‌توان در طول جلسات آموزشی بر اسکلت بیرونی نظارت و به سرعت بینش پیدا کرد و بر این اساس اسکلت بیرونی را تنظیم کرد.

جمع‌آوری داده‌ها برای هر الگوی پیاده‌روی منحصر به فرد، چگونگی تعیین میزان مناسب انرژی از سامانه را تعیین می‌کند. در نتیجه، اکنون همه الگوهای راه رفتن بسیار راحت‌تر هستند. و حرکات اسکلت بیرونی بلافاصله این را منعکس می‌کند. در آینده، این نوع تجزیه و تحلیل داده‌ها می‌تواند به ساخت یک اسکلت بیرونی حتی بهتر کمک کند!

مراحل بعدی

اکنون که گروه بنیان تجزیه و تحلیل داده‌ها را در اختیار دارد، گروه جدید Project MARCH مشتاق استفاده بیشتر از آن است. گروه در حال برنامه‌ریزی برای ایجاد حسگرهایی است تا اسکلت بیرونی بتواند به صورت پویا به محیط پاسخ دهد. برای رسیدن به این هدف، هنوز مسیری طولانی در پیش است. اما Project MARCH در حال حاضر با پشتیبانی نرم افزار SAS نخستین گام تجزیه و تحلیل داده‌ها را برداشته است!


در همین زمینه بخوانیم:

>>اسکلت بیرونی MARCH و سامانه ی بصری هدایت

>>آشنایی با پروژه اسکلت بیرونی MARCH دانشگاه Delft


منبع: blogs.sas.com

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *