Today, Inertial Measurement Units is used for control in lower extremity prosthesis studies. In this article, an application related to the analysis and classification of foot movements such as dorsiflexion, plantarflexion, inversion and eversion is presented. This study aims to perform the classification of foot movements to recognize the movement pattern and to adapt to abnormal walking conditions for the robotic foot system. Nine parameters are measured with motion data from the IMU sensor connected to the metatarsal of the foot from eleven volunteers aged 20-34 years. Size is reduced by extracting statistical properties such as sum, mean, standard deviation, covariance, skewness and kurtosis from these parameters. Classification process is performed with classifiers such as Decision Tree, Linear Discriminant Analysis, Naïve Bayes Classifier, K-Nearest Neighbor and Support Vector Machine separately for each person. The classification accuracies obtained for 11 volunteers are averaged and the highest accuracy is obtained with 97.2% for KNN.
prosthesis gyroscope support vector machine k-nearest neighbor accelerometer magnetometer
Günümüzde Atalet Ölçüm Birimleri alt ekstremite protez çalışmalarında kontrol amaçlı kullanılmaktadır. Bu yazıda dorsifleksiyon, plantarfleksiyon, inversiyon ve eversiyon gibi ayak hareketlerinin analizi ve sınıflandırılması ile ilgili bir uygulama sunulmuştur. Bu çalışma, robotik ayak sistemi için hareket modelini tanımak ve anormal yürüme koşullarına uyum sağlamak için ayak hareketlerinin sınıflandırılmasını amaçlamaktadır. 20-34 yaşları arasındaki on bir gönüllünün ayağının metatarsalına bağlı IMU sensöründen gelen hareket verileriyle dokuz parametre ölçülür. Bu parametrelerden toplam, ortalama, standart sapma, kovaryans, çarpıklık ve basıklık gibi istatistiksel özellikler çıkartılarak boyut küçültülür. Karar Ağacı, Doğrusal Ayrım Analizi, Naïve Bayes Sınıflandırıcı, K-En Yakın Komşu ve Destek Vektör Makinesi gibi sınıflandırıcılar ile her kişi için ayrı ayrı sınıflandırma işlemi yapılır. 11 gönüllü için elde edilen sınıflandırma doğruluklarının ortalaması alınmış ve en yüksek doğruluk KNN için % 97.2 ile elde edilmiştir.
protez jiroskop destek vektör makinesi k-en yakın komşu ivmeölçer manyetometre
Birincil Dil | İngilizce |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 15 Aralık 2021 |
Yayımlandığı Sayı | Yıl 2021 |
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.