足底压力监测智能鞋垫的研究与应用现状

足底压力监测智能鞋垫融合了电子技术和材料科学,通过先进的传感系统感知脚底压力的微小变化,从而实时监测用户的步态和足底压力分布。详细介绍了智能鞋垫的模块化设计,包括柔性压力传感器、无线通信技术和物联网的综合应用。分析了智能鞋垫材料的选择以及鞋垫与电子元件结合的方式,详细阐述了足底压力监测智能鞋垫在运动检测与分析、健康管理与预警以及生物识别等多个领域的研究进展。总结和评估了其在日常生活中使用的潜力和优势。最后,足底压力监测智能鞋垫的未来发展方向将集中在提高数据安全性和隐私保护、优化传感器性能、探索更先进的能源解决方案等方面。

压电式步态分析系统在足底压力监测中的应用

目的通过研究压电式步态分析系统在足底压力监测中的实际应用,为人体步态分析及其在临床医学及康复治疗作用提供参考。方法设计压电式步态分析系统,采集鞋垫中6个采集点的压力信号,通过蓝牙模块传输足底压力信号,并采用所设计手机APP和MATLAB软件分析和处理压力信号。结果利用MATLAB软件插值、颜色映射等功能绘制足底压力云图、压力中心蝴蝶图,通过测量双脚摆动相计算步行周期,手机APP实时监测足底压力以实现意外摔倒报警。结论该系统可实现站立姿态、平衡状态、步行周期及意外摔倒的监测,所得实验结果与临床研究结论基本保持一致,同时可穿戴式结构更适合于真实步行场景。

基于U-Net卷积神经网络的织物压力传感阵列串扰解决方法

为解决压阻式柔性压力传感阵列中存在的异常传感单元与串扰现象导致采集到的压力数据不准确的问题,构建了具有32×32个传感单元的压阻式柔性织物压力传感阵列系统,对传感单元检测值出现异常的原因进行了分析,采用中值滤波算法对系统获取的压力分布云图中的异常值进行处理;针对串扰现象,构建了U-Net卷积神经网络模型,采用机器学习方法对织物压力传感阵列系统生成的压力云图进行修正,设计了模型输入、输出数据集的采集方法。结果表明,经中值滤波算法处理后的压力云图的峰值信噪比处于30~40 dB之间,反映出中值滤波算法对异常值处理的效果较为理想;U-Net卷积神经网络模型训练过程中的均方根误差最终达到7.1,表明模型获得了较好的训练效果,通过与无串扰效应的柔性压力传感阵列采集的压力云图进行对比,表明U-Net模型能够有效消除串扰现象对织物压力传感阵列压力云图显示结果的影响。