Гольденштерн
Гольденштерн МУДАК !
А Розенкранц КОЗЕЛ !
Гольденштерн МУДАК !
А Розенкранц КОЗЕЛ !
Доброго утра, Пикабу
Пришло время продолжения вот этих простыней :
Интерфейсы мозг-компьютер. Часть 1. Речевые интерфейсы
Интерфейсы мозг-компьютер. Часть 2. Моторные интерфейсы
Интерфейсы для управления киборгами
Авторы работы [4] создали киборга путем хирургического соединения портативного микростимулятора с нервами антенн живого таракана. Применяя специальную микростимуляцию, киборгом можно дистанционно управлять поворотами влево и вправо. Намерение движения может быть получено из человеческого мозга через интерфейс мозг-компьютер. Электроэнцефалография (ЭЭГ) на основе установившегося визуального вызванного потенциала (SSVEP) использовалась для передачи намерений человека. Были разработаны и проведены эксперименты с различными вариантами испытаний для проверки производительности предложенной системы. Результаты экспериментов показали, что средние показатели успешности реакций человеческого ИМК и киборга в одном решении превышали 85%. Киборгом можно было успешно управлять через человеческий мозг, чтобы он мог пройти по заранее заданным дорожкам с 20% успешностью.
Структура разработанной системы показана на рис. 1. ИМК на основе SSVEP с тремя состояниями использовался для декодирования намерения контроллера. Три мигающих квадратных блока представляли источник стимуляции SSVEP , которые были расположены отдельно вверху в середине, внизу слева и внизу справа на экране ПК. Частота мерцания каждого блока была установлена равной 12,5, 8,33, 6,818 Гц, обозначая команды управления покоя, левого и правого поворота соответственно. Человек (контролер) сидел перед экраном ПК, чтобы управлять направлением, с портативным устройством захвата ЭЭГ.
Таракан-киборг был разработан после несложной хирургической операции. Авторы хирургическим путем установили микростимулятор на таракана, вставив три крошечные серебряные иглы (левый, правый, заземляющий электрод) в усики таракана и в грудную клетку. Схема электростимуляции для киборга представляла собой прямоугольный импульс с амплитудой 1,5 В, частотой 50 Гц, коэффициентом заполнения 50% и шириной 500 мс. Такая конфигурация могла вызвать умеренную и правильную реакцию киборгов и, следовательно, гарантировать хорошую производительность онлайн-контроля.
Были созданы три таракана-киборга. В каждом эксперименте таракана помещали на расстоянии около 1,5 м от главного компьютера. Для каждого испытуемого киборга было проведено десять контрольных онлайн-испытаний. Перед онлайн-контролем каждый таракан сначала прошел 120-секундный тренировочный прогон для оптимизации классификатора SSVEP. Между двумя последовательными испытаниями давали 120-секундный отдых, чтобы свести к минимуму эффекты от усталости как у людей, так и у насекомых. Кроме того, в этом исследовании были проведены эксперименты для контрольных групп. Для системы в экспериментах были спроектированы и испытаны два типа трасс: S-образная трасса и трасса для обхода препятствий.
Результаты экспериментов показали, что средний показатель успешности онлайн-экспериментов, достигнутых с этой системой, составил 20% для S-образной дорожки. При использовании трассы с препятствиями вероятность успешного онлайн-контроля может достигать 40%. Демонстрационное видео успешной навигации по S-образному треку:
Интерфейсы для реабилитации
Облегчение восстановления корковой активности на основе ИМК, связанной с началом походки после разовой многоуровневой хирургии при церебральном параличе.
Во многих случаях развитие вторичных костно-мышечной патологии при ДЦП способствует потере функции, ухудшению походки, усталости, ограничению активности и ограничению жизнедеятельности. Одна из основных методик - многоуровневая ортопедическая хирургия, направленная на исправление всех деформаций и улучшение походки. После этой процедуры часто требуется период до 2 лет, чтобы выйти на уровень функционального плато.
Большинство методов реабилитации после хирургического вмешательства основаны на периферической реорганизации моторного контроля, инициируемой периферической физиотерапией. Однако ЦП поражает в первую очередь структуры мозга. Это говорит о том, что и периферическая нервная система (ПНС), и центральная нервная система (ЦНС) должны быть интегрированы в физиотерапевтическую и когнитивную реабилитационную терапию. Именно такой подход предлагается в этом направлении создания интерфейсов мозг-компьютер.
Предлагается [5] система ИМК, состоящая из двух этапов: первая - как повторное обучение корковой активности, связанной с походкой (см. Рис. 3): была разработана виртуальная среда, в которой было предложено представить, что они начали ходить. Второй - активный контроль реабилитационной терапии на роботизированной платформе. Таким образом, первый месяц после операции, когда пациент обездвижен, является наиболее подходящим периодом для подготовки мозга к новым образцам походки, которые позже будут продвигаться в процессе физической реабилитации с помощью роботов. С таким подходом удаётся снизить период реабилитации до 2 месяцев.
Спасибо за внимание. Подписываемся и всё такое.
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official
И наш дискорд где можно про все это поговорить и спросить!
Источники
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_2
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_3
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_4
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_6
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_8
Всем привет!
Продолжение вот вот этой статьи. Интерфейсы мозг-компьютер. Часть 1. Речевые интерфейсы
Моторные интерфейсы позволяют соединить мозг и какие то внешние приводы. Ярким примером такого интерфейса может служить любое нейроуправление экзоскелета.
Ну куда чаще его применяют для управления протезами.
Интерфейс мозг-машина для управления движением пальцев
Одно из направлений исследования интерфейса мозг-машина (ИММ) - разработку усовершенствованных нейронно-контролируемых протезов для восстановления или замены двигательной функции у пациентов с параличом верхней конечности. Чтобы развить высокоэффективный моторный ИММ, необходимо понимать, как сигналы, полученные от нервных имплантатов, кодируют грубые и тонкие движения верхних конечностей.
Электрокортикография (ЭКоГ) широко изучалась для моторного декодирования и контроля сигналов. По сравнению с другими инвазивными и неинвазивными методами нейронной записи, ЭКоГ обеспечивает хороший компромисс между степенью охвата, качеством сигнала и стабильностью сигнала.
Хотя принципы представления движений рук и пальцев в моторной коре не до конца понятны, некоторая степень разделимости может быть обнаружена в сигналах ЭКоГ, записанных с сенсомоторной коры во время движений отдельных пальцев.
Сетка ЭКоГ с высокой плотностью 8 × 16 была имплантирована субдурально в сенсомоторные области 20-летнего мужчины, страдающего трудноизлечимой эпилепсией. Матрица высокой плотности охватывала центральную борозду предполагаемых сенсомоторных областей руки.
Предварительное картирование высокой гамма-активации на сетке hd-ECoG было выполнено с использованием задачи постукивания пальцем и пассивной вибротактильной стимуляции.
Иерархический классификатор использовался для предсказания того, какой палец двигался, на основе корреляторов гамма движений пальцев. Классификатор сначала произвел двоичную классификацию того, двигается ли палец или нет. Если движение пальца имело место, то выполнялась последующая 5-ступенчатая классификация того, какой палец двигался.
Исследование впервые показало, что сигналы ЭКоГ, записанные с сенсомоторной коры головного мозга человека, могут быть использованы для онлайн-контроля движений отдельных пальцев на подвижной протезной руке.
Модель декодирования, использованная в этом исследовании, не требовала длительного периода обучения или изучения нового отображения для управления движениями пальцев. Вместо этого она извлекала информацию из нейронных сигналов, связанных с движениями пальцев, что позволяло естественным образом управлять пальцами протеза. Анализируя точность декодирования нейронных активаций, которые предшествуют временной шкале сенсорной обратной связи, авторы обнаружили, что, вероятно, ИМК может обеспечить индивидуальный контроль пальцев даже при отсутствии сенсорной афферентной информации, например, в случае пациентов с травмами спинного мозга.
Спасибо за внимание. Подписываемся и всё такое.
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official
И наш дискорд где можно про все это поговорить и спросить!
Источники
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_2
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_3
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_4
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_6
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_8
Привет, Пикабу!
Давно не было интересных статей без политоты и твиттерного отребья да? )
Что может быть более контрастно чем мои любимые нейротехнологии? О них и расскажу. Первая часть будет о речевых нейроинтерфейсах. Если по простому мозг-компьютер-речь.
Технология интерфейса мозг-компьютер (ИМК) была впервые разработана как инструмент, обеспечивающий базовое взаимодействие, такое как общения, без движения. В последние несколько лет произошел сдвиг в сторону новых групп пациентов и приложений, таких как помощь пациентам с инсультом в восстановлении движения или помощь нейрохирургам в более точном картировании мозга для более быстрого и безопасного проведения операций.
Рассмотрим детальнее основные виды современных интерфейсов мозг-компьютер. Их можно разделить на четыре основных группы:
1.Речевые интерфейсы мозг-компьютер
2.Моторные интерфейсы
3.Интерфейсы для управления киборгами (чипирование живых организмов)
4.Интерфейсы для реабилитации
Речевые интерфейсы
1) ИМК на основе ЭКоГ на основе слухового внимания к естественной речи
Люди, страдающие тяжелыми нейродегенеративными заболеваниями (например, поздней стадией бокового амиотрофического склероза (БАС)), в конечном итоге теряют мышечный контроль и больше не могут жестикулировать или говорить. Недавние исследования показывают, что электрокортикографические (ЭКоГ) сигналы в гамма-диапазоне (т.е. 70–170 Гц) могут использоваться для определения идентичности звуковых речевых стимулов.
В своей работе [1] авторы изучают эту возможность, реализуя систему реального времени на основе BCI2000, которая использует сигналы ЭКоГ для идентификации присутствующего говорящего.
Исследуемому пациенту с трудноизлечимой эпилепсией была проведена временная установка 72 субдуральных электродов. Регистрация ЭКоГ с имплантированных электродов производилась с использованием усилителя g.HIamp и программной платформы BCI BCI2000, которая собирала данные с частотой 1200 Гц .
Задача испытуемого заключалась в том, чтобы выборочно проявить внимание к одному из двух одновременно выступающих говорящих. Авторы смешали две (монофонические) речи в бинауральную презентацию, в которой поток, передаваемый каждому уху, содержал 20% ∶ 80% громкости одного говорящего и 80% ∶ 20% громкости другого, соответственно.
Созданный интерфейс получает звуковой сигнал через микрофон или предварительно загруженный файл. Затем фильтр корреляции сигналов вычисляет значения корреляции, то есть корреляцию между двумя (монофоническими) речами, чтобы определить, на какого говорящего пользователь направляет свое внимание. Наконец, фильтр увеличения обратной связи увеличивает громкость обслуживаемого докладчика и уменьшает громкость другого говорящего, чтобы обеспечить обратную связь с субъектом
2) Распознавание непрерывной речи с помощью интерфейса мозг-компьютер
В течение последних двух десятилетий исследования в области интерфейса мозг-компьютер (ИМК) работали над практическими и полезными приложениями для коммуникации и управления. Тем не менее, многие методы. использующие ИМК, страдают от неестественного взаимодействия или трудоемкого обучения пользователей. Поскольку непрерывная речь обеспечивает очень естественный подход к общению, долгое время стоял вопрос, можно ли разработать ИМК, которые распознают речь по активности коры головного мозга. Воображаемая речь как парадигма ИМК для ограниченных пациентов означала бы значительное улучшение скорости общения и удобства использования без необходимости громоздкого написания с использованием отдельных букв .
В исследовании с 7 участниками [2] авторы впервые показали, что непрерывная речь представлена в мозгу как последовательность фонем(звуков). Эти фонемы могут быть декодированы из записей электрокортикографии (ЭКоГ) и позволяют составить произнесенные слова. Все участники перенесли операцию в связи с трудноизлечимой эпилепсией и согласились участвовать в нашем эксперименте. Расположение электродов определялось исключительно исходя из клинических потребностей пациентов.
В эксперименте авторы одновременно записывали ЭКоГ-активность и форму звуковой волны, в то время как участники читали вслух разные тексты, состоящие из детской литературы, фанфиков или политических выступлений. Авторы согласовали нейронные данные по времени с маркировкой фонем, полученных из звуковых данных, с помощью собственного инструментария распознавания речи BioKIT. Это позволило идентифицировать нейронную активность, соответствующую производству каждой фонемы.
Затем авторы объединили фонемное(звуковое) представление корковой активности с языковой информацией, используя технологию автоматического распознавания речи, чтобы реконструировать слова в мысленно произнесенных фразах. Информация о языке включается в процесс декодирования через языковую модель и словарь произношения. Словарь произношения содержит отображения фонемных последовательностей в слова. Языковая модель статистически моделирует синтаксическую и семантическую информацию, предсказывая следующие слова с учетом предшествующих слов.
Результаты показали, что с ограниченным набором слов в словаре интерфейс может восстанавливать полные предложения. На рисунке показаны различные этапы декодирования непрерывно произносимых фраз из нейронных данных.
Например, последовательность воображаемых фонем (звуков)
w/ih/aa/r/ /k/aa/m/ih/t/aa/t/ /t/aa/t/eh/
Интерфейс распознает и произнесёт как
We are commited today
Спасибо за внимание. Подписываемся и всё такое.
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official
И наш дискорд где можно про все это поговорить и спросить!
Источники
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_2
https://link.springer.com/chapter/10.1007/978-3-319-57132-4_3
Изначально тут был арт от Haruichi861 Но арт был удален.
Привет, Пикабу.
Хочу рассказать в этот раз как можно использовать разработанный и производимый мной нейроинтерфейс . Кроме очевидного снятия ЭЭГ его можно подключать к периферийным устройствам через блитуз .
Одной из самой нетривиальной задачей с нейроинтерфейсом является его подключение к низкоуровневому устройству. Например, реле или сервоприводу. Сложность заключается и в анализе и в самой реализации.
План организации управления сервом через нейроинтерфейс такой: Нейроинтерфейс ms-04b / NeuroSky 2 распознает мозговые волны и передает их на микроконтроллер Arduino через Bluetooth. Arduino управляет серводвигателем.
Инструменты и материалы:
-Нейроинтерфейс ms-04b// NeuroSky 2;
-Батарейка AAA;
-Компьютер;
-Arduino Uno;
-Модуль Bluetooth HC-05;
-Серводвигатель (любой);
-Макетная плата;
-Макетные провода;
-Зеленый светодиод и желтый светодиод;
-2 резистора по 330 Ом;
-2 резистора по 1 кОм;
-2 резистора по 2 кОм;
-Держатель АА на три батареи;
-Напильник (он всегда нужен когда чего то делаешь);
Шаг 1: подключение HC-05 Ардуино
Установите HC-05 на макетную плату и подключите его к Arduino, как описано ниже и показано на фотографии. RXD HC-05 к контакту 11 через делитель напряжения из 2 резисторов, TXD к контакту 10, GND к GND, EN к выводу 9 через делитель напряжения из 2 резисторов.
Пока не подключайте VCC HC-05.
Причина использования делителей напряжения заключается в том, что RXD и EN HC-05 имеют тенденцию к выходу из строя после получения 5 вольт в течение некоторого времени, и напряжение должно быть уменьшено до 3,3 вольт. Делитель напряжения состоит из резистора на 1 кОм, один конец которого подключен к 5 вольтам Arduino, а второй конец - к резистору 2 кОм. В свою очередь другой конец этого резистора подключен к заземлению. Требуются два делителя напряжения: один для RXD, а другой для EN.
Шаг 2: код для HC-05
Нам нужно определить мас адрес устройства. Это можно сделать по инструкции тут
http://developer.neurosky.com/docs/doku.php?id=mindwave_mobile_and_arduino
Или же через иные проги. Я делал это через прогу nRF connect с гугл плея.
Далее:
1. Запустите приложение Arduino на компьютере.
2. Подключите USB-кабель Arduino к компьютеру. На Arduino должен гореть зеленый свет.
3. Загрузите файл .ino скетча, расположенный в конце этого шага, или скопируйте следующий код, который передает данные между Serial Monitor Arduino и модулем Bluetooth, и вставьте его в новый скетч Arduino.
#include<SoftwareSerial.h>
SoftwareSerial BT(10,11);
void setup() { pinMode(9,OUTPUT);
digitalWrite(9,HIGH);
Serial.begin(38400);
BT.begin(38400);
Serial.println("Bluetooth AT command mode");
}
void loop()
{
if(BT.available()) Serial.write(BT.read());
if(Serial.available()) BT.write(Serial.read());
}
4. Загрузите скетч.
5. Удерживая нажатой маленькую кнопку над контактом EN на HC-05, подключите VCC HC-05 к + 5 В Arduino и удерживайте кнопку нажатой в течение нескольких секунд, пока красный свет на HC-05 не начнет мигать в течение 2 секунд.
6. Откройте монитор последовательного порта Arduino (правый верхний угол окна приложения Arduino) на компьютере и установите для параметров в правом нижнем углу значения “Both NL & CR” и скорость передачи данных “38400”.
7. Откройте внутри строки ввода окна Serial Monitor. Введите AT на клавиатуре компьютера и нажмите Return. Если ответ «ОК», продолжайте. Если не «ОК», попробуйте еще раз. Иногда с первого раза не получается.
8. Включите нейроинтерфейс. Индикатор на нем должен гореть постоянно синим.
9. Введите AT-команды, как прописано ниже. Ответ должен быть «ОК» после каждой команды.
AT + UART = 57600,0,0 Определяет скорость передачи, она такая и в ms-04b и в neyrosky.
AT + ROLE = 1 Устанавливает HC-05 в качестве ведущего устройства, а не ведомого.
AT + PSWD = 0000 Устанавливает пароль, используемый интерфейсе. Он такой и и в ms-04b и в neyrosky.
AT + CMODE = 0 Для подключения HC-05 к определенному устройству.
AT + CLASS = 0 Определяет класс устройства.
AT + INQM = 1,9,48 Устанавливает параметры для сопряжения.
AT + INQ, команда чтобы узнать, распознает ли HC-05 интерфейс. Поиск интерфейса может занять 15-20 секунд. Одно из отображаемых устройств должно иметь тот же адрес, что и интерфейс, в формате xxxx: xx: xxxxxx. Этот адрес используется в следующих 3 командах (показаны как addr), за исключением того, что двоеточия должны быть заменены запятыми.
AT + PAIR = addr, 30 (здесь не было ответа «ОК».)
AT + BIND = addr (красный свет на HC-05 мигает каждые 2 секунды)
AT + LINK = addr
10. Красный индикатор HC-05 должен мигать 2 раза каждые 3-4 секунды. В первый раз, когда мастер прописал команды частота моргания не изменилась. Поэтому он дважды проверил, правильно ли установлены контакты проводов на Arduino и макетной плате, вытащил провод + 5В из HC-05, выполнил снова шаг 5 и набрал команды PAIR, BIND и LINK. На этот раз красный индикатор изменился на 2 быстрых мигания каждые 3-4 секунды. Это значит, что устройства сопряжены. В следующий раз, при пользовании устройствами, они автоматически подключатся к ним в течение нескольких секунд.
11. Отсоедините провод TXD HC-05 от вывода 10 Arduino и подключите его к RX (вывод 0) Arduino. Отсоедините провода HC-05 от делителей напряжения и снимите их, а также снимите резисторы, используемые в качестве делителей напряжения. Теперь проводка должна быть такой, как показано на фото.
12. Закройте Serial Monitor.
13. Отключите интерфейс.
14. Отсоедините USB-кабель от Arduino или компьютера.
15. Закройте приложение Arduino.
Шаг 4: подключение Arduino
Подключается Ардуино (начиная с пункта 11 предыдущего шага) следующим образом: Один контакт резистора 330 Ом к контакту 2, а другой провод к длинной ножки зеленого светодиода. Короткая ножка зеленого светодиода идет к GND на макетной плате. Один контакт резистора 330 Ом к контакту 4, а другой контакт к длинной ножке желтого светодиода. Короткая ножка желтого светодиода идет к GND на макетной плате. Контакт 9 идет к сигнальному (желтому) проводу сервопривода. Оранжевый провод сервопривода идет к плюсовому разъему отдельного источника питания. Коричневый провод сервопривода идет к GND на макетной плате. Минус отдельного источника питания идет на GND на макетной плате. Для проверки, следующие части должны быть подключены к GND макетной платы: оба светодиода, сервопривод, GND Arduino и HC-05. Следующие компоненты должны быть подключены к плюсовому источнику питания макетной платы: GND Arduino и HC-05.
Шаг 5: загрузка кода
1.Запустите приложение Arduino на компьютере.
2. Подключите USB-кабель Arduino к компьютеру. Светодиод HC-05 должен быстро мигать.
3. Подключите провода питания сервопривода к отдельному источнику питания и подключите минус этого источника питания к земле Arduino или макета.
4. Загрузите файл .ino скетча (находится в самом конце этого шага) или скопируйте следующий код и вставьте его в новый скетч Arduino.
//
// LEDs on and servo moving when Attention is high
// Yellow LED on when Attn more than 50
// Green LED on when Attn more than 70
// Servo moves 90 degrees when Attn is more than 50
#include<Servo.h>
#define BAUDRATE 57600
#define YLED 4
#define GLED 2
////////// Variables Servo myservo;
byte payloadData[32] = {0};
byte Attention[5]={0};
byte checksum=0;
byte generatedchecksum=0;
int Plength,Temp;
int Att_Avg=0;
int k=0;
signed int j=0;
////////// Arduino setup void setup()
{
Serial.begin(BAUDRATE);
pinMode(YLED, OUTPUT);
pinMode(GLED, OUTPUT);
Serial.println("Average Attention Values");
myservo.attach(9);
myservo.write(0);
delay(15);
}
////////// Read data byte ReadOneByte()
{
int ByteRead;
while(!Serial.available());
ByteRead = Serial.read();
return ByteRead;
}
////////// Main program void loop()
{
////// Look for sync bytes and read data while (1)
{
if(ReadOneByte() == 170)
{ if(ReadOneByte() == 170)
{ Plength = ReadOneByte();
if(Plength == 32) {
generatedchecksum = 0;
for(int i = 0; i < Plength; i++)
{ payloadData[i] = ReadOneByte();
generatedchecksum += payloadData[i] ;
}
generatedchecksum = 255 - generatedchecksum;
checksum = ReadOneByte();
////// Obtain Attention data and calculate an average
if(checksum == generatedchecksum)
{
if (payloadData[28]==4)
{
if (j<4)
{
Attention [k] = payloadData[29];
Temp += Attention [k]; j++;
}
else { Att_Avg = Temp/4;
////// Display average Attention in Serial Monitor, move servo, and light LEDs Serial.println(Att_Avg, DEC);
// The next 2 statements would move the servo based on average Attention level. // Attention level is between 0 and 100, moving servo between 0 and 100 degrees. // But they are now comments because I decided to move the servo 90 degrees // when average Attention is higher than 50. //
myservo.write(Att_Avg);
//
delay(15);
if (Att_Avg>50)
{
digitalWrite(YLED, HIGH); myservo.write(90);
delay(15);
}
else { digitalWrite(YLED, LOW);
myservo.write(0);
delay(15);
}
if(Att_Avg>70)
{
digitalWrite(GLED, HIGH);
}
else { digitalWrite(GLED, LOW); } j=0;
Temp=0;
}
}
}
}
}
}
}
}
5. Отсоедините провод TXD HC-05 от RX (контакт 0) Arduino, загрузите эскиз и снова подключите этот провод RX.
6. Откройте Serial Monitor. Убедитесь, что скорость передачи составляет 57600.
7. Включите интерфейс. Через несколько секунд светодиод HC-05 должен сделать 2 быстрых мигания каждые 3-4 секунды, показывая, что устройства сопряжены.
8. Оденьте интерфейс на голову. Теперь устройство должно отправлять данные в Arduino. Последовательный монитор должен показывать уровень внимания каждые несколько секунд, желтый светодиод должен включаться, а вилка сгибаться, когда внимание больше 50, а зеленый светодиод загораться, когда внимание больше 70.
9. По окончании закройте Serial Monitor.
10. Отключите интерфейс.
11. Отсоедините USB-кабель от Arduino или компьютера.
12. Закройте приложение Arduino.
13. Отсоедините провода питания сервопривода от отдельного источника питания.
Шаг 6: использование устройства
Чтобы управлять устройством нужно сконцентрировать внимание. Это куда сложнее чем кажется и требуется тренировка.
Если прошивка HC-05 имеет версию 2 или 3, команда AT + INIT необходима перед командой AT + INQ. Чтобы проверить версию HC-05, введите эту команду: AT + VERSION
Если вы нажмете кнопку сброса Arduino, это вернет настройки HC-05 к заводским значениям по умолчанию. Все шаги по сопряжению придется повторить. Если TXD HC-05 не отключен от RX Arduino перед загрузкой скетча, в нижней части окна приложения Arduino на экране компьютера появится сообщение об ошибке. Если используется сервопривод, ему нужен отдельный источник питания, например, 3 батареи по 1,5 В. GND Arduino необходимо подключить к минусу внешнего источника питания. Без внешнего источника питания, недостаточно энергии от источника USB, и модуль HC-05 теряет сопряжение. Он соединяется через несколько секунд, а затем отключается при следующем срабатывании сервопривода.
Теперь вы можете управлять мыслями сервоприводами и иной низкоуровневой техникой.
Спасибо за внимание. Подробнее про такие устройства как обычно тут
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official
Кроме того есть специальный бионическо-экзоскелетный дискорд канал
Хаюшки, пикабу
Продолжение вот этого поста https://pikabu.ru/story/pervyiy_prototip_meditsinskogo_yekzoskeleta_chast_1_8287982
Напомню что мы собираем вот такой экзоскелет.
Зачем? - спросите вы
Потому что можем - отвечу я.
Остановились мы на изготовлении основных бедренных частей. В них устанавливается основная электронная начинка- приводы и драйверы моторов.
Бедренные элементы должны вращать коленные через алюминиевые вставки, в которых ещё и установлены гаечные ключи. Только так можно передать большой момент силы и не выломать корпус и оргстекло.
Кроме аналогичного бедренного алюминиевого каркаса также в каркасе колена установлены раздвижные элементы. Они нужны для более точно настройки длины ног под пилота. Все также же стягивается длинными болтами на 6мм.
Если коленная часть может вот так держать бедро на приводах, то значит зажимы и оси работают как надо. Люфты если и есть то должны быть минимальные.
Ноги можно считать готовыми. Обязательно нужно протестировать как работают сервы, дабы потом после покрытия слоем угольной ткани не пришлось всё вскрывать. Ноги это 90% работы над этим экзоскелетом, но спина и бедра это тоже очень важный элемент. К счастью в отличии от ноги тут не так плывут параметры - благо спины более менее у всех одинаковые в размерах. Примерный чертеж спины и бедер вот выглядит вот так.
Каркас спины и бедер состоит из алюминиевого профиля и соединен шпильками. Для закрепления основной П образной основы используются стальные уголки 40 на 40 мм. Сама спина не является нагруженным элементом поэтому тут и не требуется массивное усиление. В спине будут располагаться основной контролер - ардуино мега, датчик наклона - гироскоп и самый обычный литиевый аккумулятор на 12 в и 10 а*ч.
Бедро сбоку выглядит вот так. Сильно нагружать оно не должно,поэтому тут все очень минималистично.
Электроника в спине располагается свободно и прижимается в дальнейшем слоем оргстекла. Датчик наклона надо расположить в самой верхней точке спины экзоскелета. Это позволит создать максимальный угловой ход и дать наибольшую чувствительность - человеку не нужно будет сильно наклоняться чтобы запустить или отключить приводы. Хватит и небольших (в 10 грудусов) наклонов чтоб уверенно запускать систему.
Не забываем сделать пропилы для усб сбоку каркаса. Это нужно чтоб можно было программировать и корректировать коды управления экзоскелетом в ардуино.
Спина и ноги это отдельные элементы и их можно как объединять так и разъединять. Питание и сигналы в ноги идут по специальным шлейфам. Соединялась вся проводка через штекера от витой пары.
Собранный каркас спины и ноги выглидят примерно так без обшивки и электроники. Из ног сервоприводы уже без разборки не вытащить. Кроме того на осях моторов по сути и держится вся нижняя часть ноги.
Соединительные штекера. Через них шло питание моторов и сигнал на контролер сервов.
После изготовления каркаса и монтажа всей электроники проводится стендовая проверка и если всё хорошо то начинается самый грязный этап - покрытие всего экзоскелета углетканью и пропитка полиэфиром.
Для крепления экзоскелета к ногам применяются обычные портфельные шлейфы и замки. Это неплохое и дешевое решения для первого прототипа подобного экзоскелета, но потом однозначно нужно делать ортезоподобное крепление.
Экзоскелет очень простой в монтаже и наладке, но всё же является прототипом. Можно сказать отправной точкой. Далее его наработки были многократно улучшены, но начало медицинского направления было положено именно с этого экзоскелета. Первые эксперименты у углем и первые мощные, но самодельные сервоприводы появились именно отсюда. Делался он к слову в общежитии ИАТЭ НИЯУ МИФИ (в лесу которая). Совсем без нормального инструмента. Так что поэтому и вышло что вышло. Было бы желание, как говорится.
На этом всё.
НАПОМИНАЮ
Подробней про любые бионические устройства можно узнать в наших группах
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official/
или дискорд-конференции
Спасибо за внимание!
Справились? Тогда попробуйте пройти нашу новую игру на внимательность. Приз — награда в профиль на Пикабу: https://pikabu.ru/link/-oD8sjtmAi
Хаюшки, пикабу. Хочу рассказать о ещё одном своем древнем прототипе. Это прототип полностью углепластикового мед. экзоскелета. Делался из говна, палок и синей изоленты. Всё как мы любим.
Погнали.
Медицинские экзоскелеты однозначно самые нужные и социально значимые вариации экзоскелетов. Все модификации медицинских экзоскелетов всегда востребованы и это направление, скорее всего, самое развитое из всех. Неудивительно что ещё в 2016 году подобные работы были начаты и мной и первый прототип не заставил себя долго ждать. Первый и последний экзоскелет с полным карбоновым покрытием!
Данный экзоскелет можно отнести к классическим сервоприводным экзоскелетам. В качестве сервов в нем использовались не покупные дорогие сервы, а первые пробные самодельные сервоприводы из мотор-редукторов от стеклоподъемников. Не сказать что опыт был очень успешен, но и не сказать что это был провал. Инструкция по сборке сервов была в отдельной статье.
Сборка этого экзоскелета начинается с вырезания оргстекольной основы. Моделька для реза под ЧПУ фрезу в файлах группы .Этот элемент это основа колена.
Алюминиевый элемент нужен для передачи момента от мотора к корпусу ноги. Сам элемент сделан из профиля 20 на 20 с угловым срезом с одной стороны и вырезом для вала мотора с другой. Внутри элемента продет гаечный ключ на 8. Он нужен для максимально жесткой передачи момент и является своего рода рычагом. Если делать этот рычаг из алюминия, то он конечно же уже при первых испытания свернется и сломается себе пазы т.к. момент в ноге всегда очень большой, а алюминий мягкий метал.
Всё это прошито болтами на 6 мм.
Чуть ближе это должно выглядеть вот так.
Далее нужно взять 2 мотор-редуктора, которые у нас будут использоваться как сервопривод колена и бедра, и разместить на оргстекольной другой основе. Уже бедренной. Но закреплять наши сервоприводы к оргстеклу не самая удачная мысль - нужен усиливающий каркас, дабы вес не держался просто на пластике. Для этой задачи от ушек крепления одного мотора и до ушек другого проведен кусочек алюминиевого профиля. Длину подбираем в зависимости от размеров оргстекла и нужного расположения между осью вращения колена и бедра. В среднем это 45 см для взрослого человека.
С внутренней части должны быть установлены энкодеры и крепления для продолжения оси вращения.Оси вращения мотора и продолжение осей должны совпадать дабы не было перекосов при вращении.
Продолжение оси вращения и энкодер крепятся через специальную деталь, сделанную из куска профиля 10 на 10 и болтов на 6мм.
Сбоку этот бедренный элемент прижимался таким же куском оргстекла как и на другой стороне. В итоге моторы и каркасы зажимались между двумя элементами оргстекла и не были видны снаружи .
Колено будет вставляться в выходные валы моторов и полностью закрывать всё. На данный момент моторы уже должны быть преобразованы в сервприводы по стандартной методике. Особое внимание на стадии установки сервоприводов в каркас нужно уделить энкодеру. Напомню что в нашем самодельном сервоприводе должен использоваться аналоговый энкодер, который представляет из себя переменный резистор. Энкодер нужен для определения текущего положения ноги и угла поворота.Если по простому то это элемент с помощью сервопривод задает как он будет вращаться. Но при этом на оси нахождения энкодера должна быть и дополнительная выходная ось. Так что выходит что это самый напряженный и сложный участок ноги.
Тут можно увидеть и резистор и что самое главное "мозги" сервопривода. Взяты они с иного заводского серва. Но кроме основной контролирующей электроники в сервоприводе первой модели были и очень большие и неудобные для размещения силовые драйверы моторов. Драйверы моторов нужны для управления большим током моторов посредством слабого сигнала от контроллера сервопривода. Можно сказать это усилитель тока с возможностью менять полярности. Драйверов нужно 2 и каждый из них ещё и состоял из 2 больших блоков . В итоге у нас должно быть 4 больших платы с мощными силовыми транзисторами. И всё это должно быть размещено в бедренном элементе.
Драйверы устанавливаются на алюминиевый профильный каркас. При этом на алюминий наносится какая либо изоляция - например слой термоклея. Делается это чтобы избежать замыкания отдельных драйверов и отдельных элементов каждого драйвера.
Бедренные части содержат в себе примерно 90% всей электроники данного прототипа. Остальные части - основной контролер и датчик наклона будут располагаться в спине.
После установки электронных блоков вся бедренная часть прижимается оргстекольным элементом.
Далее берется изготовленная ещё на первом шаге коленная часть и устанавливается на оси вращения. Бедренные части должны выглядеть вот так. То есть полностью разборный и закрытый элемент.
На этом первую часть закончу. выходит уже довольно длинно.
НАПОМИНАЮ
Подробней про любые бионические устройства можно узнать в наших группах
https://www.facebook.com/Exomech
https://www.instagram.com/exomech_official/
Спасибо за внимание!