Gait monitoring using a sensorised foot insole and an Artificial Neural Network

This work is a pilot study for an innovative technique of gait parameters prediction using a Neural Network and a fibre Bragg grating sensor inside a composite foot prosthesis made through the continuous filament deposition technology. First, the research aims at exploring the strain transfer ability from the substrate to the optical fibre in the case of sensors with different coating embedded during composite printing and those bonded superficially. The effect of thermal variations on the sensor readings is studied and a compensation method is proposed. Another target is the implementation of a Neural Network that assesses gait quality from foot signals having waveforms comparable to literature findings for Bragg sensors in foot prosthetic devices. The first objective is fulfilled by performing quasi-static and cyclic tensile mechanical tests on sensorised composite specimens having Onyx matrix, from which it is found that polyimide coating and fibres embedded during printing provide superior strain transfer than acrylate and bonded fibres, respectively. The use of optical fibre Bragg grating sensors for compensation of thermal effects on the strain signal is also validated with static traction tests and a thermoresistor as reference. To achieve the second goal, an acrylic right shoe insole is created and sensorised with two force sensing resistors FSR 406. It is worn during treadmill walking tests with zero incline from 2.0 km/h to 6.0 km/h (0.5 km/h steps) by a 25-year-old healthy male, weighing 88 kg and 185 cm who also wears 7 Xsens Awinda inertial measurement units on his legs. The acquired signals are used to configure and train a feedforward Neural Network capable of predicting the following parameters from the FSR waveform only: walking speed, stride time and length, right step time and length, right and left stance phase, double limb support, index of step regularity and the pelvis acceleration in the medial-lateral direction. The results of this computational architecture find a successful comparison of its prediction errors with those of another purpose-built Neural Network that works with lower limb accelerations and for which positive matches are available in the literature.

Questo lavoro è uno studio pilota relativo a una tecnica innovativa di previsione dei parametri del cammino utilizzando una Rete Neurale e un sensore a reticolo di Bragg posto in una protesi di piede composita realizzata con la tecnologia di deposizione continua del rinforzo. La ricerca mira ad esplorare la capacità di trasferimento della deformazione dal substrato alla fibra ottica nel caso di sensori incorporati durante la stampa del composito e quelli incollati superficialmente. Viene studiato l’effetto dei disturbi termici ed è proposto un metodo di compensazione. Un ulteriore scopo è l’implementazione di una Rete Neurale che valuti la qualità dell’andatura da segnali con forme d’onda paragonabili ai risultati presenti in letteratura per i sensori di Bragg nei piedi protesici. Il primo obiettivo è soddisfatto eseguendo prove meccaniche di trazione quasi statiche e cicliche su provini in composito sensorizzati a matrice Onyx, dalle quali si evince che la poliimmide e le fibre incorporate durante la stampa forniscono un trasferimento della deformazione superiore rispetto all’acrilato e alle fibre incollate, rispettivamente. Le prove statiche di trazione validano l’uso di sensori a reticolo di Bragg in fibra ottica per la compensazione degli effetti termici sul segnale di deformazione. Per il secondo fine, viene creata una soletta in acrilico per la scarpa destra e sensorizzata con due sensori di forza FSR 406. Viene indossata durante i test di camminata su tappeto motorizzato con pendenza nulla da 2.0 km/h a 6.0 km/h (gradini di 0.5 km/h) da un uomo sano di 25 anni, di 88 kg e 185 cm che indossa 7 unità di misurazione inerziale Xsens Awinda sulle gambe. I segnali acquisiti sono utilizzati per configurare e addestrare una Rete Neurale feedforward in grado di predire i seguenti parametri dalla sola forma d’onda del FSR: velocità di cammino, tempo e distanza percorsa nel ciclo del passo, tempo e lunghezza del passo destro, durata della fase di appoggio destra e sinistra, durata del doppio supporto, indice di regolarità del passo e l’accelerazione del bacino in direzione medio-laterale. I risultati di questa architettura trovano un valido confronto con quelli di un’altra Rete Neurale costruita appositamente che lavora con le accelerazioni degli arti inferiori e per la quale sono disponibili riscontri positivi in letteratura.