The aim of this explorative study was to determine the key inertial measurement unit-based wheelchair mobility performance components during a wheelchair tennis match. A total of 64 wheelchair tennis matches were played by 15 wheelchair tennis players (6 women, 5 men, 4 juniors). All individual tennis wheelchairs were instrumented with inertial measurement units, two on the axes of the wheels and one on the frame. A total of 48 potentially relevant wheelchair tennis outcome variables were initially extracted from the sensor signals, based on previous wheelchair sports research and the input of wheelchair tennis experts (coaches, embedded scientists). A principal component analysis was used to reduce this set of variables to the most relevant outcomes for wheelchair tennis mobility. Results showed that wheelchair mobility performance in wheelchair tennis can be described by six components: rotations to racket side in (1) curves and (2) turns; (3) linear accelerations; (4) rotations to non-racket side in (4) turns and (5) curves; and finally, (6) linear velocities. One or two outcome variables per component were selected to allow an easier interpretation of results. These key outcome variables can be used to adequately describe the wheelchair mobility performance aspect of wheelchair tennis during a wheelchair tennis match and can be monitored during training.
DOCUMENT
An important performance determinant in wheelchair sports is the power exchanged between the athletewheelchair combination and the environment, in short, mechanical power. Inertial measurement units (IMUs) might be used to estimate the exchanged mechanical power during wheelchair sports practice. However, to validly apply IMUs for mechanical power assessment in wheelchair sports, a well-founded and unambiguous theoretical framework is required that follows the dynamics of manual wheelchair propulsion. Therefore, this research has two goals. First, to present a theoretical framework that supports the use of IMUs to estimate power output via power balance equations. Second, to demonstrate the use of the IMU-based power estimates during wheelchair propulsion based on experimental data. Mechanical power during straight-line wheelchair propulsion on a treadmill was estimated using a wheel mounted IMU and was subsequently compared to optical motion capture data serving as a reference. IMU-based power was calculated from rolling resistance (estimated from drag tests) and change in kinetic energy (estimated using wheelchair velocity and wheelchair acceleration). The results reveal no significant difference between reference power values and the proposed IMU-based power (1.8% mean difference, N.S.). As the estimated rolling resistance shows a 0.9–1.7% underestimation, over time, IMU-based power will be slightly underestimated as well. To conclude, the theoretical framework and the resulting IMU model seems to provide acceptable estimates of mechanical power during straight-line wheelchair propulsion in wheelchair (sports) practice, and it is an important first step towards feasible power estimations in all wheelchair sports situations.
DOCUMENT
In sports, inertial measurement units are often used to measure the orientation of human body segments. A Madgwick (MW) filter can be used to obtain accurate inertial measurement unit (IMU) orientation estimates. This filter combines two different orientation estimates by applying a correction of the (1) gyroscope-based estimate in the direction of the (2) earth frame-based estimate. However, in sports situations that are characterized by relatively large linear accelerations and/or close magnetic sources, such as wheelchair sports, obtaining accurate IMU orientation estimates is challenging. In these situations, applying the MW filter in the regular way, i.e., with the same magnitude of correction at all time frames, may lead to estimation errors. Therefore, in this study, the MW filter was extended with machine learning to distinguish instances in which a small correction magnitude is beneficial from instances in which a large correction magnitude is beneficial, to eventually arrive at accurate body segment orientations in IMU-challenging sports situations. A machine learning algorithm was trained to make this distinction based on raw IMU data. Experiments on wheelchair sports were performed to assess the validity of the extended MW filter, and to compare the extended MW filter with the original MW filter based on comparisons with a motion capture-based reference system. Results indicate that the extended MW filter performs better than the original MW filter in assessing instantaneous trunk inclination (7.6 vs. 11.7◦ root-mean-squared error, RMSE), especially during the dynamic, IMU-challenging situations with moving athlete and wheelchair. Improvements of up to 45% RMSE were obtained for the extended MW filter compared with the original MW filter. To conclude, the machine learning-based extended MW filter has an acceptable accuracy and performs better than the original MW filter for the assessment of body segment orientation in IMU-challenging sports situations.
DOCUMENT
Met het groeien van de gemiddelde levensverwachting is ook de uitdaging gegroeid om een ieder zo lang mogelijk een actieve deelnemer van de samenleving te laten zijn. Duurzame zelfstandige mobiliteit is van groot belang voor het functioneren in de samenleving (op werkplek en in thuisomgeving), draagt bij aan het sociaal functioneren en de algemene sociale cohesie. Goede controle over de (dynamische) balans speelt hierbij een grote rol, zijnde de balanshandhaving tijdens het voortbewegen, ook bij gezonde, jonge mensen een continue compromis tussen effectiviteit en veiligheid. Voor ouderen geldt dit nog sterker, daar de gevolgen van een val vele malen ernstiger zijn en ook een grote invloed hebben op de levensverwachting. Mechanismen van handhaving van de dynamische balans in praktische omstandigheden zijn nog grotendeels onbegrepen. Laboratoria staat vaak ver af van praktische condities van de alledaage praktijk. Moderne sensortechnologie opent momenteel een deur naar systematisch onderzoek naar valrisico’s in het dagelijkse leven, echter deze schiet nog te kort in haalbare accuratesse en stabiltiteit over langere metingen. In verschillende projecten wordt momenteel een nieuwe generatie van methoden onderzocht, met als centraal kenmerk hiervan dat bewegingsensoren niet meer als losse onderdelen functioneren, maar in samenhang worden gebruikt. Het kersverse INSTANT project, bijvoorbeeld, onderzoekt hoe huidige bewegingsensoren kunnen worden uitgebreid met een extra sensormodaliteit en ‘meta-datafusion’ algorithmen. Hierdoor kunnen de sensoren elkaars positie waarnemen en naar verwachting een orde meer accuraat meten op een manier die bovendien stabieler is over langere metingen. Aan iets vergelijkbaars wordt gewerkt door collega’s in Torino en Sassari, Italie, zij het met een andere type sensortechnologie. Dit KIEM project onderzoekt in hoeverre beide methoden (en beide onderzoeksclusters) elkaar kunnen versterken door intensief samen te werken. Het plaatsen van een Italiaanse onderzoeker in het INSTANT onderzoekscluster in Enschede gedurende grote delen van een jaar borgt deze samenwerking.
Er zijn veel situaties waarin het belangrijk is om de positie en/of de loopbeweging van personen te kunnen meten, zoals voor de brandweer, voor het leger, in de sport of bij revalidatie. In een aantal situaties geldt hierbij de randvoorwaarde dat je geen gebruik kunt maken van bestaande infrastructuren. GPS werkt bijvoorbeeld alleen buiten en is voor veel toepassingen niet nauwkeurig genoeg. Infrastructuur in gebouwen (zoals WiFi) werkt niet altijd bij brand, en bovendien wil je vaak (ambulant) meten in een praktijkomgeving of in een onbekend gebouw, in plaats van in een ?labomgeving?. Een interessant gegeven is dat de afzonderlijke technieken voor het oplossen van bovenstaande problemen wel bestaan, maar dat nog geen enkele partij deze heeft kunnen integreren in een bruikbaar product. Blijkbaar levert de inherente complexiteit van het onderwerp van dergelijke systemen problemen op. In het SaxShoe project onderzoeken Saxion, HvA, NHL, Universiteit Twente en het bedrijfsleven hoe we een schoen-zool systeem kunnen ontwikkelen voor het meten en op afstand monitoren van de locatie en het loopgedrag van de gebruiker in situaties waarbij standaard infrastructuur (GPS, WiFi, camera?s) ontbreekt. In het project wordt een empirische aanpak gehanteerd. Dit op basis van de constatering dat veel zaken in theorie wel zouden moeten werken, maar dat de praktijk weerbarstig is. Door cyclisch een sensorschoen te ontwikkelen worden kennisvragen beantwoord. Deze (deel)vragen betreffen kennisontwikkeling voor nauwkeurige positiebepaling op basis van inertiële navigatie, en gerelateerde vragen rond communicatie, energievoorziening, de verwerking in een schoen en de werking in praktijksituaties. Op basis van gebruikersfeedback wordt het onderzoek continue bijgestuurd (agile development). Om de aanpak concreet te maken richt het project zicht op het ontwikkelen van een brandweerlaars, als middel, niet als doel, maar wel als showcase voor de kennisontwikkeling. De ambitie is het realiseren van de norm van maximaal 10 meter afwijking na 20 minuten lopen. Hiervoor werken in het project topbedrijven die gespecialiseerd zijn in sensortechnologie samen met hogescholen en met bedrijven die gespecialiseerd zijn in de productie van schoenen en zolen. Het project levert inzicht, oplossingen en ontwerpregels op voor de problematiek die speelt bij het ontwerpen van wearables voor het meten van locatie en loopgedrag. Voor de technische bedrijven in het project biedt SaxShoe de mogelijkheid om nieuwe markten te openen voor bestaande technologieën. Voor de eindgebruikers, zoals de brandweer, biedt het concrete oplossingen voor bestaande problemen zoals de veiligheid van hulpverleners in gevaarlijke situaties.
