[論文レビュー] Simultaneous Energy Harvesting and Gait Recognition using Piezoelectric Energy Harvester

Dong Ma, Guohao Lan+3 more|arXiv (Cornell University)|Sep 6, 2020

Innovative Energy Harvesting Technologies参考文献 52被引用数 6

ひとこと要約

本稿では、靴のインソールに埋め込んだ圧電エネルギー発電素子（PEH）を用いて、エネルギー回収と同時に歩行認識を実現する同時エネルギー回収・センシング（SEHS）アーキテクチャを提案する。エネルギー貯蔵による信号歪みを低減するための新規前処理フィルタを適用し、LSTMベースの分類器を採用することで、先行研究と比較して歩行認識の再現率が12%向上し、エネルギー回収量は127%増加、消費電力は38%低減した。

ABSTRACT

Piezoelectric energy harvester, which generates electricity from stress or vibrations, is gaining increasing attention as a viable solution to extend battery life in wearables. Recent research further reveals that, besides generating energy, PEH can also serve as a passive sensor to detect human gait power-efficiently because its stress or vibration patterns are significantly influenced by the gait. However, as PEHs are not designed for precise measurement of motion, achievable gait recognition accuracy remains low with conventional classification algorithms. The accuracy deteriorates further when the generated electricity is stored simultaneously. To classify gait reliably while simultaneously storing generated energy, we make two distinct contributions. First, we propose a preprocessing algorithm to filter out the effect of energy storage on PEH electricity signal. Second, we propose a long short-term memory (LSTM) network-based classifier to accurately capture temporal information in gait-induced electricity generation. We prototype the proposed gait recognition architecture in the form factor of an insole and evaluate its gait recognition as well as energy harvesting performance with 20 subjects. Our results show that the proposed architecture detects human gait with 12% higher recall and harvests up to 127% more energy while consuming 38% less power compared to the state-of-the-art.

研究の動機と目的

• エネルギー回収性能を損なわせることなく、圧電エネルギー発電素子（PEH）を用いた信頼性の高い歩行認識を実現すること。
• エネルギー貯蔵回路がPEHのセンシング信号に与える干渉を解消し、歩行認識の精度を低下させないよう対処すること。
• 同じPEHハードウェアを用いて、エネルギー回収と歩行分類の両方を同時に実行する二重目的のシステムを設計すること。
• 既存の最先端技術に比べ、ウェアラブルでインソールベースのシステムにおいて認識精度とエネルギー効率を向上させること。

提案手法

• コンデンサにエネルギーを貀장することによって生じるPEH出力AC電圧信号の歪みを低減するための前処理アルゴリズムを提案した。
• 歩行認識のための時間的パターンを捉えるために、生のPEH信号からLSTMベースの深層ニューラルネットワーク分類器を設計した。
• 歩行時の足の衝撃から最大限のエネルギーを発電できるように、PEHをウェアラブルインソールの形態に統合した。
• 市販部品を用いてSEHSシステムのプロトタイプを構築し、低消費電力でリアルタイム動作を実現した。
• 電源管理回路からの信号干渉を最小限に抑えることで、エネルギー回収とセンシング性能の両立を最適化した。
• 20名の被験者を用いて、実世界の歩行認識およびエネルギー回収シナリオでの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 コンデンサにエネルギーを貯蔵することにより、歩行認識に用いられる圧電エネルギー発電素子（PEH）のセンシング信号にどのような影響が生じるか？
• RQ2 LSTMのようなディープラーニングモデルは、広範な前処理を要せず、ノイズの多い生のPEH信号から直接歩行パターンを効果的に分類できるか？
• RQ3 1つのPEHが、性能劣化を伴わずに、エネルギー回収と正確な歩行認識の両方を同時に実行できる範囲はどの程度か？
• RQ4 提案されたフィルタリングアルゴリズムは、エネルギー貯蔵による干渉が生じる状況下で、歩行認識の正確性をどの程度向上させるか？
• RQ5 二重目的のPEHシステムにおいて、エネルギー回収効率、消費電力、認識正確性の間にはどのようなトレードオフがあるか？

主な発見

• 提案されたフィルタリングアルゴリズムは、エネルギー貯蔵によって生じる信号歪みを効果的に低減し、PEH出力における歩行関連特徴の忠実度を向上させた。
• LSTM分類器は、広範な前処理を要せず生のPEH信号から直接高精度な歩行認識を達成し、従来の方法を上回った。
• SEHSプロトタイプは、Xuら[11]が提示した最先端手法と比較して、歩行検出の再現率が12%向上した。
• 本システムは、ベースライン手法と比較して最大127%のエネルギー回収量を達成し、エネルギー効率の顕著な向上を示した。
• 高いエネルギー回収性能と認識精度を達成したにもかかわらず、SEHSシステムは、先行研究の最先端技術と比較して38%低い消費電力であった。
• インソールベースのプロトタイプは、リアルタイムで、かつ目立たない方法で歩行認識とエネルギー回収を実現するウェアラブルアプリケーションとしての実用的妥当性を効果的に示した。