Sistema de cosecha de energía para la extensión de la vida útil de una batería y reconocimiento de actividades

Actualmente, los dispositivos wearables se han convertido en parte integral de la vida humana, y su implementación es tendencia en el campo del reconocimiento de actividades humanas. Sin embargo, este tipo de dispositivos requieren del uso de baterías para operar, lo cual limita su tiempo de funcionamiento. Se diseñó e implementó un sistema que, en conjunto, realiza cosecha de energía cinética para extender la vida útil de una batería y utiliza los patrones de generación para identificar las actividades realizadas por el usuario. Se implementaron dos bobinas con imanes en su interior, situadas ortogonalmente entre sí, que presentan un voltaje inducido por el movimiento de los imanes y del cuerpo humano. Este voltaje en AC se convirtió a DC a través de un circuito de acondicionamiento, basado en puentes rectificadores de onda completa. De forma paralela, se sensaron los voltajes alternantes producidos en cada una de las bobinas y estos datos se utilizaron para entrenar un clasificador. Se implementó un clasificador con el algoritmo Random Forest para realizar el reconocimiento de 5 actividades: caminar, correr, saltar, mover el torso y estar quieto. El clasificador obtuvo una exactitud promedio del 97% en su etapa de validación. Se realizaron pruebas con 5 sujetos, que realizaron cada actividad durante 30 segundos, y se obtuvo una exactitud promedio de 81.6%. Por otro lado, el sistema logró extender el tiempo de vida de la batería un total de 5.8ms, esto es, el sistema generó un total de 754.677μJ, cuando un usuario realizó las 5 actividades en 5 minutos, un minuto por actividad.

• Autores: Parody de la Cruz, Hemel Eduardo; Gómez Jiménez, Samuel
• Fecha de publicación: 2019
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/8488
• Acceso en línea: http://hdl.handle.net/10584/8488
• Palabra clave: Cosecha de Energía; Aprendizaje de Máquina; Reconocimiento de Actividades; ESP32; Portátil; Baterías; HARKE; Bobinas; Cosecha de Energía Cinética; Energy Harvesting; Machine Learning; Activities Recognition; ESP32; Wearable; Coils; HARKE; Kinetic Energy Harvesting
• License: Universidad del Norte