pedometer howto

[kagelos]

Δυστυχώς όχι

16km/h;

[defacer]

Λοιπόν ούτε εγώ τα πολύ-καταλαβαίνω αυτά.

Αλλά θα πιστέψω αυτών που θα μου λύσει αυτή την άσκηση φυσικής:

Πάμε από το Α στο Β με 40 χλμ/ώρα

Γυρνάμε από το Β στο Α με 10 χλμ/ώρα.

Με τι μέση ταχύτητα ταξιδέψαμε ???

 

Δεν έχουμε ιδέα γιατί η εκφώνηση είναι ασαφής (επιστρέψαμε ακριβώς από την ίδια διαδρομή ή όχι?)

[albNik]

Εγώ πάλι λέω 0.

 

Μάλλον το πήρες διανυσματικά.

Ασ πούμε είναι ευθεία και δεν γυρνάς πίσω.

Κάνεις Χ χιλιόμετρα με 40 χλμ/ώρα και μετά συνεχίζεις άλλα Χ με 10 χλμ/ώρα.

Με τι μέση ταχύτητα έκανες τα 2*Χ χιλιόμετρα ???

[thanos713]

Αν όχι διανυσματικά, τότε 16 βγάζω κι εγώ.

[albNik]

16km/h;

 

ΝΑΙ

And the winner is kagelos

 

ΕΔΙΤ

 

Έχουμε ισοπαλία

[kagelos]

Δεν μου φαίνεται πάντως μπακαλίστικο, τι εννοείς;

 

Ο τρόπος αυτός θα έδειχνε τυφλά βήματα με ένα συγκεκριμένο ρυθμό. Δλδ ακόμα και μέσα σε αυτοκίνητο να μπεις και να πηγαίνεις με 20km/h, το πρόγραμμα θα μετραγε βήματα.

Η μαγκιά θα ήταν να καταλαβαίνει πραγματικά πότε περπατάς. Πως; Θα διάβαζες το σήμα της επιτάχυνσης και θα το πέρναγες από ένα νευρωνικό δίκτυο το οποίο θα αναγνώριζε αν είναι pattern βημάτων ή όχι. Δλδ το κάθε βήμα ενδεχομένως να αποτελείται από μια επιτάχυνση στο επίπεδο ΧΥ και ελαφρώς προς το πάνω Ζ, μετά επιβράδυνση και έντονη επιτάχυνση στον Ζ καθώς το πόδι πατάει κάτω. Αν απλά κατέγραφες διάφορους βηματισμούς και έβγαζες την γραφική παράστασή τους, θα μπορούσες τελικά να πετάξεις μέσα και ένα νευρωνικό που να υποβοηθά τον μπακαλίστικο τρόπο λέγοντάς του αν η επιτάχυνση προέρχεται από βηματισμό ή από άλλου είδους κίνηση.

[thanos713]

Ο τρόπος αυτός θα έδειχνε τυφλά βήματα με ένα συγκεκριμένο ρυθμό. Δλδ ακόμα και μέσα σε αυτοκίνητο να μπεις και να πηγαίνεις με 20km/h, το πρόγραμμα θα μετραγε βήματα.

Η μαγκιά θα ήταν να καταλαβαίνει πραγματικά πότε περπατάς. Πως; Θα διάβαζες το σήμα της επιτάχυνσης και θα το πέρναγες από ένα νευρωνικό δίκτυο το οποίο θα αναγνώριζε αν είναι pattern βημάτων ή όχι. Δλδ το κάθε βήμα ενδεχομένως να αποτελείται από μια επιτάχυνση στο επίπεδο ΧΥ και ελαφρώς προς το πάνω Ζ, μετά επιβράδυνση και έντονη επιτάχυνση στον Ζ καθώς το πόδι πατάει κάτω. Αν απλά κατέγραφες διάφορους βηματισμούς και έβγαζες την γραφική παράστασή τους, θα μπορούσες τελικά να πετάξεις μέσα και ένα νευρωνικό που να υποβοηθά τον μπακαλίστικο τρόπο λέγοντάς του αν η επιτάχυνση προέρχεται από βηματισμό ή από άλλου είδους κίνηση.

Δηλαδή στην ουσία να κοιτάς την "κατανομή" της επιτάχυνσης;

[defacer]

Πάντως, όσον αφορά την ολοκλήρωση, αν και δεν έχω παρακολουθήσει την κουβέντα προσεκτικά, "by default" νομίζω πως ο υπολογισμός της θέσης (και άρα της απόστασης) δεδομένων δειγμάτων της επιτάχυνσης πρέπει να γίνει όπως τον κάνει όλος ο καλός κόσμος: με RK4.

 

Επεξηγηματικό αρθράκι (πολύ καλό το blog γενικότερα by the way).

 

Αν πετάχτηκα σαν τσουνί και δεν έχω καταλάβει για τι πράγμα μιλάτε παρακαλώ αγνοήστε με.

[kagelos]

Ίσως να γινόταν και εντελώς απλά χωρίς νευρωνικό. Απλά κάνοντας έναν FFT στον κάθε άξονα επιτάχυνσης και να έψαχνες για συγκεκριμένες συχνότητες, με βάση την ταχύτητα που κινείσαι. Μάλλον αυτό θα ήταν το καλύτερο.

[thanos713]

Πάντως, όσον αφορά την ολοκλήρωση, αν και δεν έχω παρακολουθήσει την κουβέντα προσεκτικά, "by default" νομίζω πως ο υπολογισμός της θέσης (και άρα της απόστασης) δεδομένων δειγμάτων της επιτάχυνσης πρέπει να γίνει όπως τον κάνει όλος ο καλός κόσμος: με RK4.

 

Επεξηγηματικό αρθράκι (πολύ καλό το blog γενικότερα by the way).

 

Αν πετάχτηκα σαν τσουνί και δεν έχω καταλάβει για τι πράγμα μιλάτε παρακαλώ αγνοήστε με.

Πολύ ωραίος! Ευχαριστώ για το link!

Ίσως να γινόταν και εντελώς απλά χωρίς νευρωνικό. Απλά κάνοντας έναν FFT στον κάθε άξονα επιτάχυνσης και να έψαχνες για συγκεκριμένες συχνότητες, με βάση την ταχύτητα που κινείσαι. Μάλλον αυτό θα ήταν το καλύτερο.

Ναι, κάπως έτσι. Πιο συγκεκριμένα, ο άνθρωπος όταν περπατάει η επιτάχυνσή του "παίζει" πολύ, δηλαδή την στιγμή που ακουμπάει το πόδι στο έδαφος, συνήθως έχει μέγιστη επιτάχυνση, και όσο περνάει η ώρα μειώνεται, μέχρι να φτάσει το άλλο πόδι. Μπορούμε να χρησιμοποιήσουμε και έναν αλγόριθμο Site: Longest Common Subsequence φαντάζομαι, καθώς στο αμάξι η επιτάχυνση δεν "παίζει" τόσο όσο στον άνθρωπο. Γενικά πρέπει να υπάρχουν πολλοί τρόποι αλλά δεν μπορώ να σκεφτώ κάτι απόλυτο.

[thanos713]

Και όπως υποσχέθηκα, να μια εικόνα από το πρόγραμμα και να ο κώδικας.

>
import numpy
import matplotlib.pyplot
def forward_euler():
dt = 0.1
steps = 50
t = numpy.zeros(steps + 1)
x = numpy.zeros(steps + 1)
v = numpy.zeros(steps + 1)
a = numpy.zeros(steps + 1)

a[0]=6
a[1]=1
a[2]=6
a[3]=5
a[4]=3
a[5]=-2
a[6]=5
a[7]=0
a[8]=5
a[9]=-6
a[10]=0
a[11]=-5
a[12]=6
a[13]=6
a[14]=0
a[15]=1
a[16]=6
a[17]=0
a[18]=4
a[19]=4
a[20]=-2
a[21]=-2
a[22]=-3
a[23]=-6
a[24]=-5
a[25]=-6
a[26]=-5
a[27]=5
a[28]=-6
a[29]=1
a[30]=1
a[31]=-5
a[32]=1
a[33]=2
a[34]=0
a[35]=-4
a[36]=5
a[37]=0
a[38]=-4
a[39]=3
a[40]=3
a[41]=4
a[42]=-4
a[43]=2
a[44]=-5
a[45]=-2
a[46]=-0
a[47]=-4
a[48]=-1
a[49]=-1
a[50]=-4

for step in range(steps):
 t[step + 1] = t[step] + dt
 x[step + 1] = x[step] + v[step]*dt
 v[step + 1] = v[step] + a[step]*dt
return t, x, v, a
t, x, v, a = forward_euler()
def plot_me():
axes_height = matplotlib.pyplot.subplot(211)
matplotlib.pyplot.plot(t, x)

axes_acceleration = matplotlib.pyplot.subplot(212)
matplotlib.pyplot.plot(t, a)

axes_height.set_ylabel('Height in m')
axes_height.set_xlabel('Time in s')

axes_acceleration.set_ylabel('Acceleration in m/s^2')
axes_acceleration.set_xlabel('Time in s')
plot_me()

 

 

ΥΣ. Τώρα το πρόσεξα, το height το άφησα από ένα παλιό μου project κατά λάθος, βάλτε distance.