Иж фабула характеристики: Энциклопедия ИЖ 21261 Фабула

4.1 Рекомендации по поиску наилучшего соответствия

Сначала найдите лучший MU (только расстояние X между первыми 2-3 кривыми), затем настройте KG1, чтобы получить представление о кривых. Отрегулируйте EX, чтобы получить наилучшее «изгибание» большинства линий, снова отрегулируйте KG1 и MU. Тогда попробуйте КП. после этого вы можете попробовать KVB и VCT. Помните, что то, как вы выполняете итерацию, влияет на форму кривых, и, развивая ощущение того, как параметры влияют на форму, вы можете превзойти результаты автоматических оптимизаторов.

5. Просмотр выходных данных модели SPICE

Если вы считаете, что получили хороший результат аппроксимации промежуточной кривой, нажмите кнопку [Модель]. Появится отдельное текстовое всплывающее окно, отображающее текст модели SPICE, соответствующий текущим значениям параметров.

Вы можете просто наблюдать за текстом, закрыть окно и продолжить.

Вы можете хранить столько отдельных текстовых окон модели, сколько хотите

Вы можете скопировать и вставить текст модели и добавить его в библиотеку пробирок SPICE: выделите текст с помощью мыши (перетащите кнопку 1), скопируйте выделенный фрагмент с помощью кнопки 3 на мышке или сочетания клавиш Cv и вставьте модель в библиотеку пробирок SPICE. .

Окна могут использоваться в качестве точек сохранения в вашей работе: вы можете в любое время прочитать модель обратно в инструмент рисования из любого из открытых в данный момент окон модели. Для этого нажмите кнопку «Обновить ПАРАМЕТРЫ» в окне модели, которое вы хотите. вернуться к. Ползунок и кривые изменятся в соответствии с параметрами в тексте.

Вы можете редактировать текст, вводя значения вручную, а затем нажимать «Обновить ПАРАМЕТРЫ».

Вы можете импортировать модели из файла библиотеки модели SPICE через окно модели: Вставьте текст модели, который вы скопировали из библиотеки SPICE, в любое окно модели и затем нажмите «Обновить ПАРАМЕТРЫ».Это очень полезно, чтобы увидеть, как ваши существующие модели соответствуют определенному набору кривых.

Кнопка [Выход] появляется в диалоговом окне подтверждения выхода. Если вы нажали «Да», инструмент закроется. Если вы забыли скопировать / сохранить модель, вы все равно можете захватить ее после выхода, если у вас есть доступ к стандартному окну вывода (окно оболочки gnu / mks, окно команд DOS). Текст модели печатается в окне журнала.

Пример вывода инструмента:

** 12AX7 ********************************************* *************
* Создано 21 ноября, среда, 16:22:57 PST 2007 с использованием трубки.model.finder.PaintKIT
* URL: http://www.audiomatica.com/
* URL кривых трубок: http://www.audiomatica.com/tubes/img/12ax7crv.gif
* ------------------------------------------------- -----------
.SUBCKT TRIODE_12AX7CRV 1 2 3; Катод с пластинчатой ​​сеткой
+ ПАРАМЕТРЫ: CCG = 3P CGP = 1.4P CCP = 1.9P RGI = 2000
+ MU = 92,064 EX = 1,3719 кг1 = 1770,0
+ КП = 1176,0, КВБ = 1,9687, ВКТ = 0,392; Vp_MAX = 405,0 Ip_MAX = 0,0080 Vg_step = 0,6
* ------------------------------------------------- -
E1 7 0 ЗНАЧЕНИЕ = {V (1,3) / KP * LOG (1 + EXP (KP * (1 / MU + (VCT + V (2,3))) / SQRT (KVB + V (1,3) * V (1,3)))))}
RE1 7 0 1G; ЧТОБЫ ИЗБЕЖАТЬ ПЛАВАЮЩИХ УЗЛОВ
G1 1 3 ЗНАЧЕНИЕ = {(PWR (V (7), EX) + PWRS (V (7), EX)) / KG1}
RCP 1 3 1G; ЧТОБЫ ИЗБЕЖАТЬ ПЛАВАЮЩИХ УЗЛОВ
C1 2 3 {CCG}; КАТОД-СЕТКА
C2 2 1 {CGP}; СЕТКА = ПЛИТА
C3 1 3 {CCP}; КАТОД-ПЛИТА
D3 5 3 DX; ПОЛОЖИТЕЛЬНЫЙ ТОК СЕТКИ
R1 2 5 {RGI}; ПОЛОЖИТЕЛЬНЫЙ ТОК СЕТКИ
.МОДЕЛЬ DX D (IS = 1N RS = 1 CJO = 10PF TT = 1N)
.ENDS
* $
   

6. Мои собственные модели

7. & nbsp Советы и решения

Если вы присмотритесь, вы увидите, что определения модели содержат комментарии синтаксиса SPICE, подобные этому:

; Vp_MAX = 500.0 Ip_MAX = 0,07 Vg_step = 10,0

это еще один способ установить 3 параметра калибровки. Например,

MU = 7,518 EX = 1,344 KG1 = 390,0 KP = 45,0 KVB = 930,0 VCT = 0,328 Vp_MAX = 500,0 Ip_MAX = 0,07 Vg_step = 10,0

устанавливает ползунки и калибрует плоскость модели. Они сохраняются в тексте модели, поэтому дорожные сборы можно мгновенно восстановить в любой точке сохранения.

8. Обратное уравнение для улучшенного триода Корена

9. Возможные будущие расширения

диалоговое окно изображения

с минимальным кодированием, диалог загрузки конкретного файла изображения может быть добавлен в инструмент

ввод данных модели

приятное расширение функциональности выглядит следующим образом: для проверки при загрузке файла изображения с именем <имя> файл, скажем <имя>.txt, который будет содержать параметры трубки для <имя>.

pdf, изображения djvu, изображения, требующие масштабирования или поворота

что, если кривые трубок есть в документе pdf или djvu, например, на сайте Фрэнка о трубках? Лучшее решение — визуализировать изображение на экране и использовать любой инструмент для захвата экрана. Я использую lvpro, например, для захвата или поворота. Масштабирование имеет смысл только в том случае, если выполняется с помощью pdf или djvu, и очень неприятно для кривых нагрузки, если пытаться использовать файлы jpg или gif.

Атрибуты файла gif

их можно использовать для хранения параметров трубки, но я не исследовал эту возможность

считывание параметров непосредственно из и в файлы SPICE .lib.

выполнимо, но я этого не делал.

изображений с наклоном или смещением

некоторые страницы данных трубки сканируются под наклоном. Я подумываю добавить ползунок, позволяющий наклонять график модели, но в настоящее время этого не делается.

10. & nbsp Источник кода

Зайдите сюда, чтобы узнать, как это работает.

11. & nbsp Другие интерактивные инструменты

paint_kip.jar Корен Улучшенная модель пентода, версия V2 поддерживает линии загрузки, режим PP и различные расширенные элементы управления. Старая версия V1 все еще доступна, здесь,

paint_ppt.jar Stefano Perugini Polynomial Ex (Ep) Triode model

paint_pexgt.jar Polynomial Ex (Eg) Triode model

12. & nbsp links

[2] http: // next-tube.com / data.php Страница данных NextTube

[3] http://www.klausmobile.narod.ru/testerfiles/index.htm Т-файлы Klausmobile

[4] https://web.archive.org/web/20041127092506/http://digilander.libero.it/teodorom/Simulations/TriodeExcel.htm Теодоро Маринуччи Инструмент преобразования изображений в таблицу Excel, также см. Https: // web.archive.org/web/2005020

41/http://digilander.libero.it/teodorom/

[5] http://www.normankoren.com/Audio/Tube_params.html Параметры трубки Нормана Корена

[6] http: // tdsl.duncanamps.com/ Данные трубки Дункана Ампа

[7] http://www.tubedata.org/ Страницы трубки Фрэнка

[8] Еще не закончено. models-gallery.htm Предоставляется коллекция хороших совпадений, сделанных с помощью моих java-инструментов Paint *, снимки экрана, а также текст модели, готовый для копирования в ваши файлы SPICE .lib. Пожалуйста, пришлите мне свои выводы для включения.

российских мотоциклов.Почему мотоциклы Ил больше не производятся в России?

По коллекции мотоциклов в музее завода «Ижмаш» прослеживаются все перипетии советской мотоциклетной индустрии.
Хотя мотоциклы различных модификаций и характеристик создавали в советское время на нескольких заводах, Ил, безусловно, был самым распространенным. А в деревне долгое время он оставался чуть ли не единственным видом транспорта. Девушки катались на нем, ходили на рыбалку, возили сено и дрова — как только они не использовались.

Между тем мало кто знает, что родословная ИЖ началась в начале прошлого века, когда на завод «Ижсталь» после учебы в Лейпцигском университете приехал молодой инженер благородных корней Петр Можаров. Историю создания ижевских мотоциклов рассказывает директор музея «Ижмаш» Алексей Азовский.

Алексей Алексеевич, кем был Петр Можаров и как сложилась его судьба?

Алексей Азовский: Инженер-теплотехник по образованию, он уже страстно увлекался автоспортом, у него был свой импортный мотоцикл, на котором он «препарировал» в Ижевске.

В городе Можаров модернизировал паровые котлы, даже конструировал снегоходы и планеры, но все это время не отпускал мечту о собственном, а не привозном советском мотоцикле. А в 1929 году вместе с группой аналогичных энтузиастов выпустил первую экспериментальную серию мотоциклов «Ил». Первые три ИЖ — от первой до третьей модификации — были тяжелыми. Четвертый и пятый — легкие. Вся эта колонна техники в сентябре 1929 года с участием еще нескольких иномарок отправилась на первый советский автопробег Ижевск — Нижний Новгород — Москва — Ленинград — Харьков, который наделал шума.

Главный результат ралли — конструкция мотоциклов оказалась настолько успешной, что колонна прошла многие тысячи дорог практически без поломок. Казалось бы, мотоцикл можно запустить в серию, но этого не было сделано. В стране шла большая стройка, в Высшем совете народного хозяйства (Высший совет народного хозяйства) высказывались разные мнения о приоритетах, а необходимость создания мотоциклетного завода в Ижевске не могла быть доказана.

Тем не менее, именно Ижевск впоследствии стал «столицей» советских мотоциклов?

Азовский: После этой неудачной попытки Можаров сначала уезжает в Ленинград, где проектирует легкий мотоцикл, а затем в Москву, где создает тяжелый. Но затем он возвращается в Ижевск, где делает пять прототипов мотоциклов и везет их на показ в столице. На этот раз руководство страны дало добро, и мотоциклы производятся серийно на Подольском машиностроительном заводе.Всего до войны было изготовлено 4,5 тысячи единиц. Хотя для такой огромной страны это капля в море, их все же можно найти в музеях и частных коллекциях.

И все же город, в котором именно должно быть организовано серийное производство автомобилей, Можаров увидел Ижевск точно. Здесь, на вновь созданном мотоциклетном заводе, налажено производство поистине массовых советских мотоциклов ИЖ-6 и ИЖ-7.

Как только с конвейера завода сошли первые мотоциклы, Можаров впервые в жизни взял отпуск, ставший для него роковым.В марте 1934 года на завод пришла телеграмма, в которой сообщалось: Можаров умер при невыясненных обстоятельствах. Либо покончил с собой, либо кто-то «помог» умереть. В 2012 году его могилу только случайно нашли местные жители. Их заинтересовала надпись на фрагменте надгробия, в которой говорилось, что здесь похоронен создатель первых советских мотоциклов.

Завод тоже выпускал мотоциклы на войне?

Азовский: Нет, с началом войны мотоциклетный завод перешел на выпуск пулеметов Максим, но после войны предприятие снова вернулось в ИЖ.Хотя не совсем ИЖам. В 1946 году небольшой мотоциклетный завод DKW был практически полностью перенесен из Дрездена в Ижевск, что фактически предопределило судьбу дальнейших ижевских мотоциклов, да и всей советской техники, учитывая масштабы производства в Ижевске. Причем, по мнению некоторых, не в лучшую сторону. Дело в том, что за основу был взят немецкий мотоцикл с объемом двигателя 350 кубометров. видеть. Об этом параметре после войны почти во всем мире, за исключением нескольких стран социалистического лагеря, забыли.И мир был наводнен мотоциклами объемом 500 куб. См и «кратными» им разновидностями с объемом двигателя от 125 до 1000 «кубов». А если бы, например, в Ижевск отправили завод BMW, который уже тогда специализировался на выпуске автомобилей объемом 500 куб. См, пока неизвестно, как сложилась бы судьба отечественного автомобилестроения. Но история сослагательного наклонения, как известно, не терпит, и Ижевский завод стал выпускать мотоциклы с объемом двигателя 350 «кубиков».

Для организации производства мотоциклов на завод была привлечена группа немецких инженеров. Так был создан первый послевоенный ижевский мотоцикл — знаменитый ИЖ-49, который был практически копией DKW-350. Изменили переднюю подвеску — поставили телескопическую вилку, установили второе седло, новые амортизаторы, внесли ряд мелких изменений. Возможно, именно потому, что они не сильно мешали конструкции немецкой машины, ИЖ-49 оказался надежным и к 1956 году выпускался в больших объемах.Затем последовал Иж-56 с щитками приборов, большим количеством оборотов и мощностью двигателя.

В 1970-х на смену ему и его модификациям пришло знаменитое семейство «Планета» — самый массовый советский мотоцикл. Попытавшись поменять его позже, двухцилиндровый Юпитер оказался менее надежным и такой популярности не получил.

Сейчас завод все еще производит мотоциклы?

Азовский: К сожалению, нет. 1 апреля 2008 года выпуск «Ил» был прекращен. За все время с конвейера завода сошло 10 770 тысяч мотоциклов.Почему все закончилось, сказать сложно. Об этом до сих пор спорят. Лично я считаю, что, несмотря на внешнее обилие брендов, на протяжении десятилетий завод выпускает по сути одно и то же. Это было время всеобщего дефицита, когда мотоцикл можно было купить только по спискам или от случая к случаю. Тогда зачем было тратиться на переоборудование завода, зачем бороться за КПД двигателя, когда газ стоит 20 копеек? Мотоцикл все равно возьмут, в любых количествах, и скажут спасибо.

Показательный пример. В 1970 году на очередном съезде партии руководству завода было приказано из Москвы изготовить новый мотоцикл — подарок советскому человеку. Но денег на его создание дали всего 5% от необходимых. И теперь наши заводские конструкторы начинают всячески уворачиваться, чтобы мотоцикл был «как новый», причем в рамках бюджета. Переносят указатель поворота на фару, заказывают новый бензобак и осваивают окраску мотоцикла в двух цветах. Внесите ряд мелких изменений.Но в основном это тот же мотоцикл. В итоге задача партии выполнена, и советский человек получает «подарок». А заводу — «снисходительность» выпускать мотоцикл «старый-новый» еще 10 лет. Прошло 55 лет с тех пор, как немецкий мотоцикл привезли в Ижевск, и хотя, конечно, в его конструкцию внесены сотни изменений, но «уши» все равно торчат. Вся базовая компоновка и идеология машины остались прежними.

А когда в 90-е открылись границы и появилась возможность сравнивать автомобили, спрос на отечественные мотоциклы резко упал.При этом выросли цены на материалы и энергоносители, резко выросла себестоимость. И когда эти два фактора сошлись во времени, советская автомобильная промышленность фактически ушла в прошлое.

А знаменитый «ИЖ Планета-Спорт» не мог стать той самой «соломинкой», за которую хватается утопающий?

Азовский: С ним была вообще интересная история. В начале 70-х на заводе была создана инициативная группа, которая разработала действительно новую перспективную модель с возможностью экспортных поставок.Характеристики были вполне на уровне тогдашних «боксов» и «хонды». Сделали один прототип и отправили на ВДНХ. Причем «Спорт» имел не только хорошие характеристики, но и впечатляющий внешний вид. На выставке иностранцы его увидели и закружили: «берем 30 тысяч 40 тысяч». Директора завода позвонили в ЦК КПСС и сказали: если они решили выставить мотоцикл без спроса, то организуйте выпуск необходимого количества на экспорт в течение года. А завод — это только прототип.

Два готовых новых корпуса, предназначенных для выпуска оружия, сразу же переоборудовали для производства мотоциклов. Естественно, все сделали это в спешке. А на доработку дизайна не было ни времени, ни денег. В итоге мотоцикл в сериале получился совсем не таким, каким задумывался, и за границу не уехал. В СССР за ним, конечно, гнались, но план заводу занизили по общему количеству выпущенных мотоциклов без учета моделей.Причем трудоемкость у него в разы выше, а «Спорт» сделал лишь небольшую часть от общей.

Получилось так, что в министерстве сказали — сделай лучше свою «Планету». Позже стали налаживать сотрудничество с японцами, пробовали производить скутеры, но это были уже тяжелые годы, и все оставалось на уровне прототипов …

ИЖ Планета Спорт

Иж Планета-3

Иж Планета-2

Иж Планета 3

Мотоциклисты тестируют мотоциклы системы ИЖ-Планета на стадионе Ижевского автомобильного завода
9000 Планета 4

Мотоцикл с коляской «Иж-Юпитер 3».Продукция Ижевского моторного завода.

Модели мотоциклов Юпитер и Планета ПО «Ижмаш»

ИЖ Юпитер-5

Иж Планета 5

ИЖ Юнкер. По внешнему виду иномарка считается самым красивым из всех советских мотоциклов.

Есть много известных российских автомобильных рынков. Одни бренды приходят, строят производства и развивают дилерскую сеть, а другие, наоборот, уходят.Но о рынке мотоциклов практически ничего не известно. Иностранные корпорации не стремятся налаживать производство двухколесной техники в нашей стране, но пока у нас есть свои предприятия. При этом рядовые потребители о них почти ничего не знают.

И мотозавод «Рубицкий» продолжает свою работу, он известен своим легендарным Уралом. Пока что в мире лишь единицы производят мотоциклы с коляской, особенно с подключенным к ней приводом (2WD).

Компания начала свою деятельность в 1941 году, а за основу нынешней «инвалидной коляски» советские инженеры взяли BMW R71.Баварский был тщательно исследован, и советские специалисты смогли воссоздать его с точностью до миллиметра. Первой моделью, сошедшей с конвейеров предприятия, стал тяжелый мотоцикл М-72, и он выпускался как в вариантах с коляской, так и без нее. Двигатель объемом 746 куб.см развивал 22 л.с. и работал в паре с 4-ступенчатой ​​коробкой передач.

Поразительно, но техническая часть сегодняшней продукции ИМЗ недалеко от оригинальной модели. К 2013 году оппозитный двухцилиндровый двигатель разогнали до 41 силы, карбюратор в том же году заменили на инжекторный.Правда не на всех моделях. Но трансмиссия осталась 4-х ступенчатой, но с задним ходом.

Многие комплектующие велосипеда сегодня закупаются за рубежом, что положительно сказывается на надежности устройства. В частности, современные модели оснащены вилкой Marzocchi, тормозами Brembo, амортизаторами Sachs, свечами зажигания и высоковольтными проводами NGK-Ducati, карбюраторами Keihin и многим другим. Однако покупка зарубежных узлов и агрегатов сказывается на цене. Сегодня начальная цена Urals на российском рынке составляет полмиллиона рублей, стоимость топовых моделей достигает почти 700 000 рублей.

Это одна из причин, по которой в нашей стране родные «Урала» не пользуются популярностью. В России и странах СНГ ежегодно продается около 3-5% от общего количества мотоциклов, выпускаемых заводом. Но за рубежом ситуация совсем другая, и ценителей такой техники хватает.

Примерно основными рынками сбыта завода являются США и страны ЕС. Здесь работают десятки дилерских центров. Кроме того, компания отправляет свою продукцию в Австралию, Канаду, Китай, Японию и даже в Африку.

Чтобы поддержать интерес западных покупателей к Ирбиту, они регулярно выпускают специальные версии мотоцикла, которые выходят на рынок ограниченным тиражом. По словам представителей бренда, многие европейские покупатели специально ждут информации о своем внешнем виде и почти пару дней продают устройства из специальной серии. Стоит отметить, что никаких технических доработок мотоцикл не получил, все ограничивается внешним дизайном.

Примерно одной из первых специальных модификаций, появившихся в Европе, была «Ворона». Она увидела свет в 2006 году. Мотоцикл окрашен в черный матовый цвет и полностью лишен хрома, а запаска снимается в кожаном футляре. Всего с конвейеров предприятия сошло 33 экземпляра модели. Потенциальный покупатель мог заказать версии с коляской и без нее, а также решить, нужно ли ему второе ведущее колесо.

С нуля компания выпустила исполнение «Пустыня».Его отличает практичный грязно-желтый цвет, наличие металлического ящика на замке, установленном на коляске и защищающем груз от песка, пыли и влаги, а также аптечками и канистрами для перевозки жидкостей. Также на коляску установлена ​​прожекторная фара, а запаска прикрыта решеткой, на которой удобно крепить дополнительный багаж. Всего было выпущено 35 «пустынных» Урал.

Со следующим дизайнеры бренда создали снегоход под названием «Blizzard».На рынке США такая же модель получила название Arctic. Он окрашен в бело-серый камуфляж, поэтому зимой на таком устройстве можно легко замаскироваться. В оснащение мотоцикла входит большое лобовое стекло, дополнительные щитки для защиты ног водителя и ручки с подогревом. На коляске нашлось место для прожектора и лопаты. Но мотоцикл лишился второго седла, и на его месте появилась багажная полка. С таким вступлением становится понятным назначение специальной серии: любители зимних путешествий и экстремальных видов спорта.

В 2009 году свет увидела модификация «Красный октябрь», при создании которой авторы вдохновлялись романом Тома Клэнси «Охота за красным октябрем». Байк окрашен в ярко-красный цвет, что в сочетании с матово-черными элементами смотрится достаточно брутально. Мотоцикл слегка занижен, чтобы уменьшить центр тяжести и улучшить устойчивость. По словам представителей ИМЗ, такое решение позволит водителю преодолевать даже крутые повороты на высоких скоростях.Устройство получило сразу два багажника: в коляске и на место второго всадника, а также небольшой контейнер с серпом и молотком на задней части коляски. Но тут рычаг переключения передач находится не на привычном для мотоциклистов месте, а на топливном баке, как в ретро-моделях. Эта модель также выпущена ограниченным тиражом: свет увидели всего 30 экземпляров.

Следующим стал «Снежный барс». Она полностью окрашена в белый и светло-серый цвет, а на коляску нанесен специальный логотип.Всего на рынке появилось две версии мотоцикла.

Первый — ретро. Подходит для светлой и солнечной зимы. Багажник имеет багажник, дополнительную фару, канистру из нержавейки и бампер. Второй вариант больше подходит для суровых и снежных зим. Транспорт получил большое лобовое стекло, ручки с подогревом и лопату. А по желанию клиента дилеры установили шипованную запаску. Всего выпущено 25 «Леопардов» двух версий.

В 2011 году заводу исполнилось 70 лет. По этому поводу мастера предприятия изготовили специальную серию Anniversary M70, которая практически полностью повторяет самую первую сошедшую с конвейера модель — М-72. Она окрашена в цвета советских военных мотоциклов, а крышка коляски сделана из грубого брезента. Из него изготавливается чехол для лопаты, входящий в перечень стандартного оборудования. Кроме того, на танке появились защитные накладки, а на место второго райдера установили решетку для крепления груза.Покупатели смогут выбирать между одиночным вариантом или классическим вариантом с коляской.

В 2012 году вышла закатная версия. Велосипед окрашен в черный матовый цвет, а некоторые элементы окрашены в ярко-оранжевый цвет. По задумке создателей, такие акценты напоминают последние лучи заходящего солнца, выглядывающие сквозь облака. Мотоцикл лишился второго сиденья, но его заменили небольшие металлические кофры для багажа. Всего на рынке появилось 25 экземпляров модели.

Спустя год, в 2013 году, завод получил все необходимые сертификаты на продажу мотоциклов с электронным впрыском топлива в Европе. По этому поводу компания выпустила специальную серию Hybrid. Эта модель была последней, оснащенной карбюратором. Модификация отличается сочетанием техники старого Урала с техникой нового поколения. В частности, этот байк оснащен дисковыми тормозами на всех трех колесах, большим воздушным фильтром и внешним масляным фильтром.Рама и силовые агрегаты спецверсии окрашены в черный матовый цвет, а коляска, бак и крылья получили цвет «серый асфальт». Пассажир коляски получил большое лобовое стекло и решетку для груза. Кроме того, «инвалидная коляска» оснащена противотуманными фарами, быстросъемными ручками на рулевом колесе, а также настоящим сундуком, закрепленным на грузовом пространстве позади водителя. С конвейеров завода сошло всего 25 экземпляров мотоцикла.

Пару недель назад Урал анонсировал новую спецверсию для европейского рынка.Сейчас скремблеры очень популярны, и российская компания не отстает от последних модных тенденций. Исполнение называется: Scrambler. Аппарат окрашен в цвет «Огненная саламандра» и станет весьма заметным в дороге за счет ярко-желтых акцентов. Глушители этого автомобиля подняты вверх, на коляску установлены светодиодные противотуманные фары, а на рулевом колесе — турник для установки дополнительного оборудования. Например, подстаканник или держатель для смартфона. Да и много багажа можно взять с собой в поездку, ведь багажники установлены как сзади, так и спереди коляски.Таких мотоциклов будет выпущено всего 20.

Для американского рынка дизайнеры часто создают отдельные версии, которые отличаются от европейских.

Например, в 2008 году на Урале выпустили версию Гжели. Как следует из названия, байк расписан в технике Гжель. Однако главной особенностью цветовой гаммы является то, что мотоцикл полностью расписан вручную одним из сотрудников завода.

В 2012 году для американского рынка вышла модификация «Ямал», названная в честь российского ледокола.Мотоцикл оранжевого цвета оснащен большим лобовым стеклом для водителя, защитой рук, противотуманными фарами на коляске, решетками для крепления багажа и веслом с оригинальной инструкцией.

Уже через год поклонники бренда из США отправились в салоны за новой специальной серией — Gaucho Rambler, созданной российскими инженерами в сотрудничестве с Pendleton Woolen Mills. По замыслу, исполнение должно отдавать дань прошлой эпохе завоевания Запада.Для мотоцикла разработан оттенок Pacific Blue, а шерстяное одеяло внесено в список необходимого оборудования.

В 2014 году Урал выпустил «космический» мотоцикл МИР. Это устройство цвета «Орбитальный белый» оснащено солнечной батареей, установленной на коляске, дополнительным осветительным оборудованием на бампере, большим ключом «36» и двумя «козырьками» для водителя и пассажира. Отдельного упоминания заслуживают одеяла, при изготовлении которых использовались те же материалы, что и для космонавтов НАСА.

И, наконец, в прошлом году ИМЗ сделал подарок фанатам легендарной саги Джорджа Лукаса «Звездные войны» — модификацию «Уральской» Dark Force. Цвет, как следует из названия, черный, в фарах светятся модные диоды, а на коляске хозяин найдет очень важный аксессуар — джедайский меч в кобуре.

В заключение хотелось бы отметить, что на Западе российские «инвалидные коляски» не только раскупаются как горячие пирожки, но и стоят намного дороже.Например, Ural Dark Force стоит 14 999 долларов. В пересчете на российскую национальную валюту по текущему курсу это около миллиона рублей.

границ | Цифровая аппаратная система для пиковой сети тактильных афферентов

Введение

Чувство осязания охватывает все тело, используя множество рецепторов на разной глубине кожи. Информация, поступающая от мышц и сухожилий (кинестетическое восприятие), и богатые сигналы от сенсорных рецепторов, встроенных в кожу (кожное восприятие), играют решающую роль в нашем сенсорном опыте, и, таким образом, мы можем активно общаться с окружающим миром.В частности, когда мы взаимодействуем с объектом, информация о характеристиках этого объекта, таких как его форма и текстура, переносится в пространственно-временном паттерне потенциалов действия, вызванных множеством тактильных афферентов. Эти потенциалы действия или спайков передаются первичными афферентами в спинной мозг, клиновидное ядро, таламус и, наконец, соматосенсорную кору для декодирования и принятия решений. Следовательно, мы можем распознавать объекты на основе тактильного исследования (Дахия и др., 2010, 2013). Специализированные механорецепторы в голой коже человека состоят из двух основных типов, в зависимости от их функциональности и рецептивного поля: (1) медленно адаптирующийся (SA) афферентный и (2) быстро адаптирующийся (FA) афферент (Dahiya and Valle, 2012). ; Tiwana et al., 2012). Афференты SA типа 1 (SA-I) и типа II (SA-II) иннервируют цилиндр Меркеля и Руффини, соответственно, и наиболее чувствительны к статическим стимулам. Афференты FA типа 1 (FA-I) и типа II (FA-II), которые чувствительны к переходным событиям, таким как вибрация, иннервируют тельца Мейснера и тельца Пачини, соответственно (Lucarotti et al., 2013). В этом исследовании мы фокусируемся на тактильных афферентах SA-I и FA-I, которые являются необходимыми элементами для манипулирования объектами (Johansson and Flanagan, 2009).

Недавние подходы направлены на имитацию поведения биологических тактильных рецепторов с использованием продвинутой динамики кожи (Saal et al., 2017) и нейроморфных моделей (Oddo et al., 2016) для повышения эффективности и производительности по сравнению с традиционными методами. Применение пиковых нейронных сетей и нейроморфных подходов в тактильных системах расширяется в последние несколько лет (Kim et al., 2009; Фридл и др., 2016; Oddo et al., 2016; И и Чжан, 2016). Пирсон и др. (2006, 2007, 2011) разработали биомиметическую вибротактильную сенсорную систему с использованием протекающих моделей нейронов интеграции и запуска, которые воспроизводят усы крысы, позволяя роботу ориентироваться в окружающей среде. Чтобы различать локальную кривизну объекта, Ли и др. (2013) использовали матрицу бинарных тактильных датчиков на основе ткани. Тактильные сигналы были преобразованы в спайки с использованием модели Ижикевича (Lee et al., 2014). Для декодирования букв Брайля был создан замкнутый цикл восприятие-действие путем преобразования данных датчика силы в шиповые цепочки с использованием протекающей модели интеграции и огня (Bologna et al., 2011, 2013). Модель нейрона Ижикевича была использована Spigler et al. (2012) для характеристики свойств поверхности. Zhengkun и Yilei (2017) преобразовали выходные данные тактильных датчиков поливинилидендифторида в составы пиковых сигналов, используя модель Ижикевича, а затем применили алгоритм машинного обучения для классификации шероховатости поверхности. Ронгала и др. (2017) классифицировали 10 натуралистических текстур, преобразовав выходные сигналы массива из четырех пьезорезистивных датчиков в цепочки импульсов. Они использовали модель Ижикевича и проанализировали полученные паттерны спайков (Rongala et al., 2017). Используя тот же датчик, Oddo et al. преобразовали тактильный стимул в пространственно-временную структуру шипов, а затем приложили их к афферентам кожи крысы с помощью стимулирующих электродов. Таким образом, они продемонстрировали потенциал нейропротетического подхода к взаимодействию с мозгом крысы (Oddo et al., 2017). Кроме того, нейроморфные методы использовались для создания тактильных ощущений для различения текстур с использованием SA-подобной динамики посредством нервной стимуляции человека с ампутированной конечностью (Oddo et al., 2016) и для улучшения захватных функций протеза (Osborn et al., 2017). В Osborn et al. (2018), он был сосредоточен на обнаружении боли через нейроморфный интерфейс и инициировал автоматический болевой рефлекс в протезе.

Одним из наиболее распространенных методов реализации нейронных вычислительных моделей является разработка цифровой схемы из-за ее высокой эффективности для практических приложений (Cassidy et al., 2011). Цифровое исполнение с программируемой вентильной матрицей (FPGA) обеспечивает гибкость, необходимую для исследования алгоритмов, с учетом ограничений по времени и производительности.Таким образом, FPGA находят все большее применение в области нейронных вычислений (Nanami and Kohno, 2016). Кроме того, с развитием инструментов синтеза HDL (язык описания оборудования высокого уровня), FPGA также может использоваться как эффективный аппаратный ускоритель (Misra and Saha, 2010; Arthur et al., 2012). Некоторые исследователи работали над эффективными аппаратными реализациями (Wang et al., 2018; Zjajo et al., 2018). Grassia et al. (2016) моделировали стохастический нейрон на ПЛИС. Для реализации обработки тактильных данных в реальном времени с помощью ПЛИС в приложениях электронной кожи использовалась приблизительная схемотехника (Franceschi et al., 2017). Амбруаз и др. (2017) предложили биомиметическую нейронную сеть, реализованную на ПЛИС, для двунаправленной связи с живыми нейронами, культивируемыми в матрице микроэлектродов. Предложена цифровая аппаратная реализация модели пиков кожного механорецептора с целью идентификации приложенного давления (Salimi-Nezhad et al., 2018). Они использовали модель нейрона Ижикевича для моделирования, а затем цифровое выполнение афферентов SA-I и FA-I на ПЛИС. Действительно, их подход является доказательством концепции, что реализация тактильных афферентов с помощью цифровых схем имеет большой потенциал.Однако необходимо расширить предыдущую работу, которая рассматривает одну цифровую схему SA-I или FA-I с одним входом. Фактически, тактильная информация передается не только с использованием множества субмодальностей, но также посредством ансамблей различных афферентных типов. Следовательно, разработка аппаратной нейроморфной системы для управления популяцией различных афферентов и получения нескольких входных данных необходима для моделирования исследования и изготовления новой тактильной сенсорной системы для робототехнических и протезных приложений.Соответственно, в этой статье мы сообщаем, что проектирование нейроморфной тактильной системы с использованием популяции из 243 цифровых афферентов включает SA-I и FA-I. С этой целью сначала рассматриваются четыре модели пиков, включая модель Ижикевича (Иж), линеаризованную модель Ижикевича (L-Иж), квадратичную интегрированную модель и модель огня (QIF) и линеаризованную модель QIF (L-QIF) для моделирования нейронных афферентов. . Затем для всех этих моделей пиков соответствующая цифровая схема представлена ​​и смоделирована в VIVADO.Сравнение производительности проводится, чтобы определить, какая из спроектированных схем является эффективной с точки зрения площади и энергопотребления при сохранении характеристик их исходной математической модели. Затем вышестоящая схема дополнительно улучшается путем замены умножителей на логический сдвигатель. Следовательно, улучшенный L-QIF был нанят для каждого афферента, чтобы создать нейроморфную сеть искусственных афферентов SA-I / FA-I. С помощью экспериментальной установки исследуется производительность сети цифровых пиков, которая выполняется на ПЛИС.В этом случае данные об отпечатках сетки датчика давления 3 × 3 отправляются в FPGA через интерфейсную плату. ПЛИС управляет цифровыми схемами модели афферентов 243 пиков и обрабатывает поступающие данные от девяти датчиков давления параллельно, чтобы предоставить образцы тактильных пиков для следующего уровня обработки. Насколько нам известно, предлагаемая нейроморфная система является первой цифровой системой, реализующей совокупность тактильных афферентов (как SA-I, так и FA-I) при получении нескольких входных сигналов.Наконец, применяя алгоритм машинного обучения, искусственные спайковые ответы анализируются на основе парадигмы скорости стрельбы, и, таким образом, мы классифицируем три объекта, чтобы показать реальное применение предложенной нейроморфной тактильной системы в тактильном эксперименте.

Остальная часть статьи подготовлена ​​следующим образом: модели пиков и их цифровые схемы описаны в разделах «Материалы и методы» и «Цифровые схемы» соответственно. Результаты аппаратной реализации обсуждаются в разделе «Аппаратная реализация.Наконец, раздел «Заключение» завершает статью.

Материалы и методы

Математическое описание четырех моделей пиков, использованных в этом исследовании, было объяснено в Приложении. На основе этих моделей пиков мы представляем соответствующую цифровую схему для каждой модели. Проведено сравнение разработанных цифровых схем для получения схемы с минимальными характеристиками площади и потребляемой мощности, которая будет использоваться для разработки нейроморфной тактильной системы.

Модель шипов тактильного афферента

Основными афферентами голой кожи, передающими тактильную информацию, являются SA-I, II и FA-I, II.В руке человека примерно 43% афферентов FA-I заканчиваются тельцами Мейсснера, 13% единиц FA-II имеют пачинианские окончания, 25% единиц SA-I иннервируют клетки Меркеля и 19% единиц SA-II имеют окончания Руффини (McGlone и Рейли, 2010). Рецепторы Меркеля, расположенные поверхностно в коже (Roudaut et al., 2012), запускаются низкочастотными деформациями кожи и необходимы для различения текстуры и тонкого тактильного восприятия. Афференты SA-I, которые разветвляют и иннервируют диски Меркель, активны во время физической стимуляции.Рецепторы Мейснера имеют особенно высокую плотность на кончиках пальцев и реагируют всякий раз, когда обнаруживается изменение стимула (то есть, когда стимул применяется или когда он удаляется) (Roudaut et al., 2012). Афференты FA-I, которые разветвляют и иннервируют тельца Мейснера, имеют небольшие рецептивные поля и обнаруживают динамические деформации кожи (Johansson and Vallbo, 1979). Они отвечают за обнаружение низкочастотной вибрации, скольжения и движения.

На рис. 1 показана афферентная модель, использованная в этом исследовании.Было показано, что эта модель воспроизводит цепочки спайков, генерируемые биологическим аналогом FA-I и SA-I для различных стимулов (Saal and Bensmaia, 2015; Friedl et al., 2016; Rongala et al., 2017, 2018; Salimi- Нежад и др., 2018). В этой модели величина силы измеряется датчиком f ( t ) и его вариациями f. ( т, ) (в мН), взвешиваются отдельно ( C _{x 1} , C _{x 2} ) для создания текущего I ( t ) (в мА) для генерации пиков.Четыре нейронные модели, включая Izh, L-Izh, QIF и L-QIF, используются для независимого добавления части афферентной модели. Математические описания этих четырех моделей пиков поясняются в Приложении.

Рисунок 1. Модель афферентов медленно адаптирующегося типа 1 (SA-I) и быстро адаптирующегося типа 1 (FA-I). SA-I реагирует на абсолютное значение стимула и активен на протяжении всего интервала контакта со стимулом. FA-I доставляет всплески, когда стимул имеет динамический характер, т.е.е., во время фаз начала и смещения профиля вдавливания. Четыре нейронные модели, включая модель Ижикевича (Иж), линеаризованную модель Ижикевича (L-Иж), квадратичную интегрированную модель и модель огня (QIF) и линеаризованную модель QIF (L-QIF), используются для генерации спайков афферентной модели независимо.

Цифровые схемы

В последние годы для проектирования нейроморфных систем часто используются FPGA, и в литературе сообщалось о нескольких успешных случаях. Действительно, его способность к параллельным и высокоскоростным вычислениям позволяет реализовать в реальном времени нейронные сети с пиками.В этом разделе сначала дискретизируются модели пиков с использованием метода Эйлера, а затем представлены цифровые схемы, которые должны выполняться на ПЛИС. Для разработанных цифровых схем использование ресурсов сравнивается, чтобы найти схему, в которой меньше логических блоков. Таким образом, мы можем реализовать большую популяцию афферентов. Шаг дискретизации для всех уравнений составляет ч = 0,0078125 мс. В следующих уравнениях мы считаем, что C _м и τ равны 1 F и 1 с, соответственно.

Иж Цифровая схема

Уравнения 21–23, описывающие пиковое поведение модели SA-I, можно дискретизировать как:

v [n + 1] = v [n] + h × (0,04 × v [n] × v [n] + 5 × v [n] + 140-u [n] + C11 × I [n]) (1 )

u⁢ [n + 1] = u⁢ [n] + h × a × (b × v⁢ [n] -u⁢ [n]) (2)

если v⁢ [n + 1] ≥30⁢mV → тогда {v⁢ [n + 1] ← cu⁢ [n + 1] ← u⁢ [n] + d (3)

Диаграмма расписания для этой модели показана на рисунке 2A. Аналогично, для модели FA-I дискретизированные уравнения имеют следующий вид:

v [n + 1] = v [n] + h × (0.04 × v [n] × v [n] + 5 × v [n] + 140-u [n]) + C12 × (I [n + 1] -I [n]) »(4)

u⁢ [n + 1] = u⁢ [n] + h × a × (b × v⁢ [n] -u⁢ [n]) (5)

если v⁢ [n + 1] ≥30⁢mV → тогда {v⁢ [n + 1] ← cu⁢ [n + 1] ← u⁢ [n] + d (6)

Рис. 2. Диаграмма расписания для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели спайков Иж. На этих диаграммах есть две переменные состояния, v и u , поэтому две цифровые схемы разработаны для каждой переменной отдельно.

Диаграмма планирования для модели FA-I показана на рисунке 2B. Он иллюстрирует, как генерируются мембранный потенциал ( v ) и переменная восстановления ( u ) афферентной модели на каждой итерации. Есть также регистры памяти для хранения выходных данных для использования в последующих шагах. Длина регистра N для решения отдельных переменных состояния составляет N = 32 (1 бит для знака, 13 бит для целой части и 18 бит для дробной части) для получения высокоскоростной схемы с низкой ошибкой ( Салими-Нежад и др., 2018). Следует отметить, что « N » напрямую влияет на время вычислений и требуемую точность для реализации.

Цифра Л-Иж

Для разработки цифровой схемы для модели L-Izh афферента SA-I уравнения 27–29 дискретизируются следующим образом:

v [n + 1] = v [n] + h × (k1 × | v [n] +62,5 | -k2-u [n] + C21 × I [n]) (7)

u⁢ [n + 1] = u⁢ [n] + h × a × (b × v⁢ [n] -u⁢ [n]) (8)

если v⁢ [n + 1] ≥30⁢mV → тогда {v⁢ [n + 1] ← cu⁢ [n + 1] ← u⁢ [n] + d (9)

Соответственно, диаграмма планирования изображена на фиг. 3A.Для афферента ФА-И дискретные уравнения модели Л-Иж следующие:

v [n + 1] = v [n] + h × (k1 × | v [n] +62,5 | -k2-u [n]) + C22 × (I [n + 1] -I [n]) ( 10)

u⁢ [n + 1] = u⁢ [n] + h × a × (b × v⁢ [n] -u⁢ [n]) (11)

если v⁢ [n + 1] ≥30⁢mV → тогда {v⁢ [n + 1] ← cu⁢ [n + 1] ← u⁢ [n] + d (12)

Рис. 3. Диаграмма расписания для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели L-Izh. На этих диаграммах есть две переменные состояния, v и u , поэтому две цифровые схемы предназначены для каждой переменной отдельно.По сравнению с рис. 2, из-за линеаризации эта модель потребляет меньше аппаратной площади и имеет меньшее энергопотребление.

, а диаграмма расписания представлена ​​на рисунке 3B. Он показывает, как производятся мембранный потенциал ( v ) и переменная восстановления ( u ) афферентной модели на каждой итерации.

Цифровая схема QIF

Уравнения (33) — (34), отвечающие за формирование пиковых характеристик в модели SA-I, дискретизируются следующим образом:

v⁢ [n + 1] = v⁢ [n] + h × (M1 × v⁢ [n] × v⁢ [n] + C31 × I⁢ [n]) »(13)

если v⁢ [n + 1] ≥vpeak → тогда v⁢ [n + 1] = vreset (14)

, а диаграмма расписания для этой модели представлена ​​на рисунке 4A.Также дискретизированные уравнения для модели FA-I:

v⁢ [n + 1] = v⁢ [n] + h × (M1 × v⁢ [n] × v⁢ [n]) + C32 × (I⁢ [n + 1] -I⁢ [n]) »( 15)

если v⁢ [n + 1] ≥vpeak → тогда v⁢ [n + 1] = vreset (16)

Рис. 4. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели QIF. На этих диаграммах есть только одна переменная состояния, v , мембранный потенциал. По сравнению с рисунками 2, 3 цифровая схема модели QIF проще, занимает меньше места на оборудовании и потребляет меньше энергии.

Диаграмма расписания для этой модели показана на рисунке 4B.

Цифровая схема L-QIF

Параллельно методу, использованному в предыдущих подразделах, уравнения 37 и 38 для модели SA-I дискретизируются следующим образом:

v⁢ [n + 1] = v⁢ [n] + h × (M2 × | v⁢ [n] | + C41 × I⁢ [n]) (17)

если v⁢ [n + 1] ≥vpeak → тогда v⁢ [n + 1] = vreset (18)

, а диаграмма расписания для этой модели показана на рисунке 5A. Наконец, дискретизированные уравнения для модели FA-I:

v⁢ [n + 1] = v⁢ [n] + h × (M2 × | v⁢ [n] |) + C42 × (I⁢ [n + 1] -I⁢ [n]) (19)

если⁢v⁢ [n + 1] ≥vpeak → t⁢h⁢e⁢n⁢v⁢ [n + 1] = vreset (20)

, а диаграмма расписания проиллюстрирована на рисунке 5B.

Рис. 5. Диаграмма планирования для генерации спайков афферента SA-I (A) и афферента FA-I (B) с использованием модели L-QIF. На этих диаграммах есть только одна переменная состояния, v , мембранный потенциал. По сравнению с рисунками 2–4 цифровая схема для линеаризованной версии модели QIF намного проще, занимает меньше места на оборудовании и имеет меньшее энергопотребление.

Цифровые схемы (рисунки 2–5), основанные на модели пиков афферентов, представляют собой нейроморфное преобразование выходного сигнала датчика в шаблоны пиков, передающие тактильную информацию.В таблице 1 сравниваются ресурсы, используемые различными цифровыми схемами для моделей SA-I и FA-I. Как видно, цифровые схемы для линеаризованных моделей (L-Izh и L-QIF) более эффективны по площади по сравнению с их исходными аналогами (модели Izh и QIF). Также очевидно, что цифровая схема L-QIF использует минимальные ресурсы. Учитывая Таблицу 1, использование аппаратных ресурсов даже для цифровых схем Иж по сравнению со схемами, указанными в Salimi-Nezhad et al.(2018) уменьшено. В частности, в настоящем исследовании для цифровых схем Иж мы использовали меньшее количество DSP для афферентов SA-I и FA-I по сравнению со схемами, описанными в Salimi-Nezhad et al. (2018).

Таблица 1. Сводка по использованию устройства для четырех разработанных цифровых схем для обоих афферентов.

Результаты моделирования

В этом разделе мы представляем результаты моделирования в MATLAB четырех типов моделей пиков для обоих афферентов (SA-I, FA-I) и моделирования VIVADO их цифровых схем.На рисунке 6 показаны временные характеристики модели пиков SA-I с трапециевидным входом. Увеличение входного тока приводит к уменьшению интервала между пиками. На рисунке 7 показаны временные характеристики модели пиков FA-I с трапециевидным входом. Более высокое значение наклона побуждает модель создавать паттерны спайков с более высокой частотой. На рисунках 6, 7 первые панели отображают трапециевидный импульс в качестве входного сигнала, вторые панели представляют симуляции MATLAB афферентной модели, а третьи панели демонстрируют моделирование цифровой схемы VIVADO.

Рисунок 6. Временной отклик модели пиков афферента SA-I в 100 мс для Иж (А) , Л-Иж (В) , QIF (C) и L-QIF (Д) . В этих симуляциях первые панели показывают входной сигнал, вторые панели отображают симуляцию MATLAB математической модели, а третьи панели иллюстрируют симуляцию VIVADO цифровой схемы. Средние частоты при моделировании 100 мс для Иж, Л-Иж, QIF и L-QIF составляют 760, 840, 880 и 780 Гц соответственно.

Рисунок 7. Временной отклик модели пиков афферента FA-I в 100 мс для Иж (А) , Л-Иж (В) , QIF (С) и L-QIF (Д) . В этих симуляциях первые панели показывают входной сигнал, вторые панели отображают симуляцию MATLAB математической модели, а третьи панели иллюстрируют симуляцию VIVADO цифровой схемы.

Рассматривая рисунки 6, 7, афферент SA-I срабатывает в течение длительной фазы стимула, а афферент FA-I отвечает в фазах начала и смещения этого стимула.Этот результат функционально согласуется с откликом, измеренным в наблюдениях, опубликованных Jörntell et al. (2014). Другими словами, модель пиков и их цифровая схема имеют одинаковые отклики и функционально совместимы с пиковыми активностями биологического афферента.

Население цифровых афферентов

Хотя в предыдущих разделах мы обнаружили, что модель L-QIF имеет наименьшее потребление площади по сравнению с другими тремя моделями, мы также можем использовать другие методы для дальнейшего снижения использования оборудования.Действительно, умножители — это дорогостоящие блоки, которые потребляют больше энергии и занимают большую площадь по сравнению с простыми блоками, такими как сумматоры или переключатели. По этой причине, путем замены умножителей на логический сдвигатель, улучшенный L-QIF получается с коэффициентами, описанными в таблице 2. Следовательно, мы ожидаем увеличения рабочей частоты из-за отсутствия дорогостоящих операций (умножителей). чтобы замедлить важные пути. Кроме того, этот подход возмещает ограниченное количество доступных умножителей на кристалле и поддерживает реализацию более крупных сетей пиковых значений на ПЛИС.Значения параметров в Таблице 2 выбраны, чтобы показать лучшее и ясное представление о пиковом отклике на растровом графике популяции афферентов. Таким образом, мы модифицировали и настраивали экспериментальные параметры на основе параметров моделирования.

Таблица 2. Значения параметров улучшенной цифровой схемы L-QIF.

В таблице 3 сравнивается улучшенная цифровая схема L-QIF со схемой L-QIF. Очевидно, что замена умножителей регистрами сдвига приводит к уменьшению количества LUT DSP и Slice, в то время как количество LUT-триггеров увеличивается.Таким образом, можно сэкономить больше ресурсов, если использовать улучшенную модель L-QIF для модели пиков афферентов. Это может быть очень важно, когда на ПЛИС реализована совокупность афферентов. Следует отметить, что, хотя современные ПЛИС имеют значительное количество срезов DSP, для оснащения протезов и рук роботов кожей, похожей на человеческую, требуется реализация тысяч механорецепторов и афферентов для одновременной передачи тактильной информации. Поэтому экономия энергии и использование площади очень важны для практического применения.Здесь мы демонстрируем прототип 243 искусственных афферентов, которые передают спайки, асинхронно передавая пространственно-временные особенности, необходимые для тактильного восприятия.

Таблица 3. Сравнение использования аппаратного обеспечения для L-QIF и улучшенных цифровых схем L-QIF для обоих афферентов.

Аппаратная реализация

Нейроморфная реализация тактильных афферентов может ускорить разработку новых искусственных тактильных сенсорных систем в области телеробототехники и телеоперации.Следовательно, в текущем исследовании выполняется аппаратная нейроморфная реализация. Чтобы показать характеристики разработанной схемы и проиллюстрировать паттерны всплесков популяции цифровых афферентов, была разработана экспериментальная установка, как показано на рисунке 8. Она состоит из девяти сенсорных блоков (матрица 3 × 3), подключенных к ZedBoard. через настраиваемую интерфейсную плату. Приложенная сила к отдельным чувствительным к силе резисторам (FSR) обеспечивает аналоговый сигнал для 10-битного АЦП (аналого-цифровой преобразователь), который подается на ZYNQ (в данном случае ZedBoard).ZedBoard (особая оценочная плата ZYNQ) — одно из недорогих и высокоскоростных устройств для цифровой реализации импульсных нейронов. Он состоит из двух основных разделов: программируемой логики (PL) и системы обработки (PS). Раздел PL — это платформа, которую можно настроить с использованием языка VHDL, а раздел PS — это двухъядерный процессор ARM Cortex-A9, который можно программировать с помощью языка C. Вывод ZedBoard иллюстрируется двумя способами. Один способ — отобразить на осциллографе, а другой — отобразить на экране.Осциллограф используется для отображения пиковых откликов отдельной цифровой схемы SA-I или FA-I, а экран используется для одновременной иллюстрации активности всей популяции или субпопуляции цифровых афферентов.

Рисунок 8. Экспериментальная установка для оценки нейроморфной тактильной системы. Популяция из 90 цифровых афферентов SA-I и 153 цифровых афферентов FA-I реализована на программируемой вентильной матрице (FPGA). В дополнение к оценочной плате ZYNQ, система состоит из двух других компонентов: матрицы из датчиков 3×3 и интерфейсной схемы (оснащенной 10-разрядным блоком АЦП) между датчиком и ZedBoard.Чувствительный элемент состоит из девяти чувствительных к силе резисторов (FSR), которые подают измеренное давление в виде аналогового сигнала напряжения на интерфейсный блок. Это устройство фильтрует, выпрямляет и масштабирует свой входной сигнал, а затем преобразует его в цифровой сигнал, который отправляется на ZedBoard. Сопротивление FSR изменяется под действием внешней силы. В зависимости от величины давления, приложенного к отдельному датчику FSR, цифровые афференты отправляют последовательности пиков на экран или на выходной контакт ZedBoard для отображения на осциллографе (после аналогового преобразования).

Благодаря ресурсам, доступным в оценочном наборе ZedBoard, мы реализовали 243 цифровых схемы улучшенных моделей L-QIF в секции PL, включая 90 SA-I и 153 FA-I. Это соотношение выбрано, чтобы учесть, что количество афферентов SA-I и FA-I существует в кончике пальца (McGlone, Reilly, 2010; Pasluosta et al., 2017). В нашей конструкции для каждого датчика FSR на ZedBoard запускается 27 цифровых афферентов (10 SA-I и 17 FA-I). Использование оборудования для реализации 243 цифровых афферентов представлено в таблице 4.Следует отметить, что рабочая частота ZYNQ составляет 100 МГц. Соответственно, в этой экспериментальной установке задержка от начала приложения силы к FSR до появления пиковых откликов на выходных контактах ZYNQ находится в диапазоне наносекунд.

Таблица 4. Аппаратная работа для реализации 243 афферентов (SA-I / FA-I) в ZedBoard с использованием улучшенной цифровой схемы L-QIF.

При рассмотрении конечных приложений важным фактором является простота аппаратной реализации.Эта функция важна для разработки сенсорных модулей, которые пытаются объединить сенсорные и обрабатывающие схемы. Действительно, представление информации на основе спайков имеет значительный потенциал для повышения производительности и эффективности систем искусственного тактильного восприятия. Таким образом, предложенная цифровая схема позволила нам разработать аппаратную архитектуру для выполнения совокупности афферентов на PL. Этот новый подход к созданию сенсорных систем искусственно воспроизводит паттерны возбуждения афферентов SA-I и FA-I.Разделенная структура предлагаемого подхода и возможность управления параметрами упрощают масштабируемость без значительного изменения схемы.

Затем, используя подготовленную экспериментальную установку, мы одновременно касаемся одного, двух или трех случайно выбранных датчиков FSR из матрицы датчиков давления 3 × 3, как показано на рисунке 9. На этом рисунке активированные датчики показаны красными полями. Например, на фиг. 9D одновременно касаются трех датчиков, а на фиг. 9B, F, H одновременно касаются двух случайно выбранных датчиков.

Рис. 9. Случайное касание одного (A, C, E, G) , двух (B, F, H) или трех датчиков FSR (D) из сетки 3×3 в экспериментальном Настройка показана на Рисунке 8. Активированные датчики показаны красными полями. К датчикам FSR прилагаются разное количество сил с разными временными профилями. (A) – (H) показывают последовательность сенсоров касания в восемь этапов, соответственно.

Пики-отклики сенсоров, к которым прикоснулись на Рисунке 9, показаны на Рисунке 10.На рис. 10A показаны пики всех 90 цифровых схем SA-I, а на рис. 10B показаны пики всех 153 цифровых схем FA-I. Действительно, мы использовали возможность параллельной обработки FPGA для реализации популяции цифровых афферентов. На рисунке 10 в течение первых 4 секунд сенсор не касался, и наблюдалась только фоновая активность популяции искусственных афферентов. Затем, как показано на фиг. 9A, касаются первого датчика S1. В этом случае, с t = 4 до t = 6 с, сила, приложенная к датчику S1, увеличивается от нуля до желаемого уровня.От т = 6 до т = 9,5 с, значение силы сохраняется на этом уровне. С t = 9,5 до 10,5 с, приложенная сила уменьшается до исходного значения, равного нулю. Рисунки 10A, B показывают активизацию популяции искусственных афферентов, запущенных на ZedBoard. Цифровые афференты SA-I остаются активными в течение периода контакта со стимулом, в то время как цифровые афференты FA-I реагируют всякий раз, когда обнаруживается изменение стимулов. Аналогично, с учетом фиг. 9B, оба датчика S3 и S5 касаются одновременно.Таким образом, с t = 14 до 17 с, приложенные силы к S3 и S5 увеличиваются от нуля до другого выбранного уровня. От t = 17 до 19 с, значение силы поддерживается на этом выбранном уровне. С t = 19 до 20 с, приложенная сила снова уменьшается до исходного значения, равного нулю. Следует отметить, что сила, приложенная к S3, больше, чем к S5, и, соответственно, увеличивается скорострельность. Что касается рисунка 10, частота возбуждения искусственного SA-I пропорциональна интенсивности стимула, в то время как образцы возбуждения искусственного FA-I появляются, когда есть изменения в интенсивности стимула.Действительно, разные последовательности пиков вызываются приложением разных профилей силы к датчикам FSR.

Рисунок 10. Растровый график для шаблонов активации 243 цифровых афферентов, выполненных на ZedBoard. Паттерны пиков для 90 афферентов SA-I (A) и 153 афферентов FA-I (B) показаны для 60 с. Случайным образом выбираются не только сенсоры, к которым прикоснулись, но также различны продолжительность времени, а также скорости начала и смещения.Пиковые реакции четырех случаев были выделены цветными областями для дальнейшего исследования на рисунках 11, 12.

Чтобы получить больше информации, мы выбираем четыре случая из рисунка 10, окрашенные области, а затем исследуем поведение цифровых схем SA-I и FA-I более подробно, как показано на рисунках 11, 12, соответственно. Другими словами, на рисунке 10 проиллюстрированы не только схемы возбуждения всей популяции, но также мы показываем пиковые отклики выбранного афферента на экране осциллографа (рисунки 11, 12).Желтый, пурпурный, голубой и зеленый иллюстрируют паттерны всплесков, возникающие при прикосновении к S1, S2, S4 и S8 соответственно (см. Рисунок 9). На рисунках 11, 12 из каждой субпопуляции выбирается один (первый) реализованный искусственный афферент (красный прямоугольник в цветных областях) для отображения на осциллографе. В этом случае выходной сигнал выбранного цифрового афферента после преобразования в аналоговый сигнал демонстрируется на осциллографе. На этих рисунках выход ZedBoard показан желтым цветом (напряжение на мембране).Как видно, по мере увеличения величины силы частота срабатывания пиков для цифрового SA-I также увеличивается. Такой подход позволяет декодировать стимулы при сборе тактильных данных. Более того, из рисунка 12 видно, что скорость пикового отклика в фазе смещения меньше, чем фаза начала для цифрового FA-I, из-за меньшего наклона для фазы смещения. Действительно, афференты SA-I обеспечивают кодирование давления, а афференты FA-I кодируют переходные характеристики сигнала.

Рисунок 11. Активность активации 10 цифровых афферентов SA-I, реализованных на ZedBoard. Непрерывная стрельба на входе понятна. Рассматривая рисунки 9, 10, желтый, пурпурный, голубой и зеленый иллюстрируют пиковую активность, возникающую при прикосновении к S1 (A) , S2 (B) , S4 (C) и S8 (D) соответственно (верхние панели) . Мы используем 16-битный ЦАП для преобразования цифровых выходов ZedBoard в аналоговые сигналы, которые будут отображаться на экране осциллографа (нижние панели) .Из каждой субпопуляции выбирается первый искусственный афферент (красный прямоугольник на верхних панелях) для отображения на экране осциллографа (нижние панели) . Деление по вольту было установлено на 5 мВ.

Рисунок 12. Активность активации 17 цифровых афферентов FA-I, реализованных на ZedBoard. На рисунках 9, 10 желтый, пурпурный, голубой и зеленый иллюстрируют всплеск активности при прикосновении к S1 (A) , S2 (B) , S4 (C) и S8 (D) , соответственно (верхние панели) .Индивидуальные цифровые афферентные срабатывания FA-I срабатывают во время появления и смещения стимула, а также при изменении входного сигнала. Мы используем 16-битный ЦАП для преобразования цифровых выходов ZedBoard в аналоговые сигналы, которые будут отображаться на экране осциллографа (нижние панели) . Из каждой субпопуляции выбирается первый искусственный афферент (красный прямоугольник на верхних панелях) для отображения на осциллографе (нижние панели) . Деление по вольту было установлено на 5 мВ.

Кроме того, чтобы продемонстрировать практическое применение предложенной нейроморфной установки, мы прикрепили пять датчиков FSR к перчатке (каждый датчик FSR был привязан к пальцу) и провели несколько тактильных экспериментов, отправляя выходные сигналы FSR в сеть пиковых тактильных сигналов. афференты реализованы на ZedBoard.Субъект носит перчатку, чтобы подбирать, удерживать и класть на место три разных объекта (стакан, диспенсер для ленты и книгу), пока измеряется активная активность популяции афферентов. Как показано на рисунке 13, эти объекты имеют разный размер и вес. Объект A, стекло, имеет наименьший вес, а объект C, книга, самый тяжелый. Каждый эксперимент занимает 4 секунды, а фиксированная фаза удержания составляет 3 секунды. Испытуемый выполнил эксперимент в трех случаях: сначала тремя пальцами (большим, указательным и средним), затем четырьмя пальцами (большим, указательным, средним и безымянным) и, наконец, всеми пятью пальцами.Каждый эксперимент с тремя, четырьмя и пятью пальцами проводился по 20 раз для отдельных объектов. Следовательно, для каждого объекта было собрано 60 испытаний, и для каждого испытания с ZedBoard в течение 4 с регистрировались реакции на срабатывание 50 цифровых афферентов SA-I и 85 FA-I. Действительно, паттерны пиков 135 искусственных тактильных афферентов были зарегистрированы для 180 испытаний (3 объекта, 3 случая, 20 повторений), которые должны были быть проанализированы алгоритмами машинного обучения.

Рисунок 13. Тактильный эксперимент. (A) Пять датчиков FSR прикреплены к перчатке. (B) Три предмета: стакан, диспенсер для лент и книга. (C) Субъект носит перчатку, берет каждый предмет и держит его в течение 3 секунд, а затем кладет на место. Испытуемый повторяет этот эксперимент 20 раз с тремя, четырьмя и пятью пальцами независимо друг от друга. FSR отправляют свой сигнал на ZedBoard, где он управляет популяцией из 50 цифровых афферентов SA-I и 85 FA-I. Образцы возбуждения 135 искусственных тактильных афферентов записываются для 180 испытаний (3 объекта, 3 случая, 20 повторов), которые анализируются алгоритмами машинного обучения. (D) Образец шипованного поезда с пятью пальцами. Зеленые пики показывают реакцию искусственных афферентов SA-I, а синие пики иллюстрируют реакцию искусственных афферентов FA-I.

Затем используются подходы машинного обучения для интерпретации записанных схем возбуждения. Таким образом, во-первых, извлечение признаков из пикового отклика выполняется с использованием одной из фундаментальных парадигм кодирования для обработки нейронной информации, кодирования скорости . Скорость стрельбы (FR) определяется количеством всплесков, возникающих в интервале времени Δ t , F R = ( с p i k e s ) / Δ т .Изменение скорости стрельбы при изменении стимула называется кодированием скорости . Обычно указывается, что сенсорные нейроны передают информацию в зависимости от скорости их возбуждения. В этом исследовании алгоритм декодирования основан на подсчете пиков; то есть разные стимулы вызывают разное количество спайков (Vreeken, 2003). Анализ главных компонентов используется для уменьшения размеров. Рассмотрены первые три основных компонента. На рисунке 14 показано количество спайков популяции афферентов SA-I и FA-I для трех объектов и трех случаев.Каждая точка указывает на одно испытание. Пространство признаков первых трех основных компонентов для всех трех экспериментов показано на рисунке 15.

Рис. 14. Декодирование на основе парадигмы частоты срабатывания, в которой разные стимулы вызывают разное количество всплесков для одного и того же временного интервала. Верхние панели и нижние панели показывают количество спайков для афферентов SA-I и FA-I, соответственно. Каждая точка указывает на одно испытание. Было проведено 20 испытаний для отдельного объекта, который обозначен другим цветом.

Рисунок 15. Первые три основных компонента (ПК), полученные в результате трех тактильных экспериментов. Верхние панели показывают пространство признаков для афферентов SA-I, а нижние панели иллюстрируют пространство признаков для афферентов FA-I.

Затем мы сообщаем о производительности классификации классификатора k-ближайшего соседа с использованием полученных цепочек искусственных пиков. Классификатор имеет три выхода: объекты A, B и C. Вход классификатора — это три основных вычисленных компонента, образующих общее количество всплесков, полученных для этого стимула.Были опробованы разные k значения от 2 до 8. Однако результаты для k = 5 представлены на рисунке 16. Значение k важно, поскольку небольшое значение k может привести к классификатору, чувствительному к выборкам шума, а большое значение k может привести к меньшему. четкие границы между классами. K-Nearest Neighbor — это непараметрический классификатор, который измеряет разницу между каждой цепочкой шипов ( ST ) и другими цепочками шипов. Объект был правильно классифицирован, когда средняя разница между ST и шиповыми поездами из того же класса была меньше, чем средняя разница между ST и шиповыми поездами других классов.Эту процедуру повторяли для каждого ST, полученного из цифровых афферентов.

Рисунок 16. Точность классификации для классификатора k-ближайшего соседа (kNN). Точность классификации для цифрового SA-I (верхняя панель) , для цифрового FA-I (средняя панель) и для обоих афферентов, SA-I и FA-I (нижняя панель) .

Для классификации 80% выборок были случайным образом сгруппированы как обучающий набор, а оставшиеся 20% образцов были рассмотрены как тестовый набор.Также использовалась K-кратная перекрестная проверка. Действительно, выборки данных разделены на K подмножества. Каждый раз один из этих K подмножеств используется в качестве набора проверки, а оставшиеся ( K -1) подмножества образуют обучающий набор. Затем вычисляется средняя ошибка по всем испытаниям K для каждого подмножества (Hosseini et al., 2007). Мы использовали K = 5 для перекрестной проверки. Векторы признаков должны быть нормализованы, чтобы избежать искажений между признаками и числовыми проблемами.Наконец, среднее значение и стандартное отклонение точности классификации для этого тактильного эксперимента (рис. 13C) представлены в таблице 5.

Таблица 5. Среднее и стандартное отклонение точности классификации для различных экспериментов.

Таблица 6. Значения параметров для моделей пиков тактильных афферентов, используемых для моделирования.

Разработанная система позволяет кодировать информацию о силе последовательностью пиков, имитируя нейронную динамику афферентов SA-I и FA-I.Действительно, зарегистрированные поезда искусственных пиков от ZedBoard, который управляет цифровыми схемами SA-I / FA-I, несут достаточную информацию. Таким образом, входной стимул распознается даже при использовании коммерческого датчика FSR. Этот технический подход является новаторским для производства сенсорных систем, которые искусственно воспроизводят действия SA-I и FA-I для использования в биоробототехнике и протезах. Полученные последовательности пиков разнообразны и достаточно надежны, чтобы можно было с высокой точностью декодировать предъявляемые стимулы.

Заключение

Для достижения большей производительности и эффективности по сравнению с традиционными методами в последнее время наблюдается тенденция к созданию нейроморфных устройств, имитирующих биологические системы. Программное моделирование и аппаратная реализация афферентов SA-I и FA-I могут рассматриваться как нейроморфные подходы для восстановления тактильной обратной связи в протезах верхних конечностей. Эта методология передает тактильную информацию, более эффективную, очень похожую на здоровую периферическую нервную систему, на следующий уровень, который может быть контроллером протеза.В этом исследовании для цифровой реализации совокупности из 243 тактильных афферентов (90 SA-I и 153 FA-I) на FPGA с упором на функциональность в реальном времени была разработана цифровая схема с использованием улучшенной версии нейронного L-QIF. модель. Эта модель была выбрана из-за максимальной простоты и минимального потребления ресурсов аппаратной реализации по сравнению с другой моделью, описанной в этом исследовании. Используя экспериментальную установку, мы исследовали работу нейроморфной тактильной системы (включающей афференты SA-I и FA-I), когда она получала несколько входных сигналов одновременно.Используя перчатку, оснащенную FSR, мы провели несколько тактильных экспериментов, а затем проанализировали реакцию на пики, измеренную с помощью ZedBoard. Применяя алгоритм машинного обучения и учитывая кодировку скорости стрельбы, подобранный объект был распознан с высокой точностью по записанным шиповым цепочкам, созданным искусственными тактильными афферентами.

Хотя мы не обсуждали биологическую достоверность разработанных цифровых схем, было показано, что они функционально следуют физиологическим наблюдениям, что является основным шагом для продвижения вперед.Следует отметить, что, хотя преобразователи FSR относительно легко интегрируются с периферийным оборудованием и программным обеспечением, их применение для имитации реакции механорецепторов неточно. Кроме того, датчики FSR должен покрывать эластичный кожевенный слой. Наконец, внедрение популяции цифровых афферентов может поддержать возможность будущей разработки нового поколения тактильных модулей для протезов рук, чтобы восстановить сенсорную обратную связь для людей с ампутированными конечностями. Более того, полученные последовательности пиков от цифровых афферентов могут быть дополнительно обработаны на следующем уровне, что также может быть выполнено аппаратно.Это сделает нейроморфную сенсорную систему мобильного робота для выполнения различных реальных задач, таких как распознавание текстуры и распознавание объектов.