Desenvolvimento de dispositivo de proteção a quedas de idosos por meio de airbag de cintura

Abstract

Este trabalho teve por objetivo projetar um dispositivo de proteção de quadril, mais precisamente um airbag de cintura para a região da bacia e da cabeça do fêmur. O dispositivo em si é voltado para o público idoso, cujo índice de quedas é consideravelmente alto, principalmente em idades mais avançadas. Foi utilizado aprendizado de máquina para, a partir de dados obtidos experimentalmente, estabelecer um padrão de movimento de queda. Quando um dispositivo MEMS (Micro Electro-Mechanical Systems) detecta um sinal coincidente com o do padrão, uma válvula solenoide se abre e dióxido de carbono (CO2), inicialmente em um cilindro, escoa por um circuito de ar até as bolsas de ar, enchendo-as. Elas amortecem a queda, evitando os efeitos adversos mais recorrentes dela, como por exemplo fraturas. Com o auxílio de modelos matemáticos e de simulações computacionais utilizando os softwares Inventor® e ANSYS Workbench®, o dispositivo foi projetado para que um modelo mais verossímil possível seja obtido. A detecção da queda foi feita por meio do machine learning e os dados obtidos para alimentar o algoritmo foram gerados pelos integrantes do grupo.O trabalho mostrou-se satisfatório, pois a acurácia dos algoritmos para a detecção da queda ficou em torno de 90%. Em paralelo, os resultados da simulação computacional mostraram que é possível amortecer a região do quadril de uma fratura em uma queda.

This work aimed to design a hip protection device, more precisely a waist airbag for the pelvis and head of the femur. The device itself is aimed at the elderly public, whose rate of falls is considerably high, especially at older ages. Machine learning was used to establish a falling movement pattern based on experimentally obtained data. When a MEMS (Micro-Electro-Mechanical Systems) device detects a signal coincident with the standard, a solenoid valve opens and carbon dioxide (CO2), initially in a cylinder, flows through an air circuit to the air pockets, filling them. They cushion the fall, preventing its most recurrent adverse effects, such as fractures. With the aid of mathematical models and computational simulations using Inventor® and ANSYS Workbench® software, the device was designed so that the most credible model possible is obtained. Fall detection was performed using machine learning and the data obtained to feed the algorithm were generated by the group members. The work proved to be satisfactory, as the accuracy of the algorithms for detecting falls was around 90%. In parallel, the computer simulation results showed that it is possible to cushion the hip region of a fracture in a fall.