รหัสโครงการ Y14TCSC001
Transcript of รหัสโครงการ Y14TCSC001
~ 1 ~
รหสโครงการ Y14TCSC001
รายงานฉบบสมบรณ
การประกวดโครงงานของนกวทยาศาสตรรนเยาว ชอโครงการ (ภาษาไทย) ระบบปอนกลบซงใชตวควบคมแบบบโครงขายประสาทเทยมส าหรบการควบคมชพจรใน
โปรแกรมน าออกก าลงกายดวยแอนเมชน (ภาษาองกฤษ) A Feedback System with Neural Network Controller for Heart-Rate- Controlled Animated Exercise Trainer
สาขาทเขาประกวด วทยาการคอมพวเตอร ทมพฒนา
หวหนาทม ชอ-นามสกล น.ส. ฐตารย ตนประเสรฐ วน/เดอน/ปเกด 24 ตลาคม 2539 ระดบการศกษา มธยมศกษาตอนปลาย สถานศกษา English Program โรงเรยนสามเสนวทยาลย ทอยตามทะเบยนบาน 633/7 หมท 1 แขวงคลองกม เขตบงกม กรงเทพมหานคร สถานทตดตอ เลขท132/11 ถ.พระราม6 แขวงสามเสนใน เขตเขตพญาไท กรงเทพมหานคร 10400 โทรศพท 023741412มอถอ 0943281991โทรสาร – e-mail [email protected]
1) ผพฒนาโครงงาน ชอ-นามสกล ด.ญ. ธราพร ตนประเสรฐ วน/เดอน/ปเกด 3 มถนายน 2542 ระดบการศกษา มธยมศกษาตอนตน สถานศกษา English Program โรงเรยนสามเสนวทยาลย ทอยตามทะเบยนบาน 633/7 หมท 1 แขวงคลองกม เขตบงกม กรงเทพมหานคร สถานทตดตอ เลขท132/11 ถ.พระราม6 แขวงสามเสนใน เขตเขตพญาไท กรงเทพมหานคร 10400 โทรศพท 023741412 มอถอ 0896765265 โทรสาร – e-mail [email protected]
อาจารยทปรกษา ชอ-นามสกล น.ส. จตสภค ตนตเกษตรกจ ผศ. ดร. ธตพงศ ตนประเสรฐ สงกด/สถาบน โรงเรยนสามเสนวทยาลย ภาควชา วทยาการคอมพวเตอร มหาวทยาลยอสสมชญ สถานทตดตอ เลขท132/11 ถ.พระราม6 แขวงสามเสนใน เขตเขตพญาไท กรงเทพมหานคร 10400 โทรศพท 023571141-2 หวหนาสถาบน (ผอ านวยการ/อาจารยใหญ/หวหนาหมวด) ชอ-นามสกล นาง สภาว พฒนจารย สงกด/สถาบน โรงเรยนสามเสนวทยาลย สถานทตดตอ เลขท132/11 ถ.พระราม6 แขวงสามเสนใน เขตเขตพญาไท กรงเทพมหานคร 10400 โทรศพท 023571141-2
~ 2 ~
สารบญ หนา บทคดยอ 3 วตถประสงคประสงคโดยละเอยด 3 ขนตอนการพฒนาโครงงาน 4 กระบวนการทดลอง 25 ผลการทดลองและการวเคราะหขอมล 27 สรปผล 36 กตตกรรมประกาศ 37 บรรณานกรม 37
~ 3 ~
บทคดยอ
ในการออกก าลงกาย ชพจรสามารถเปนตวบงชถงระดบความเขมขนของการออกก าลงกายได เนองจากชพจรมความสมพนธกบระดบ VO2 ซงมความสมพนธโดยตรงกบปรมาณพลงงานทเผาผลาญไดในการท ากจกรรมหนงๆ ดงนน การตงเปาหมายของการออกก าลงกายจงสามารถท าในรปแบบของการตงเปาหมายชพจรในระหวางการออกก าลงกายได อยางไรกตาม ชพจรนนมการเปลยนแปลงแบบ Nonlinear ท าใหการควบคมชพจรโดยผออกก าลงกายนนเปนไปไดยาก และหากชพจรนนมากกวาระดบทปลอดภยกอาจเปนอนตรายได ผพฒนาจงไดออกแบบและพฒนาระบบ Feedback Control เพอชวยในการควบคมชพจรระหวางออกก าลงกาย ซงรบแผนการออกก าลงกายจากผใชเพอน ามาออกแบบและปรบการออกก าลงกาย โดยแสดงผลเปนภาพแอนเมชนสามมต ระบบ Feedback Control นน จ าเปนตองคาดการณการเปลยนแปลงของชพจรทจะเกดขนลวงหนา เพอทจะท าการแกไขชพจรไดทน ผพฒนาไดพฒนา Neural Network Heart Rate Predictive Model ขนมาเพอท าการคาดการณชพจร แบบจ าลองดงกลาวจะไดรบขอมลชพจรจาก Heart Rate Sensor ดวย Bluetooth Protocol ในอตราวนาทละ 1 ครง จากการทดลอง ผพฒนาไดท าพฒนาแบบจ าลองเพอคาดการณการเปลยนแปลงของชพจรทจะเกดขน โดยเลอกใชแบบจ าลองทมคณสมบตคอ รบขอมลคาความแตกตางของชพจรทวนาทตดกนยอนหลงเปนเวลา 7 วนาท นบเปนความแตกตางของชพจร 6 คาและคาความเขมขนของการออกก าลงกายในวนาทนนๆ อก 1 คา ขอมลดงกลาวจะถกปอนเขาสระบบทม Hidden Neuron 8 ตว นอกจากน ในการคาดการณชพจรปจจบน ระบบจะหาคาโดยการรวมคาความเปลยนแปลงทไดท าการคาดการณกบชพจรจรงจากเวลากอนหนานน ซงดวยแบบจ าลองน คาความคลาดเคลอนเฉลยในการคาดการณชพจรปจจบนนนมคาเทากบ 0.376808 bpm และคาความคลาดเคลอนเฉลยในการคาดการณชพจร 10 วนาทถดไปมคาเทากบ 2.787897843 bpm ซงเปนความแมนย าทยอมรบได และไมกอใหเกดอนตรายตอผออกก าลงกาย ในสวนของการปรบแก Weight ในแบบจ าลองนน ม Learning Rate = 0.01 และใหท าซ า 100 รอบตอขอมลชพจร 1 คาทน าเขา สวนประกอบทส าคญอกสวนหนงทผพฒนาไดออกแบบเพอชวยในการสราง Adaptive Controller คอแบบจ าลองความชนของกราฟการเปลยนแปลงของชพจรตอความเขมขนของการออกก าลงกายหนงๆ ซงแบบจ าลองนมลกษณะเปน self-organizing map ซงท าการ Update คาความชนดงกลาวดวย Exponential average ทม Learning Rate = 0.5 Adaptive Controller จะใชชพจรทไดจากการคาดการณลวงหนาเปนเวลา 10 วนาทและแบบจ าลองความชนของการเปลยนแปลงของชพจรในการปรบแกทาออกก าลงกายเพอใหไดระดบความเขมขนทเหมาะสมในการเพมหรอลดชพจรใหอยในชวงชพจรทตองการ โดยหลงจากประมวลผลเสรจแลว Controller จะสงขอมลการออกก าลงกายไปใหโปรแกรมสวนแสดงผลภาพแอนเมชนดวยการรบสงขอมลแบบ Client-Server Socket หลงจากพฒนาระบบเรยบรอยแลว ผพฒนาจงไดทดลองประสทธภาพของระบบ โดยใหผทดลองท าการออกก าลงกาย 3 รปแบบคอ High-Intensity Interval Training, Interval Training, และ Cardio Training (Aerobic) และสงเกตการท างานของโปรแกรม ผลปรากฏวา จากการสงเกตการท างานของโปรแกรมในสถานการณตางๆ 3 สถานการณคอ เมอคาดวาชพจรลงต ากวาชวงชพจรเปาหมายใน Rest Interval เมอชพจรเพมขนจนเขาสชวงชพจรเปาหมาย และเมอคาดวาชพจรจะเพมขนกวาชวงชพจรเปาหมายใน Active Interval พบวา โปรแกรมท าการปรบการออกก าลงกายเพอคมชพจรใหอยในชวงชพจรไดเปนทนาพอใจ นอกจากน เมอเทยบประสทธภาพการท างานกบขอมลชพจรในกรณทผออกก าลงกายพยายามควบคมชพจรเองโดยไมมโปรแกรมน าออกก าลงกาย พบวาโปรแกรมท างานไดมประสทธภาพมากกวาทงในการออกก าลงกายแบบ Interval Training และ Cardio Training สรปไดวา Neural Network Predictive Model ทพฒนาสามารถคาดการณชพจรไดอยางแมนย า และระบบ Feedback Control ทใชขอมลการคาดการณชพจรจาก Neural Network Heart Rate Predictive Model ในการปรบแกทาออกก าลงกายและระดบความเขมขนของการออกก าลงกาย สามารถควบคมชพจรของผออกก าลงกายใหอยในชวงชพจรเปาหมายไดอยางมประสทธภาพ ท าใหผใชสามารถออกก าลงกายไดตามเปาหมายทตองการและมความปลอดภยในการออกก าลงกาย
วตถประสงคโดยละเอยด
1. เพอพฒนาโปรแกรมในการควบคมอตราการเตนของหวใจระหวางออกก าลงกายทครอบคลมปจจยตางๆ ในการออกก าลงกายใหมากขน
2. เพอพฒนาโปรแกรมรปแบบใหมซงมประสทธภาพและแมนย าขน
~ 4 ~
3. เพอใหผใชสามารถควบคมการออกก าลงกายใหไดตามเปาหมายทตองการ 4. เพอลดความเสยงทอตราการเตนของหวใจของผใชจะสงเกนเปาหมายและเปนอนตรายในการออกก าลงกาย 5. เพอเพมความสะดวกสบายของผใชในการเลอกการออกก าลงกายใหไดอยางเหมาะสม 6. เพอสนบสนนใหเกดการออกก าลงกายทเหมาะสมและปลอดภย ซงจะท าใหการออกก าลงกายม
ประสทธภาพและสงผลดตอรางกายผใชมากยงขน
ขนตอนการพฒนาโครงงาน
1. ศกษาคนควาขอมลเกยวกบการออกก าลงกายประเภทตางๆ และความสมพนธของชพจรกบการออกก าลงกาย
ระดบ Intensity หรอความเขมขนของการออกก าลงกายนน สามารถวดไดจากหลายอยาง ชพจร กเปนตวแปรหนงซงสามารถบงบอกไดถงความหนกหนวงของการออกก าลงกาย เพราะเปนสงทแสดงถง load ของกจกรรมทมตอระบบไหลเวยนเลอด ตวแปรอกอยางชนดหนงทสามารถใชในการวดระดบความเขมขนของการออกก าลงกายไดเชนกนคอการวดระดบ VO2 หรอความเขมขนของการน าเขาออกซเจนในรางกาย ซงระดบการออกก าลงกายแบบเขมขนทสด (Maximum Intensity) สามารถแทนไดดวย VO2Max (Maximal Oxygen Consumption) [9][10] Heart Rate Reserve และ VO2 Reserve นนมความสมพนธตอกนเปนเชงเสน และ VO2 สามารถวดไดเปน METs (Metabolic Equivalent of Task) [10] ซงเปนการวดคาของการท ากจกรรมหนงๆ เปนพลงงานทเสยไปในการท ากจกรรมนนๆ ดงนน จงสามารถสรปไดวา ระดบของ Heart Rate Reserve นนมความสมพนธโดยตรงกบพลงงานทเผาผลาญไดในการออกก าลงกายดวยความเขมขนและชวงเวลานนๆ [4] รปแบบการออกก าลงกายนนมไดหลายแบบ ตามเปาหมายชพจรทตองการและระยะเวลาในการคงระดบชพจรนนๆ เชน การออกก าลงกายแบบแอโรบค คอการคงชพจรใหอยใน Aerobic Zone คอชวง 60.-70% เปนเวลานานอยางตอเนองและสม าเสมอ แตหากเปนการออกก าลงกายแบบ Interval Training นน จะเปนการเรงชพจรใหขนไปอยในระดบทสงกวา Aerobic Zone แตจะออกก าลงกายเปนชวงสนๆ สลบกบการพก เชน อาจจะออกก าลงกายใหชพจรอยในระดบ 80-90% เปนเวลา 30 วนาทสลบกบการพก 30 วนาท เพอใหชพจรนนลดกลบลงมาและพรอมส าหรบการเรงชพจรในการท า Interval เดมซ าในรอบถดไป
การออกก าลงกายทสงผลตอชพจรตางกน กจะใหผลตางกนตอรางกายของผทออกก าลงกาย ทงในดานการเผาผลาญไขมน การเพมของ Endurance ในกลามเนอ ทงนเพราะรางกายมการใชกลามเนอคนละชดส าหรบการท ากจกรรมคนละแบบ [2]
ในโครงงานน ผพฒนามงใหโปรแกรมสามารถท างานไดส าหรบการออกก าลงกายทกรปแบบ ตามทผใชสามารถ Customize ไดตามความตองการ โดยโปรแกรมจะพยายามออกแบบทาออกก าลงกายและระดบความ
~ 5 ~
เขมขนในการออกก าลงกายเพอใหผใชมชพจรสอดคลองกบรปแบบทตองการและยงสงผลใหสามารถเผาผลาญพลงงานไดอยางทตองการอกดวย
2. ศกษาคนควาขอมลเกยวกบเครองมอวดชพจร การรบขอมลจากเครองมอวดชพจร และจดหา Heart Rate Sensor ทสามารถเชอมตอสญญาณกบโปรแกรมได
เครองมอทผพฒนาเลอกใชในการวดชพจรคอ Zephyr HxM Bluetooth Wireless Heart Rate Sensor เพราะเปนอปกรณทสามารถสงขอมลชพจรไดวนาทละ 1 ครง และสงขอมลไดเลยโดยไมตองหยดรอใหอปกรณประมวลผลกอน
นอกจากน ยงเปนอปกรณทใช Bluetooth Protocol ในการสงขอมลชพจร และยงม API ตวอยางทมากบอปกรณในการ decode สญญาณ Bluetooth ดวยภาษา Python ซงเปนภาษาเดยวกนกบทใชในการโปรแกรม 3D Animation ท าใหสามารถเขยนโปรแกรมทงหมดไดในภาษาเดยวกน รวมโปรแกรมสวนทรบคาชพจรเขากบโปรแกรมสวนอนๆ ได
3. ศกษาเครองมอและวธการท า 3D Animation ส าหรบการแสดง Output ของโปรแกรม
หลงจากประมวลผลแลว โปรแกรมจะแสดงผลออกมาเพอควบคมการออกก าลงกายของผใชดวยภาพ 3D Animation เพอทผใชงานโปรแกรมจะไดสามารถมองภาพไดจากทกทศทาง และปฏบตตามไดสะดวกมากยงขน โดยขนตอนการสรางและควบคม 3D Animation นนมดงตอไปน 1. หาโมเดลสามมตทจะน ามาใชเปน Character และศกษาเครองมอทใชในการ Animate โมเดล
ผพฒนาไดศกษา Freeware ทสามารถท าการ Animate 3D model ได และเลอกใช Blender Version 2.65 ในการสราง Animation ส าหรบตวโมเดลสามมตทใชนนกเปน Free Model
~ 6 ~
ภาพตวอยางการสราง 3D Animation ดวยโปรแกรม Blender 2.65
2. Animate โมเดลในทาออกก าลงกายและระดบความเขมขนตางๆ และ Export ออกมาเปนไฟล .egg
ผพฒนาไดเลอกท า Animation ส าหรบทาออกก าลงกายจ านวน 7 ทาแบงเปนทาประเภท low intensity 2 ทาคอ jogging และ jumping jack ทาประเภท High Intensity 5 ทาคอ high knees, mountain climber, squat jumps, jumping lunges และ burpee ส าหรบทาออกก าลงกายแตละทานน จะตองมระดบความเขมขนในการท าทานนๆ ดวย โดยบางทานน สามารถเปลยนระดบความเขมขนไดโดยการเปลยนความเรวในการเลนแอนเมชน (ในหนวย frame/second) ได เชนทา high knees และ mountain climber สวนทาอนๆ นน การเปลยนระดบความเขมขนของการออกก าลงกายจ าเปนตองใชการเปลยนแอนเมชน เพราะตองมการเปลยนแปลงสวนอนๆ ของการออกก าลงกายเชน ปรบชองวางในการหยดพกระหวางการท าทาแตละรอบ เปลยนการกระโดดใหสงขนในบางทา หรอในกรณของทา jumping lunges นน ส าหรบระดบความเขมขนต า จะลดลงมาเหลอเปนทา lunging เทานน โดยไมมการกระโดด โดยเมอรวมกบแอนเมชนทาพก (มการขยบตวเลกนอยเพอความสะดวกในการปฏบตตาม) แลว มการแอนเมชนทงสน 18 ไฟล เพอน าไฟลแอนเมชนทไดมาควบคมตาม Output จากการประมวลผลของโปรแกรม จงตองท าการ export แอนเมชนมาใชกบ game engine ทเลอกใชคอ Panda 3D Game Engine ซงรองรบไฟลใน format .egg โดยในการ export นนตองแยกไฟลเปนสองไฟล คอไฟล Model และไฟล Animation ซงผพฒนาไดใช Yabee exporter รน 12.2 for Blender 2.65 ในการ export animation ทงหมด
~ 7 ~
3. ศกษา Panda 3D Game Engine และเขยนโปรแกรมเพอควบคม Animation
ผพฒนาไดเลอกใช Panda 3D ซงเปน Open Source ส าหรบการท า 3D Rendering และ Game
Development บนการโปรแกรมภาษา Python ซงตรงกบ API ตวอยางจากเครองมอวดชพจรทไดกลาวไปแลว โดยการเลนไฟลแอนเมชนใน Panda 3D นน เปนการโปรแกรมดวยภาษา Python อยในรปแบบของ Class ทเรยกวา Showbase
ใน Showbase น จะมการโหลด Actor ซงกคอไฟล model ทได export มาจาก blender ในขนตอนท
แลว เพราะแอนเมชนทงหมดนนท าโดย model ตวเดยวกน จงท าการโหลดแอนเมชนทงหมดใน Actor ตวเดยว สวนไฟลซงเปนฉากหรอ environ นน เปนไฟลทเปนตวอยางมากบแพกเกจของ Panda 3D อยแลว และตองท าการโหลดกอนเรมการท างานเชนกน ทง Actor และ environ จะตองไดรบการตงคาขนาดและต าแหนงบนหนาจอ เพอใหมขนาดทสมพนธกนและมต าแหนงกลางจอ
กอนเรมการเลนแอนเมชน showbase จะตองถก Render ตงต าแหนงของแสง ต าแหนงของ Camera
และมมของกลอง (Hpr) นอกจากน แอนเมชนทงหมดจะถกตง Play Rate (Play Rate 1 มคาเทากบ 24 Frames/Second) เพอใหการแสดงภาพนนเปนไปไดอยางถกตอง
ส าหรบการเปลยนทาออกก าลงกายและระดบความเขมขนของการออกก าลงกายนน ท าไดโดยการเปลยน
แอนเมชน หรอการเปลยน Play Rate โดยขอมลการเปลยนแปลงการแสดงภาพนนจะไดรบมาจากโปรแกรมสวน Feedback Control ผาน Socket ซงใน Showbase นนม function ทท าหนาทเปน Server thread ในการรบขอมล
สวนอนๆ ของการแสดงภาพแอนเมชนไดแก การหมนโมเดลใหดไดในมมอนๆ เพอใหผใชสามารถปฏบต
ตามทาออกก าลงกายไดอยางแมนย ามากขน สามารถท าไดโดยการปรบ Hpr ฟงกชนการปรบมมของ Actor นนคมไดโดยปมลกศรซาย-ขวาบนแปนพมพ และตวเลขแสดงชพจรปจจบน ทจะแสดงทดานขวาของตวละคร ตวเลขนนจะปรากฏขนเมอไดรบขอมลจาก socket และตวเลขนนๆ จะถกแสดงเปนเวลา 1 วนาท
4. ใหผทดลองท าการออกก าลงกายในแบบตางๆ เพอศกษาการเปลยนแปลงของชพจร โดยน าขอมลมาจดไวในรปแบบ
กราฟเพองายตอการวเคราะห จากการวดชพจรระหวางการออกก าลงกายแบบ High-Intensity Interval Training และ Aerobic
Training ของผทดลอง พบวากราฟของชพจรเปนดงน
~ 8 ~
ภาพท 1: กราฟแสดงชพจรระหวางการออกก าลงกายแบบท 1 ของผทดลองคนท 1 ในรปแบบ High-Intensity Interval Training เวลา 24 นาท ภาพท 2: กราฟแสดงชพจรระหวางการออกก าลงกายแบบท 2 ของผทดลองคนท 1 ในรปแบบ High-Intensity Interval Training เวลา 24 นาท
ภาพท 1 และภาพท 2 เปนการออกก าลงกายแบบ High Intensity Interval Training คอการออกก าลงกายทแบงการออกก าลงกายเปนชวงสนๆ สลบกบการพก ในรปแบบททดลองคอ ออกก าลงกายอยางหนกเปนเวลา 30 วนาทและพก 30 วนาทสลบกนไป โดยเปาหมายของการออกก าลงกาย คอ การเรงชพจรใหขนไปอยในระดบประมาณ 90% [6] ของ Maximum Heart Rate ดวยการค านวณแบบ Heart Rate Reserve ในกรณน ผทดลองคนท 1 ม Heart Rate Reserve อยทอตราการเตน 107 ครงตอนาท และควรจะออกก าลงกายในชวงทเรง (30 วนาทแรกของแตละนาท) ชพจรอยท 161 ครงตอนาท
ชพจรในชวงแรก จากภาพท 1 คอตงแตวนาทท 14 – 374 และจากภาพท 2 ตงแตวนาทท 0 – 720 ชพจรของผทดลองเพมขนไมถง 161 ซงเปนเปาหมายในระหวางการเรงออกก าลงกาย ซงจะท าใหไมไดผลจากการออกก าลงกายตามทตองการ สวนในชวงหลง คอชวงวนาทท 734 เปนตนไปของภาพท 1 และวนาทท 1080 เปนตนไปของภาพท 2 ชพจรของผทดลองในขณะทเรงออกก าลงกายมากกวา 161 ซงเปนอนตรายตอหวใจ การออกก าลงกายนจงไมสามารถ
~ 9 ~
ท าใหชพจรมความสม าเสมออยในชวงทตองการได จากภาพท 1 ของการออกก าลงกายแบบท 1 เสนสแดงแสดงถงชวงเวลา 1 นาท ซง 30 วนาทแรกเปนการออกก าลงกายแบบเรง และ 30 วนาทหลงเปนการพก ซงชพจรควรจะพงขนในชวงครงแรกและลดลงในชวงครงหลงเพอจะไดเรงขนไดอกครงในนาทตอไป อยางไรกตาม จากกราฟน จะเหนไดวาหลงจาก 30 วนาทแรกทออกก าลงกายไปนน ชพจรยงคงพงขนตอแมจะอยในชวงพก เชน ในชวงวนาทท 434 – 494 ของกราฟในภาพท 1หรอ ชวงวนาทท 780 – 840 ของกราฟในภาพท 2 นอกจากน หลงจากพกแลวเรมออกก าลงกายตอแลว กราฟของชพจรกยงคงลดลงเนองจากการพก และเรมเพมขนหลงจากออกก าลงกายไปแลวสกพกหนง เชน ในชวงวนาท 74 – 134 ของกราฟในภาพท 1 หรอวนาทท 1140 – 1200 ของกราฟในภาพท 2 จงจะเหนไดวา กราฟของชพจรระหวางการออกก าลงกายนนไมเปนไปตามทคาดหวงไว นอกจากน รปแบบการขนลงของชพจรในแตละนาทยงแตกตางกน เนองจากผทดลองเปลยนทาออกก าลงกายในแตละนาท ซงทาออกก าลงกายแตละทาสงผลตอชพจรตางกนไป เชน ในชวงวนาทท 554 – 614 ของกราฟในภาพท 1 หรอวนาทท 180 – 240 ของกราฟในภาพท 2 นน จะเหนไดวาการขนของชพจร ไมเกดขนตามตองการในแบบทตองการ ในขณะทชวงวนาทท 794 – 854 ของกราฟในภาพท 1 และชวงวนาทท 420 – 480 ของกราฟในภาพท 2 นน ชพจรมการพงขนทรวดเรวมาก จากภาพท 1 แถบสเขยวแสดงถงคาเฉลยของชพจรในชวงเวลานนๆ โดยมการแบงการออกก าลงกายทงชวงออกเปน 4 ชวงยอย จะเหนไดวา คาเฉลยของชพจรนนเพมขนเรอยๆ โดยชวงแรกจะต าทสด และชวงหลงจะมากทสด แมวาจะมการใชทาออกก าลงกายทเปลยนไปทกๆ 1 นาท ดงนนจะเหนไดวา ระดบการตอบสนองตอการเปลยนแปลงของชพจรตอการออกก าลงกายจะเปลยนไป โดยทตอนเรมตนและตอนทายของการออกก าลงกายกไมเหมอนกนอกเชนกน
ภาพท 3: กราฟแสดงชพจรระหวางการออกก าลงกายแบบท 3 ของผทดลองคนท 2 ในรปแบบ High-Intensity Interval Training เวลา 24 นาท
~ 10 ~
ผทดลองคนท 2 ม Heart Rate Reserve อยท 127 และควรจะเรงชพจรใหอยท 183 ครงตอนาท ในภาพท 3 ผทดลองคนท 2 ออกก าลงกายดวย Interval ในแบบทเปนการเรงออกก าลงกาย 45 วนาทและพก 15 วนาท และท าทาออกก าลงกายเดมซ ากนดวยรปแบบดงกลาว 3 รอบ โดยเสนสแดงในกราฟแสดงถงการออกก าลงกายดวยทาหนงๆ จะเหนไดวา ในกราฟน ผทดลองคนท 2 มการขนลงของชพจรทมากกวาผทดลองคนแรก คอ ชพจรมการเปลยนแปลงเรวกวา แตถงกระนน การเปลยนแปลงทไมสม าเสมอกยงมใหเหน เชน ชพจรในชวงวนาทท 552 – 732 มการเปลยนแปลงมากในระหวางชพจรชวง 150 ถงเกอบ 170 ครงตอนาท แตในชวงหลง ตงแตวนาทท 1032 เปนตนไป ชพจรไมมการเปลยนแปลงมากนก แตขนสง คออยระหวาง 175 – 185 ครงตอนาท นอกจากน จะเหนไดวา การออกก าลงกายในรปแบบท 3 น ไมสงผลใหชพจรของผทดลองเพมขนไดถงเปาหมาย 183 ครงตอนาทเลยในชวงแรก ตงแตวนาทท 0 – 900 ท าใหการออกก าลงกายนไมสงผลในแบบทตองการเชนกน
จากการวเคราะหขอมลดงกลาว จะเหนไดวา การเปลยนแปลงของชพจรนนเปนแบบ Nonlinear คอเปลยนไปตามสภาพรางกายของผออกก าลงกาย ทาออกก าลงกาย รวมถง Intensity ในการท า และการขนลงของชพจรนนยงมการ Delay หลงจากทเรมออกก าลงกายแลวหรอเรมพกแลว ดวยเหตผลดงกลาว ท าใหเราไมสามารถควบคมชพจรแบบ Linear โดยการเพม Intensity ขนถาชพจรต าไปหรอลด Intensity ลงถาชพจรสงเกนไปไดโดยตรง แตเรากไมสามารถทจะสราง Identification Model ของชพจรเพอใชกบ Indirect Adaptive Control ได [5] เพราะการเปลยนแปลงของผออกก าลงกายแตละคนไมเหมอนกน จากทไดวเคราะหกราฟชพจรดานบน ผพฒนาจงไดเลอกใชวธการท า Neural Network Controller เพอมาใชส าหรบค านวณหาการออกก าลงกายทเหมาะสม
5. ศกษาเทคนค Feedback Control ทจะน ามาใชพฒนาโปรแกรมวธการสราง Adaptive Neural Network Controller
6. พฒนา Predictive Model และระบบ Feedback Control
การออกแบบและพฒนา Neural Network Predictive Model
เนองจากการเปลยนแปลงของชพจรเปนไปในแบบ Nonlinear จงจ าเปนตองมการสราง Model ทจะสามารถเลยนแบบการเปลยนแปลงของชพจร ซงผพฒนาไดเลอกทจะพฒนา Neural Network Model เพอน ามาคาดการณการเปลยนแปลงของชพจรทจะเกดขนส าหรบการออกก าลงกายตางๆ
จากการสงเกตการเปลยนแปลงของชพจรจากการออกก าลงกายในเบองตน ผพฒนาไดเหนวา การเปลยนแปลงของการออกก าลงกายในวนาทนนๆ เพอเพมหรอลดชพจร ใหผลทไมทนการณ เนองจาก ชพจรจะเพมขนหรอลดลงตามแนวทางทเปนมากอนหนาตอไป แมจะมการเปลยนแปลงความเขมขนของการออกก าลงกายแลว ซงท าใหเกดปญหาชพจรมากหรอนอยกวาชวงของชพจรเปาหมาย ผพฒนาจงพยายามทจะสราง Predictive Model ทจะสามารถคาดการณการเปลยนแปลงของชพจรไดลวงหนาไดมากทสด นนคอ สามารถคาดการณทชพจรท t วนาทจากปจจบน โดย t เปนคาทมากทสดทการคาดการณชพจรมความคลาดเคลอนทยอมรบไดและไมกอใหเกดอนตรายตอผใช
~ 11 ~
ตามวตถประสงคของโครงงาน ในขนแรก ผพฒนาไดตงใจจะพฒนาระบบทมแผนผงการท างานดงตอไปน
แตเนองจาก การหา gradient ระหวางการเปลยนแปลงของชพจรตอการออกก าลงกายดวย Intensity ตางๆ
นนไมสามารถท าได เพราะการเปลยนแปลงชพจรของแตละคนนนมรปแบบไมเหมอนกน และขอมลชพจรนน ถกน าเขาวนาทละหนงครง ท าใหไมสามารถสรางความสมพนธเปนฟงกชนตอเนองได ผพฒนาจงออกแบบการท างานของระบบใหม โดยใช Neural Network Model เพอจ าลองการเปลยนแปลงในชพจรของผใช และใช Model ดงกลาวเพอน ามาใชพยากรณชพจรใน 10 วนาทตอไป ซงระบบดงกลาวจะมการท างานดงน
การท างานของ Predictive Model นน ในขนเบองตน ผพฒนาไดตงใจทจะใชขอมลชพจรเปนขอมลน าเขาส าหรบการประมวลผลในโมเดลดงกลาว นนคอส าหรบการใชขอมลชพจร n วนาทยอนหลง ขอมลน าเขาคอ HRt, HRt-
1, HRt-2…, HRt-n อยางไรกตาม การคาดการณชพจรนนไมสามารถท าไดอยางแมนย าเพยงพอ จากการสงเกตขอมลชพจร ผพฒนาสงเกตวา สงทเปนผลจากการเปลยนแปลงของความเขมขนในการออก
Neural Network Adaptive Controller
User time
Target HR
Error
Actual Heart Rate
Target Heart Rate
Controller
r Target Heart Rate
User
Neural Network Heart Rate Predictor
Error
~ 12 ~
ก าลงกายคอการเปลยนแปลงของชพจร กลาวคอ เมอการออกก าลงกายมคา Intensity เพมขน ชพจรจะมการเปลยนแปลงทมากขน เมอการออกก าลงกายมคา Intensity ลดลง การเปลยนแปลงของชพจรจะลดลง ดงนน ให dHRt = HRt – HRt-1 ขอมลน าเขาส าหรบ Neural Network Model เมอใชขอมลชพจร n วนาทยอนหลงคอ dHRt, dHRt-1, dHRt-2 …, dHRt-n-1
เมอใชคาการเปลยนแปลงของชพจรเปนขอมลน าเขา ขอมลทไดจาก Neural Network Model จงเปนความ
เปลยนแปลงของชพจรทคาดวาจะเกดขน ขอมลดงกลาวจะถกน ามาบวกกบขอมลชพจร ณ เวลาปจจบน เพอใหไดผลลพธเปนชพจรทคาดการณวาจะเกดขนในวนาทถดไป
จากการสงเกตการเปลยนแปลงของชพจรในการออกก าลงกาย ผพฒนาเหนวา การเปลยนแปลงของชพจรนน
จะเกดขนในอตราระหวาง -2 ถง 2 ครง/วนาท ดงนน ขอมลทงหมดใน Neural Network Model จะถก scale ขน เพอใหคา Error ระหวางคาทคาดการณและคาชพจรจรงทค านวณไดออกมามคาอยระหวาง -2 ถง 2 ซงการจะท าใหขอมลทตองการอยในชวงกลาวไดนน ขอมลจะตองไดรบการ Scale เพมขน ในกรณน ผพฒนาไดเลอกทจะ scale คาทอยระหวาง -1 ถง 1 ใน Neural Network ใหกลายเปน -4 ถง 4 เมอขอมลม Range กวางขนเปน -4 ถง 4 แลว ขอมลในชวง -2 ถง 2 จะเปนขอมลชวงทมการเปลยนแปลงแบบ linear ท าใหสามารถหลกเลยงการใชงาน Neural Network ในชวง Saturated Zone ได เพอจ าลองการเปลยนแปลงชพจรโดย Intensity ไดอยางตอเนอง ซงคา Error นจะถกการปรบแก weight ระหวาง node แตละตวใน Neuron Network ซงจะท าโดยวธการ Error Back Propagation
ดงนน กอนทจะสงขอมล dHR เขาสโมเดลได ขอมลดงกลาวจะตองถก Scale ลงใหอยในชวง -1 ถง 1 กอน
แลวขอมลสงออกจงจะไดการ Scale กลบขนมากอนน าไปบวกกบขอมลชพจรปจจบน ดงนน ขอมลน าเขาจงเปน
เนองจาก Neuron รบ Input และค านวณ Output เปน Bipolar สตรในการค านวณ Output จงมดงตอไปน
ให เมอ i และ j เปน node ใน Neural Network
และ
ในการแกไข Neural Network Predictive Model นน จะท าโดยการค านวณขอมลชพจร n วนาทยอนหลง
ส าหรบขอมลแตละวนาทนน การค านวณจะท าโดยการคดยอนหลงไป N วนาท นนคอ ในการค านวณหาคาชพจรทเวลา t-n จะตองใชขอมลตงแตเวลา t-n-1, t-n-2 …, t-n-N เปนขอมลน าเขา เมอไดขอมลชพจรจาก Neural
~ 13 ~
Network Model มาแลว กจะไดคา Error ค านวณไดดงน
การปรบแก Weight ของแตละ Edge ของทกๆ Node นนท าโดยกระบวนการ Back Propagation ซงใน
โปรแกรมน ผพฒนาไดตงคา Learning Rate ไวท 0.01 โปรแกรมจะท าการปรบแกส าหรบการค านวณส าหรบเวลาตงแต t-n จนถง t และท าซ า 100 รอบ หาก Learning Rate มากกวา 0.01 จะท าใหขอมลมการเปลยนแปลงเปนชวงกวางมากและไมแมนย า ในทางกลบกน หาก learning rate นอยกวา 0.01 จะท าใหขอมลมการเปลยนแปลงทชาเกนไปและปรบไมทนกบการเปลยนแปลงของชพจร และเนองจากระบบตองสงผลออกทกๆ 1 วนาท จงไมสามารถท าการปรบ model มากกวา 100 รอบได
ผพฒนาไดทดลองเพอหาคา n (จ านวนขอมลชพจรทใชคดยอนหลงในการพจารณาส าหรบขอมลทเวลา t) ซง
จากการทดลอง ผพฒนาไดเลอกใช n = 7 เปนระยะเวลาทคดยอนหลง ท าใหขอมลน าเขาส าหรบ Neural Network ม 7 ตว คอขอมล dHR ทงหมด 6 ตว และคาความเขมขนของการออกก าลงกายทเวลานนๆ อก 1 คา ซงผพฒนาพบวา การทใหคา Intensity เปนขอมลน าเขาดวย ท าใหการคาดการณมความแมนย ามากขนอยางชดเจน ซงคา Intensity จะตองถก Scale ใหอยในชวง -1 ถง 1 ดวย (รายละเอยดจะอยในสวนกระบวนการทดลองและผลการทดลองดานลาง)
ส าหรบการคาดการณชพจรตอไปในอนาคต โปรแกรมจะท าการคาดการณโดยทหลงจากท าการคาดการณ
ส าหรบวนาทท t แลว กจะใชคาการคาดการณนนเปนสวนหนงของขอมลน าเขาในการค านวณส าหรบเวลา t+1 เมอไดคาดการณชพจรทเวลา t+1 แลว กใชคานนเปนสวนหนงของขอมลน าเขาในการค านวณส าหรบเวลา t+2 ตอไปเรอยๆ ซงผพฒนามเปาหมายพยายามจะพฒนาระบบทสามารถคาดการณชพจรไดลวงหนามากทสด โดยมความคลาดเคลอนไมมากเกนไป ซงจากการทดลอง ผพฒนาไดเลอกทจะใชระบบคาดการณการเปลยนแปลงลวงหนาเปนเวลา 10 วนาท (รายละเอยดจะอยในสวนกระบวนการทดลองและผลการทดลองดานลาง)
ในเบองตน ผพฒนาหาคาของชพจรทคาดการณ ณ เวลาหนงๆ ดวยการบวกผลลพธจาก Neuron Network
Predictive Model ดวยคาชพจรของเวลากอนหนานนทไดจากการคาดการณครงกอนหนา เพราะการคาดการณตอไปในอนาคตจะใชชพจรจากการคาดการณในการค านวณตอไป แตจากการทดลอง ผพฒนาพบวา หากท าการคาดการณส าหรบเวลาปจจบน ดวยการบอกผลลพธจาก Neural Network Model ดวยชพจรจรง ณ เวลานนๆ จะท าใหคาดการณไดแมนย าขนอยางชดเจน และจงน าผลการคาดการณชพจรนนไปใชในการค านวณลวงหนาส าหรบเวลาในอนาคตตอไป (รายละเอยดจะอยสวนกระบวนการทดลองและผลการทดลองดานลาง)
~ 14 ~
แผนผงแสดงการท างานของ Neural Network Predictive Model
การออกแบบและพฒนา Model ส าหรบทาออกก าลงกาย ณ ความเขมขนตางๆ
Adaptive Neural Network Controller ท างานหลงจากทชพจร ณ เวลาปจจบนไดรบการประมวลผลโดย Predictive Model และไดรบขอมลการคาดการณชพจรในอก 10 วนาทตอไปแลว ซงจะท างานโดยการค านวณการเปลยนแปลงของชพจรทตองการ และน ามาเปรยบเทยบกบความชนของกราฟการเปลยนแปลงของชพจรตอการออกก าลงกายในทาและความเขมขนตางๆ ทกรปแบบ เพอหาทาออกก าลงกายและระดบความเขมขนทตรงกบความตองการในการเปลยนแปลงของชพจรมากทสด
ขอมลความชนของกราฟการเปลยนแปลงของชพจรตอการออกก าลงกายในทาและความเขมขนตางๆ นนจะไมเหมอนกนส าหรบคนแตละคน เมอเรมการท างาน คาความชนนจะถก Preset ไวดวยคาประมาณ หลงจากเรมออกก าลงกายไปแลว โปรแกรมจะเกบขอมลการเปลยนแปลงของชพจรของแตละบคคลเพอน ามาปรบ Model ความชนใหตรงกบลกษณะการเปลยนแปลงชพจรของผใชมากทสด โดย model นเปน self-organizing map นนคอ เมอคาความชนหนงไดรบการปรบคาตามขอมลทไดรบแลว ขอมลรอบขางจะไดรบการปรบขอมลไปดวย เพอปองกนกรณทความชนจะไมสอดคลองกบระดบความเขมขนของการออกก าลงกาย
dHRt dHRt-1
dHRt-2
dHRt-3
dHRt-4
dHRt-5
Intensityt
7 Inputs 8 Hidden Neuron
Output: dHRt+1
~ 15 ~
การปรบคาความชนนนเปนการปรบแบบ Exponential Average โดย Learning Rate ในการทดลองน ถกตงไวท 0.5 นนคอ เมอไดรบความชนของการเปลยนแปลงชพจรคาใหมเขามา คาความชนทบนทกใน model นนมสตรค านวณดงน
Slope = 0.5 (New Slope) + 0.5 (Previously Calculated Slope)
เพราะขอมลการเปลยนแปลงของชพจรนนเปนแบบ Nonlinear จงไมสามารถสรปไดอยางแนชดวา คาความชนทค านวณไวจากการ Update คาครงกอนหรอครงปจจบนทใกลเคยงกบความเปนจรงทจะเกดขนมากกวากน อยางไรกตาม คาความชนทวดไดครงลาสด มผลตอการปรบคาของ model มากทสด เพราะปจจยทเกยวของเชน ความเหนอยของผใชเมอเวลาผานไป ในขณะทคา Slope ทวดไดจากครงกอนหนา จะมผลตอคาความชนปจจบนลดลงเปนแบบExponential คอจาก 0.5 เปน 0.25 เปน 0.125 เปนตน
การปรบคาชพจรทใกลเคยงนน ท าโดยใชสตรค านวณเดยวกน เพอปองกนกรณทความชนของการออกก าลงกายทความเขมขน x ของทาออกก าลงกายหนงนน มคาความชนมากกวาคาทบนทกไวส าหรบความเขมขน x+1 หรอมคาความชนนอยกวาคาทบนทกไวส าหรบความเขมขน x-1 ของทาออกก าลงกายเดยวกน จงตองมการปรบคาตอเนองกนไป เพอจะไดน ามาใชเลอกทาออกก าลงกายและระดบความเขมขนทไดผลส าหรบการควบคมชพจรมากขน
คาความชนของการเปลยนแปลงของชพจรตอการออกก าลงกายดวยความเขมขนทนอยทสดไปจนถงความเขมขนทมากทสดในทาออกก าลงกายเดยวกน จะถก scale เปนคาความเขมขน -1 ถง 1 เพอน าไปเปนขอมลน าเขาส าหรบการท างานในสวน Neural Network Predictive Model ตอไป
การท างานของ Adaptive Neural Network Controller หลงจากไดขอมลการคาดการณชพจรในอก 10 วนาทขางหนาจาก Predictive Model แลว ขอมลดงกลาวจะถกสงมาประมวลผลในสวน Controller ซงพจารณาแกไขการออกก าลงกายตามกรณตอไปน
1. กรณทอยในชวง Active Interval และชพจรถกเรงขนจนเขาส Range ของชพจรทตองการ ณ เวลาปจจบนแลว
2. กรณทอยในชวง Active Interval และชพจรถกลดลงมาจนเขาส Range ของชพจรทตองการ ณ เวลาปจจบนแลว ดวยการหยดออกก าลงกาย
3. กรณทชพจร ณ เวลาปจจบนยงต ากวา Range ของชพจรทตองการ ขณะทอยในชวง Rest Interval 4. กรณทชพจรจะขนสงกวา Range ของชพจรทตองการ ณ เวลา 10 วนาทจากเวลาปจจบน 5. กรณทชพจรจะลงต ากวา Range ของชพจรทตองการ ณ เวลา 10 วนาทจากเวลาปจจบน
~ 16 ~
ส าหรบกรณท 1, 2 และ 4 นน เปนการเปลยนแปลงทจะเกดขนในชวง Active Interval โปรแกรมจะตองค านวณความชนของการเปลยนแปลงชพจรทตองการดวยสตรการค านวณตอไปน
ความชน = ของ –
กลาวคอ ความชนนน หาไดจากการเปลยนแปลงของชพจรในชวงเวลา 10 วนาท ซงเปนชวงเวลาทตองการคมชพจรใหไมเกน Upper Bound ของ Heart Rate Range ใน Interval นนๆ หารดวยระยะเวลาทใชในการเปลยนแปลง ในกรณนคอ 10 วนาททไดท าการคาดการณ Heart Rate ไวลวงหนานนเอง ส าหรบกรณท 3 นน เปนความเปลยนแปลงทจะเกดขน เมอชพจรปจจบนนนต ากวา Lower Bound ของ Range ชพจรทตองการในชวง Rest Interval โดยโปรแกรมจะสงใหออกก าลงกายในชวงนดวย เพอเพมชพจรใหสงขน ถงแมจะเปนชวงพกกตาม โดยจะตองค านวณความชนของชพจรทตองการดงน
ความชน = ของ
ส าหรบกรณท 5 นน เปนความเปลยนแปลงทจะเกดขน เมอชพจรปจจบนนนยงอยใน Range ของชพจรทตองการ แตคาดวาจะลงต ากวา Lower Bound นในอก 10 วนาทขางหนา ขณะทอยในชวง Rest Interval กตาม ซงในกรณน โปรแกรมจะค านวณหาความชนทตองการดงตอไปน ความชน=
กลาวคอ ความชนทตองการนน หาไดจากความตางระหวางความชน 2 คาคอ ความชนของชพจรทคาดวาจะลดลงใน 10 วนาทขางหนา และความชนในการลดลงของชพจรทจะท าใหชพจรลดลงไปอยท Lower Bound ของ Heart Rate Range ในเวลา 10 วนาทขางหนาพอด ความตางระหวางความชนสองคาน จะท าใหไดความชนเปนบวก ส าหรบน ามาเปรยบเทยบหาการออกก าลงกายทเหมาะสมส าหรบการปรบชพจรใหไมลงต ากวา Range ทตองการ 7. ออกแบบโปรแกรมทจะพฒนา
7.1 Input ◦ ขอมลพนฐานของผใช ประกอบดวย เพศ อาย เพอน ามาค านวณ Maximum Heart Rate
▪ การค านวณหา Maximum Heart Rate นนท าไดหลายวธ ผพฒนาเลอกใชสตรทแตกตางกน
~ 17 ~
ส าหรบการค านวณ Maximum Heart Rate ในเพศหญงและชาย ดงน Male: 163 + (1.16 × age) − (0.018 × age2) [7]
Female: 206 − (0.88 × age) [8]
อยางไรกตาม การท างานของโปรแกรมไมขนกบคา Maximum Heart Rate ทแทจรง สตรเหลานเปนเพยงการประมาณคาโดยทวไปเทานน
◦ Resting Heart Rate วดดวย Heart Rate Sensor กอนเรมการออกก าลงกาย เพอน ามาค านวณ Heart Rate Reserve ทจะน ามาใชค านวณหาชพจรเปาหมายในการออกก าลงกายตอไป
Heart Rate Reserve = Maximum Heart Rate – Resting Heart Rate
◦ ระยะเวลาและรปแบบทจะใชในการออกก าลงกาย โดยขอมลจะอยในรปแบบของ Interval มความยาว (เปนหนวยวนาท) และระดบความเขมขนของการออกก าลงกายในชวงเวลานน ซงระบเปนเปอรเซนตของชพจร ค านวณไดจาก Karvonen Formula
Target Heart Rate = (Heart Rate Reserve x Percentage of Training Intensity) + Resting Heart Rate
◦ ขอมลชพจรจากเครองวดชพจร ซงจะรบขอมลผานทาง Bluetooth ทกๆ 1 วนาท
7.2 Output ภาพแอนเมชนสามมตของตวการตนทจะท าทาออกก าลงกายในอตราเรวตามทโปรแกรมค านวณ
~ 18 ~
7.3 โครงสรางของซอฟตแวร
Socket Client
Socket Server
รบ Input คอรปแบบและระยะเวลาทจะใชออกก าลง
กายและขอมลของผใช
ค านวณ Maximum Heart Rate และชพจรเปาหมายตามรปแบบของการออกก าลงกาย
รบชพจรของผใชจากเครองตรวจชพจรผาน
Bluetooth
แสดงภาพแอนเมชนของการออกก าลงกายในทา
และความเรวทค านวณมา
ค านวณและคาดการณการเปลยนแปลงของชพจร
ลวงหนา 10 วนาทดวย Neural
Network
ออกแบบการออกก าลงกายเบองตนตามรปแบบการออก
ก าลงกาย
Feedback Control
โปรแกรมค านวณหาทาการออกก าลงกายทเหมาะสมส าหรบการ
ออกก าลงกายวนาทถดไป
~ 19 ~
8. ออกแบบ User Interface ของโปรแกรม
- หนาจอหลก
สวนลงทะเบยนผใชและวางแผนการออกก าลงกาย
ค าจ ากดความ:
Username: ชอ username ของผใชเปนตวอกษรภาษาองกฤษและตวเลข ไมมเวนวรรค ชอ username จะ
ถกเกบอยในตวแปร username ใชเพอเกบขอมลเพศ อาย และ Maximum Heart Rate ไวส าหรบใชในครง
ตอไปโดยไมตองหรอกขอมลทงหมดใหม
Gender: เพศของผใช (female/male) ถกเกบอยในตวแปรชนด Boolean ชอ female และ male ใชส าหรบ
ระบสตรค านวณ Maximum Heart Rate ซงแตกตางกนส าหรบผหญงและผชาย
Age: อายของผใชเปนตวเลขจ านวนเตม ถกเกบอยในตวแปร age ใชส าหรบค านวณหา Maximum Heart
Rate
Maximum Heart Rate: อตราการเตนของหวใจสงสดทยงปลอดภยถกเกบอยในตวแปร mhr เปนคาท
จ าเปนในการวเคราะหเพอควบคมอตราการเตนของหวใจใหอยในชวงทเหมาะสม จากผลการวจยของ
Northwestern University โดย Martha Gulati ในป 2010[8] สตรทใชในการค านวณหา Maximum Heart
Rate ส าหรบผหญงคอ mhr = 206 − (0.88 × age) และจากผลการวจยของ Oakland University ในป
2007[7] สตรทใชในการค านวณหา Maximum Heart Rate ส าหรบผชายคอ mhr = 163 + (1.16 × age) −
(0.018 × age2)
Interval:
o Number of interval: จ านวน interval เปนเลขจ านวนเตมในชวง 1-8 ถกเกบอยในตวแปร
numofiv
o Active interval: ชวงทออกก าลงกาย มความยาวเปนคาทเปนเลขจ านวนเตมทหาร 5 ลงและ
มากกวาหรอเทากบ 10 เทานน ไมสามารถเปน empty string หรอ 0 ได
o Rest Interval: ชวงทพก มความยาวเปนคาทเปนเลขจ านวนเตมทหาร 5 ลงและมากกวาหรอ
เทากบ 10 ไมสามารถระบคาเปน 0 แตสามารถปลอยวางไวไมตองระบได
o Intensity: เปาหมายของการออกก าลงกายคอเปอรเซนตของอตราการเตนของหวใจในชวง 51-
90% ระบไดหนงคาตอหนง interval
~ 20 ~
องคประกอบ:
- หนาหลก (Home)
1. New Registration
หนาแรกของโปรแกรมส าหรบผใชใหม ฟงกชนหลกคอเกบขอมลสวนตวของผใชใหม (ลงทะเบยน) และน าขอมลไปเกบไวในตวแปรเพอน าไปด าเนนการในขนตอนตอไป (ส าหรบผใชเกา สามารถเลอก “Registered User”ทางดานซายของหนาจอเพอไปยง panel ส าหรบผใชเกา) มองคประกอบดงน:
Username: กลองรบขอความ (wx.TextCtrl) รบชอ username ของผใช
Age: กลองรบขอความ (wx.TextCtrl) รบอายของผใช
Gender: wx.RadioButton ใหผใชเลอกเพศ คามาตรฐานจะตงอยทเพศชาย
ปม Submit info: wx.Button กดเพอตรวจสอบความถกตองครบถวนของขอมล หากขอมลไม
ถกตอง โปรแกรมจะ Show dialog box เพอระบความผดพลาดในขอมล
ปม Set you exercise plan: wx.Button กดเพอไปทหนาจอ Interval planning: STEP 1 และเรมตง
คา exercise plan หากผใชยงไมไดตรวจสอบความถกตองดวยปม Submit info หรอตรวจสอบแลว
ขอมลยงไมถกตอง โปรแกรมจะ Show dialog box และไมด าเนนการตอ
~ 21 ~
2. Registered User
หนาจอหลกส าหรบผใชทลงทะเบยนแลว ฟงกชนหลกคอรบ username และ plan ของผใชเกา และตงคาตวแปรทงหมดในโปรแกรมตามขอมลทผใชบนทกไวเพอด าไปเนนการในขนตอนตอไป (ส าหรบผใชใหม สามารถเลอก “New Registration”ทางดานซายของหนาจอเพอกลบไปยง panel ส าหรบผใชใหม) มองคประกอบดงน:
Username: wx.SpinCtrl ใหผใชเลอก username ของตนเอง โดยทตวเลอกคอ list ของ
username ทงหมด ซงอานมาจากไฟลทเกบเฉพาะชอ username ทงหมดเทานน ชอไฟล
userdata.txt เมอผใชเลอก username โปรแกรมจะท าการตงคาตวแปร username เปนชอท
ถกเลอก เปดไฟลทเกบรายละเอยดของ user นนเพออานขอมลเพศ อาย และ Maximum
Heart Rate และตงคาตวแปรตามคาทบนทกไวในไฟล
Plan: wx.SpinCtrl ใหผใชเลอก plan ทตองการ โดนทตวเลอกคอ list ของ plan ทงหมด ซง
อานมาจากไฟลทเกบเฉพาะชอ plan ชอไฟล plandata.txt เมอผใชเลอก plan โปรแกรมจะ
ท าการตงคาตวแปร sav เปนชอทถกเลอก เปดไฟลทเกบรายละเอยดของ plan นนเพออาน
ขอมลจ านวน interval, ความยาวของ Active/Rest Interval, Intensity ในแตละ Interval, ความ
ยาวของชวงพกระหวางเซต, repetition และเวลารวมทใชในการออกก าลงกาย และตงคาตว
แปรตามคาทบนทกไวในไฟล
ปม Setting: wx.Button ส าหรบผใชทตองการแกไขขอมลสวนใดสวนหนงของ username หรอ
plan ทเลอก ใหผใชกดปมนเพอไปยงหนาจอ Basic information
~ 22 ~
ปม Start: wx.Button กดเพอเรมการออกก าลงกาย โดยโปรแกรมจะเขยนขอมลทอยในตว
แปรทงหมดลงในไฟล userx.txt และ planx.txt เพอใชในโปรแกรมสวนถดไป
- หนาการตงคา (Setting)
1. Basic information
หนาจอ setting ขอมลสวนตวของผใช เปนหนาแรกของ setting เฉพาะเมอกดปม Setting ใน Home >
Registered User เทานน (ในกรณอน ผใชสามารถเขาสหนาจอนไดดวยการกดปม Previous ในหนาจอ Interval planning: STEP 1) ส าหรบผใชทตองการ update username หรออาย ชอ username และอายทระบไวลาสดจะขนอยในกลองขอความ (wx.TextCtrl) ทงสองกลองตามล าดบ ผใชสามารถแกไขขอมลในกลองขอความ (โปรแกรมจะท าการตงคาตวแปร username และ age เปนคาใหม) และด าเนนการตอดวยการกดปม Next (wx.Button) หากขอมลมความผดพลาด โปรแกรมจะด าเนนตอแตจะ Show dialog box
แจงเตอนและไม update คาใหม 2. Interval planning: STEP 1 (number of intervals)
~ 23 ~
หนาจอ Interval planning หนาแรกและเปนหนาแรกของ setting เมอกดปม Set your exercise plan
ในหนาจอ Home > New Registration ฟงกชนคอรบคาของจ านวน interval จากผใชผานกลองขอความ (wx.TextCtrl) จากนนโปรแกรมจะท าการตงคาตวแปร numofiv เปนคาทไดรบจากกลองขอความ
ผใชสามารถกลบไปยงหนาจอ Basic information ไดดวยการกดปม Previous (wx.Button) และสามารถด าเนนการตอดวยการกดปม Next (wx.Button) หากขอมลมความผดพลาด โปรแกรมจะ Show dialog box
แจงเตอนและไมอนญาตใหด าเนนการตอจนกวาจะแกไขใหถกตอง
3. Interval planning: STEP 2 (Each interval’s length)
หนาจอ Interval planning หนาทสองหรอขนตอนทสอง ฟงกชนคอรบคาความยาวของแตละ interval
(แบงเปนชวง Active กบชวง Rest) จากผใชผานกลองขอความ (wx.TextCtrl) ซงจะ Show จ านวนกลองขอความตามคาจ านวน interval ทผใชระบไวในหนาจอกอนหนา (Interval สดทายไมม Rest) จากนนโปรแกรมจะท าการตงคาตวแปร ac1-8 และ res1-8 เปนคาทไดรบจากกลองขอความ
ผใชสามารถกลบไปยงหนาจอ Interval planning: STEP 1 ไดดวยการกดปม Previous (wx.Button) และสามารถด าเนนการตอดวยการกดปม Next (wx.Button) หากขอมลมความผดพลาด โปรแกรมจะ Show
dialog box แจงเตอนและไมอนญาตใหด าเนนการตอจนกวาจะแกไขใหถกตอง
~ 24 ~
4. Interval planning: STEP 3 (Intensity of each interval)
หนาจอ Interval planning หนาทสามหรอขนตอนทสาม ฟงกชนคอรบคา intensity ของแตละ intervals จากผใชผาน wx.Slider ซงจะ Show จ านวน slider ขอความตามคาจ านวน interval ทผใชระบไว จากนนโปรแกรมจะท าการตงคาตวแปร x1-8 เปนคาทไดรบจากกลองขอความ หากผใชไมปรบคา intensity โปรแกรมจะตงคาตวแปรเปนคามาตรฐานคอ 70
ผใชสามารถกลบไปยงหนาจอ Interval planning: STEP 2 ไดดวยการกดปม Previous (wx.Button) และสามารถด าเนนการตอดวยการกดปม Next (wx.Button)
5. Interval planning: Final Plan
~ 25 ~
หนาจอ Interval planning หนาสดทายหรอขนตอนสดทาย ฟงกชนคอรบคาจ านวน repetition, ความยาวของชวง Rest ระหวางแตละเซต และชอ plan (เพอบนทก) จากผใชผานกลองขอความ wx.TextCtrl โปรแกรมจะท าการตงคาตวแปร re, btw และ sav เปนคาทไดรบจากกลองขอความตามล าดบ จากนน หากผใชตองการบนทกคาทงหมดทก าหนดไวอยางถาวร ใหกดปม save (wx.Button) แลวโปรแกรมจะท าการบนทกขอมลจากตวแปรทงหมดลงในไฟลเพอเกบไวใชในการออกก าลงกายครงตอไป
ผใชสามารถกลบไปยงหนาจอ Interval planning: STEP 3 ไดดวยการกดปม Previous (wx.Button) และเรมออก
ก าลงกายไดดวยการกดปม Start (wx.Button) โดยทการกดปม Start แตไมกดปม Save จะท าใหผใชสามารถออกก าลงกายโดยใชคาทก าหนดลาสดได แตขอมลดงกลาวจะไมถกบนทกไวอยางถาวรและไมสามารถเรยกใชไดอก
- หนาจอแสดงผล (animation)
9. เขยนโปรแกรมส าหรบทดลองเทคนคทใชในการท า Adaptive Controller ปรบแก Algorithm และ Parameter ของ Adaptive Controller เพอใหควบคมชพจรไดตามตองการ โดยทยงไมใชขอมลจาก Instant Heart Rate โดยตรง เพอใหตว Controller ใหผลตามทตองการ
10. เชอมตอ Controller เขากบขอมลชพจรทน าเขาจาก Heart Rate Sensor และการแสดงผลดวย Animation 11. ทดลองโปรแกรมกบการออกก าลงกายแบบตางๆ ในกลมคนตางๆ เพอทดสอบประสทธผล และปรบแกจนโปรแกรม
ใหผลทดสม าเสมอกวาการประเมนดวยผออกก าลงกายเอง
~ 26 ~
12. วเคราะหและสรปผลการท างานของโปรแกรม
กระบวนการทดลอง
1.การทดลองเพอออกแบบและปรบแก Feedback Model เปาหมายของการทดลอง เพอออกแบบและพฒนา Neural Network Predictive Model รปแบบการทดลอง
1. ทดลองหาจ านวนขอมลชพจรน าเขาทท าใหไดคาการคาดการณการเปลยนแปลงของชพจรทแมนย าทสด
คณสมบตของ Model ทใชในการทดลอง o ค านวณชพจรทคาดการณส าหรบเวลาปจจบน โดยใชผลบวกระหวางความเปลยนแปลงของ
ชพจรทคาดการณและชพจรทไดจากการคาดการณ ณ วนาทกอน o ใชความเขมขนของการออกก าลงกายเปนขอมลน าเขาตวหนงดวย
ทดลองกบคา n = 5,7, และ 9
2. ทดลองใชชพจรจรงในการหาผลลพธชพจรโดยน ามารวมกบคาการเปลยนแปลงของชพจรทไดจากการคาดการณ กอนจะน ามาใชส าหรบคาดการณ ณ เวลาตอไปในอนาคต
ทดลองกบจ านวนขอมลน าเขาทไดคาแมนย าทสดจากการทดลองท 1
ใชคาความเขมขนของการออกก าลงกายเปนขอมลน าเขาตวหนงดวย
3. ทดลองระหวางการใสขอมลความเขมขนของการออกก าลงกายและไมใส วาแบบใดใหผลทแมนย ากวา
ทดลองกบจ านวนขอมลน าเขาทไดคาแมนย าทสดจากการทดลองท 1
หาผลลพธชพจรส าหรบการคาดการณชพจรลวงหนาดวยวธการทไดคาแมนย าทสดจากการทดลองท 2
ขอมลตวอยาง ขพจรทวดไดจากการออกก าลงกายแบบ Interval Training ซงเปนการสลบระหวาง Active Interval เวลา 30 วนาทและการพก 30 วนาท ท าซ า 3 รอบเปนเวลารวม 3 นาท (180 วนาท) โดยมขอมลทงหมด 6 ชดในการทดสอบ 2.การทดลองเพอทดสอบประสทธภาพของระบบกบผใชจรง
เปาหมายของการทดลอง
~ 27 ~
เพอวดประสทธภาพของระบบโดยรวมในการควบคมขพจรของผออกก าลงกาย ในรปแบบตางๆ
รปแบบของการทดลอง
1. ผทดลองออกก าลงกายออกก าลงกายเอง โดยจะมชพจรแสดงใหดตลอดเวลา แตไมมแอนเมชนน าออกก าลงกาย ซงผทดลองจะตองพยายามปรบการออกก าลงกายของตนเองในรปแบบใดกได เพอควบคมชพจรใหอยในรปแบบ Interval Training โดยออกก าลงกายดวยความเขมขน 70-80% เปนเวลา 30 วนาทสลบกบการพก 30 วนาท และท าซ า 5 รอบเปนเวลารวม 5 นาท และออกก าลงกายในรปแบบดงกลาวโดยใชโปรแกรมเปนตวควบคม เปาหมาย เพอเปนตวอยางของการออกก าลงกายแบบไมใชโปรแกรมในการชวยควบคมชพจร น ามาเปรยบเทยบกบการท างานของโปรแกรม เพอดความแตกตางและประสทธภาพการท างานของโปรแกรม
2. ผทดลองออกก าลงในรปแบบ Cardio Training โดยจะมชพจรแสดงใหดตลอดเวลา แตไมมแอนเมชนน าออกก าลงกาย ซงผทดลองจะตองพยายามปรบการออกก าลงกายของตนเองในรปแบบใดกใด เพอควบคมชพจรในชวง 60-70% อยางสม าเสมอเปนเวลา 5 นาท เปาหมาย เพอเปนตวอยางของการออกก าลงกายแบบไมใชโปรแกรมในการชวยควบคมชพจร น ามาเปรยบเทยบกบการท างานของโปรแกรม เพอดความแตกตางและประสทธภาพการท างานของโปรแกรม (เทยบกบการทดลองท 5)
3. ผทดลองออกก าลงกายในรปแบบ High-Intensity Interval Training โดยออกก าลงกายดวยความเขมขน 80-90% เปนเวลา 30 วนาทสลบกบการพก (ความเขมขน 50%) เปนเวลา 30 วนาท และท าซ า 5 รอบ เวลารวม 5 นาท เปาหมาย เพอสงเกตการท างานของโปรแกรมเมอชพจรของผทดลองเขาใกล Maximum Heart Rate ซงเปนชวงทกอใหเกดอนตรายได เพราะเปนการออกก าลงกายดวยความเขมขนสง การออกก าลงกาย Interval หนงจงมความยาวเพยง 30 วนาท เพราะผทดลองไมสามารถออกก าลงกายในระดบนไดยาวกวานน
4. ผทดลองออกก าลงกายในรปแบบ Interval Training โดยออกก าลงกายดวยความเขมขน 70-80% เปนเวลา 60
วนาทสลบกบการพก (ความเขมขน 50%) เปนเวลา 60 วนาท และท าซ า 5 รอบ เวลารวม 10 นาท เปาหมาย เพอสงเกตการท างานของโปรแกรมในชวงเวลาทยาวขน เพราะจากการทดลองแบบทหนง โปรแกรมไดแสดงการเปลยนแปลงการออกก าลงกายเพอรกษาระดบชพจรเปนชวงเวลาทสน การทดลองแบบทสอง จงไดลดระดบความเขมขนของการออกก าลงกายลง เพอใหผทดลองสามารถออกก าลงกายไดยาวถง 60 วนาท
5. ผทดลองออกก าลงกายในรปแบบ Cardiovascular Training โดยออกก าลงกายดวยความเขมขน 60-70%
สม าเสมอโดยไมมการพกเปนเวลา 5 นาท
~ 28 ~
เปาหมาย เพอสงเกตการท างานของโปรแกรมในการรกษาชพจรทต าลง เปนเวลายาวขน จงไดเลอกการออกก าลงกายแบบ Cardiovascular ซงเปนการออกก าลงกายแบบตอเนองและสม าเสมอ
ผลการทดลองและการวเคราะหผล
1.การทดลองเพอออกแบบและปรบแก Feedback Model การทดลองท 1 ครงท 1 – วดความคลาดเคลอนของ Model ในการคาดการณชพจรปจจบน ตารางท 1: ตารางแสดงคาเฉลยของความผดพลาดและความผดพลาดสงสดส าหรบจ านวนขอมลน าเขา 5, 7, 9 คา Number of Look Back HR
5 7 9
Data # Average Error
Maximum Error
Average Error
Maximum Error
Average Error
Maximum Error
1 0.738543 3.339182 0.777299 2.87695 0.822476 4.052693 2 0.650881 2.737679 0.700168 2.782639 0.733227 3.857875 3 0.633033 2.667941 0.649759 2.160098 0.69143 2.836886 4 0.923185 4.57618 0.790456 3.868715 0.953991 4.037622 5 0.693337 3.592526 0.624971 2.947542 0.75979 3.540674 6 0.669975 2.57519 0.590559 2.620961 0.649373 2.597248
Average Result
0.718159 3.248116 0.688869 2.876151 0.768381 3.487166
สรปผลการทดลองท 1 การใชขอมลชพจรน าเขายอนหลงเปนเวลา 7 วนาทใหผลทดทสด ครงท 2 – วดความสามารถของโมเดลทดขอมลยอนหลง 7 วนาทในการคาดการณชพจร 10 วนาทลวงหนา ตารางท 2: ตารางแสดงคาความคลาดเคลอนในการคาดการณชพจร 1-10 วนาทลวงหนา ดวยโมเดลทใชในการทดลองท 1 เมอรบขอมลน าเขา 7 ตว
Time 1 2 3 4 5
Data #
1 1.065447301 1.351625101 1.644231675 1.944670799 2.28640391 2 0.900708583 1.169569394 1.452761746 1.736812568 2.037707638 3 0.806624459 1.042914047 1.298566207 1.555501583 1.79460552 4 1.1344463 1.43504814 1.803929559 2.166338997 2.547451296 5 0.841708561 1.023915223 1.273271689 1.526168302 1.76930557 6 0.767537652 0.956124043 1.77303155 1.395583925 1.624047811 Average Result 0.919412143 1.163199324 1.44167739 1.720846029 2.00920291
~ 29 ~
Time 6 7 8 9 10
Data #
1 2.64730247 3.025478474 3.45524282 3.88972859 4.306456468 2 2.351065569 2.670306139 3.027617876 3.39804723 3.795594927 3 2.054433911 2.319662448 2.614794363 2.928190621 3.255450853 4 2.920231885 3.283171537 3.646272958 4.01912984 4.440358791 5 2.015781964 2.269403273 2.550467213 2.824501059 3.168961864 6 1.861418262 2.115743612 2.387277673 2.655531483 2.951864955 Average Result 2.308272343 2.613960914 2.94696215 3.285895515 3.653114643
การทดลองท 2 ครงท 1 – วดความคลาดเคลอนของ Model ในการคาดการณชพจรปจจบน ตารางท 3: ตารางแสดงคาความผดพลาดเฉลยและคาความคลาดเคลอนทสงสดส าหรบโมเดลทค านวณคาโดยใชชพจรจรงและชพจรทไดจาก Neural Network Predictive Model
Predict with Actual
Heart Rate Predict with Heart Rate from Predictive Model
Data # Average Error
Maximum Error
Average Error
Maximum Error
1 0.40493 1.711958 0.777299 2.87695 2 0.391642 1.711958 0.700168 2.782639 3 0.362131 1.711958 0.649759 2.160098 4 0.39369 1.520268 0.790456 3.868715 5 0.358138 1.520268 0.624971 2.947542 6 0.350318 1.46397 0.590559 2.620961
Average Result
0.376808 1.60673 0.688869 2.876151
สรปผลการทดลองท 2 การใชขอมลชพจรจรงในการคาดการณชพจรปจจบนมความแมนย ามากกวา ครงท 2 – วดความสามารถของโมเดลทคาดการณโดยใชชพจรจรงในการคาดการณชพจร 10 วนาทลวงหนา ตารางท 4: ตารางแสดงคาความคลาดเคลอนในการคาดการณชพจร 1-10 วนาทลวงหนา ดวยโมเดลทใชในการทดลองท 2 ทค านวณคาโดยใชชพจรจรงในการคาดการณชพจร ณ เวลาปจจบน
~ 30 ~
Time 1 2 3 4 5
Data #
1 0.452985777 0.693269798 0.941466521 1.234600524 1.544280594 2 0.434931173 0.669412381 0.895296431 1.143284216 1.414033501 3 0.407587746 0.608689252 0.803444006 0.998607361 1.219226729 4 0.409329592 0.593277076 0.856195541 1.184830119 1.292378424 5 0.377773635 0.507400576 0.67209548 0.869368338 1.059986249 6 0.380532192 0.52260233 0.688154718 0.872528336 1.055897139 Average Result 0.410523353 0.599108569 0.809442116 1.050536482 1.297633773 Time 6 7 8 9 10
Data #
1 1.90828173 2.259058397 2.646699105 3.032127994 3.459847498 2 1.702242569 1.999730705 2.312100743 2.635253546 2.98090575 3 1.438964627 1.650164072 1.877908798 2.108784259 2.353752072 4 1.843314379 2.186936388 2.5458808798 2.926150686 3.30042219 5 1.292467253 1.545472721 1.804227901 2.06462074 2.332739911 6 1.275427341 1.530615042 1.779586441 2.031704192 2.299719638 Average Result 1.576782983 1/861996221 2.161067201 2.466440236 2.787897843
การทดลองท 3 วดความสามารถของโมเดลทคาดการณโดยใชชพจรจรงในการคาดการณชพจร 10 วนาทลวงหนา โดยไมใชคาความเขมขนเปนขอมลน าเขา ตารางท 5: ตารางแสดงคาความคลาดเคลอนในการคาดการณชพจร 1-10 วนาทลวงหนา ดวยโมเดลทใชในการทดลองท 2 ทค านวณคาโดยใชชพจรจรงในการคาดการณชพจร ณ เวลาปจจบนแตไมใสขอมลคาความเขมขนในการออกก าลงกายเปนขอมลน าเขา
Time 1 2 3 4 5
Data #
1 1.520958343 2.127935973 2.762469527 3.44286356 4.068801969 2 0.542668534 0.753271611 1.000035734 1.287040026 1.529613494 3 0.461216618 0.651143375 0.867328424 1.092760068 1.309628598 4 1.32915821 1.760309861 2.289989903 2.834617098 3.420102192 5 0.403249812 0.559103326 0.766339989 0.997129153 1.235851412 6 0.399945181 0.550224902 0.730937832 0.939148731 1.156936738 Average Result 0.77619945 1.066998175 1.402850235 1.765593106 2.120155734
~ 31 ~
Time 6 7 8 9 10
Data #
1 4.718391455 5.343241411 6.055586965 6.808817258 7.586233916 2 1.782308506 2.055401199 2.355090404 2.662963245 3.000526795 3 1.534191228 1.778972943 2.050930025 2.328681176 2.630719283 4 3.98692002 4.544476057 5.214065972 5.843751557 6.51114748 5 1.500888885 1.769541319 2.06336386 2.36180023 2.663614125 6 1.387730106 1.647251939 1.903175443 2.154418938 2.425267976 Average Result 2.48501703 2.856480811 3.273702112 2.6934505401 4.136251596
สรปผลการทดลองท 3 การใชขอมลคาความเขมขนของการออกก าลงกาย (ตารางท 4) มความแมนย ามากกวา
2. การทดลองเพอทดสอบประสทธภาพของระบบกบผใชจรง
การทดลองท 1: การท างานของโปรแกรมเพอควบคมชพจรในสถานการณตางๆ สถานการณท 1: การทโปรแกรมเพมระดบความเขมขนของการออกก าลงกายเพอเพมชพจรขน ในกรณทคาดการณวาชพจรจะลงต ากวา 50% ของ Maximum Heart Rate (เมอค านวณดวย Heart Rate Reserve) ในอก 10 วนาทขางหนา
กราฟ 1: กราฟแสดงการท างานของโปรแกรมเพอเพมชพจรขน เมอมการคาดการณวาชพจรจะลงต ากวา Lower Bound ของชวงชพจรขณะทอยใน Rest Interval จากการทดลองออกก าลงกายแบบ High-Intensity Interval Training
~ 32 ~
กรณทจะมการคาดการณวาชพจรจะลงต ากวา Lower Bound ของชวงชพจรขณะทอยใน Rest Interval โปรแกรมจะสงใหมการออกก าลงกายขน เพอเพมระดบชพจร ในกราฟท 1 ในชวงวนาทท 56 จนถงวนาทท 60 เปนชวงทมการคาดการณวาชพจรจะลงต ากวาทตองการ (เสนสแดง) ซงโปรแกรมไดสงใหมการออกก าลงกายดวยทา Jumping Jack ดวย Intensity ระดบ 3 (ระดบ Intensity สงสดของทาออกก าลงกายน) ท าใหชพจรจรง (เสนสฟา) นนคงอยในชวงชพจรทตองการได
สถานการณท 2: การทโปรแกรมลดระดบการออกก าลงกายลงหลงจากเรงการออกก าลงกายจนชพจรอยในชวงทตองการแลวเพอรกษาระดบชพจร กราฟ 2,3: กราฟแสดงการเปลยนแปลงของชพจรทเกดขนหลงจากชพจรนนเพมขนจนเขาสชวงชพจรทตองการ จากการออกก าลงกายแบบ High-Intensity Interval Training
กรณทชพจรนนมการเพมขนจนเขาสชวงของชพจรทตองการในชวง Active Interval แลว โปรแกรมจะท า
~ 33 ~
การลดระดบความเขมขนของการออกก าลงกายลง เพอใหการออกก าลงกายสามารถไปไดอยางตอเนองมากขนและปองกนไมใหเกดการทชพจรจะพงสงเกนไป ในกราฟท 2 นน เปนชวง Interval ท 2 ของการออกก าลงกาย ซงชพจรนนอยท 142 ซงอยในชวงทตองการแลว โปรแกรมจงท าการปรบการออกก าลงกายจากทา High Knees ระดบท 5 (ระดบสงสดของทาออกก าลงกายน) ลงมาเปนทา High Knees ระดบท 2 โปรแกรมจะหลกเลยงการเปลยนทาออกก าลงกายใน Interval หนงๆ เพอไมใหผใชเกดความสบสนหากไมจ าเปน
ในกราฟท 3 เปนการออกก าลงกายในชวงเวลา 2 Intervals ในลกษณะเดยวกน สงเกตวา ณ วนาทท 16 ชพจรอยท 166 ซงอยในชวงชพจรทตองการเรยบรอยแลว โปรแกรมจงเปลยนการออกก าลงกายจากทา Jumping Lunges ระดบท 5 (ระดบสงสดของทาออกก าลงกายน) มาเปนการออกก าลงกายในทาเดม แตเปนระดบท 2 ตลอดชวงเวลา 14 วนาททเหลอใน Active Interval นน สวนใน Active Interval ถดมานน จะเหนไดวา ชพจรขนถงระดบทตองการหลงจากเวลาผานไป 14 วนาท โปรแกรมกไดลดความเขมขนของการออกก าลงกายในทา High Knees จากระดบ 5 ลงมาเปนระดบท 2 เชนกน ซงทงกราฟท 2 และ 3 แสดงใหเหนวา โปรแกรมท างานไดอยางมประสทธภาพในการควบคมชพจรในสถานการณดงกลาว
สถานการณท 3: การทโปรแกรมลดระดบความเขมขนของการออกก าลงกายเพอลดชพจรลง ในกรณทคาดการณวาชพจรจะขนสงวาชวงระดบทตองการ ในอก 10 วนาทขางหนา
กราฟ 4: กราฟแสดงชพจรและการคาดการณชพจรในระหวางการออกก าลงกายแบบ Aerobic เปนเวลา 5 นาท
~ 34 ~
กราฟ 5: กราฟแสดงชพจรและการคาดการณชพจรในระหวางการออกก าลงกายแบบ Interval Training เปนเวลา 10 นาท
กรณทมการคาดการณวาชพจรจะเพมขนจนสงกวา Upper Bound ของชวงชพจรทตองการ ระหวางทอยใน Active Interval โปรแกรมจะท าการปรบความเขมขนของการออกก าลงกายลง เพอคมไมใหชพจรเพมขนสงเกนไป และหากชพจรนนพงสงเกนระดบทตองการแลว โปรแกรมจะหยดการออกก าลงกาย จนกวาระดบชพจรจะลดลงมาจนถงระดบทสามารถออกก าลงกายตอได ในกราฟท 4 เปนการออกก าลงกายแบบ Cardio Training ซงโปรแกรมจะพยายามรกษาชพจรใหอยในชวงทคงท เมอมการคาดการณวาชพจรจะพงสงเกนไป โปรแกรมจะสงใหมการออกก าลงกายในระดบทเบาลง เชน jogging ใน Intensity 1, jumping jack ใน intensity 1 หรอการหยดนง ดงนน ชพจรจรงของผออกก าลงกายจงสามารถรกษาระดบอยในชวงทตองการได ในกราฟท 5 เปนการออกก าลงกายแบบ Interval Training ซงโปรแกรมจะท าการลดระดบการออกก าลงกายลงมา เพอคมไมใหชพจรพงสงเกนไป โดยพยายามไมใหมการเปลยนทาออกก าลงกายใน Interval เดยวกน เชน ใน Active Interval ท 3 (วนาทท 241-300) มการเปลยนความเขมขนของการออกก าลงกายทา jumping lunges จากระดบ 5 เปนระดบท 2 สวนใน Active Interval ท 4 (วนาทท 361-420) มการเปลยนแปลงความเขมขนของการออกก าลงกายทา High Knees จากระดบท 5 ลดลงมาเรอยๆ จนเปนระดบท 1 กอนจะเขาส Rest Interval ซงแมจะมการพงเกนของชพจรในกรณ กไมเกน 4 ครงตอนาท และไมเปนอนตรายตอผออกก าลงกายแตอยางใด
การทดลองท 2: เปรยบเทยบประสทธภาพการท างานของโปรแกรมกบประสทธภาพในการควบคมชพจรโดยตวผออกก าลงกายเอง
~ 35 ~
กราฟสองกราฟดานบนเปนกราฟทแสดงชพจรระหวางการออกก าลงกายแบบ High-intensity Interval ซง
เปนการออกก าลงกายในรปแบบทชพจรมแนวโนมทจะพงขนสงเกนไป ซงชพจรทวดไดจากการออกก าลงกายตามโปรแกรมนน เปนไปไดตามเปาหมาย และสามารถรกษาระดบของชพจรไมใหมากเกนไปจนอนตราย ในตวอยางแรกนน โปรแกรมท างานไดดกวาการทผออกก าลงกายพยายามคมชพจรดวยตนเอง โดยทชวงเวลาทชพจรเกนระดบทตองการขนไปนนมนอยกวา สวนในกรณดานลาง เนองจากผออกก าลงกายสามารถควบคมการออกก าลงกายของตนเองไดด จงใหผลทใกลเคยงกบการท างานของโปรแกรม
~ 36 ~
กราฟทงสองกราฟนเปนการเปรยบเทยบระหวางชพจรทวดไดจากการออกก าลงกายโดยมโปรแกรมและไมมโปรแกรมในการออกก าลงกายรปแบบ Aerobic ซงเหนไดชดวา ในกรณทผออกก าลงกายพยายามควบคมชพจรเอง ชพจรจะอยทชวงครงลางของชวงชพจรเปาหมาย เพราะผออกก าลงกายจะกลววาชพจรจะขนสงเกนไป ในขณะทเมอออกก าลงกายตามโปรแกรมแลว ชพจรโดยรวมจะมากกวา สงผลใหเผาผลาญพลงงานไดมากกวาโดยทยงสามารถคมชพจรใหอยในชวงทตองการได
สรปผล
จากการทดลอง พบวา Neural Network Predictive Model ทไดออกแบบและพฒนาสามารถจ าลองการเปลยนแปลงชพจรไดอยางแมนย า และสามารถท านายคาของชพจรใน 10 วนาทถดไปไดอยางคอนขางแมนย า (ความคลาดเคลอนเฉลย 2.787897843) ซงเปนสวนประกอบส าคญทท าใหระบบ Feedback Control สามารถควบคมชพจรใหอยใน Range ทตองการได ท าใหผออกก าลงกายสามารถออกก าลงกายไดตามทตองการและมความปลอดภย
~ 37 ~
กตตกรรมประกาศ
ผพฒนาโครงงานขอขอบคณบคคลเหลานทชวยเสนอเปนผทดลองระบบ และชวยใหการพฒนาโปรแกรมมความถกตองสมบรณ: นายพรพล เหมาะเหมง, ดร. ขวญกมล หนองพงษ, นายพาวฒ สถตสขเสนาะ, ดร. จรายส ภมนตร, ดร. ธตพงศ ตนประเสรฐ, ดร. จฬารตน ตนประเสรฐ, ดร. สรพนธ เมฆนาวน, พ.ญ. สชาดา ตนประเสรฐ ขอขอบคณ พ.ญ. สชาดา ตนประเสรฐ แพทยผเชยวชาญดานเวชศาสตรฟนฟ โรงพยาบาลทหารผานศก ทใหค าปรกษาในดานความเหมาะสมและความจ าเปนของโครงงาน
บรรณานกรม 1. Stefano Scalzi, Patrizio Tomei, and Critiano Maria Verrelli. Nonlinear Control Techniques for the Heart
Rate Regulation in Treadmill Exercises. IEEE Transaction on Biomedical Engineering, Vol. 59, No.3 March 2012.
2. Jose A. Bragada, Pedro P. Magalhaes, Catarina S. Vasques, Tiago M. Barbosa and Vitor P. Lopes. Net Heart Rate to Prescribe Physical Activity in Middle-Aged to Older Active Adults. Journal of Sports Science and Medicine 8, 2009.
3. Keytel, L. R., J. H. Goedecke, T. D. Noakes, H. Hiiloskorpi, R. Laukkanen, L. van der Merwe, E. V. Lambert. Prediction of Energy Expenditure from Heart Rate Monitoring During Submaximal Exercise. Journal of Sport Sciences, March 1st, 2005.
4. Arie Rotstein, Yoav Meckel. Estimation of %VO2 Reserve from Heart Rate during Arm Exercise and Running. Eur J Appl Physiol (2000) 83: 545-550.
5. Landau, I. D.; Lozano, R.; M’Saad, M.; Karimi, A. Adaptive Control Algorithms, Analysis, and Applications. Springer London Dordrecht Heidelberg New York. P.1 – 33.
6. Perry, Christopher G.R.; Heigenhauser, George J.F.; Bonen, Arend; Spriet, Lawrence L. (December 2008). High-intensity aerobic interval training increases fat and carbohydrate metabolic capacities in human skeletal muscle. Applied Physiology, Nutrition, and Metabolism. 33 (6): 1112–1123.
7. Gellish, Ronald L.; Goslin, Brian R.; Olson, Ronald E.; McDonald, Audry; Russi, Gary D.; Moudgil, Virinder K. (2007). Longitudinal Modeling of the Relationship between Age and Maximal Heart Rate. Medicine & Science in Sports & Exercise 39 (5): 822–9.
8. Gulati, M.; Shaw, L. J.; Thisted, R. A.; Black, H. R.; Bairey Merz, C. N.; Arnsdorf, M. F. (2010). Heart Rate Response to Exercise Stress Testing in Asymptomatic Women: The St. James Women Take Heart Project. Circulation 122 (2): 130–7.
9. Levine, B.D. VO2max: what do we know, and what do we still need to know. Institute for Exercise and Environmental Medicine, Presbyterian Hospital of Dallas, TX 75231. The Journal of Physiology, 2008 Jan 1;586(1):25-34. Epub 2007 Nov 15.
10. Vehrs, P., Ph.D. (2011). Physical activity guidelines. In Physiology of exercise: An incremental approach. (pp. 351-393). Provo, UT: BYU Academic Publishing.
~ 38 ~
ประวตและผลงานวจยดเดนของผพฒนา 1.น.ส. ฐตารย ตนประเสรฐ
ปจจบนศกษาอยชนมธยมศกษาปท 5 สายวทยาศาสตร-คณตศาสตร ในโครงการพเศษภาคภาษาองกฤษ (English Program) โรงเรยนสามเสนวทยาลย
นกเรยนในโครงการ สอวน. สาขา คอมพวเตอร และไดรบเหรยญทองแดงในการแขงขนคอมพวเตอรโอลมปกวชาการระดบชาต
2.ด.ญ. ธราพร ตนประเสรฐ
ปจจบนศกษาอยชนมธยมศกษาปท 3 ในโครงการพเศษภาคภาษาองกฤษ (English Program) โรงเรยนสามเสนวทยาลย
~ 39 ~
ประวตของอาจารยทปรกษา 1. อ. (นางสาว) จตสภค ตนตเกษตรกจ อาจารยประจ า English Program โรงเรยนสามเสนวทยาลย 132/11 ถนนพระราม 6 แขวงสามเสนใน เขตพญาไท กรงเทพมหานคร 10400 โทรศพท 02-279-1992, 02-279-2429, 02-279-2638 อเมล [email protected] ลายเซนต ................................................................ ประวต การศกษา ปรญญาตร สาขานาฎศาสตร คณะอกษาศาสตร มหาวทยาลยศลปกร พ.ศ. 2550 ปรญญาโท สาขาศลปการละคร คณะอกษรศาสตร จฬาลงกรณมหาวทยาลย พ.ศ. 2552 ความเชยวชาญ การละคร ศลปการแสดง ปรทศนศลปการละคร วรรณกรรมการละคร 2. ผศ. ดร. ธตพงศ ตนประเสรฐ หวหนาภาควชาวทยาการคอมพวเตอร และผอ านวยการหลกสตรวทยาการคอมพวเตอรระดบปรญญาเอก คณะวทยาศาสตรและเทคโนโลย มหาวทยาลยอสสมชญ 592 ซอยรามค าแหง 24 แขวงหวหมาก เขตบางกะป กรงเทพมหานคร 10240 โทรศพท 02-300-4543..53 ตอ 3680 โทรสาร 02-719-1639 อเมล [email protected] ลายเซนต ................................................................ ประวต
ACADEMIC RANK : Assistant Professor (since July 17, 2001)
EDUCATION Doctor of Philosophy (Computer Engineering), May 1993
University of Louisiana at Lafayette, U.S.A
Master of Science in Computer Engineering, December 1989
University of Louisiana at Lafayette, U.S.A
Bachelor of Engineering (Electrical Engineering), 1987
Chulalongkorn University, Bangkok, THAILAND
WORK EXPERIENCES
Head of the Department of Computer Science, Faculty of Science and Technology, Assumption
University, THAILAND, June 2009 - present.
Director of the Doctor of Philosophy Program in Computer Science, and Director of Parallel
and Distributed Computing Research Laboratory, Faculty of Science and Technology,
Assumption University, THAILAND, June 2001 - present.
Head of the Department of Computer Science, Faculty of Science and Technology, Assumption
University, THAILAND, June 2001 – June 2004.
~ 40 ~
Head of the Department of Computer Science and Director of the Master Degree Program in
Computer Science, Faculty of Science and Technology, Assumption University, THAILAND,
June 1994 – May 2001.
Deputy Director of Assumption University Center for Systems Development, Assumption
University, THAILAND, June 1994 - March 1995.
Assistant professor, The Center for Advanced Computer Studies, University of Southwestern
Louisiana (University of Louisiana at Lafayette), USA, June-July 1993.
Part-time instructor, Department of Computer Science, University of Southwestern Louisiana
(University of Louisiana at Lafayette), USA, June-July 1992
Laboratory Assistant, Research Laboratory, The Center for Advanced Computer Studies,
University of Southwestern Louisiana (University of Louisiana at Lafayette), USA, January 1991
- May 1993.
Research Assistant, The Center for Advanced Computer Studies, University of Southwestern
Louisiana (University of Louisiana at Lafayette), USA, January - May 1990.
FIELDS OF RESEARCH
Computational Intelligence, particularly the learning algorithms and application aspects of neural
network computation
Distributed and Parallel Computing, Programming, and Architecture
VLSI Design Automation