基于STM32F103的智能轮椅辅助装置的设计

针对老年人乘坐轮椅时存在的包括轮椅遗失、轮椅被盗以及轮椅跌倒后无人救助的问题,设计了基于STM32F103的智能轮椅辅助装置.装置分为轮椅载体部分和穿戴部分.载体部分安装有GPS、GPRS模块及姿态检测模块,穿戴部分安装心率传感模块,两部分通过一对蓝牙进行短距离通讯,数据通过GPRS模块上传至云服务器.同时设计了手机应用及PC端后台.该系统通过物联网的信息交互实现了对此问题的解决.     

基于腕势控制的智能轮椅无障碍人机交互系统

将人机交互与智能轮椅结合,设计了一种智能轮椅人机交互系统.自行开发了一种腕部控制器,采用模糊推理方法实时检测腕部的弯曲变化,通过腕部的弯曲变化对智能轮椅的运动状态(前进、后退、左转、右转、停止)进行控制,实现了基于腕势控制的智能轮椅无障碍人机交互,实验结果表明基于腕势控制的智能轮椅运动更稳定.     

一种基于POMDP用户意图建模的智能轮椅导航控制方法

通过部分可观测马尔可夫决策过程(POMDP)模型对用户意图进行建模,提出了一种基于POMDP用户意图建模的智能轮椅导航控制方法.该方法考虑了动作的不确定性和状态的部分可观测性,对用户意图、智能轮椅导航控制的动作空间进行建模,通过状态预测进而选择行为的最优规划,实现用户期望总值的最大化.首先介绍了POMDP的原理及模型,然后提出了基于POMDP用户意图的智能轮椅控制状态空间、动作空间、观察值集合、奖赏值和概率分布,进而提出了一种基于概率密度函数的用户意图求解方法.最后,对基于POMDP用户意图建模的智能轮椅导航控制进行了试验,并对试验结果进行了分析,从而验证了所提方法的实时性和有效性.     

基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

基于ROS的智能轮椅室内导航

针对传统的智能轮椅都是依靠开发者单独设计的控制系统及软件框架,在功能模块上不同产品之间的通用性极其不好的问题,提出一种基于机器人操作系统(robot operating system,ROS)的智能轮椅导航方法.由于激光传感器在测距上准确率较高,该方案采用激光测距仪作为主要传感器,并运用基于扩展卡尔曼滤波器同时定位与地图创建方法进行建图.设计了基于ROS的导航软件系统,将其分为底层运动控制和上层导航功能模块两部分,通过Ad-hoc网络连接,以server/client的方式完成控制.配置了基于ROS的语音功能包,可完成语音自主导航等功能.通过多次实验证明,该方案能构建与实际环境一致的地图,并能成功地完成智能轮椅的语音导航任务.     

模糊神经网络在智能轮椅避障中的应用

针对传统的基于模糊逻辑的智能轮椅避障方法参数选取依赖设计者经验的问题,提出了一种能够自主学习的模糊神经网络智能轮椅避障控制算法.该算法结合模糊逻辑和神经网络各自的优点,并采用状态控制变量记录全向轮椅的运动状态,解决使用者期望目标方向和轮椅避障方向的选择问题,优化了避障路径,更好地满足用户对智能轮椅的舒适性需求.仿真和实物实验证明:该算法提高了避障的智能性和使用者的乘用舒适性,适用于智能轮椅的避障控制.     

动态环境下智能轮椅的路径规划与导航

针对智能轮椅应用的动态环境,提出了一种自主规划和导航算法.采用分层递阶体系结构,设计了基于地图匹配的自定位方法,将路径全局预规划和在线重规划相结合,获得动态环境下导航的次优路径,并且设计了基于局部观测地图的行为控制与行为选择算法.智能轮椅样机的实验结果表明,所提出的方法在动态环境下具有较好的路径优化特性和安全性.     

采用Emotiv感知的智能轮椅运动控制的研究

采用Emotiv传感器设计了一种基于运动想象的智能轮椅控制系统。该系统利用独立分量分析算法对脑电信号进行去噪与特征提取,并用反向传播（back propagation, BP）神经网络将提取的特征分类为想象左右手、迈腿动作与平静状态。最终,设计出4个控制指令（左转、右转、前进和停止）实现对智能轮椅的实时控制。实验结果表明,该控制系统有较好的可行性和稳定性,为脑电信号控制在智能轮椅中的实际应用奠定了基础。     

基于DBN的sEMG智能轮椅人机交互系统

设计了基于表面肌电信号的智能轮椅人机交互系统,首先通过CyberLink肌电传感器,对面部运动信号进行采集与分析处理,采用了深度信任网络(deep belief network,DBN)算法对肌电信号进行分类,进而用于智能轮椅的运动控制.实验表明:与支持向量机相比,用深度信任网络训练肌电信号,能有效地处理大量的肌电样本信号,并得到最高可达95.25%的识别率,提高了肌电信号的识别率、有效降低了对大量数据的处理时间、增强了智能轮椅响应的实时性.     

基于SEMG控制的智能轮椅无障碍人机交互系统

设计了一个基于表面肌电信号控制的智能轮椅无障碍人机接口,通过使用CyberLink装置,对前额肌电信号进行获取、分析,利用AR模型对其进行特征提取,并采用贝叶斯正则化与Levenberg-Marquardt算法相结合的改进1BP神经网络对面部运动模式进行识别,进而控制智能轮椅简单运动.实验结果表明:该方法操作简便,识别...     

一种新的语音端点检测方法及在智能轮椅人机交互中的应用

针对语音端点检测在一般噪音环境下易受影响,且能降低智能轮椅的语音识别率,提出了短时能量与倒谱距离相结合的语音端点检测方法.实验表明,该方法能提高整个语音识别系统的鲁棒性,通过语音识别控制轮椅的5个基本动作(前进、后退、左转、右转、停止)实现了智能轮椅运动的语音控制.     

一种多功能电液动轮椅的设计

目前国内轮椅市场上的轮椅多为人力后轮驱动,其缺点是机动性差、劳动强度大、舒适性差等,而部分电动轮椅多为进口产品,价格昂贵。为此,设计了一种多功能电液动轮椅,该轮椅主要由电机驱动系统、座椅高度液压调整系统、轮椅靠背调整装置等组成,可以实现速度控制、轮椅高度及轮椅靠背倾斜角度的调整,其控制方法简单、结构紧凑,与进口电动轮椅相比价格低廉,应用前景广阔。     

用眼睛指挥的智能轮椅

智能轮椅研究计划开始于美国威尔斯利学院，后来转移到麻省理工学院的智能实验室进行。 这种智能轮椅（威尔斯利）配备有计算机和传感器的电子轮椅，还装有一个麦金托什的强力笔记本电脑用来做用户界面转换。它在室内可以自己行动，用户发出一般的方向命令，它就会进行一般的低级行动，例如避开障碍物和沿着墙行进。 这个高级智能轮椅允许用户通过３种方式来进行控制：菜单、摇杆和用户界面。在菜单模式下，它的运作类似于一般的电子轮椅。在摇杆模式下，当行进途中遇到障碍物时，用户通过摇杆发出方向命令来避开障碍。在用户界面模式下，用…     

基于手势跟踪的智能轮椅控制系统

针对智能轮椅运动控制的特点,提出并实现一个基于手势跟踪的智能轮椅控制系统.基于皮肤颜色模型和手势轮廓特征进行手势的检测和分割,将分割出的手势作为跟踪的初始化窗口,采用Camshift算法实现手势的自动跟踪,并用Kalman滤波预测下一时刻的手心位置,结合手心位置和手势的几何特征识别出不同的控制指令.实验证明,该方法能实...     

一种肩颈部肌电信号识别的智能轮椅控制方法

为了实现利用肌电信号识别的智能轮椅系统控制,提出一种基于空域相关滤波的小波熵和近似熵特征提取与分类方法.通过分布在人体肩颈部的电极采集动作并产生多通道表面肌电信号,采用阈值比较与移动平均的数据分段方法确定活动段的起点和终点,在小波变换尺度间相关滤波的基础上提取活动段数据的小波熵和近似熵特征,设计具有二叉树结构的孪生支持向量机多类分类器,以完成5种动作模式的识别,并在预设的实验轨迹上对智能轮椅进行测试.结果表明,所提出的方法在人体头部左、右转以及双肩上提和左、右肩上提等动作模式下对肌电信号的识别率均达到88.75%.     

具有拟人跨步的助步轮椅重心检测

具有拟人跨步的助步轮椅是一种基于仿生学的多功能电动助步轮椅.该轮椅在行走模式时,人和助步轮椅的合重心关系到轮椅步行时的稳定性,是助步轮椅步态控制的依据.提出一种具有拟人跨步的助步轮椅重心点检测系统,并对其进行数学建模,推导传感器的输出值和重心点的相互关系,设计具有双层结构的重心检测机构、重心检测系统信号处理电路和基于数字信号处理（digital signal processing,DSP）的数据采集系统.最后,对重心检测平台所测得的试验数据进行分析,得到整个系统的重复精度和系统误差,并对误差产生的原因进行分析.     

对我国轮椅乒乓球运动员形态指标的检测及个性化轮椅的结构设计

轮椅残疾人乒乓球运动员由于残疾的程度不同,其形态指标的变化范围很大.在个性化的轮椅尺寸中,靠背高度变化范围为最大;座位宽度、脚踏长度的变化范围为其次;而扶手的长度与高度变化范围较小.在轮椅个性化设计中,要考虑运动功能、以及实用与美观等方面的问题.     

多模态交互智能轮椅控制系统的研究

多模态交互智能轮椅是在现有的摇杆电动轮椅基础上,新增触摸屏和语音控制方式,提高了轮椅的控制便捷性和智能性。整个系统采用模块化思想,将驱动电路、主控电路和保护电路进行有机结合,对轮椅电机驱动器进行设计和改进,实现了轮椅调速和变向功能。交互系统采用双主控芯片,触屏交互采用STM32F103ZET6主控芯片,在移植μC/OS-Ⅲ实时操作系统和emWin图形界面库的基础上进行交互界面设计,并以4.3寸电容屏为显示和触摸终端。语音交互采用LD3320模块,通过串口与STM32F103ZET6通信。摇杆控制模块通过与驱动器主控相连接完成交互。电机驱动器以STM32F103RCT6为主控,主要任务是摇杆ADC的采集、电机调速PWM的产生和电机电流的检测。两个主控之间通过串口通信,经验证,系统显示界面友好、性能可靠、运行稳定且实时性好。     

基于视觉的电动轮椅自动跟随控制系统

为解放轮椅用户和陪护人员的双手,设计了一种控制电动轮椅跟随目标人物移动的系统.首先,基于深度彩色相机的视觉跟踪系统,利用tracking-learning-detection(TLD)视觉跟踪算法跟踪彩色图像中的目标人物区域,结合深度图像计算得到目标人物在相机坐标系下的三维位置;然后,跟随控制器根据该空间位置控制电动轮椅的线速度与角速度,使轮椅与目标人物保持设定的距离和相对方位.试验结果表明:该系统能够有效控制电动轮椅跟随目标人物移动,用户使用测试初步证实了系统的实用性.     

混合Adaboost算法与Kalman滤波的头势人机交互

在基于头势的智能轮椅的人机交互中,头势识别是人机交互的重要研究内容。提出一种新的用于控制智能轮椅的头势识别方法,通过Kalman滤波器预测由Adaboost算法检测到的唇部窗口在下一帧图像可能出现的位置,进行下一帧图像的唇部检测,进而通过唇部窗口的位置与整个检测窗口中一个固定的矩形窗口进行比较确定头势。Kalman滤波器的使用克服了单纯使用Adaboost检测算法检测每一帧待检测窗口时将整个窗口的所有的位置都要搜索的问题,提高了唇部检测时间及检测精度,使智能轮椅在被头势控制过程中运动连续、正确。