基于MEMS加速度传感器的倾角仪设计方法

提出了一种基于MEMS加速度传感器的高精度倾角测量方法,其基本思想是只需对低灵敏度加速度传感器的输出信号进行A/D采样,获得相应的数字信号,再用单片机处理该数字信号,就可实现对待测系统的仰角和倾角的高精度测量.该方法可实现(±180°范围内的倾角值测量,且当待测系统旋转时也可进行实时测量,故可用于飞机、导弹等飞行器的实时姿态测量.     

基于ARM的数据手套及其手语识别系统的设计与实现

文章介绍了以ARM9芯片S3C2440为平台的数据手套及其手语识别系统的设计与实现．首先给出了利用弯曲传感器和三轴加速传感器组成的数据手套的整体架构设计;其次,描述了采用FLX-03传感器的手指弯曲度模块、采用ADXL345传感器的手部动作模块、USB通讯模块的实现以及与Mini2440开发板的连接方法;最后,给出了基于该数据手套的一个手语识别系统,该系统界面友好,功能实用、扩展性强、手语识别效率高,可添加更多的手势语,能很好地识别简单的手语．     

一种电子罗盘的电路设计

利用磁阻传感器和加速度传感器设计了测定姿态角的电子罗盘,给出了电子罗盘的硬件设计和软件流程,电路具体准确.根据其构成的主要器件,分析了影响电子罗盘测量精度的误差来源,并采用基于最小二乘法位置罗差补偿法做了校正.     

基于惯性传感器与模拟传感器的据枪数据捕捉系统设计

为了实现对作训人员射击训练数据的实时捕捉,提高作训人员射击训练效果,设计实现了一种基于惯性传感器与模拟传感器的据枪数据捕捉系统。对数据捕捉系统的原理、组成以及数据处理进行了研究,采用四元数的方法实现了对姿态数据的融合与解算。通过系统下位机将捕捉到的动作数据进行采集并通过无线通信将数据传输至上位机进行实时显示。实验表明,该系统能够实时捕捉当前作训人员的据枪射击数据,数据准确、直观,使用价值高,取得了良好效果,大幅度提升了训练效率。     

一种用于手语识别的新型数据手套

介绍一种新型的用于手语识别的数据手套,这种数据手套与当今广泛应用的CyberGlove型号的数据手套相比,增加了新型的接触传感器,有效地利用了汉语手语中大量的接触信息,具有价格便宜、更适合中国手语的特点和识别精确度高等优点,将之种数据手套应用于新型汉语手语识别系统,与视觉部分相结合,可以更准确地识别汉语手语词汇。     

MEMS加速传感器

“加速度传感器”,或称“运动传感器”,虽然是只有几毫米大的小方块,却能够精确地检测出物体的移动或倾斜等三维运动状态。现在已经被广泛应用于游戏机、手机、汽车等日常生活用品中。这种能够检测出物体运动状态的小芯片采用的是何种技术呢？     

基于磁阻传感器的带倾斜补偿的电子罗盘的研制

研制了一种采用磁阻传感器和三轴加速度传感器的具有倾斜补偿功能的电子罗盘. 介绍了电子罗盘的测量原理、系统设计和软件流程,并对电子罗盘的误差进行了分析. 该系统性价比高,可用于普通导航领域.     

基于数据手套和神经网络的数字手势识别方法

针对使用数据手套进行数字手势识别时存在个体差异的问题,使用弯曲电阻片设计了数据手套并提出了基于神经网络的数字手势识别方法.首先,在分析测量电路原理的基础上结合弯曲电阻片的特性优选了电路参数,使手指弯曲角度测量的灵敏度最大化.其次,针对用户在手指长度、手势习惯上存在个体差异的情况,提出了一种基于弯曲信号自学习和广义回归神经网络(GRNN)的数字手势识别方法.数据手套信号测试及数字手势试验结果表明,采用优选的电路参数时测量电路的输出振幅最大;在全体评估试验和个体交叉评估试验中,经过自学习预处理后的数字手势识别平均准确率分别为99.2%和96.1%,与未进行自学习处理的识别结果相比分别提高了2.8%和10.7%.在全体评估试验和个体交叉评估试验中,GRNN的识别结果均优于决策树的识别结果.     

基于数据融合的组合结构电流传感器研究

文章提出了一种基于数据融合的印刷电路板(Printed circuit board,PCB)空心线圈和LPCT的组合结构电流传感器。该结构具有并联的特点,从而达到改善系统测量精度的目的。同时由于采用了并联闭环结构,可大大提高系统的稳定性和可靠性。     

基于磁阻传感器的车流量检测系统的设计与应用

为了缓解城市交通拥堵、提高道路通行能力,设计了一个基于磁阻传感器的车流量检测系统,磁阻传感器能将车辆引起的地磁扰动转换为清晰的电压信号输出.该系统包含了信号放大模块、无线通信模块、A/D转换模块、传感器置位/复位模块等,多个地磁传感器节点通过无线通信模块与计算机系统相连,将检测到的车流信息反馈到上位机,从而实现对整个路口车流的检测.采用改进后的多中间状态机算法,有效避免由于干扰造成的误判.实验表明:该系统具有较高的检测精度,能够实时、准确检测车流量信息.     

基于数据手套的增强现实计算机导论实验教学环境研究

计算机导论的实验教学是该课程的重点和难点。本文引入数据手套构建增强现实的计算机导论实验教学环境,首先分析了基于数据手套的增强现实人机交互方式,接着设计了一个增强现实的计算机导论实验教学交互系统原型,最后通过实验对系统进行了分析。研究表明,该方法对提高学生的学习兴趣和实验创新能力起到了积极作用,改善了计算机导论实验课程的教学效果。     

磁阻传感器及其在飞行体姿态测试中的应用

介绍一种新型高灵敏度磁阻传感器的工作原理和使用方法,并用该传感器对飞行体的姿态进行了测量.根据线圈切割地磁场磁力线产生感应电动势的原理,通过理论推导得出飞行体姿态测试的计算方法,设计了一种基于磁阻传感器的姿态测量系统,并对其实验数据进行了分析和处理.     

基于最小二乘法MEMS惯性传感器姿态解算算法

针对MEMS惯性传感器在测量时出现误差不稳定和外界磁场变化所造成的姿态角误差较大问题,提出一种基于最小二乘法MEMS惯性传感器姿态解算算法.采用静态六位置法对三轴加速度计标定,对三轴加速度计建立误差模型,利用最小二乘法确定误差参数.根据欧拉角法中倾斜角和航向角分开求解特点,减小磁场变化干扰,再对欧拉角中存在的奇异值问题进行改进,分为一般姿态值和奇异值状态姿态值两种滤波模式.实验结果证明,通过对三轴加速计的标定补偿和欧拉角的奇异值问题改进后得到的姿态角精度高,并且在遇到磁场变化时稳定性优于四元数法,不会出现奇异值.     

基于MEMS六轴传感器的上肢运动识别系统

设计并实现了一种基于MEMS六轴传感器的上肢运动识别系统.该系统通过1个MEMS六轴传感器对用户上肢运动的三维加速度和三维角速度进行实时采集并使用蓝牙发送到计算机中.通过计算机将采集到的数据进行加速度分解、滤波、周期判别、标准化等处理后,与特征数据库中的数据进行相关性分析,从而实现对特定动作的识别,并可对重复动作进行计数.以对哑铃动作采集数据为例,验证了该系统的有效性.     

基于气动人工肌肉力反馈数据手套的柔性物体力觉再现

为了模拟抓取虚拟环境中柔性物体的力觉感知,该文对以气动人工肌肉作为驱动器的外骨架力反馈数据手套进行了研究.利用气动人工肌肉的等压特性,建立了柔性物体模拟的数学模型,通过改变气动人工肌肉的充气压力改变其刚度系数,实现对不同柔性物体的模拟.实验结果表明:在相同的手指弯曲角度下,手指的受力随着气动人工肌肉充气压力的增大而增大,因而能够模拟抓取虚拟环境中柔性物体的力觉感知.     

基于双姿态传感器的关节运动角度测量方法

针对单自由度关节运动角度测量精度制约于传感器安装姿态的问题,文章以肘关节相对运动角度为测量对象,提出了一种基于双姿态传感器的关节运动角度测量方法.通过欧拉角法建立相应的数学模型,详细阐述了运用双姿态传感器对关节运动角度进行测量的测量原理;并通过静态验证实验与动态对比实验对该测量方法进行了验证.实验结果表明:采用该方法对...     

适用于力反馈数据手套的被动力觉驱动器

为了克服目前力反馈数据手套存在的安全性差、力再现范围小等不足,提出了一种磁流变液被动力觉驱动器实现方法.利用液体智能材料磁流变液在磁场作用下毫秒级时间内能连续、可逆地由牛顿流体状态转变为类似固体状态的特殊性能,设计了一种被动力觉驱动器;介绍了该驱动器的结构和实现原理,利用电磁场有限元分析方法分析了驱动器的电磁特性,在此基础上建立了驱动器的动力学模型,讨论了输出力的动态范围并进行初步实验验证.最后利用研制的驱动器原型构建了单手指力反馈数据手套并进行了初步实验.实验结果证明,基于磁流变液的被动力觉驱动器利用流体传递力,增加了输出力的稳定性,多旋转片结构使输出力增大2倍,并具有安全性好、力再现范围大等优点.     

基于形状记忆合金丝的柔性康复手套设计

针对康复手套穿戴舒适度低、整体结构复杂等问题,研究一种基于形状记忆合金丝驱动的柔性可穿戴康复手套.根据人手生物结构和运动范围分析,设计贴合人手的可穿戴康复手套,并对形状记忆合金驱动器的收缩性能进行动力学和热力学分析.搭建康复手套试验平台,进行连续被动和镜像康复训练试验,结果表明基于形状记忆合金的柔性康复手套可实现手部伸展拉伸等康复训练,验证了该康复手套设计的有效性.     

基于MEMS传感器的助老型机构人体姿态识别方法

研究一种基于MEMS传感器的助老型机构人体姿态识别方法,通过对老人的坐起、卧起、走路、上下楼梯五个动作识别,验证该识别方法的有效性.将7个传感器模块置于老人的腰部、大腿、胳膊等部位,采用坐标变换的方法,将采集到的相关部位四元数信息转化到腰部坐标系下,并组建标准矩阵,提取标准矩阵的均值、方差等特征值,通过基于阈值的两层识别算法快速判断动作类型,并采用支持向量机融合多种特征值作对比实验.实验表明,使用融合后的特征,平均识别率提高了18.4％.本研究完成了老人日常生活中五个动作的识别.