人体步态数据测量系统的设计与实现

下肢外骨骼机器人和下肢康复机器人是当前的研究热点,人体运动的步态数据对其完成步态识别与控制有重要意义.为了获取人体行走过程中的步态信息,本文设计并实现了一套测量足底压力与关节角度数据的数据采集系统.该系统包含微处理器、足底压力传感器、角度传感器、信号调理模块以及数据存储模块,能实现步态数据的自动解算、采集和存储.利用该系统成功采集了不同实验对象在不同速率下足底压力数据和关节的角度数据,结果显示出一定的步态特性,为进一步的步态分析与识别提供参考.     

基于机器学习的人体步态检测智能识别算法研究

为实现快速步态状态判断,以更好地对下肢外骨骼进行高精度的步态识别和控制,进行了基于可穿戴惯性测量装置检测人体姿态变化的算法研究。通过对人体下肢的跌倒、转弯、蹲坐与起立等非周期性步态变化活动进行测算试验,获得了受试者实验过程中身体角度、下肢关节角速度和加速度变化等数据,随后应用随机森林等4种机器学习经典分类算法对受试者进行了活动识别对比分析,结果表明,决策树监督学习算法相对于其他算法,能够快速、准确地检测并判断出人体非周期性变化中的多种活动状态,历次识别精度均可达到99%以上,为可穿戴智能装备的开发与应用提供理论基础。     

基于压力和惯性传感器的步态分析验证研究

由于加速度传感器、气压传感器等智能传感器可用于辅助医疗环境中的特点,提出一种基于智能鞋垫的新型医疗辅助和步态分析系统和计步算法。该算法将脚步区域分为2部分,利用压力传感器提取到初始接触和最终离地的时间点,从而得到相关的时间参数和行走步数,同时该系统支持同步采集数据,对其加速度值进行双重积分得到步长。为了验证系统可靠性和准确性,要求实验者穿上压力鞋垫并在智能走垫进行3种步行方式(快、慢、正常行走),并将两个系统结果数据进行对比,同时将标记步数与步态分析系统结果对比。结果表明,站立时间和步时间的平均值相同,摆动时间最大差值在0.07s,这表明两个系统在主要时间参数计算上没有显著差异,计步结果也有较高的准确度,为发展智能医疗辅助系统提供了潜在的可能性。     

基于在线地磁指纹的航迹校准算法

设计一个行人航迹推断定位系统(PDR),该系统包括鞋载可穿戴MEMS惯性传感器模块、蓝牙通信模块、和用于执行校准算法的智能手机端.鞋载惯性导航模块利用位置估算、零速修正和步伐检测等算法获取消防人员位置估计,并通过低功耗蓝牙通信模块将消防员位置估计传到智能手机.在手机端,利用智能手机自带地磁传感器及加速度传感器提取姿态无关的三维地磁指纹,根据姿态无关三维地磁指纹生成正、反向地磁轨迹,将消防员位置估计与地磁轨迹相关联,再通过DTW子序列算法实现地磁轨迹精准匹配,实现消防员航迹校准,从而有效解决惯性导航中累计误差无法消除的难题,最终实现消防员室内复杂场景精确定位.大量测试实验表明,该系统在办公室和超市两种典型应急消防救援场景分别可获得80％绝对误差1.4～2m以内.     

MEMS航姿系统振动环境适应性研究

针对MEMS(微机械)航姿系统的性能受振动环境的影响,提出了MEMS航姿系统减振设计方案。根据MEMS航姿系统的工作原理,分析了振动环境对MEMS航姿系统的性能影响;基于被动减振设计的原理,设计了航姿系统减振结构,基于振动环境中MEMS惯性传感器的数据特征,设计了一种自适应变步长平滑滤波器用于平滑振动加速度,应用平滑后的加速度信息与MEMS陀螺测得的角速度信息进行融合,实现了振动环境下的姿态解算。MEMS航姿系统的振动环境试验验证了论文提出的减振方案与振动环境下数据处理算法的有效性。     

基于LabVIEW的塔机起重臂摆动检测及分析

根据塔式起重机的结构特点,其起重臂的运动控制具有大惯性等特征,同时因其在运动过程中受风阻力、塔身应力等因素干扰,故其控制系统是一个非常复杂的非线性控制系统.本文基于LabVIEW平台,结合加速度传感器,设计了塔机起重臂回转摆动检测系统,并进行了数据采集和分析.     

基于自适应峰值检测的PDR算法研究

针对传统的行人航迹推算（PDR）算法只能用于正常行走的单一状态，难以满足实际应用需求，提出了一种基于自适应峰值检测的改进PDR算法。该算法将行人运动模式分为行走和跑步两种状态，充分考虑行人运动过程中加速度峰值和运动状态的关系，通过实验获得不同运动状态下的加速度峰值，从而设置动态阈值，实现不同状态下的计步检测和步长估计。将改进的PDR算法应用于行人定位，利用微惯性测量单元（IMU）获取的行人的运动数据，使用改进的峰值检测法对行人进行计步检测和状态识别，根据行人的运动状态采用自适应步长估计公式对步长进行估计，最后结合计算的航向得到行人的位置信息。实验结果表明，改进PDR算法具有良好的鲁棒性和较高的步态识别率，相比于传统的PDR算法，闭环误差降低了142%，有效提高了行人定位结果的精度。     

MEMS传感器数据漂移抑制技术研究

针对惯性测量系统中MEMS加速度传感器存在信号漂移而导致测量误差的问题,采用时间序列的分析方法,对MEMS加速度传感器测量的数据进行分析。将MEMS加速度传感器测量的数据通过DSP读取后,通过ADF准则进行平稳性检验,传感器数据满足平稳时间序列条件。根据传感器数据的自相关函数与偏自相关函数特征,判断出序列满足AR(p)模型。通过AIC准则进行随机性检验,同时进行时间序列模型识别与参数估计,传感器数据在使用AR(1)模型进行建模时达到最优。建立MEMS加速度传感器信号漂移AR(1)模型,并依据模型设计卡尔曼滤波器。结果表明,在滤波前加速度传感器零偏稳定性为0.3032mg,卡尔曼滤波后的加速度传感器零偏稳定性为0.0247mg,测量稳定性能有效提高,并且运算阶数较低,能很好的应用于嵌入式系统。     

采用惯性传感器的输电导线舞动监测系统

为避免导线舞动扭转导致计算出的相对位移与实际运动偏差,设计了基于惯性传感器的导线舞动监测系统,对系统中的导线舞动无线监测传感器、导线舞动状态监测装置(CMD)、状态监测代理(CMA)等部分进行了硬件设计和舞动定位算法设计。利用惯性传感器设计,既考虑了导线自激振荡引起的舞动,也考虑了导线扭转运动引起的舞动。搭建了模拟导线舞动的测试平台,对系统可行性进行了测试,并对采用加速度传感器和惯性传感器2种方法进行比较,通过模拟实验结果表明:系统可有效对舞动进行监测,仅采用加速度传感器测量和计算的位移偏大,而利用惯性传感器测量和计算的位移更精确。此系统已在贵州电网山麻I回220 kV线路安装,目前运行良好。     

一种直流电机的加速度控制研究

提出了一种基于卡尔曼滤波器和状态观测器的加速度估计方法,卡尔曼滤波器估计出最优的速度信号,状态观测器根据速度信号和电流传感器得到的电流信号获取准确的加速度信号。直流电机采用位置、速度和加速度三环控制方式,实验结果表明:该法有效地提高了直流电机的速度控制稳定度。