基于FSR的可穿戴式足底压力检测系统

足底压力信息的研究对人体健康状况评估和某些疾病预测具有重要意义。提出了一种可穿戴式足底压力检测系统的实现方法。该方法充分考虑了穿戴式检测工具的方便灵活和低功耗要求,采用薄片式力敏电阻器(FSR)和低功耗微小器件,将整套系统集成于鞋垫中,体积小巧,功能实用。实验结果表明:介绍的系统可以实时采集足底压力信号并在计算机上显示压力波形,系统有较好的灵敏度、准确性和可穿戴性,低功耗运行,满足足底压力检测和人体步态分析等实际需要。     

下肢外骨骼机器人足底压力感知系统设计研究

针对下肢外骨骼机器人控制的实时采集和监测足底压力信号的需求,研制了一款下肢外骨骼机器人足底压力感知系统。该系统以TMS320F2812为核心控制芯片,构建A/D采样外围电路,通过该电路实现模拟压力信号到数字信号的转换。基于MAX3232芯片,设计了RS-232通信接口电路;基于LabVIEW14.0开发了足底压力信息实时监测界面,将得到的压力数字量信息通过RS-232串行接口电路传递给上位机软件监测界面,从而实现对足底压力信息的实时监测。硬件电路连接完成后,对足底压力信息实时监测界面中的串口通信的波特率、数据格式、停止位、奇偶校验位等信息进行配置。配置完成后,运行程序,给足底压力传感器受力区域施加作用力,实时观察上位机监测界面。试验表明,该系统在下肢外骨骼机器人控制中能够实时、准确地采集足底压力信息,并且实时监测足底压力信息的动态响应。     

下肢外骨骼研究进展及关节运动学解算综述

随着传感融合、移动计算、智能驱动等技术的发展以及研究者对人体运动中下肢重要生物力学功能认知的逐步深化,下肢外骨骼机器人作为一种与下肢并联,能为穿戴者行走助力的可穿戴智能设备愈发受到世界各研究机构的重视。本文根据下肢外骨骼的用途和结构详细综述了近年下肢外骨骼的研究进展,并借此对下肢外骨骼的未来发展进行展望。并针对下肢外骨骼在实时运动学检测与控制上对小型传感器的迫切需求,提出一种能够用于控制下肢外骨骼的基于惯性测量单元的人体下肢关节运动学测量与解算技术,在基于惯性测量的单自由度关节角度结算上得到较好结果。     

外骨骼离线参数化上楼梯步态规划

为扩大脊椎损伤患者在外骨骼机器人辅助下的活动范围而不仅仅只是起坐、站立和行走,提出一种离线参数化上楼梯 步态规划算法,该算法基于惯性测量单元检测穿戴者运动意图,基于足底压力传感器计算整个系统的零力矩点（ZMP） 以确 保上楼梯过程的安全性。 该算法根据人体大腿、小腿长度、楼梯高度和宽度等参数规划出关节的最优空间位置轨迹, 然后通 过逆运动学求解关节角度轨迹,该算法可为不同的穿戴者生成适应于不同楼梯尺寸的步态轨迹, 最后 3 名实验者穿戴外骨骼 在楼梯高度 18cm、宽度 26cm 的楼梯上实验,外骨骼按照规划的步态轨迹帮助穿戴者多次完成上楼梯任务,规划的楼梯尺寸 与实际测量的尺寸误差在 2%以内,通过实验验证了该算法的有效性与实用性。     

基于实时意图识别的外骨骼机器人步态切换

根据外骨骼穿戴者的实时运动意图,切换外骨骼机器人的行走步态,是外骨骼机器人研究热点问题之一.针对外骨骼机器人能够根据穿戴者的运动意图控制步态切换问题,提出采集人体表面肌电信号进行解码,通过BP神经网络识别穿戴者的运动意图,实现外骨骼进行步态规划,利用关节角度与足底压力的相关性以及重心轨迹,对所规划的步态的稳定性进行分析,依据不同的运动意图完成步态进行实时切换,验证了基于实时意图识别控制的外骨骼步态切换的可行性.     

外骨骼机器人的人体步态感知系统设计

针对下肢负重外骨骼机器人与其穿戴者运动协调的问题,设计一种人体步态感知系统,对人体下肢关键部位的运动状态采集和预测。用6个MTI—30姿态传感器采集人体下肢的姿态数据;以ARM微处理器STM32F407为计算单元,对采集的步态数据解算、预测和传输;用非线性时间序列分析Takens算法预测人体下肢关键部位的旋转运动。实验结果表明：该系统功能稳定,能准确对人体下肢的步态数据采集和预测,预测结果稳定可靠,为外骨骼控制器提供可靠的参考信息。     

基于改进鲸鱼优化算法的外骨骼机器人步态检测

针对传统的外骨骼机器人步态检测算法中的信息单一化、准确率低、易陷入局部最优等问题，提出基于改进鲸鱼算法优化的支持向量机（IWOA-SVM）的外骨骼机器人步态检测算法，即在鲸鱼优化算法（WOA）中引入遗传算法（GA）的选择、交叉、变异操作，进而去优化支持向量机（SVM）的惩罚因子与核参数，再使用参数优化后的SVM建立分类模型，从而扩大算法的搜索范围，减小算法陷入局部最优的概率。首先，使用混合传感技术采集步态数据，即通过足底压力传感器和膝关节、髋关节角度传感器采集外骨骼机器人的运动数据，并作为步态检测系统的输入；然后，使用门限法对步态相位进行划分并标记标签；最后，将足底压力信号与髋关节、膝关节角度信号融合作为输入，使用IWOA-SVM算法完成对步态的检测。对6个标准测试函数进行仿真实验，并与GA、粒子群优化（PSO）算法、WOA进行比较，数值实验表明，改进鲸鱼优化算法（IWOA）的鲁棒性、寻优精度、收敛速度均优于其他优化算法。通过分析不同穿戴者的步态检测结果发现，准确率可达98.8%，验证了所提算法在新一代外骨骼机器人中的可行性和实用性，并与基于遗传优化算法的支持向量机（GA-SVM）、基于粒子群优化算法的支持向量机（PSO-SVM）、基于鲸鱼优化算法的支持向量机（WOA-SVM）算法进行比较，结果表明，该算法识别准确率分别提高了5.33%、2.70%、1.44%，能够对外骨骼机器人的步态进行有效检测，进而实现外骨骼机器人的精确控制及稳定行走。     

基于事件检测的下肢康复外骨骼服的设计

下肢康复外骨骼能辅助或替代医师完成下肢康复训练,并能帮助患者自立,重新融入社会。设计了一种基于事件检测的下肢康复外骨骼服,所谓事件是指人机接口获得的一些状态序列。基于事件的运动意图检测主要有两个目的:第一,以透明的方式检测穿戴者的运动意图;第二,提高运动意图检测的准确性和容错性。提出的下肢康复外骨骼服包括仿生机械结构、人机接口、控制器、电机驱动子系统和电源子系统。仿生机械结构用于支持骨骼服的重量以及穿用者的身体。电机驱动子系统采用盘式电机带动骨骼服的膝关节和髋关节。人机接口子系统通过传感器和传输网络,运用基于事件的运动意图检测技术感知患者的运动状态和运动意图。控制器采用位置闭环控制。仿真结果表明了系统的可行性和实用效果。     

基于足底压力和关节运动信息的步态检测系统设计

作为老年人高发疾病,脑卒中有着较高的几率造成患者行动障碍。及时检测、获取偏瘫患者行走时步态信息,是治疗师为患者制定康复计划的重要环节。目前,较新的步态检测系统大多采用三维分析,三维步态分析系统体积较大、成本高、操作不便,在患者主动康复训练中存在较大的局限。针对现今步态检测系统的局限,设计了一种结合无线传输技术,检测患者关节运动角度及足底压力的运动信息检测系统。系统采用薄膜压力传感器、惯性传感器分别采集足底压力及关节运动信息,实现了对患者的8路足底压力信息及下肢关节运动角度信息的快速、有效采集。实验表明,系统可以有效采集关节运动角度及足底压力信息,在未来的康复训练中有着很好的应用前景。     

下肢助力外骨骼服传感靴的优化设计

针对目前在下肢助力外骨骼服传感靴的设计中所选用传感器的测量精度较低、稳定性和重复性较差等问题,通过选取两种传感器,制定了两种实验方案进行传感靴的设计,分别对两种传感器的性能、相关参考电路、测试结果等方面进行对比。实验结果表明,使用FlexiForce A201传感器作为传感靴足底传感器的方案在工作中的一致性、稳定性表现更好,更适合应用在下肢助力外骨骼服传感靴中。     

压力传感器在升降式运输车称重系统中的应用

介绍了采用压力传感器来检测货物质量的方法,在阐述了压力传感器检测原理和框架车称重原理之后,根据现场测试数据进行了曲线拟合,并建立了称重的数学模型,提出了称重系统硬件和软件的具体实现方法。试验表明:在测量范围内,检测误差为0.6~0.8 t,符合设计要求。     

动态测量中传感器非线性拟合方法

从坏值概率分析基础上提出了动态测量中传感器数据的坏值剔除方法 ,用可靠的数据代替剔除的坏值 ,为后续的传感器数据处理保证了数据的合理性 ,如传感器的非线性拟合。并通过对动态测量中某霍尔位移传感器位移 -电压数据进行了坏值剔除和三次多项式非线性拟合 ,表明动态测量中传感器数据的非线性处理方法。     

基于遗传优化的BP神经网络法在甲烷检测中的应用

针对传统的最小二乘法拟合红外传感器的输出特性曲线时存在误差大、计算复杂,传统的BP神经网络法拟合红外传感器的输出特性曲线时存在网络收敛速度慢、易陷入局部极小的问题,通过分析改进的最小二乘法和改进的基于遗传优化的BP神经网络法的拟合效果,指出改进的BP神经网络法拟合度较高,并给出了改进的BP神经网络法在甲烷体积分数检测中的实验结果。结果表明,该方法能够拟合出理想的曲线,有效提高了红外传感器的检测精度及响应速度。     

嵌入DeviceNet总线接口的智能差压传感器系统

介绍了一种具有DeviceNet现场总线通信功能的智能差压传感器的设计,探讨了传感器输入输出特性曲线的非线性校正方法。通过内嵌的总线控制器(SJA1000)、报文收发器(82C251)和P89C668单片机等,该传感器可直接作为一个DeviceNet从节点工作;对传感器的输入输出特性曲线进行了建模,以软件手段实现高精度的非线性自校正功能。测试结果表明:该智能差压传感器不但具有DeviceNet现场总线输出功能,且经过多项式或神经网络建模的传感器非线性误差分别可达0.04%FS和0.02%FS。这为高精度传感器的制作提供了一种可行的方法。     

基于足底压力的人体姿态检测和行为分析方法

人体的运动姿态检测和行为分析具有广泛应用价值.设计了一种基于足底压力的人体姿态检测和行为分析系统,系统由压力采集模块、数据处理模块、无线通信模块和行为分析软件组成.姿态检测系统获取足底压力数据,采用蓝牙方式进行数据通信,行为分析软件使用支持向量机多分类方法实现坐、站、走、跑和爬楼5个经典人体姿态的区分.实验证明该系统对人体姿态具有较好的识别精度和可靠性,可以用于人体姿态检测和行为分析.     

基于WSN的声表面波微压力传感器的研究

无线传感器网络是一种新型综合智能信息系统,它在实现数据采集、信息感知、智能控制方面展现了较高的应用价值.无线传感器网络技术在灵敏性、容错性、可扩展性和连通性等方面的要求决定了它面临着许多制约因素和挑战性问题,亟待解决和完善.在无线传感器网络原理的基础上,对传感器节点中的微压力传感器进行研究.通过分析不同压电材料的性能,选取基片的材料,并使用有限元分析法对基片结构进行受力分析,确定边界条件,基于最小二乘法建立线性回归数学模型并进行曲线拟合,得出频率与压力的关系.该研究能够模拟无线传感网络节点中数据的采集,对无线传感网络的数据优化、算法优化有重要的意义.     

基于柔性力敏传感器的左右脚动态识别方法

在利用柔性力敏传感器获取动态足底压力分布数据时,能够准确快速自动区分左右脚的数据将极大提升数据的可视性和分析的便利性。为此,提出了一种基于足底压力和脚印外观形状的左右脚动态识别方法。首先,基于足底动力学原理,利用连通域的图像分割算法对足底压力数据进行聚类分析,得到每一步压力脚印的时间和坐标范围;在此基础上进一步分离出完整的单步压力数据;最后利用单步压力数据刻画脚印轮廓,并根据轮廓的外观特征进行左右脚识别。本文提出的方法可应用于步态分析、临床辅助诊断、步态识别等领域。通过108个实测数据样本的测试表明：本文方法的识别率高达94.5%,并具有较好的鲁棒性。     

传感器非线性的一种拟合方法

介绍了非线性传感器的一种曲线拟合方法。通过对某霍尔位移传感器位移、电压值的多项式拟合曲线的特点进行分析,发现该传感器曲线具有抛物线的特点,所以采用含开方项的多项式拟合。最后对所得曲线的各参数用逼近法进一步优化,得到比普通多项式拟合更实用的、偏差更小的拟合曲线。这种处理数据的方法对于求具备开方特性的传感器拟合曲线有一定的借鉴意义。