基于智能移动终端及蓝牙的金属探测器的研制

金属探测器是用来检测和探测金属的仪器,这里所设计的是感应平衡式金属探测器的一种。感应平衡式金属探测器首先发射探测电磁场,检测到的金属目标由于涡流效应会返回一个电磁场信号,对该信号进行提取,通过金属探测器内部电路对探测信号进行处理与分解,达到区分信号的要求。通过低功耗蓝牙连接移动终端和金属探测器,其中设计了一套通信协议实现金属探测器和移动终端之间的稳定数据传输,接着在移动终端设备上使用机器学习算法对接收信号作进一步的处理和区分,达到精确区分不同种类金属的目的。     

基于STM32单片机的便携式金属探测器设计

针对国内金属探测器精度差、灵敏度低的缺点,设计了一款便携式金属探测器。该金属探测器以STM32单片机为控制核心,采用LM386和RC振荡电路构建了信号发射模块,以OP37GS、LM393DR、MC14016BDG和LMC6035IM等元件构建了信号接收处理模块和检测模块。采用幅值检测和相位检测相结合的思路,设计了单片机系统的控制程序。通过对7种不同金属目标物进行金属辨别测试与金属定位测试,表明该探测器功能完备,可靠性好,可以高效、准确地区分金属类别,并能判断金属的位置范围,无偏差的探测距离可达26cm。     

基于STM32的机器人自主移动控制系统设计

针对类车机器人自主移动的问题,首先在非完整约束系统下建立类车机器人低速移动过程的运动学模型和动力学模型,选用适合基础性类车移动机器人研究的自行车模型进行状态分析;在混合式体系结构下用STM32作为机器人自主移动控制系统的核心,给出控制系统框图,完成硬件设计;同时完成环境定位与建图,构建动态贝叶斯网络,最终综合实现类车机器人自主移动的功能。     

智能金属探测器设计

针对大部分用于矿山的金属探测器使用模拟信号技术,存在功耗大、安装不方便、灵敏度低等问题,提出了一种智能金属探测器的设计方法。该金属探测器采用数字信号处理方法,实现了多参数测量;采用自激式探测线圈感应金属,感应信号经过幅值放大电路获取幅值,实现金属块大小的判别;通过频率检测电路获取不同频率,实现金属种类的分类。实验结果表明,该探测器不仅可以有效测出被检测金属物的大小和材质并作出报警,并且性能稳定,易于扩展。     

一种扫描式热金属探测器的研制

为了满足自动化钢铁生产的要求,根据红外探测原理研制了一种新型的扫描式热金属探测器。对研制过程中扫描转镜的设计、光电接收器的选取、信号处理电路的设计原理做出了详细的分析,并给出了集扫描与聚焦系统于一体的柱面扫描镜的扫描角计算公式,为扫描系统的设计提供了理论依据。研制出的热金属探测器的视场角可达2°×20°,仪器的发现概率大于0.95,虚报率小于10-6,抗干扰能力强,该仪器能够在恶劣的环境条件下正常工作。     

NDIR红外探测器的嵌入式软件系统设计

催化燃烧式气体探测器具有选择性差、易中毒、使用寿命短等缺点,针对这种情况,设计了具有选择性好、不会中毒、使用寿命长等诸多优点的新型气体探测器——NDIR红外探测器。针对该探测器结合STM32单片机设计了相应的嵌入式软件系统,介绍了软件方面的整体框架和各模块的构成。重点描述了对通过放大器后的信号进行采样、滤波,再通过相应的算法对信号进行处理,并最终获得气体的浓度的过程。     

基于Agent的自主探测器软件结构

深空探测的环境特点要求探测器具有一定的自主性,因而对探测器的软件结构也提出了新的要求,文章针对这一情况提出一种基于Agent的自主探测器软件结构,该结构包括两部分:短期反作用控制Agent和长期规划Agent,前者主要是处理一些紧急情况下的操作(如探测器故障时),后者是从全局考虑,对探测器的长期任务作出决策。文中软件结构以长期规划Agent为主,反作用控制Agent为辅,共同完成深空探测器的飞行任务。     

数显金属探测器的设计

以AT89S52单片机为核心,采用线性霍尔元件UGN3503作为传感器,来感应金属涡流效应引起的通电线圈磁场的变化,并将磁场变化转化为电压的变化,单片机测得电压值,并与设定的电压基准值相比较后,决定是否探测到金属。软件采用了数字滤波技术消除干扰,提高了探测器的抗干扰能力,确保了系统的准确性。     

微型金属探测器

本文推荐一款微型金属探测装置的设计。您只需花很少钱和几个休息日,就能成为一台小巧的腕式微型金属探测装置的主人。为您的考古、探宝活动增添一个好助手。上世纪60～70年代,使用差频原理(B.F.O)的金属探测装置应用十分普遍。在第一台商用探测器出现后不久,某些型号的金属探测器销量增加了上千倍。后来,由于性能更好的感应平衡(I.B)和脉冲感应(P.I)型金属探测器在市场上出现,差频式金属探测器很快就不再流行了。但是,采用差频原理的金属探测器在成本低和结构简单方面具有其他形式的金属探测器无法相比的优点,所以很适合于     

便携式智能金属探测仪的研制

介绍了用于交通部门对旅客安全检查的金属探测仪设计.传感器探头由激励线圈和磁敏元件组成,输入的方波脉冲使激励线圈周围产生交变磁场,当靠近金属物时,金属内产生的涡流磁场使原激励线圈的磁场变化,位于激励线圈中央的磁敏元件将其转换为电信号,在单片机控制下进行放大处理.实测结果表明:该探测仪能检测到50cm以内的各类小块状金属物,且具有实时检测、记录、显示、存储、查询等功能,断电后能长期保存检测的记录数据.     

可穿戴式生理数据检测仪的研制

为了改善传统脉搏、血氧测量方式以及适应人们对设备可携带的要求,通过对压电薄膜的研究,选择合适的无源压电薄膜传感器和无创反射式血氧模块,采用ARM Cortex-M3微型处理器,整合了温湿度传感器、显示报警及无线通讯等模块,制成了一种可穿戴式生理数据检测仪.通过测试,仪器检测的数据与正常标准值的平均相对测量误差在1.0％之内,满足测量要求.实验表明:该检测仪制作简单,测量准确,携带方便,对临床以及个人脉搏及血氧检测具有一定的实际指导意义.     

高灵敏度金属分离器传感线圈的设计

分析了电感线圈探测金属的理论,针对传统的金属探测传感器灵敏度低,抗干扰能力差和结构复杂的缺点,根据电磁感应原理提出了一种具有高探测精度和高抗干扰能力的新型金属探测传感器,并描述了其结构和材料设计方案。最后用试验验证了设计思想和设计方案的正确性和实用性。     

Planetary exploration by a mobile robot: Mission teleprogramming and autonomous navigation

Sending mobile robots to accomplish planet exploration missions is scientifically promising and technologically challenging. We present in this paper a complete approach that encompasses the major aspects involved in the design of a robotic system for planetary exploration. It includes mission teleprogramming and supervision at a ground station, and autonomous mission execution by the remote mobile robot. We have partially implemented and validated these concepts. Experimental results illustrate the approach and the results.     

自主移动机器人室内定位方法研究综述

自主移动机器人的室内定位作为机器人研究领域中最基本的问题已被广泛研究。根据定位技术和传感器的不同,将室内定位方法分为航迹推算定位、地图匹配定位和基于信标定位三类。详细介绍了超声波网络定位系统和基于无线射频识别（RFID）的定位方法。对几种基于概率的定位算法做了分析和对比,并对自主移动机器人室内定位方法的研究方向做了展望。     

强化学习在移动机器人自主导航中的应用

概述了移动机器人常用的自主导航算法及其优缺点,在此基础上提出了强化学习方法。描述了强化学习算法的原理,并实现了用神经网络解决泛化问题。设计了基于障碍物探测传感器信息的机器人自主导航强化学习方法,给出了学习算法中各要素的数学模型。经仿真验证,算法正确有效,具有良好的收敛性和泛化能力。     

Dyna-Q-based vector direction for path planning problem of autonomous mobile robots in unknown environments

Reinforcement learning (RL) is a popular method for solving the path planning problem of autonomous mobile robots in unknown environments. However, the primary difficulty faced by learning robots using the RL method is that they learn too slowly in obstacle-dense environments. To more efficiently solve the path planning problem of autonomous mobile robots in such environments, this paper presents a novel approach in which the robot’s learning process is divided into two phases. The first one is to accelerate the learning process for obtaining an optimal policy by developing the well-known Dyna-Q algorithm that trains the robot in learning actions for avoiding obstacles when following the vector direction. In this phase, the robot’s position is represented as a uniform grid. At each time step, the robot performs an action to move to one of its eight adjacent cells, so the path obtained from the optimal policy may be longer than the true shortest path. The second one is to train the robot in learning a collision-free smooth path for decreasing the number of the heading changes of the robot. The simulation results show that the proposed approach is efficient for the path planning problem of autonomous mobile robots in unknown environments with dense obstacles.