微惯性传感器论文-陈荣鹏,樊静

微惯性传感器论文-陈荣鹏,樊静

导读:本文包含了微惯性传感器论文开题报告文献综述及选题提纲参考文献,主要关键词:山体滑坡,实时监测,无线传感器

微惯性传感器论文文献综述

陈荣鹏,樊静[1](2019)在《基于无线惯性传感器网络的山体滑坡实时监测系统》一文中研究指出本文针对我国山体滑坡灾害多发,偶然性大、损失严重,却又缺乏相应的监测和预警系统的问题,开展了如何实现对山体实时监测的研究,设计了一套基于无线惯性传感器网络的山体滑坡实时监测系统,解决山体滑坡灾害难以监测和预防的问题,达到了对山体滑坡实时监测和提前预警的目的。从而实现减少或避免因山体滑坡灾害而造成的巨大损失。(本文来源于《电子技术与软件工程》期刊2019年22期)

王文锐,周旭,李文康,吴忆东,杨先军[2](2019)在《基于惯性传感器的精细动作能力评估分级方法》一文中研究指出手部精细动作能力是老年人运动机能的重要表现之一,对其进行量化评估,有助于全面评估老年人的运动能力,促进健康养老产业发展。提出了一种基于惯性传感器的手部精细动作能力评估分级方法,基于佩戴在拇指、食指上的惯性传感器采集的数据,分析、提取时域和频域内均方根值、功率峰值等指标,采用K近邻(KNN)、支持向量机(SVM)、神经网络(BP)和RUSBoost算法等4种常见的机器学习分类算法构建手部精细动作能力分级评估模型,并进行测试验证。结果表明,采用RUSBoost算法构建的模型识别率为90.63%,可以有效地对手部精细动作能力进行评估分级。(本文来源于《传感技术学报》期刊2019年11期)

张宇歌,周兴龙[3](2019)在《基于惯性传感器分析老年女性和年轻女性行走稳定性》一文中研究指出研究目的:本研究旨在基于左右侧足跟部和腰部通过惯性传感器获取女性行走时运动学参数,定量评价年轻女性和老年女性行走稳定性,探究能显示出两组人群行走稳定性差异的指标及最佳放置位置,为未来监控老年人日常生活行走稳定性奠定基础。研究方法:1)实验仪器本研究使用叁个运动捕捉惯性传感器(Xsens MTw Awinda,the Netherland)采集双足跟和腰部的数据,仪器采集频率100Hz,并通过蓝牙将信号传输到配对软件MT Software Suite 4.6中。采集数据包括加速度、线性加速度、角速度和欧拉角等参数。其中,线性加速度指传感器自身输出的、去除重力影响的、大地坐标系(X-西,Y-北,Z-天)下的加速度,本文使用的加速度均为线性加速度。2)数据采集20名老年女性和18名健康年轻女性穿相同品牌的运动鞋在田径场上以自然步态行走100米,获取行走时左右侧足跟部和腰部的运动学数据。本研究将原始数据通过MT Software Suite 4.6软件导出后,使用Matlab 2013a计算出步态参数及其标准差和变异系数。参数包括:通过足部传感器得到参数:步态周期、步频、时相、步速、步幅、步高、脚着地期间VT加速度、脚离地期间VT加速度;通过腰部传感器得到参数:腰部的角度变化范围、VT方向加速度峰值、足跟部和腰部VT方向加速度峰值差、叁轴加速度振幅。3)统计分析传感器得到的指标及其变异性数据先用KS检验判断数据是否符合正态分布:·若数据服从正态分布,则应用双因素方差分析(左右脚×年龄)左右步高、左右着地离地足跟部加速度,如果两因素间有交互效应,需要分别考虑自变量的简单主效应,如果两因素间无交互效应,直接讨论主效应结果;其余指标使用独立样本T检验进行统计学分析。·若数据不服从正态分布,则应用非参数检验中两个样本的Mann-Whitney U检验。P<0.05时定义为组间差异有统计学意义。用SPSS 20.0软件进行统计学分析。研究结果:根据足部传感器输出的角速度特征划分步态,计算得到步态时间参数,再根据每个周期的叁轴加速度,得到步速、步幅和步高等传统步态参数,以及足跟部和腰部的加速度特征值以及振幅等参数。这些参数的标准差和变异系数反应了步与步之间的变异性,变异性越大,行走稳定性越差。本研究中除步频和右脚步高标准差外,其余步态时空参数及其变异性无统计学差异。老年人的支撑期百分比年轻人的略长,步幅步高均比年轻人略小,这与前人的研究一致。这可能由于老年人身体机能下降、下肢肌肉活动能力趋向衰退而导致。在支撑期中,老年人胫骨前肌退让性收缩力衰退导致足跟着地期缩短,小腿叁头肌和腓肠肌功能衰退使站立中期延长、加速期缩短,总体表现为支撑期和双支撑期时间延长;在摆动期,屈髋肌群和股四头肌的衰退导致了摆动前期的延长,胫骨前肌的衰退使摆动后期也相对缩短。这种由于年龄关系而造成的下肢肌肉机能衰退,使得老年人在行走时表现为步长短、足上抬高度低和踝关节稳定性差等。本研究对足部加速度衍生指标及其标准差和变异系数进行了统计学分析,老年人和年轻人之间并无统计学差异。本研究对腰部加速度衍生指标及其标准差和变异系数进行了统计学分析,老年人在行走时竖直加速度振幅比年轻人大且均有统计学差异,并且该指标其在步与步间变异性也大,说明老年人在垂直轴上对足部冲击力的缓冲震荡不均匀,可能与老年人肌肉无力,视觉及认知功能障碍与功能衰退等有关;老年人躯干前后加速度振幅标准差和变异系数均比年轻人大,说明老年人矢状面的行走节奏和平稳性均较差。实验结果与前人的研究一致。2008年,Justin J. Kavanagh等人总结了基于加速度信号模式直接分析步态的文献,发现摔倒风险大的人群在矢状面和垂直方向的加速度节奏性差。研究结论:使用惯性传感器能得到传统步态参数,包括周期时间、各时相时间、步速、步幅和步高等,与年轻人相比,老年人行走时步频大,步幅小,采取"小步多走"的步行策略;步态时空参数的变异性以及足跟部加速度特征值的变异性不能反映老年人和年轻人之间的行走稳定性差异;腰部竖直方向加速度峰值变异性和加速度振幅变异性能较好地反映老年人和年轻人之间的行走稳定性差异,老年人在矢状面和额状面内对躯干的控制能力比年轻人差:老年人对冲击力的缓冲吸收差且不均匀,矢状面躯干的稳定性也较差。总之,腰部是反应老年人步态稳定性的最佳位置,本研究所用的算法为未来监控老年人日常生活步态奠定了基础。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01)

徐昌橙,周兴龙[4](2019)在《基于固定在不同部位的惯性传感器获取跑步步态时空参数的算法研究》一文中研究指出研究目的:竞技体育中的中长跑、马拉松等项目受场地和距离的影响,研究人员获取运动员在训练时的数据手段较少,主要为影像解析。但是,后期数据处理繁杂;此外,在马拉松、竞走等项目中,运动员的比赛场地范围较大,用影像手段获取全程数据的方法并不可靠。惯性传感器以其便携、精度高、使用范围广的优势,吸引众多研究者的注意。随着科技的发展,九轴惯性传感器能获取运动员在比赛或训练时的每个时段的关节的加速度和角速度,但是对于惯性传感器数据的分析处理需要有良好的解决和优化办法。本实验通过使用惯性传感器对比测力台和红外高速动作捕捉系统获取跑步的步态时空参数,为以后将惯性传感器应用于长跑项目进行运动监控提供理论基础。研究方法:2.1实验对象及流程8名健康的受试者,半年内无下肢损伤。受试者在左腿胫骨粗隆、左足跟、左足尖处固定Xsens惯性传感器,传感器上贴有mark点,在长8m、宽2m的跑道上以随意速度跑步。跑道中间有叁块测力台,受试者在起点静止3秒后出发,跑到终点静止站立,以每次左足全脚掌踏上第一块测力台,右足全脚掌踏上第二块测力台和左足全脚掌踏上第叁块测力台为有效数据,每名受试者连续采集十次有效数据。测力台采集频率1000Hz,惯性传感器采集频率100Hz,motion系统采集频率为200Hz;测力台、motion系统与惯性传感器同步采样。2.2实验数据处理2.2.1金标准部分本实验的时空参数的金标准分别为:测力台用于获取时间参数、motion系统用于获取空间参数。本研究选取的指标为传感器与金标准之间的绝对误差或相对误差:着地点时间误差;离地点时间误差;支撑期、摆动期以及周期的相对误差;单足步长、最大抬腿高度的相对误差。金标准的指标计算方法如下:足跟着地点:测力台上z轴方向力值增加到高于20N;足尖离地点:测力台上z轴方向力值减小到低于20N;单足支撑期:测力台上第一次足尖离地时刻减去第一次足跟着地时刻;单足摆动期:测力台上第二次足跟着地时刻减去第一次足尖离地时刻;单足周期:测力台上第二次足跟着地时刻减去第一次足跟着地时刻;单足步长:一个单足周期内,受试者沿跑步前进方向的位移最大值减最小值;最大抬腿高度:一个单足周期内,受试者各部位沿垂直方向的位移最大值减最小值。2.2.2传感器部分用惯性传感器确定跑步着地和离地特征点的方法为:用matlab软件将测力台垂直于地面的力值与传感器各轴加速度、线性加速度以及角速度作图;以测力台足跟着地点和足尖离地点作为金标准,找到传感器数据曲线中的特征点,以此判定为传感器获取的足跟着地和足尖离地点。找到足跟着地和足尖离地点后,支撑期、摆动期以及周期的算法同金标准。用惯性传感器确定跑步步态空间参数的方法为:用matlab软件对传感器获取的各轴线性加速度进行积分得到各部位的速度,此方法获取到的速度数据曲线有线性漂移的趋势。因此,本研究采用零速度更新方法,对速度数据进行漂移校正。零速度更新的原理为:先找到每个速度周期的零点,再将每个周期的速度按线性等比例增大或减小。得到校正后的速度,对单足周期的速度进行积分,获取到位移曲线,分别计算出单足步长和最大抬腿高度。研究结果:3.1时间参数3.1.1步态特征点足跟处传感器确定的着地点和离地点误差最小,大小分别为0.0062±0.0060、0.0067±0.0060(单位:s),足尖和胫骨处误差平均值均大于0.01s。3.1.2步态时相足跟处传感器支撑期、摆动期误差最小,分别为0.0094±0.0083和0.0088±0.0075(单位:s),足尖和胫骨处平均值均大于0.01s;周期误差足尖处最大,大于0.01s,足跟处最小:0.0076±0.0056(单位:s);各部位的支撑期、摆动期和周期的相对误差数据显示足跟处最小,分别为:3.29%、2.04%、1.06%。3.2空间参数由于胫骨处无完全静止期,因此,胫骨处不能以本研究的零速度漂移更新方法进行对速度校正。通过对步长和抬腿高度的计算,足跟处步长的相对误差较小为:2.41%;足尖处的步长相对误差为3.41%;抬腿高度足跟和足尖处相对误差均大于10%。研究结论:与展望4.1结论将惯性传感器放置于足跟处获取到的跑步步态参数误差较小。着地和离地特征点的判定误差在0.01s以内,小于自身的采集频率;计算出支撑期、摆动期以及周期的相对误差均小于3.3%;步长的相对误差为2.41%;抬腿高度的计算相对误差较大,大于10%。本实验通过传感器计算得到的时间参数和空间参数中的单足步长的相对误差小于前人研究中的误差。4.2展望将该惯性传感器放置于长跑运动员足跟处,可用于对运动员各个时段单足的支撑期、摆动期、周期以及步长的计算。通过对比分析不同时段的运动员的支撑期、摆动期的变化、各自占单足周期的比例以及全程单足步长的变化来对运动员进行全程的训练监控。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01)

王泽众,于穆容,王然[5](2019)在《惯性传感器与线性位移传感器在高拉动作速度测试中的共时效度研究》一文中研究指出研究目的:运动表现的本质是人体通过肌肉收缩发力克服自身或外界阻力,维持或改变身体姿态或运动状态的能力。根据牛顿第二定律和动量定理,当阻力和时间一定时,力量的强弱直接决定了动作速度的快慢。反之,动作速度的快慢也能反映出力量的强弱。因此,在进行力量和爆发力训练时,通过测试动作速度来评估运动表现成为了一种重要的训练监控手段。由此理论发展而成的基于速度的训练方法也日益受到了广大教练员、运动员和科研人员的重视。目前被应用于动作速度测试的技术主要有两种。一种是线性位移传感器(LPT),原理是通过测量测试线的位移和时间推算出速度,虽精确度高但造价昂贵。另一种是惯性传感器(IMS),原理是通过测量加速度和时间推算出速度,具有体积小巧且便携性好的优点,但其测试的准确性还未被充分证实。有研究表明惯性传感器在深蹲、卧推等低速、小范围动作速度测试中具有良好的效度。但对于体能训练中最重要的奥林匹克举重衍生动作,尚未有研究验证惯性传感器在这类高速、大范围动作速度测试中的效度如何。因此,本研究以高拉为例,旨在检验惯性传感器和线性位移传感器在奥林匹克举重衍生动作速度测试中的共时效度。研究方法:13名体育院校男性大学生自愿参加本研究并在测试前签署知情同意书,所有受试者均熟悉测试动作和实验流程。受试者基本信息:年龄24.8±4.2岁,身高1.76±0.07米,体重76.3±8.1千克,体脂百分比17.2%±3.6%,力量训练年限4.0±2.5年,自报深蹲重量1.8±0.3倍体重。实验分两次进行,首次实验目的是通过最大重复次数法推算受试者深蹲最大力量。受试者到达场地后首先测量身高、体重和体脂百分比。然后进行热身,内容为慢跑、动态拉伸、杠铃杆热身。深蹲最大力量测试的前两组为热身组,分别使用预计最大力量的40-60%,以及60-80%为起始重量,每组重复叁次,组间间歇2分钟。从第叁组开始根据受试者前一组的动作速度增加杠铃重量,尝试测试受试者叁次最大重复的重量,组间间歇3-5分钟,尝试次数不超过5次。最后通过Epley公式(1RM=3RM*1.1)推算出受试者1RM。第二次测试为高拉测试。将线性位移传感器(GymAware)固定到杠铃杆一端轴承位置,将惯性传感器(PUSH Band 2.0)固定到同侧靠近线性位移传感器固定点的位置。将受试者第一次测试时深蹲1RM的65%定为高拉1RM,并按照高拉1RM的30%、40%、50%、60%确定高拉动作测试负荷,每组负荷连续重复3次高拉动作,组间间歇3分钟。测试时要求受试者每次动作完成后先恢复至起始姿势再进行下一次动作,并确保线性位移传感器测试线在受试者额状面内与地面保持垂直。分别记录线性位移传感器和惯性传感器的平均速度(MVLPT和MVIMS)和峰值速度(PVLPT和PVIMS)。通过Pearson相关分析验证MVLPT和MVIMS以及PVLPT和PVIMS之间的相关性,通过配对样本T检验验证MVLPT和MVIMS以及PVLPT和PVIMS之间的差异,显着性水平定为0.05,通过Bland-Altman分析确定MVLPT和MVIMS以及PVLPT和PVIMS之间的95%一致性界限。研究结果:平均速度方面,相关分析结果表明MVLPT和MVIMS之间总体呈显着正相关(r=0.921,P<0.001),且在30%(r=0.790,P<0.001)、40%(r=0.882,P<0.001)、50%(r=0.853,P<0.001)和60%(r=0.894,P<0.001)高拉1RM负荷下均呈显着正相关;配对样本T检验结果表明MVLPT在30%(1.75±0.16 vs. 1.67±0.15 m/s,t=4.758,P<0.001)、40%(1.62±0.18 vs. 1.50±0.14 m/s,t=8.135,P<0.001)、50%(1.50±0.10 vs.1.40±0.10 m/s,t=11.945,P<0.001)和60%(1.39±0.09 vs. 1.28±0.09 m/s,t=12.893,P<0.001)高拉1RM负荷下均显着高于MVIMS;Bland-Altman分析表明MVLPT和MVIMS之间在30%、40%、50%、60%高拉1RM负荷下的95%LOA分别为-0.13-0.27,-0.06-0.28,-0.01-0.21和0.02-0.19 m/s。峰值速度方面,相关分析结果表明PVLPT和PVIMS之间总体呈显着正相关(r=0.926,P<0.001),且在30%(r=0.796,P<0.001)、40%(r=0.918,P<0.001)、50%(r=0.841,P<0.001)和60%(r=0.919,P<0.001)高拉1RM负荷下均呈显着正相关;配对样本T检验结果表明PVLPT在30%(2.92±0.22 vs.2.77±0.23 m/s,t=6.491,P<0.001)、40%(2.65±0.27 vs.2.51±0.23 m/s,t=7.377,P<0.001)、50%(2.40±0.23 vs. 2.33±0.22 m/s,t=2.595,P=0.017)和60%(2.26±0.21 vs.2.14±0.23 m/s,t=4.567,P=0.001)高拉1RM负荷下均显着高于PVIMS;Bland-Altman分析表明PVLPT和PVIMS之间在30%、40%、50%、60%高拉1RM负荷下的95%LOA分别为-0.13-0.44,-0.08-0.36,-0.18-0.32和-0.06-0.31 m/s。研究结论:对于高拉这类奥林匹克举重衍生动作,不管是平均速度还是峰值速度,惯性传感器与线性位移传感器在不同负荷下测得的结果间虽然呈显着正相关关系,但惯性传感器测得的结果均显着小于线性位移传感器测得的结果,表明两种设备测试结果间存在系统偏差,在训练实践中不能替换使用或相互比较。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01)

李进良,高俊杰[6](2019)在《基于北斗卫星与惯性传感器组合导航技术的现代有轨电车定位终端设计》一文中研究指出设计基于北斗卫星与惯性传感器组合导航技术的现代有轨电车定位终端,该终端从串口接收北斗卫星与惯性传感器组合导航模块的定位数据,经由主控计算单元分析和提取有效信息,完成数据处理,并将处理后的数据通过专用无线集群上传到中心车辆位置服务器,实现全线车辆的实时定位。该终端已经在北京现代有轨电车西郊线上应用,为行车调度提供了可靠的车辆位置信息。(本文来源于《铁路计算机应用》期刊2019年10期)

陈理[7](2019)在《基于惯性传感器的运动姿态实时检测系统设计》一文中研究指出传统体育运动姿态检测系统缺少惯性传感器,导致系统存在灵敏度低、无法输出连续检测结果的问题,提出基于惯性传感器的运动姿态实时检测方法。该系统的优化设计分为硬件与软件两个方面,硬件部分通过惯性传感器,实现对电路的具体设计,用节点来表示关节位置,检测人体在体育运动时的骨骼姿态;软件部分由叁个模块组成,分别为设备通信模块、数据处理模块与姿态判别模块,使用局域网通信方式,可以提高传输信息数据的速度和准确性,同时能够跨网络通讯,实现体育运动姿态的实时连续检测。为验证优化系统的性能进行实验分析,与传统检测系统进行对比,实验结果证明:优化的实时检测系统的响应时间每帧能够节省0.1 s左右,且输出运动曲线连续性更好,证明优化系统的灵敏度更高、可以输出连续检测结果。(本文来源于《自动化与仪器仪表》期刊2019年10期)

夏为浩,张少帅[8](2019)在《基于惯性传感器的动作捕捉系统设计》一文中研究指出针对传统的如光学式、机械式等动作捕捉系统在成本、使用环境及精度等方面各有优劣的特点,设计了一套基于惯性传感器的动作捕捉系统,通过在人体各部位佩戴惯性传感器节点,实时采集各部位的运动惯性数据,通过WIFI通信发送至数据处理终端,对数据进行存储和显示;经实验验证所设计动作捕捉系统能够正确采集人体惯性运动数据,系统的使用不受时间和地点的限制,具有成本低廉、穿戴方便和操作简单等特点,可以深入应用于医学、体育和军事等多个领域。(本文来源于《计算机测量与控制》期刊2019年09期)

[9](2019)在《Xsens全新MTi 600系列工业级惯性传感器单元开始正式量产》一文中研究指出2019年9月18日,Xsens宣布MTi 600系列正式提供量产。MTi 600系列专为无人机、测量设备、自动驾驶汽车等市场新产品而设计,体积细小却拥有工业级性能,价格在中档惯性运动传感器市场具有较大的竞争力。Xsens公司惯性传感器模块业务经理Meindert Zeeuw说:"自MTi 600系列推出以来,开发工程师对样品单元的性能表现都感到震惊,再加上模块采用(本文来源于《传感器世界》期刊2019年09期)

杨安元,李传良,王绪奇,吴麟[10](2019)在《惯性传感器性能分析及检测装置研究》一文中研究指出介绍了惯性传感器的结构特点和工作原理,分析了惯性传感器的主要性能。在此基础上,设计了偏心曲柄式检测装置和伺服式自动检测装置共两种惯性传感器检测装置。对这两种惯性传感器检测装置的结构进行了介绍,对原理进行了分析,并从检测精度、系统性、操纵性、噪声等方面进行了对比。(本文来源于《机械制造》期刊2019年09期)

微惯性传感器论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

手部精细动作能力是老年人运动机能的重要表现之一,对其进行量化评估,有助于全面评估老年人的运动能力,促进健康养老产业发展。提出了一种基于惯性传感器的手部精细动作能力评估分级方法,基于佩戴在拇指、食指上的惯性传感器采集的数据,分析、提取时域和频域内均方根值、功率峰值等指标,采用K近邻(KNN)、支持向量机(SVM)、神经网络(BP)和RUSBoost算法等4种常见的机器学习分类算法构建手部精细动作能力分级评估模型,并进行测试验证。结果表明,采用RUSBoost算法构建的模型识别率为90.63%,可以有效地对手部精细动作能力进行评估分级。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

微惯性传感器论文参考文献

[1].陈荣鹏,樊静.基于无线惯性传感器网络的山体滑坡实时监测系统[J].电子技术与软件工程.2019

[2].王文锐,周旭,李文康,吴忆东,杨先军.基于惯性传感器的精细动作能力评估分级方法[J].传感技术学报.2019

[3].张宇歌,周兴龙.基于惯性传感器分析老年女性和年轻女性行走稳定性[C].第十一届全国体育科学大会论文摘要汇编.2019

[4].徐昌橙,周兴龙.基于固定在不同部位的惯性传感器获取跑步步态时空参数的算法研究[C].第十一届全国体育科学大会论文摘要汇编.2019

[5].王泽众,于穆容,王然.惯性传感器与线性位移传感器在高拉动作速度测试中的共时效度研究[C].第十一届全国体育科学大会论文摘要汇编.2019

[6].李进良,高俊杰.基于北斗卫星与惯性传感器组合导航技术的现代有轨电车定位终端设计[J].铁路计算机应用.2019

[7].陈理.基于惯性传感器的运动姿态实时检测系统设计[J].自动化与仪器仪表.2019

[8].夏为浩,张少帅.基于惯性传感器的动作捕捉系统设计[J].计算机测量与控制.2019

[9]..Xsens全新MTi600系列工业级惯性传感器单元开始正式量产[J].传感器世界.2019

[10].杨安元,李传良,王绪奇,吴麟.惯性传感器性能分析及检测装置研究[J].机械制造.2019

标签:;  ;  ;  

微惯性传感器论文-陈荣鹏,樊静
下载Doc文档

猜你喜欢