PID算法与电位计角度控制的手臂外骨骼

提出了一种基于PID控制的手臂外骨骼,采用Arduino Nano作为手臂外骨骼的主控,通过HX711压力传感器采集手臂上物体的重量,通过电位计采集手臂转动角度,使用具有欠压、过压、过热、短路等保护性功能的VNH2SP30电机驱动模块驱动大扭力电机。装置的承重材料和机械结构采用碳纤维材料3D打印而成,因此更加轻巧、容易佩戴。由于加入了PID算法控制及电位计角度控制,整个装置反应更迅速、控制更精准、安全性更高,能更好地满足手臂外骨骼工作的需要。

基于Leap Motion和卷积神经网络的手势识别

针对传统神经网络需要人工对参数进行提取的问题,提出基于Leap Motion结合卷积神经网络的手势识别方法。首先利用Leap Motion获取高精度手势图像,然后对图像进行灰度处理,采用卷积神经网络算法自动对原始图像进行特征提取及分类,最后设计6层卷积神经网络用于手势识别。实验结果表明,卷积神经网络算法在6种手势测试集上的准确率可达96.5%,且识别时间短,模型具有较好的鲁棒性。

智能重构机器人系统设计

智能重构机器人是一种灵活多变、自修复能力高、可扩展性强的新型机器人。本文在前人的基础上,提出了一种基于Arduino 和V-rep 运动仿真的重构机器人系统的设计方法。首先对智能重构机器人的设计体系进行阐述,再从硬件和软件的设计方面进行详细讲解,给出了模块设计、构型描述、实现方案,最后对智能重构机器人的应用进行展望。

基于Leap Motion远程控制仿生人手运动研究

针对仿生人手的远程控制的研究,设计了体感设备Leap Motion和基于STM32微控制器而设计的仿生人手相结合的人机交互系统。通过对三维变换矩阵的求解,验证了Leap Motion对空间中物体运动数据的捕捉原理。利用Leap Motion采集人体姿态,经过最新蓝牙5.0协议,将标识数据远程发送给STM32微控制器,再经过三极管的放大控制舵机转动指定角度,进而驱动仿生人手指运动,实现对物体的远程控制。最后设计实验,验证不同距离对仿生人手指的灵敏度和稳定性的影响。在距离5 m、10 m的阈值力、手指屈伸和响应时间都一样,但随着距离增加,灵敏度和稳定性越来越差,直至30 m时蓝牙接收不到PC端传来的数据流。