基于STM32和MPU6050的AACN系统模拟与触发算法验证

车辆事故紧急呼叫装置(Advanced Automated Crash Notification,AACN)有助于实施事故后紧急救援,对减轻交通事故造成的人身伤害具有重要作用。文中使用STM32单片机和MPU6050模块搭建低成本车辆AACN模拟系统,配合电动试验小车构建AACN触发算法模拟验证系统,研究车辆AACN系统的事故识别触发算法。以正面碰撞和侧翻为研究对象,以采集的车辆关键参数为基础,采用长短期记忆(Long Short-Term Memory,LSTM)和双向长短期记忆(Bi-LSTM)神经网络辨识事故类型,结果显示,LSTM和Bi-LSTM神经网络对正面碰撞的识别率分别为96.41%、99.28%,对侧翻的识别率均在99.00%以上;使用基于速度变化原理的移动窗口算法进行实时事故检测对比验证,正面碰撞条件下触发正确率为93.3%。综合表明,利用MPU6050采集的车辆姿态参数类型和精度对AACN系统计算与识别是足够的,神经网络算法识别精度较高,神经网络算法和移动窗口算法均能满足AACN模拟系统的事故识别要求。

基于MPU6050和神经网络的颈椎病预防系统设计

针对目前坐姿识别方案存在的监测数据单一、实时性差等问题,设计了一款预防颈椎病的智能监测系统.该系统以STM32F103C8T6芯片为核心,通过MPU6050加速度传感器与HC-SR04超声波测距传感器相结合的方式实现头颈部信息的采集,利用蓝牙模块将数据信息传送给手机移动终端,手机端使用基于全连接神经网络的坐姿分类模型对用户坐姿的数量及持续时间进行识别统计.经测试,该系统对坐姿识别的准确率达到98.24%,可以满足坐姿快速精确识别的需求,可适用于颈椎、近视等疾病的早期预防.

基于MPU9250的智能车姿态控制算法的设计与实现

文章针对智能车或无人机等需要姿态解算的产品在外界环境可视性差,不支持视觉定位,或仅仅物体内部的单个模块需要姿势解算及无法安装摄像头或不可安装摄像头的问题,为更精准有效率获取姿态,做出了相对应的算法设计。针对智能车,该项目主张靠硬件传感器通过算法获取姿态,达到小车控制的目的,使小车行驶更加稳定。采用了卡尔曼滤波算法,完成了对加速度计的信号滤波和对陀螺仪的滤波。做到初始数据真实、稳定。初始数据采用四元数法进行解算。获得小车的姿态角,将加速度计与陀螺仪姿态解算融合,得到精确小车姿态,实现小车在不同环境下的精准控制。

基于支持向量机的mpu6050数据分类

MPU6050是一款常用的惯性传感器,为对其所接收到的位移数据进行分类,提出利用SVM算法实现归类。该方法将传感器获取的加速度和角速度数据作为特征向量输入到SVM分类器中,实现对不同动作的识别。在数据预处理阶段,采用滑动窗口和异常值剔除等技术对原始数据进行处理,优化数据质量和特征提取效果。实验结果表明,该方法可以对MPU6050所接收到的3种动作进行准确分类,具有较好的识别性能和鲁棒性。该方法可应用于智能手环、智能手表等移动终端设备中,实现人体运动监测和数据分析。

瑞萨电子将“Renesas Ready合作伙伴网络”覆盖全部MCU和MPU产品线

瑞萨电子宣布,为其RZ产品家族微处理器(MPU)提供商业级、性能优化的组件—其中包括106个新合作伙伴和160个组件解决方案,进一步扩大“Renesas Ready合作伙伴网络”。在过去三年中,这一受信技术合作伙伴计划已发展至超过200个合作伙伴的规模,共同打造了300多款与瑞萨RZ MPU,以及RA、RX和RL78微控制器(MCU)产品线相配套的即用型组件解决方案。Renesas Ready合作伙伴网络覆盖了8位至64位产品,易于客户应用的扩展。

基于MPU9250和数字孪生的人体动作识别系统设计

随着传感器技术的发展,人体动作识别被广泛应用于健康监测、运动跟踪和异常动作检测等领域。本文设计了一款基于MPU9250和数字孪生的人体动作识别系统。首先,通过MPU9250惯性传感器采集人体运动数据,通过对传感器数据进行预处理,构建了一个包含10种人体运动的数据集(静止、站-蹲、蹲-坐、坐-躺、蹲-站、坐-蹲、躺-坐、走、跑和摔倒);其次,我们提出了一种多特征提取融合的深度学习模型,将人工特征提取和自动特征提取相结合;最后,利用卷积神经网络和递归神经网络的特性,对数据集进行分类,同时采用结合数字孪生的方法,将人体运动以网页界面的形式进行在线可视化展示。实验结果表明:本文提出算法在人体动作识别上实现了99.13%的准确度,该系统可以很好地将人体动作数据流进行在线可视化展示,在人体动作识别领域具有良好的应用价值。

新品发布!米尔RZ/G2L核心板引领工业市场32位MPU向64位演进

近些年,基于32位MPU的嵌入式处理器在各行各业得到广泛应用,它为嵌入式设计带来丰富的硬件功能和额外的性能,代表着嵌入式技术发展主流方向,其内核以Cortex-A7、Cortex-A8为主。随着工业物联网的快速发展,嵌入式系统朝着越来越复杂的方向演进,对嵌入式技术开发硬件需求也越来越高,设计工程师必须面对新挑战选择更高性能的处理器。

机械设备振动参数测量系统设计

机械设备振动不仅带来噪音,而且影响机械设备的使用寿命。因此,对机械设备振动监测是十分必要的。根据机械振动的特点,通过加速度和角加速度测量机械设备的三轴位移振动和角位移振动。选用6轴姿态传感器MPU6050测量机械设备振动时的加速度和角加速度,详细分析了MPU6050的I^(2)C接口时序,寄存器配置。以STM32为主控芯片,设计了硬件电路,完成软件程序的设计,可实时将测量的数据显示在OLED屏上,同时通过串口将测量数据送出,供上位机做后端数据处理与故障分析。

一种基于云端的老人摔倒告警系统

老人摔倒可能导致严重后果。鉴于此,开发一种基于云端的老人摔倒检测和告警系统或可避免此类问题。该系统采用STM32F103C8T6单片机作为主控,用传感器MAX30100采集老人的心率和血压值,传感器MPU6050采集老人摔倒的角度及加速度,A/D转换器转化为数字量,借助I2C总线把数字量送至微控制器,用ATK-1218-BD模块实现老人定位,ESP8266-01模块将采集的数据上传至云端,通过手机APP显示。系统可以监测老人当前状态,快速辨别其身姿,获取位置信息,满足实时监测和摔倒报警的要求。测试结果表明:系统总体布局合理,方案可行,运行稳定,误差不超过1%,实现了较精准的身姿识别,达到摔倒报警及远程监测的目的。

基于手势识别的矿车智能控制技术研究

针对露天矿区用于物料运输的矿车控制需求,设计一种基于手势识别的矿车智能控制系统。首先,通过配有加速度传感器的数据手套采集手势数据,经蓝牙模块实现信息的无线传输,再利用微控制器ATmega328P实现控制信息的分析和处理,采用PID控制算法得出矿车的电机转动参数,从而实现对矿车车轮的控制。同时,设计以树莓派4B为主控,搭载有LCD显示器、扬声器、麦克风和摄像头等模块的系统,用以实现音视频的实时互传等功能。实验结果表明,该系统能根据手势的变化对矿车的行驶进行准确地控制,具有十分可观的应用前景。

基于MPU6050传感器的哺乳期母猪姿态识别方法

哺乳期母猪姿态是其哺乳意愿的外在表现,母猪哺乳时身体侧卧,拒绝哺乳时身体立卧或倾卧,哺乳期母猪侧卧时间可作为母性行为评价的重要指标。选用集MPU6050和蓝牙传输模块为一体的行为数据采集模块,采集母猪哺乳期内(28 d)的行为数据,统计母猪采食时间段的姿态角,计算节点偏转角度,实现偏转行为数据校正;利用Haar小波提取特征系数重构加速度曲线的基本轮廓,结合各姿态的数值特征,利用支持向量机实现母猪立、侧、倾姿态分类,及其侧、倾姿左右方向的识别。以江苏省地方猪小梅山母猪为试验对象,分析母猪的哺乳姿态,试验结果表明:行为数据校正算法可降低节点偏转的影响,小波变换实现了数据归一化,去除了高能运动干扰,姿态分类器识别左、右侧姿的正确率分别为65.8%、90.1%,立姿的正确识别率为75.4%,侧姿总体正确识别率达到83.3%,姿态识别可以有效反映母猪的哺乳意愿。

基于惯性传感器MPU6050的滤波算法研究

针对运动体姿态角测量问题,利用惯性传感器MPU6050提出了一种参数可调的自适应显性互补滤波算法,并与经典互补滤波、显性互补滤波、基于梯度下降法的互补滤波算法及传感器数字运动处理器自带滤波算法进行了比较,分析了几种算法在工程应用中的适应性。测试结果表明,此类互补滤波算法具有思路清晰,计算量小,估算精度高及易实现等特点,改进后的算法综合性能最优,适用于各种运动姿态测量系统。

基于MPU6050的老年人跌倒监测系统设计

该文提出一种基于MPU6050的老年人跌倒监测系统。该系统采用MPU6050传感器和STM32微处理器,并通过蓝牙4.0设备将跌倒信息传输到智能手机,手机进行语音报警并将GPS信息通过短信形式通知家人和医院。为区分跌倒事件和日常生活行为,该文设计了一种基于三轴加速度和角度的两次阈值判别算法。实验结果显示:跌倒监测系统能够有效监测跌倒事件并报警,准确率达95%,具有较高的稳定性和可靠性。

一种嵌入式MPU指令译码器设计

针对与 Intel系列微处理器兼容的嵌入式微处理器单元 (MPU) ,讨论其译码器的设计问题。通过分析比较两种可行的读入方案 ,择优选用了在状态机控制下的指令读入机制 ,并设计了具有 8个状态的状态机来控制指令读入 ,实现了复杂指令简单化的目的。采用表格技术将译码器与微程序的设计分离。译码器位于 MPU指令流水线的中部 ,其输出队列的长度影响 MPU的性能 ,文中近似采用 M/ M/ 1 / K排队系统的分析方法 ,确定了输出队列长度。译码器与 MPU的其它部分联调完成后 ,使用具有实际意义的应用程序进行测试的结果表明 ,该译码器的设计是合理有效的。

基于MPU9250和MS5611的人体姿态检测系统设计

为了解决集中日程生活中老人可能发生跌倒而产生的危险,设计了一款基于MPU9250和MS5611的人体姿态检测系统。经过对人体日常运动的特性以及采集数据的特征分析,将人体的日常行为分为了3类。实验采用阈值算法、Mahony数据融合的算法,利用加速度结合俯仰角和滚动角以及气压计检测高度变换来检测人体姿态是否跌倒。结果表明该系统对跌倒行为的检测精度比较理想,可以更好的对人体的跌倒行为进行风险评估。

基于嵌入式MPU和CAN总线的测控系统设计

本文基于嵌入式微处理器和CAN总线通信技术构建了一种测控系统。以嵌入式微处理器与Internet技术结合的信息网络系统和基于CAN总线的控制网络系统为基础,实现了现场设备的控制网络与信息网络的实时通信,从而使用户通过信息网络的图形界面方便地了解现场情况;也便于实现远程监控、诊断和维护等功能。

基于STM32和MPU6050姿态解算的研究与实现

使用MPU6050内置的DMP,实现了载体的姿态解算,不仅简化代码设计,而且降低了MCU的负担,MCU不用进行姿态解算过程,从而有更多的时间去处理其他事件,提高系统实时性。通过设计的硬件平台,软件仿真了三轴陀螺仪、三轴加速度和欧拉角实时变化,结果表明,姿态解算稳定可靠。

MPU6050在评定人体上肢关节角度中的应用

该文开发了一套上肢康复评定仪器,用于评定肘关节及肩关节的关节活动度。该仪器包括下位机硬件和上位机评定软件,通过MPU6050传感器采集关节运动的加速度和角速度信号,并将数据经蓝牙串口传输至上位机评定软件。该仪器实现了实时评定上肢关节的运动参数,并能动态显示上肢关节运动状态。对仪器进行可靠性测试,组内相关系数均大于0.6,说明该仪器具有良好的可靠性,能准确地输出患者关节运动角度,对临床上制定合理的康复训练计划有重要意义。

基于MPU9150的四轴飞行器姿态控制系统设计

无人机系统在各种军用领域和民用领域已得到广泛应用,该技术主要应用在雷达定位、野火管理、农业监测、环境监测和航拍及搜索救援任务,其中四轴飞行器以其简单的机械结构、更小的螺旋桨、优良的飞行安全性能和先进控制算法的应用等优势具有更广泛的前景。针对四轴飞行器的姿态控制,介绍了基于MPU9150传感器,以STM32系列STM32F103C8T6处理器为控制单元的四轴飞行器姿态控制系统的组成和工作原理,详细论述了系统如何采集姿态传感器数据,并对数据进行融合,最后根据融合的数据判断自身运动状态。实验结果验证了该系统能够较好满足四轴飞行器飞行姿态控制的要求,达到稳定飞行的效果。

基于MPU6050的四轴硬件姿态解算研究

针对四轴飞行器姿态信息的实时准确获取问题,对四轴飞行器的姿态解算方面进行了研究。在分析姿态表示的四元数法和欧拉角法基础上,以成熟的Mahony互补滤波算法为例比较了软件姿态解算和基于MPU6050数字运动处理器(DMP)的硬件姿态解算的实现流程,并对两种解算方法的解算时间和对姿态变化的跟踪性能进行了实验测试。研究结果表明:硬件姿态解算能实时准确地获取小型四轴飞行器的各项姿态信息,可以满足小型四轴飞行器的姿态控制要求。