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MPU6050传感器的包裹运动状态识别

随着物流业的发展,贵重包裹在物流运输中的状态追踪和识别越来越被重视。使用MPU6050传感器,通过MATLAB显示和分析数据的特征值,再利用支持向量机(SVM)算法进行运动状态建模和预测,识别出包裹当前的状态。试验结果表明:该方法可以有效识别出包裹的运动状态,准确率可达98%。

基于MPU6050传感器的踝足矫形器设计

以STM32单片机、MPU6050传感器、比例阀和LM324芯片为硬件核心,搭建踝足矫形器所需的硬件系统框架,设计电压放大电路,结合硬件设计,编写采集传感器数据、控制比例阀的程序代码,实现踝足矫形器的跖屈和背屈运动,经实验验证该踝足矫形器能辅助病人进行训练康复。

基于MPU6050传感器的跌倒检测算法

及时发现老年人跌倒关系到老年人的生命安全,提出了基于SVM和SVM变异指数作为初级判断,角度数据作为辅助判断的跌倒检测算法。为了保证数据的准确性,对采集到的数据进行窗口平滑处理后用于计算SVM。并通过试验获取SVM和SVM变异指数在跌倒状态下的阈值。该方法的优势在于省去了判断过程中的积分运算,通过多级判断、角度辅助判断过滤掉其他身体姿态对跌倒判断的影响。

基于MPU6050传感器的人体哑铃动作识别系统的设计

本文设计了一种基于MPU6050传感器的人体哑铃动作识别系统.系统以MPU6050角速度传感器作为运动检测部件,采用ATmega328p系列的AVR单片机为主控核心,并根据哑铃上下运动时手腕翻转的角速度特征,识别用户运动个数,并通过OLED实时显示出来.实验结果表明,系统实现了自动检测运动量功能,方便用户了解自身运动情况,以便制定合理的健身计划.

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加速度传感器的跌倒检测与报警系统设计

分析不同年龄段老年人行为和跌倒状态变化(SVM)和姿态特征变化(姿态角),设计一种基于加速度传感器的跌倒检测系统。使用MPU6050加速度传感器,通过无线传输(HC-06蓝牙模块)将采集到的数据传输到PC机上保存。通过MATLAB辅助分析采集的不同年龄段老年人各种行为数据的差异性,为不同年龄段老年人设置不同的跌倒检测阈值。仿真实验证明对不同年龄段的老年人设置不同跌倒检测阈值的跌倒检测算法与其他同一类型的跌倒检测算法相比有到更高的准确率和实用性。

基于惯性传感器MPU6050的手势识别方法

针对基于加速度规律的手势识别方法未充分利用陀螺仪的数据进行手势分类和识别的问题,提出了一种基于MPU6050惯性传感器的特征提取手势识别方法,通过提取加速度和姿态角信号在手势上的特征量,利用决策树对手势进行预分类,结合加速度和姿态角的变化规律完成了手势的具体识别。依据预定义手势选择10位试验对象进行测试,获得了96.4%的平均识别率,识别时间小于0.005 s。方法对基于自带数字运动处理器的惯性传感器的手势识别具有一定的参考价值。

基于MPU6050六轴传感器平衡小车的设计

两轮自平衡小车是通过使用陀螺仪、加速度计等常用的姿态传感器来监测车身所处的俯仰状态和状态变化率,经数字控制中心处理与计算,再发出适当的指令给驱动电动机产生前进或后退的加速度,以保持车体前后平衡的状态。本设计选用STM32单片机作为主控制器,用MPU6050六轴传感器和两个陀螺仪传感器来检测车的状态,通过TB6612FNG控制小车的两个电机,让小车不断地处于新旧交替的平衡状态,实现了两轮小车的硬件控制系统。

基于六轴传感器MPU6050的一种低功耗姿态及深度测量装置

根据某水下平台水中姿态及加速度测量的需求,给出了一种基于六轴传感器MPU6050的一种低功耗姿态及深度测量装置,详细介绍了系统硬件、设计。

基于MPU6050六轴传感器的悬空鼠标设计与实现

为了完成鼠标悬空操纵的功能,增强用户对于计算机操作的舒适体验感,本文设计并实现出一种基于MPU6050六轴传感器的无线鼠标,该方案采用模块化的设计方法,以MPU6050六轴传感器作为信号检测元件、STM32微型处理器作为微控制器、n RF24L01无线收发器对信号进行无线传输。经数据融合及卡尔曼滤波提高鼠标动态性能。实验结果表明,按该方案设计的悬空鼠标灵敏度高、功耗低、使用灵活。

基于MPU6050六轴传感器的平衡车姿态检测及控制方案

笔者在两轮平衡车的实际调试过程中发现,小车的姿态检测和信号处理是关键环节,直接影响小车的控制平稳性。基于此,提出控制系统以STM32C8T6单片机为核心算法控制器,对姿态检测采用新型的MPU6050六轴传感器。该芯片以DMP(Digital Motion Processor)方式直接输出四元素,单片机将四元素转换成欧拉角,解算出的欧拉角即是小车当前的姿态。以该方式读取出的数据无需滤波数据处理,算法运行速度快、精度高、性能稳定,能够提高小车平衡控制的平稳性。

基于OpenMV视觉模块和MPU6050角度传感器的智慧寻路小车

本课题以OpenMV视觉模块为核心,采用基于灰度平均值的十字路口识别方法,基于泰尔森线性回归算法的巡线方法,以及基于模板匹配的路标识别方法。实现了巡线、十字路口识别、路标识别等功能。利用MPU6050角度传感器控制转向的角度。本课题设计的小车具有高效的道路识别方法和稳定的控制算法,可以实现在规定的时间内根据路标完成既定路线的自动行驶工作。

基于MPU6000的低功耗无线人体传感器网络节点设计

针对有线人体传感器网络节点具有携带不便、传输距离有限的缺点,设计并实现了一种用于人体运动监测的无线人体传感器网络节点;文中首先介绍了节点的硬件设计实现方案,节点控制器采用MSP430F2418PM,传感器采用六轴惯性传感器模块MPU6000,射频模块采用nRF24L01;然后对软件设计实现流程和节点的节能工作模式进行了详细阐述和实验验证;实验结果表明,该研究实现的无线节点具有反应灵敏和功耗低的特点,在15 m范围内无线传输稳定,最高传输速率可达2 Mbps,采集的惯性数据能够明显反映人体的正常运动和跌倒的特征;该节点在人体异常步态监测、康复评估和跌倒预警等方面具有潜在重要应用价值。

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。

基于加速度传感器的猪舍刮粪板运行状态监测装置设计与仿真

猪舍刮粪板在运行过程中可能存在清理不彻底、粪道内异物阻碍刮粪板运行、刮粪板损毁等工作人员难以监测的问题,因此设计一种基于加速度传感器的刮粪板运行状态监测装置,并通过MATLAB进行仿真。通过MPU6050传感器获得当前状态下刮粪板的姿态角,采集正常状态下运行数据并运用中值滤波算法消除异常角度波动,由此确定阈值,根据不同角度阈值将刮粪板状态不同故障类型和等级,通过判断运行时刮粪板各与其对应阈值的关系完成对故障的识别和警报。依据预定义的刮粪板运行状态进行MATLAB仿真测试,获得了96.1%的平均准确率。仿真实验表明本装置可用于实际作业状态下对猪舍刮粪板状态的监测。

STM32的多传感器融合姿态检测

采用STM32微控制芯片作为主控芯片,搭载MPU6050传感器、HMC5883L磁场传感器,以四旋翼飞行器为平台进行载体姿态检测的实验.对比单一传感器和多传感器姿态检测的实验结果,结果表明:基于多传感器融合的姿态检测能弥补单一传感器检测姿态的不足,提高姿态信息的精确性.

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。

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。