智能轮椅避障系统的研究

研究基于超声波测距的智能轮椅避障系统的硬件和软件设计.采用多个超声波传感器,将其测得的数据根据障碍物类型,进行相应的处理,以得到较精确的障碍物的距离信息.在实验的基础上,对不同障碍物类型分析、归纳,提出了智能轮椅的避障策略.实验证明:设计的避障系统具有较高的精度,可以满足智能轮椅在室内环境的避障要求.     

智能轮椅

智能轮椅英国科学家正在研制一种新型智能轮椅，残疾人使用这种轮椅后可避免与培等障碍物相撞，并能避免从楼梯上翻滚下去。英国朴利茅斯大学与英国轮椅生产商联合研制的这种智能轮椅安装了２个超声波探测装置，可以探测轮椅周围的路面情况，并将数据输入到轮椅上的电脑中...     

ZigBee与航迹推算混合定位的电动轮椅导航控制系统

针对具有下肢行动障碍、上肢运动不灵活的老年人或残障人士,以电动轮椅为运动载体,提出了一种ZigBee定位与航迹推算相融合的电动轮椅智能导航控制系统的方案。系统采用ZigBee与航迹推算相融合的定位算法,选取STC系列单片机为中央处理器,对控制系统的硬件部分和软件部分进行了详细设计,并以电动轮椅为控制对象,进行控制系统运动导航的实验验证。结果表明,在运动状态下,混合定位融合了航迹推算和ZigBee定位的优点,与独立的ZigBee定位技术相比,提高了电动轮椅导航系统的位置目标定位精度。     

小型化超声波电动机驱动控制器设计

介绍了一种超声波电动机驱动控制电路,该电路采用单片机对可调压控振荡器分频的方法获得了超声波电动机工作所需的高频驱动信号,具有控制精度高、输出稳定、便于小型化等优点,测试结果表明驱动控制器性能稳定,足以满足较高精度的定位控制要求.     

基于STM32的行波超声波电动机定位控制系统研究

针对超声波电动机自锁能力强、响应速度快的特点,提出了一种基于STM32的超声波电动机直线定位方法。通过对光电编码器产生的信号再次处理,精确控制超声波电动机的旋转角度,进而达到利用超声波电动机进行高精度定位的目的,使直线定位系统的误差进一步减小。实验结果表明,该方法能较好地达到利用超声波电动机进行高精度定位的目的。     

基于超声波定位的感应式无线能量传输原理及精度分析

本文采用基于TDOA算法的超声波定位为电动汽车感应式无线能量传输提供对准方法,并使用卡尔曼滤波结合超声波模块进行实验验证。为提高算法精度,本文基于TDOA算法超声波定位模型提出一种发射器位置计算方法;然后在算法原理推导过程中,分别对算法中影响定位精度的主要因素（如传感器位置布置形式、接收传感器间距、时间差测量误差、发射传感器高度等）进行了仿真和对比;最后将算法仿真结论进行实验验证,实现了在误差允许范围内的精准定位。本文的结论对采用TDOA算法进行超声波定位的方案及参数选取提供了一定的依据。     

一种使用红外线和超声波的定位技术

本文提出了一种使用红外线和超声波的定位技术,对其工作原理和主要部分的实现方法进行了介绍,设计了测量脉冲调理电路接收超声信号,并分析了主要的误差源。该技术使用红外编码指令触发定位,扩大了定位范围,降低了功耗;在接收电路中加入共振电路,减小了外界干扰。通过大量实验,分析了环境温度、传播角度等因素对测距精度的影响。     

基于解析解的变压器声电联合PD定位两步法

介绍了变压器声电联合PD定位方法基础上,基于1个电信号传感器和2个超声波(AE)传感器进行两个步骤采集波形信号的时延估计,就能对PD源空间坐标解析解求解,表明该定位方法精度满足工程应用要求。     

基于行波超声波电机直接驱动的机械臂精密定位系统研制

研制了基于行波超声波电机与步进电机驱动的机器人多自由度机械臂精密定位控制系统。采用行波超声波微步控制技术实现了机械臂低速下的高精度定位控制,并在理论与试验研究基础上提出了一种实用的行波超声波电机精密定位控制方法。此外,还进行了定位误差分析及控制系统设计。所给的方法简单易行,在超声波电机精密定位中具有普遍的应用意义和广泛的应用价值。该方法成功运用于机器人机械臂控制中,不需要使用高精度角位移传感器就可使机械臂达到很高的定位精度。     

基于智能馈线终端和行波时差的故障定位技术研究

针对配网多电源复杂支路的单相接地故障难以准确定位的问题,提出了一种利用智能馈线终端(Feeder terminal unit,FTU)与行波到达时间差相结合的故障位定位方法。该方法通过智能FTU设备作为边界对线路进行划分区域,检测FTU零序电流和零序电压的相位关系来判断故障区间,再根据故障区间两端FTU采集到的行波波头时刻确定故障点。同时根据线路和行波传输特性,推导出一种不受波速和线路长度影响的双端行波测距杆塔定位方法,提高了行波故障测距结果的精度和可靠性,通过现场试验验证了该故障定位技术的可行性。     

基于iOS平台的步长计算方案与实现

GPS一般不适用于室内环境定位,惯性导航是一种常用的室内定位技术。对此,提出了一种基于iOS平台的行走步长计算方法,通过iOS设备内置加速度计采集数据,计算腰部的竖直位移。行走时,人体的腰部轨迹相对于前进方向近似1个倒置单摆模型,依据此运动模型可以计算行走的步长。此外还给出了在iPhone上实现步长计算的软件实现方案,并设计了应用软件。实验表明,所提出的步长计算方案和软件可以实时显示行进的步长和总位移,测量结果较准确,误差约为5%,该方法可为开发室内定位系统提供一定理论依据。     

基于加权质心法的WLAN室内定位系统

在利用接收信号强度指示(RSSI)进行定位的WLAN室内定位系统中,为获得更高的定位精度,提出一种支持向量机与加权质心法相结合的定位算法。该算法首先以四边形对定位场地进行区域划分,在各四边形区域的顶点位置采样指纹点数据,利用支持向量机(SVM)多分类将定位点位置缩小到某个四边形区域内。最后利用加权质心法,计算出定位点的坐标。仿真实验与实地实验结果表明,该算法比支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)、K最近邻法(KNN),定位精度有明显提高,定位误差在1.4 m,定位精度在90%以上。     

干扰条件下UWB三维定位算法

在室内环境下,超宽带(UWB)信号常受到遮挡物干扰影响,进而导致测量距离数据异常以及产生虚假延时,导致定位性能下降。针对这一问题,本文提出了抗干扰的UWB三维定位方法。首先,以数据间的欧式距离作预处理,建立了K-means模型剔除了错误的观测数值。其次,利用L2范数正则化方法改进了常规的最小二乘定位方法。最后,为了验证该方法的有效性,本文设计了无人机在室内三维定位的一个应用实例,在无干扰和有干扰的条件下分别收集了无人机的飞行数据,然后应用提出的数据预处理方法消除了异常的数据,并利用改进的最小二乘法对这两种情况下无人机的位置进行估计。实例结果表明本文提出方法的有效性,可在干扰环境下提高UWB三维定位精度。     

基于改进二维 MUSIC 算法的蓝牙信号到达角估计

蓝牙技术联盟在蓝牙 5. 1 规范引入寻向功能,为大幅提升蓝牙定位技术的精度提供了新的解决途径,但并未对信号的 角度测量算法提供统一方案。 针对低功耗蓝牙在室内环境多径干扰下到达角估计困难这一问题,提出了一种面向矩形阵列的 改进二维 MUSIC 算法,通过对矩形阵列天线阵元进行二次划分,采用前后向平滑的方法修正一维子阵的协方差矩阵,再利用接 收信号矩阵的广义逆求出各个子阵协方差的关系,从而修正整个阵列接收信号的协方差矩阵。 该算法在没有降低信号协方差 矩阵维数的同时,恢复了信号协方差矩阵的秩,有效抑制室内多径信源引起的干扰。 经过仿真实验,证明了本文算法在低快拍 数、低信噪比的情况下对角度估计的精度有着较大改善。 并设计了相应的硬件系统进行室内与室外的实验,结果表明在多径干 扰严重的室内定位时定位精度改善更为明显,室内定位圆概率误差降低了 26. 75% ~ 60. 25%。 仿真和现场定位实验证明了本 文提出角度估计算法的有效性,该算法对其他应用领域的来波方向估计也具有重要参考意义。     

基于WiFi辅助的自适应步长的室内定位算法

随着室内定位的需求越来越多,基于PDR算法的低成本惯性传感器定位方法备受青睐。在PDR算法的基础上,提出了一种步长可随着步频自适应变化的s f关系模型。同时针对PDR算法的误差累积问题,利用WiFi信号的接入点位置的绝对坐标对定位误差进行校正,利用连续的两个WiFi信号接入点位置辅助动态调整步长,避免了长时间的计步累积误差对步长的影响。实验验证该方法可有效提高室内定位的精度。     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

Chan-IDW算法在信号干扰下的UWB精确定位研究

随着人们对室内定位需求不断增加,具有良好通信功能以及定位性能的超宽带(UWB)技术在室内定位领域发挥着重要作用。针对UWB通信信号在室内复杂环境中容易受到干扰,造成定位误差的问题,本文建立K-means算法对采集数据进行聚类分析,剔除有信号干扰时产生的错误测距数值,并在经典Chan算法的基础上进行改进创建出Chan-IDW模型来确定靶点位置的实际坐标,再通过均方差误差(RMSE)来衡量出该定位模型的精度。实验结果计算出在信号干扰下定位的靶点二维坐标平均误差为5.67 cm,三维坐标平均误差为11.34 cm,误差均在厘米级别,表明该模型求解靶点坐标与其真实坐标非常接近。因此得出结论,Chan-IDW模型可有效解决室内信号干扰下的UWB精确定位问题。