基于MEMS传感器的手持电动工具运动状态三维定位监测系统

发布时间：2022-01-15 07:20

　　为了实时了解手持电动工具的运动状态,及时判断其是否处于安全状态,该文通过集成三轴MEMS加速度计和三轴MEMS陀螺仪传感器,构建了由手持电动工具运动角速度与加速度信息采集模块、原始数据读取及初步解算与判断处理单片机模块、将转换信号发送至上位机的串口模块、蓝牙无线传输模块、轨迹与姿态进一步解算优化的上位机等组成的手持电动目标运动状态的三维定位监测系统,该系统可将手持电动工具实时监测所获运动状态与预先建立的安全运行状态下的可行域数据库比较,判断手持电动工具运动是否处于安全状态,可作为后期手持电动工具安全控制技术开发的监测预警平台。 

【文章来源】：工业仪表与自动化装置. 2020,(05)

【文章页数】：5 页

【部分图文】：

硬件系统框图

系统软件流程如图2所示。首先开始配置系统参数，如计时器等;再初始化外围电路，进行蓝牙匹配;完成后进入主循环。单片机负责根据设定的测量模式读取对应传感器的状态并进行相对应的解算和输出。蓝牙模块负责读取单片机的数据输出并以无线的形式发送给上位机。上位机软件负责进一步解析数据、实时显示和状态判断。将预先处理好的可行域数组作为常数组写入单片机内部存储区，下位机只需将经过初步高低通滤波的实时原始加速度数据进行一次极坐标变换即可找到对应扇区，并完成判断。该方式大幅缩减了可行域数据量，也避免了迭代、遍历的计算与比对，便于下位机快速反应。通过向读取到的阈值乘以一个全局敏感度系数k，可以较为方便地进行整体调校。

以电动角向磨光机为例(型号Makita M0900B)，使用该文监测实验平台并安装在电动角向磨光机尾部延长架内，如图3所示，通过实验由志愿者手持该角磨机模拟目标正常工作的情况，获取大量运行时的加速度、角速度数据，用于可行域模型构建。4 可行域构建结果

【参考文献】：
期刊论文
[1]一种基于深度摄像机的3D人体步态建模和识别方法[J]. 罗坚,黎梦霞,罗诗光.  光学技术. 2019(06)
[2]一种基于改进卡尔曼滤波的姿态解算算法[J]. 王晓初,李宾,刘玉县,郭帅良,范耀华.  科学技术与工程. 2019(24)
[3]基于地面基站的定位系统构建和方案[J]. 耿珂,黄智刚,苏雨,石培辰,高强,熊华钢.  北京航空航天大学学报. 2019(10)
[4]浅析I2C及相关问题解决[J]. 罗莉.  电脑知识与技术. 2019(12)
[5]融合三边测量和PDR的室内定位关键技术分析及应用[J]. 陈鹏,廖明,刘武平,呙维,宋杨.  测绘通报. 2019(02)
[6]对四轴飞行器的控制算法的分析与仿真[J]. 凃玲英,马崇瀚.  湖北工业大学学报. 2018(04)
[7]基于四元数的四轴飞行器姿态控制[J]. 荆学东,潘翔.  现代电子技术. 2018(16)
[8]基于激光雷达的智能车SLAM系统[J]. 刘丹,段建民,孟晓燕.  激光杂志. 2018(07)
[9]基于扩展Kalman滤波的室内WiFi-PDR融合定位算法[J]. 刘庆,关维国,李顺康,王芳.  计算机工程. 2019(04)
[10]欧拉角姿态解算的改进[J]. 野莹莹,张艳珠,邹心宇,陈蕾,左越.  装备制造技术. 2018(03)

硕士论文
[1]空中手写轨迹检测系统的研究与设计[D]. 刘锦荣.成都理工大学 2017



本文编号：3590170