CN107036596A - 基于mems惯性传感器模组的工业手环 - Google Patents

Abstract

本发明涉及一种基于MEMS惯性传感器模组的工业手环，其包括手环体，在手环体内设有MEMS惯性传感器模组，MEMS惯性传感器模组包括MEMS惯性传感器以及与所述MEMS惯性传感器电连接的微处理器，MEMS惯性传感器能实时采集手环体对应的加速度、角速度以及磁场数据，并将所采集的加速度、角速度以及地磁场数据传输至微处理器内；微处理器根据接收的加速度、角速度以及磁场数据进行姿态解算得到动作姿态角，并根据得到的动作姿态角识别确定的操作动作，当所述识别确定的操作动作与微处理器内预设的规范动作不一致时，微处理器能输出提示报警信息。本发明能对工业装配流水线上的装配动作进行有效检测与识别，从而能有效监测流水线工人的操作状态。

Description

基于MEMS惯性传感器模组的工业手环

技术领域

本发明涉及一种手环，尤其是一种基于MEMS惯性传感器模组的工业手环，属于工业手环的技术领域。

背景技术

发动机是汽车领域技术最密集的关键部件，在汽车发动机装配过程中，由于被装配零件的多样性、工艺的繁琐性，汽车发动机装配线就显得尤为重要。汽车发动机装配线是一个对发动机顺序装配的流水线工艺过程，每个工位之间是流水线生产，因此，每个环节的控制都必须具备高可靠性和一定的灵敏度，才能保证生产的连续性和稳定性。

目前，装配线普遍采用现场总线控制方式，通过现场分布I/O统一控制装配线的运行及完成各工位间的通讯。组建现场信息监控系统采用以太网等方式，完成装配线上的信息采集、排产下达、工位监控及装配提示等功能。在现在的发动机装配线中，发动机装配无法完全靠机器完成，所以装配工位上每个工位安装一个零件，流水线式完成发动机零件安装。每个工位负责安装相应的零件和工序。由于每个工位的操作过程都需要很严谨的按照安装说明进行，按照现有的工作方式，无法有效检测工人操作规范性和正确性。

发明内容

本发明的目的是克服现有装配生产线中存在的不足，提供一种基于MEMS惯性传感器模组的工业手环，其能对工业装配流水线上的装配动作进行有效检测与识别，从而能有效监测流水线的操作状态。

按照本发明提供的技术方案，所述基于MEMS惯性传感器模组的工业手环，包括用于佩戴于手腕部的手环体，在手环体内设有MEMS惯性传感器模组，所述MEMS惯性传感器模组包括MEMS惯性传感器以及与所述MEMS惯性传感器电连接的微处理器，MEMS惯性传感器能实时采集手环体对应的加速度、角速度以及磁场数据，并将所采集的加速度、角速度以及地磁场数据传输至微处理器内；

微处理器根据接收的加速度、角速度以及磁场数据进行姿态解算得到动作姿态角，并根据得到的动作姿态角识别确定的操作动作，当所述识别确定的操作动作与微处理器内预设的规范动作不一致时，微处理器能输出提示报警信息。

微处理器根据加速度、角速度以及磁场数据得到动作姿态角的具体包括如下步骤：

步骤S1、根据静态加速度值确定初始姿态角，并根据初始姿态角确定初始四元数；

步骤2、利用采集的角速度采用插值方式更新四元数，具体插值更新方法为

其中，q₀为插值前的四元数，q₁为待插入的四元数，q为更新后的四元数，t为插值系数；η为由插值前的四元数q₀与待插入的四元数q₁确定的系数；

步骤3、根据更新后的四元数q确定解算姿态角，并利用磁场数据对解算姿态角进行校正，以得到动作姿态角。

步骤2中，利用角速度得到待插入的四元数q₁的过程包括如下步骤：

步骤2.1、利用采集的角速度分别得到翻滚角、俯仰角以及航向角，

其中，为翻滚角、θ为俯仰角，ψ为航向角，ω_x、ω_y、ω_z分别为角速度在X轴、Y轴以及Z轴的分量，Δt为采样周期；

步骤2.2、根据上述的翻滚角俯仰角θ以及航向角ψ，得到待插入的四元数q₁，具体为：

其中，待插入的四元数数q₁为四行一列的矩阵。

微处理器内利用动作的平均能量、动作长度、波峰数、加速度能量最大轴、角速度能量最大轴、波峰或波谷以及角速度达到峰值的点个数建立动作模型库，微处理器得到动态姿态角后，利用所得到的姿态角与微处理器内的动作模型库进行匹配决策，以确定操作动作，即能判断操作动作是否规范。

在所述手环体内还设有指示灯、震动马达以及喇叭，指示灯、震动马达以及喇叭均与微处理器连接，所述微处理器上还连接有蓝牙模块。

本发明的优点：微处理器根据接收的加速度、角速度以及磁场数据得到动作姿态角，并根据得到的动作姿态角识别确定的操作动作，当所述识别确定的操作动作与微处理器内预设的规范动作不一致时，微处理器能输出提示报警信息，能对工业装配流水线上的装配动作进行有效检测与识别，从而能有效监测流水线的操作状态。

附图说明

图1为本发明的结构框图。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

如图1所示：为了能对工业装配流水线上的装配动作进行有效检测与识别，从而能有效监测流水线的操作状态，本发明包括用于佩戴于手腕部的手环体，在手环体内设有MEMS惯性传感器模组，所述MEMS惯性传感器模组包括MEMS惯性传感器以及与所述MEMS惯性传感器电连接的微处理器，MEMS惯性传感器能实时采集手环体对应的加速度、角速度以及磁场数据，并将所采集的加速度、角速度以及地磁场数据传输至微处理器内；

微处理器根据接收的加速度、角速度以及磁场数据进行姿态解算得到动作姿态角，并根据得到的动作姿态角识别确定的操作动作，当所述识别确定的操作动作与微处理器内预设的规范动作不一致时，微处理器能输出提示报警信息。

具体地，通过手环体能佩戴于操作者的手腕部，手环体可以采用现有常用的结构形式，具体结构形式可以根据需要进行选择，此处不再赘述。微处理器位于手环体内，微处理器可以采用常用的微处理芯片，如单片机等，MEMS惯性传感器模组为采用MEMS工艺制备得到的传感器，采用MEMS工艺制备得到的传感器，能满足内置在手环体内的需要；具体实施时，MEMS惯性传感器模组包括加速度计、陀螺仪以及电子罗盘，利用加速度计能实时采集手环体的加速度，利用陀螺仪能实时采集手环体的角速度，利用电子罗盘采集地磁场数据，加速度计、陀螺仪以及电子罗盘具体可以采用现有常用的结构形式，只要能满足上述数据的采集即可，具体不再赘述。

本发明实施例中，在所述手环体内还设有指示灯、震动马达以及喇叭，指示灯、震动马达以及喇叭均与微处理器连接，所述微处理器上还连接有蓝牙模块。微处理器能利用指示灯、振动马达以及喇叭来输出报警信息，此外，微处理器通过蓝牙模块能将识别的操作动作以及提示报警信息传输至上位机内，以便上位机对每个工业手环的工作过程进行实时监控。

进一步地，微处理器根据加速度、角速度以及地磁场数据得到动作姿态角的具体包括如下步骤：

步骤S1、根据静态加速度值确定初始姿态角，并根据初始姿态角确定初始四元数；

本发明实施例中，静态加速度就是手环体在初始状态下静止时的加速度值，所述静态加速度通过加速度计采集。根据静态加速度确定初始姿态角的过程为：

其中，θ₀为初始俯仰角，为初始翻滚角，ψ₀为初始航向角，a_sx、a_sy、a_sz分别为静态加速度在X轴、Y轴以及Z轴的分量；

从而，得到初始四元数q_s为

初始四元数q_s为四行一列的矩阵。

步骤2、利用采集的角速度采用插值方式更新四元数，具体插值更新方法为

其中，q₀为插值前的四元数，q₁为待插入的四元数，q为更新后的四元数，t为插值系数；η为由插值前的四元数q₀与待插入的四元数q₁确定的系数；

本发明实施例中，初始状态下，插值前的四元数q₀即为初始四元数q_s，在后续不断更新时，插值前的四元数q₀会不断变化。利用角速度得到待插入的四元数q₁的过程包括如下步骤：

步骤2.1、利用采集的角速度分别得到翻滚角、俯仰角以及航向角，

其中，为翻滚角、θ为俯仰角，ψ为航向角，ω_x、ω_y、ω_z分别为角速度在X轴、Y轴以及Z轴的分量，Δt为采样周期；

步骤2.2、根据上述的翻滚角俯仰角θ以及航向角ψ，得到待插入的四元数q₁，具体为：

其中，待插入的四元数数q₁为四行一列的矩阵。

η为插值前的四元数q₀的第一个数与待插入的四元数q₁的第一个数的加权平均，具体加权平均过程可以根据需要进行确定，具体为本技术领域人员所熟知。

步骤3、根据更新后的四元数q确定解算姿态角，并利用磁场数据对解算姿态角进行校正，以得到动作姿态角。

本发明实施例中，在得到更新的四元数q后，根据四元数q与姿态角之间的一一对应关系，具体可以得到解算姿态角，具体得到解算姿态角的过程为本技术领域人员所熟知，此处不再赘述。由于基于陀螺仪的角速度进行姿态解算时存在累计误差，引出，需要利用电子罗盘的地磁场数据进行校正，以得到动作姿态角，具体可以采用本技术领域常用的技术手段实现对解算姿态角进行校正，具体校正过程为本技术领域人员所熟知，此处不再赘述。

微处理器内利用动作的平均能量、动作长度、波峰数、加速度能量最大轴、角速度能量最大轴、波峰或波谷以及角速度达到峰值的点个数建立动作模型库，微处理器得到动态姿态角后，利用所得到的姿态角与微处理器内的动作模型库进行匹配决策，以确定操作动作是否符合设定的标准动作规范。

本发明实施例中，在利用动作模型库进行匹配决策前，需要对动态姿态角进行预处理，所述预处理包括归一化、滤波等处理。下面对建立动作模型库的具体关系进行说明：

1)、动作的平均能量

手势能量主要反映动作运动的激烈程度，具体地：

其中，a_xi、a_yi、a_zi分别代表动作开始之后X轴、Y轴和Z轴上的第i个点的加速度值，N为手势中加速度采样点的个数，M为手势中角速度采样点的个数。ω_xi、ω_yi、ω_zi分别代表动作开始之后X轴、Y轴和Z轴上的第i个点的角速度值。E_a为加速度的能量，E_ω为角速度的能量。

2)、动作长度

动作长度就是动作持续时间，即从动作的开始到动作的结束所持续的时间，通过手势的终点减去手势的起点得到的就是手势的长度；具体为：

T＝T_终点-T_起点

其中，T为动作长度。T_起点代表动作起始时刻，T_终点代表动作结束时刻。

3)、波峰数

波峰数表示的是动作波形达到正值或负值的个数，其物理意思是手势的来回运动。手势的波峰数表示的是手势波形达到正值或负值的个数，其物理意思是手势的来回运动。波峰数的具体计算方法为：首先得到手势数据的起点和终点，然后将手势数据的起点和终点处赋值为0，因为在计算波峰数时是在与水平坐标轴相交的两点之间找加速度最大最小值，当最大最小值满足波峰条件时则波峰数加1.若不将手势起点和终点数据赋值为0，则会在起点和终点处找不到与水平坐标轴的交点而少算波峰数。

4)、加速度能量最大轴

在手势判断中，需要计算三轴的加速度能量得到能量最大的那个轴，计算公式如下：

其中N为手势中加速度采样点个数，E_ax、E_ay、E_az分别为加速度在X轴、Y轴以及Z轴上的能量，通过比较三者大小可以初步确定旋转轴。

5)、角速度能量最大轴

与加速度最大轴类似，也可以用来确定旋转方向，具体为：

其中M为手势中角速度采样点个数，E_ωx、E_ωy、E_ωz分别为角速度在X轴、Y轴以及Z轴上的能量，通过比较三者大小可以初步确定旋转方向。

6)、波峰或波谷，

波峰和波谷就是角速度或加速度波形是先达到波峰或波谷，其物理含义是旋转的方向问题。只需要在试验之前规定正方向即可通过先达到波峰或波谷来确定手势的方向问题。

7)、角速度达到峰值的点个数

角速度达到峰值的点的个数越多，则代表载体旋转的角度越大。

具体实施时，在建立动作模型库前需要先采集标准动作，并在采集标准动作后，根据上述动作的平均能量、动作长度、波峰数、加速度能量最大轴、角速度能量最大轴、波峰或波谷以及角速度达到峰值的点个数建立动作模型库，具体建立模型库的方式可以采用本技术常用的技术手段，具体为本技术领域人员所熟知，此处不再赘述。在得到动作模型库后，从而能够进行动作识别，得到相应的操作动作。

Claims (5)

1.一种基于MEMS惯性传感器模组的工业手环，包括用于佩戴于手腕部的手环体，其特征是：在手环体内设有MEMS惯性传感器模组，所述MEMS惯性传感器模组包括MEMS惯性传感器以及与所述MEMS惯性传感器电连接的微处理器，MEMS惯性传感器能实时采集手环体对应的加速度、角速度以及磁场数据，并将所采集的加速度、角速度以及地磁场数据传输至微处理器内；

微处理器根据接收的加速度、角速度以及磁场数据进行姿态解算得到动作姿态角，并根据得到的动作姿态角识别确定的操作动作，当所述识别确定的操作动作与微处理器内预设的规范动作不一致时，微处理器能输出提示报警信息。

2.根据权利要求1所述的基于MEMS惯性传感器模组的工业手环，其特征是，微处理器根据加速度、角速度以及磁场数据得到动作姿态角的具体包括如下步骤：

步骤S1、根据静态加速度值确定初始姿态角，并根据初始姿态角确定初始四元数；

步骤2、利用采集的角速度采用插值方式更新四元数，具体插值更新方法为

其中，q₀为插值前的四元数，q₁为待插入的四元数，q为更新后的四元数，t为插值系数；η为由插值前的四元数q₀与待插入的四元数q₁确定的系数；

步骤3、根据更新后的四元数q确定解算姿态角，并利用磁场数据对解算姿态角进行校正，以得到动作姿态角。

3.根据权利要求2所述的基于MEMS惯性传感器模组的工业手环，其特征是，步骤2中，利用角速度得到待插入的四元数q₁的过程包括如下步骤：

步骤2.1、利用采集的角速度分别得到翻滚角、俯仰角以及航向角，

其中，为翻滚角、θ为俯仰角，ψ为航向角，ω_x、ω_y、ω_z分别为角速度在X轴、Y轴以及Z轴的分量，Δt为采样周期；

步骤2.2、根据上述的翻滚角俯仰角θ以及航向角ψ，得到待插入的四元数q₁，具体为：

其中，待插入的四元数数q₁为四行一列的矩阵。

4.根据权利要求1所述的基于MEMS惯性传感器模组的工业手环，其特征是，微处理器内利用动作的平均能量、动作长度、波峰数、加速度能量最大轴、角速度能量最大轴、波峰或波谷以及角速度达到峰值的点个数建立动作模型库，微处理器得到动态姿态角后，利用所得到的姿态角与微处理器内的动作模型库进行匹配决策，以确定检测到的操作动作是否符合设定的标准动作规范。

5.根据权利要求1所述的基于MEMS惯性传感器模组的工业手环，其特征是，在所述手环体内还设有指示灯、震动马达以及喇叭，指示灯、震动马达以及喇叭均与微处理器连接，所述微处理器上还连接有蓝牙模块。