一种用于步态分析的智能鞋垫
    1.
    发明公开

    公开(公告)号:CN119073701A

    公开(公告)日:2024-12-06

    申请号:CN202411278923.3

    申请日:2024-09-12

    Abstract: 本发明公开了一种基于电阻抗扫描用于步态分析的智能鞋垫,包括下位机由加速度采集模块、电阻抗扫描模块,电源管理模块,主控模块和蓝牙通讯模块构成;上位机由蓝牙通讯模块、加速度数据显示、电阻抗扫描图像显示和步态分析模块构成。下位机通过主控模块将传感元件采集到的数据通过蓝牙通讯模块发送至上位机PC端,下位机整个采集过程由电源管理模块供电;上位机通过蓝牙通讯模块接收到传感元件的数据后进行显示,并根据内置机器学习算法通过加速度和电阻抗扫描图像得到当前步态信息进行显示。本发明利用电阻抗扫描与加速度检测,能够更全面的获取患者的步态信息进行更加精确的分析。

    一种晶格式糖尿病足减压鞋垫
    2.
    发明公开

    公开(公告)号:CN118787171A

    公开(公告)日:2024-10-18

    申请号:CN202410766434.6

    申请日:2024-06-14

    Abstract: 本发明公开了一种晶格式糖尿病足减压鞋垫,涉及糖尿病足技术领域,包括鞋垫本体,由多个十四面体晶格结构合成,单个十四面体晶格结构由8个正六面体和6个正四面体组合而成,单个十四面体晶格结构具有14个面、24个节点和36条等长支杆,单个节点连接3根支杆,十四面体晶格结构外围的四支支杆与相邻的十四面体晶格结构共用一支支杆相连。本发明具有高度的透气性,可以更好地实现可控地分区降压,不仅提高了糖尿病足患者的行走舒适度和足部保护,还具有较强的可定制性。

    一种基于阻抗迭代学习的物理人机交互控制方法

    公开(公告)号:CN117207171A

    公开(公告)日:2023-12-12

    申请号:CN202210623533.X

    申请日:2022-06-02

    Inventor: 孙太任 杨建涛

    Abstract: 本发明提供了一种基于阻抗迭代学习的物理人机交互控制方法,包括如下步骤:建立五杆并联机器人的欧拉‑拉格朗日动力学模型;根据并联机器人的轨迹跟踪误差,建立人机系统交互力模型;基于欧拉‑拉格朗日动力学模型,设计机器人模型参考自适应控制;基于人机系统交互力模型以及机器人模型参考自适应控制设计人机交互力迭代学习策略;利用人机交互力迭代学习策略对五杆并联机器人进行控制测试。本发明提供的基于阻抗迭代学习的物理人机交互控制方法能够减少对系统信息的依赖,确保变阻抗调节实现稳定、安全的人机交互。

    一种六维力传感器

    公开(公告)号:CN114894365B

    公开(公告)日:2023-11-28

    申请号:CN202210342600.0

    申请日:2022-04-02

    Abstract: 本发明涉及测量仪器技术领域中的一种六维力传感器,包括力接触板、壳体和底板,力接触板和底板分别安装在壳体的两端面,壳体内设置有弹性体和第一电容板,第一电容板安装在弹性体上,底板上安装有第二电容板,第二电容板位于第一电容板一侧,第二电容板的一端面上设置有若干组金属片,且金属片的数量为偶数,第一电容板的一端面设置有与金属片相对应的若干组凹槽,凹槽上喷设有金属漆,且金属片包括径向部和周向部,突破了传统六维力传感器测量不敏感的瓶颈。

    一种六维力传感器

    公开(公告)号:CN114894365A

    公开(公告)日:2022-08-12

    申请号:CN202210342600.0

    申请日:2022-04-02

    Abstract: 本发明涉及测量仪器技术领域中的一种六维力传感器,包括力接触板、壳体和底板,力接触板和底板分别安装在壳体的两端面,壳体内设置有弹性体和第一电容板,第一电容板安装在弹性体上,底板上安装有第二电容板,第二电容板位于第一电容板一侧,第二电容板的一端面上设置有若干组金属片,且金属片的数量为偶数,第一电容板的一端面设置有与金属片相对应的若干组凹槽,凹槽上喷设有金属漆,且金属片包括径向部和周向部,突破了传统六维力传感器测量不敏感的瓶颈。

    一种五杆并联机器人的空间域阻抗学习控制方法

    公开(公告)号:CN117400236A

    公开(公告)日:2024-01-16

    申请号:CN202210799064.7

    申请日:2022-07-08

    Abstract: 本发明公开了一种五杆并联机器人的空间域阻抗学习控制方法,包括以下步骤:步骤1,建立五杆并联机器人的欧拉‑拉格朗日模型;步骤2,根据并联机器人的轨迹跟踪误差,建立人机系统交互力模型;步骤3,基于欧拉‑拉格朗日模型,估计阻抗动态;步骤4,基于人机系统交互力模型和阻抗动态设计人机交互力迭代学习策略;步骤5,利用人机交互力迭代学习策略对五杆并联机器人进行控制测试。本发明提出的学习控制方法保证了跟踪误差的收敛性,考虑了机器人建模的不确定性,进一步保证了人机交互的安全性。

Patent Agency Ranking