智能控制与交互

本研究提出了一种新型的可穿戴惯性传感器信号控制系统，用于协同工业机器人柔性遥操作，通过识别操作员上肢运动方向实现机械臂系统遥操作功能。

系统利用穿戴式惯性传感器捕捉操作员手臂动作，通过机器人、传感器、操作员的坐标体系校准，以及操作员的手臂相对运动的机器人末端执行器转换等一系列算法开发，将惯性传感器信号转化为运动指令，控制工业机器人执行一些指定的操作。

基于操作员上肢惯性传感器运动数据的机械臂的运动控制更加安全稳定，为基于人体手势识别的遥操作系统提供了多样化的技术路线。

本研究改进了基于空间本体模型的机器人服务本体模型，结合情感识别与智能空间，增进了机器人服务自主认知。

研究在复杂认知加工任务过程中（例如，Stroop测试、Simon任务等）和音乐放松场景下，利用可穿戴手环采集被试的脉搏波、皮肤电等生理信号，并利用支持向量机对生理信号进行分类，识别被试的心理压力水平变化。并整合用户生理信息和情感信息与时间、空间信息，基于用户情感建立包含220条规则的机器人自主认知规则库。并将规输入BP（逆向传播）神经网络进行训练，进行服务执行的动态推理决策，实现机器人针对不同时间、地点、时间下用户的情绪状态变化自主提供个性化服务。

本研究设计了一种基于手势的可穿戴式人-无人机界面，使新手用户能够通过手势控制无人机的起飞、降落和飞行方向，以及生成各种飞行轨迹。

在研究中，用户通过用手摆姿势，在2种模式中选择方向控制模式，进而控制无人机的运动。该可穿戴设备由6轴加速度计和陀螺仪传感器组成。系统使用ROS Kinetic和Raspbian Jessi作为操作系统，使用Tensorflow进行神经网络设计，使用Bebop SDK和Mavros与飞行控制单元进行通信，并使用Gazebo模拟器。手势识别采用MEMS传感器和神经网络实现。用户通过一系列手势生成不同飞行轨迹的能力，例如圆形、三角形、正方形和螺旋。该系统还允许用户调整飞行轨迹的比例，可用于涉及避障或路径规划的情况。

本研究提出了一种集成智能家居系统的具有坠落检测算法的低功耗网络可穿戴传感器，该设备能够监测老年人的坠落情况，从而增强安全性。

在研究中，可穿戴传感器在超低功耗网络中与智能家居系统集成，利用三轴加速度计和陀螺仪的阈值算法检测跌倒情况。可穿戴传感器的节点采用868MHz频率和振幅键控调制技术，实现超低功耗和能量收集，并通过运行开源家庭自动化平台工具实现与智能家居系统的集成。

该可穿戴传感器旨在检测跌倒，特别是针对老年人，以提高安全性并预防可能导致额外医疗费用的伤害。该可穿戴传感器的跌倒检测系统在正常活动中实现了96%的敏感度，并且没有出现误报，表现出100%的特异性。