智能服裝作為智能穿戴中一個(gè)重要的分支,已經(jīng)被應(yīng)用于健康監(jiān)護(hù)、軍工等諸多領(lǐng)域,可以實(shí)時(shí)監(jiān)控穿著者的身體狀況或者在進(jìn)行特殊工作時(shí)保護(hù)人體。隨著智能服裝的應(yīng)用范圍愈加廣泛,數(shù)量也越來(lái)越多。服裝壓力、人體與服裝間的溫濕度和穿著者心率是服裝舒適度評(píng)估的重要指標(biāo),研發(fā)一個(gè)能夠同時(shí)采集這四種參數(shù)的測(cè)量系統(tǒng)與基于這四種參數(shù)的服裝舒適性評(píng)價(jià)方法具有很重要的應(yīng)用價(jià)值。本文設(shè)計(jì)的系統(tǒng)利用電池供電、低功耗芯片MSP430F149作為主控芯片、ADS1192作為心電信號(hào)的采集轉(zhuǎn)換芯片,使用低功耗藍(lán)牙進(jìn)行無(wú)線通訊,由LabVIEW上位機(jī)將采集到的傳感器數(shù)據(jù)進(jìn)行實(shí)時(shí)顯示。選擇30名被試者,測(cè)量人體不同動(dòng)作下的四種參數(shù)。運(yùn)用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)采集到的心電信號(hào)進(jìn)行噪聲濾除,自適應(yīng)閾值檢測(cè)算法提高R波檢測(cè)效率。利用基于改進(jìn)核函數(shù)的模糊C-均值聚類與支持向量機(jī)相結(jié)合的方法,對(duì)人體所受服裝壓力平均值、壓力極差、溫度極差、濕度極差和心率變化率進(jìn)行智能化的聚類分析,并利用聚類結(jié)果對(duì)支持向量機(jī)進(jìn)行訓(xùn)練,建立舒適性評(píng)價(jià)模型。研究結(jié)果表明,系統(tǒng)具有低耗能和便于攜帶等特點(diǎn)。選擇的薄膜壓力傳感器擬合曲線線性度達(dá)0.9989,服裝壓力與輸出電壓... 

【文章來(lái)源】：天津工業(yè)大學(xué)天津市

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 智能服裝的定義
    1.2 智能服裝的發(fā)展歷史
    1.3 智能服裝的舒適性
        1.3.1 濕熱舒適性
        1.3.2 接觸舒適性
        1.3.3 觀感舒適性
    1.4 國(guó)內(nèi)外研究現(xiàn)狀
    1.5 研究意義
    1.6 本章小結(jié)
第二章 采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    2.1 硬件選擇
        2.1.1 傳感器的選擇
        2.1.2 主控芯片的選擇
        2.1.3 低功耗傳輸技術(shù)
    2.2 系統(tǒng)總體設(shè)計(jì)
    2.3 硬件層設(shè)計(jì)
        2.3.1 壓力、溫濕度采集模塊
        2.3.2 心電采集模塊
        2.3.3 無(wú)線傳輸電路
    2.4 驅(qū)動(dòng)層設(shè)計(jì)
    2.5 應(yīng)用層設(shè)計(jì)
        2.5.1 上位機(jī)程序的編寫
        2.5.2 心電信號(hào)巴特沃斯函數(shù)濾波器的設(shè)計(jì)
        2.5.3 上位機(jī)界面
    2.6 系統(tǒng)實(shí)物圖
    2.7 本章小結(jié)
第三章 壓力、溫濕度實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    3.1 壓力實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.1.1 薄膜壓力傳感器的標(biāo)定
        3.1.2 實(shí)驗(yàn)方案的設(shè)計(jì)
        3.1.3 壓力實(shí)驗(yàn)結(jié)果與分析
    3.2 溫濕度實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.2.1 實(shí)驗(yàn)過(guò)程設(shè)計(jì)
        3.2.2 結(jié)果分析
    3.3 本章小結(jié)
第四章 心電信號(hào)實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    4.1 心電信號(hào)的處理
        4.1.1 EMD算法的基本原理
        4.1.2 R波檢測(cè)
    4.2 實(shí)驗(yàn)設(shè)計(jì)與信號(hào)處理
    4.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 服裝舒適性的智能分類和識(shí)別
    5.1 基于核函數(shù)的模糊C-均值聚類算法
    5.2 基于支持向量機(jī)的數(shù)據(jù)分類原理
    5.3 舒適度實(shí)驗(yàn)與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
發(fā)表論文與科研情況
附錄
    附錄1 部分實(shí)驗(yàn)過(guò)程中采集到的數(shù)據(jù)
致謝



本文編號(hào)：3202249