一種姿態(tài)矯正裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本實(shí)用新型涉及姿態(tài)矯正技術(shù)領(lǐng)域，具體涉及一種姿態(tài)矯正裝置。
【背景技術(shù)】
[0002] 現(xiàn)代社會(huì)，越來越多的工作只需要坐在辦公室內(nèi)就可以進(jìn)行處理，這就使得人們 每天花費(fèi)越來越多的時(shí)間坐在辦公桌前處理事務(wù)，而坐姿之中，頭部姿勢(shì)最為重要。
[0003] 醫(yī)學(xué)證明人體以最佳姿勢(shì)端坐時(shí)是對(duì)身體負(fù)擔(dān)最小的坐姿，當(dāng)坐姿不當(dāng)會(huì)導(dǎo)致視 力會(huì)急劇下降且易引發(fā)近視，近視還會(huì)引起許多眼的并發(fā)癥，如：1.視網(wǎng)膜脫離；2.白內(nèi) 障；3.黃斑出血和黃斑變性；4.玻璃體液化變性；5.青光眼；6.斜視、弱視。近視度數(shù)越 高，引起并發(fā)癥的可能性就越大。長期坐姿不正還會(huì)引發(fā)頸椎病，出現(xiàn)頭、頸、肩、背、手臂酸 痛，頸脖子僵硬，活動(dòng)受限等癥狀，嚴(yán)重可引發(fā)頭暈、缺血性腦萎縮；如果壓迫到脊髓，可能 引起無力、下肢麻木甚至癱瘓和大小便失禁。
[0004] 這就需要使用姿態(tài)糾正裝置來糾正錯(cuò)誤的姿勢(shì)，目前的姿態(tài)糾正裝置結(jié)構(gòu)復(fù)雜， 且姿態(tài)糾正耗時(shí)長，反應(yīng)慢，因此，探索新的姿態(tài)糾正裝置是發(fā)展的必然要求。
[0005] 鑒于上述缺陷，本實(shí)用新型創(chuàng)作者經(jīng)過長時(shí)間的研究和試驗(yàn)終于提出了一種姿態(tài) 矯正裝置。 【實(shí)用新型內(nèi)容】
[0006] 本實(shí)用新型的目的在于提供一種姿態(tài)矯正裝置，用以克服上述技術(shù)缺陷。
[0007] 為實(shí)現(xiàn)上述目的，本實(shí)用新型采用的技術(shù)方案在于：提供一種姿態(tài)矯正裝置，其 包括：
[0008] 姿態(tài)傳感器、控制芯片和警報(bào)器，所述姿態(tài)傳感器的輸出端連接所述控制芯片的 數(shù)據(jù)輸入端，所述控制芯片的輸出端連接所述警報(bào)器。
[0009] 較佳的，所述姿態(tài)傳感器為三軸加速度測(cè)量芯片。
[0010] 較佳的，所述姿態(tài)傳感器為MPU6050三軸加速度傳感器。
[0011] 較佳的，所述姿態(tài)傳感器為六軸加速度測(cè)量芯片。
[0012] 較佳的，所述姿態(tài)傳感器的數(shù)量為至少兩個(gè)。
[0013] 較佳的，所述姿態(tài)矯正裝置還包括溫度傳感器，所述溫度傳感器的輸出端與所述 控制芯片連接。
[0014] 較佳的，所述姿態(tài)矯正裝置還包括電源，用于供電。
[0015] 較佳的，所述電源為充電鋰電池。
[0016] 較佳的，所述姿態(tài)矯正裝置集成在眼鏡的鏡腿內(nèi)。
[0017] 較佳的，所述姿態(tài)矯正裝置體積為60*12*5mm。
[0018] 其中，所述控制芯片包括：數(shù)據(jù)處理模塊、卡爾曼濾波計(jì)算模塊、姿態(tài)解算模塊、數(shù) 據(jù)融合模塊、比較模塊、計(jì)時(shí)模塊和觸發(fā)模塊；所述姿態(tài)傳感器的輸出端連接所述數(shù)據(jù)處理 模塊的輸入端，所述數(shù)據(jù)處理模塊的輸出端與所述卡爾曼濾波計(jì)算模塊建立連接，所述卡 爾曼濾波計(jì)算模塊的輸出端與所述姿態(tài)解算模塊建立連接，所述姿態(tài)解算模塊的輸出端與 所述數(shù)據(jù)融合模塊建立連接，所述數(shù)據(jù)融合模塊的輸出端與所述比較模塊建立連接，所述 比較模塊的輸出端連接所述計(jì)時(shí)模塊，所述計(jì)時(shí)模塊的輸出端連接所述觸發(fā)模塊；所述觸 發(fā)模塊的輸出端連接所述警報(bào)器。
[0019]與現(xiàn)有技術(shù)比較本實(shí)用新型的有益效果在于：提供了一種姿態(tài)矯正裝置，所述姿 態(tài)矯正裝置結(jié)構(gòu)簡單，且能迅速地判斷矯正者的姿態(tài)并在矯正者的姿態(tài)不正確時(shí)發(fā)出警 報(bào)；使用六軸加速度傳感器能夠糾正物體的靜止姿態(tài)和運(yùn)動(dòng)姿態(tài)，避免了運(yùn)動(dòng)對(duì)角度測(cè)量 的干擾，實(shí)現(xiàn)在運(yùn)動(dòng)和靜止?fàn)顟B(tài)下的姿態(tài)測(cè)量；所述姿態(tài)傳感器為三個(gè)，這樣在其中一個(gè)出 現(xiàn)故障的情況下通過三個(gè)數(shù)據(jù)的對(duì)比迅速判斷故障傳感器，提高了反應(yīng)速度且不會(huì)影響正 常使用；使用溫度傳感器測(cè)量的溫度補(bǔ)償六軸加速度數(shù)據(jù)，使其在各種溫度下的工作不 影響工作指標(biāo)；充電鋰電池，充電一次可以連續(xù)使用一天以上，無需更換電池，方便環(huán)保； 所述姿態(tài)矯正裝置集成在眼鏡的鏡腿內(nèi)，攜帶方便，靈活。
【附圖說明】
[0020] 圖1為本實(shí)用新型姿態(tài)矯正方法的流程圖；
[0021] 圖2為本實(shí)用新型姿態(tài)矯正裝置的結(jié)構(gòu)圖；
[0022] 圖3為本實(shí)用新型姿態(tài)矯正裝置實(shí)施例三的結(jié)構(gòu)圖；
[0023] 圖4為本實(shí)用新型姿態(tài)矯正裝置控制芯片的結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0024] 以下結(jié)合附圖，對(duì)本實(shí)用新型上述的和另外的技術(shù)特征和優(yōu)點(diǎn)作更詳細(xì)的說明。
[0025] 如圖1所示，其為本實(shí)用新型姿態(tài)矯正方法的流程圖；其中，所述姿態(tài)矯正方法， 包括以下步驟：
[0026] 步驟a、檢測(cè)頭部擺動(dòng)造成的姿態(tài)參數(shù)數(shù)值，所述姿態(tài)參數(shù)包括航向角、橫滾角和 俯仰角的角度數(shù)值；
[0027]所述俯仰角、橫滾角和航向角的確定方法為：以矯正者的頸部為原點(diǎn)，以右側(cè)為X軸正方向，以前方為y軸的正方向，以上方為z軸的正方向，頭部繞X軸旋轉(zhuǎn)的角度為俯仰 角，預(yù)設(shè)范圍在15°到20°之間，頭部繞y軸旋轉(zhuǎn)的角度為橫滾角，預(yù)設(shè)范圍在-5°到5° 之間，頭部繞z軸旋轉(zhuǎn)的角度為航向角，預(yù)設(shè)范圍在-5°到5°之間，預(yù)設(shè)姿態(tài)參數(shù)的范圍 為醫(yī)學(xué)中最佳的閱讀姿態(tài)數(shù)據(jù)范圍；
[0028]所述姿態(tài)參數(shù)測(cè)量范圍：航向角：±180°，橫滾角：±180°，俯仰角±180°，為3 軸全角度測(cè)量，無盲區(qū)。
[0029] 步驟b、對(duì)測(cè)得的所述姿態(tài)參數(shù)進(jìn)行參數(shù)處理；
[0030]本步驟中，對(duì)所述姿態(tài)參數(shù)進(jìn)行的所述參數(shù)處理可以為復(fù)雜的處理方法，也可以 簡單的作為數(shù)據(jù)傳輸?shù)耐ǖ?，不?duì)數(shù)據(jù)做任何，僅傳輸數(shù)據(jù)。
[0031] 步驟c、對(duì)處理后的所述姿態(tài)參數(shù)進(jìn)行解讀，獲得矯正者的各個(gè)所述角度數(shù)值；
[0032] 處理后的所述姿態(tài)參數(shù)內(nèi)的數(shù)據(jù)為特定格式，需要對(duì)該格式進(jìn)行轉(zhuǎn)換，從中讀取 矯正者的各個(gè)角度數(shù)值，所述角度數(shù)值包括航向角、橫滾角和俯仰角的角度數(shù)值。
[0033] 步驟d、利用卡爾曼濾波器對(duì)各個(gè)所述角度數(shù)值進(jìn)行消除噪聲處理；
[0034] 所述卡爾曼濾波器算法為：
[0035] 首先，我們先要引入一個(gè)離散控制過程的系統(tǒng)。該系統(tǒng)可用一個(gè)線性隨機(jī)微分方 程（LinearStochasticDifferenceequation)來描述：
[0036] X(k)=AX(k-1)+BU(k)+ff(k)
[0037] 再加上系統(tǒng)的測(cè)量值：
[0038] Z(k) =ΗX(k)+V(k)
[0039] 上兩式子中，X(k)是k時(shí)刻的系統(tǒng)狀態(tài)，U(k)是k時(shí)刻對(duì)系統(tǒng)的控制量。A和B 是系統(tǒng)參數(shù)，對(duì)于多模型系統(tǒng)，他們?yōu)榫仃?。Z(k)是k時(shí)刻的測(cè)量值，Η是測(cè)量系統(tǒng)的參數(shù)， 對(duì)于多測(cè)量系統(tǒng)，Η為矩陣。W(k)和V(k)分別表示過程和測(cè)量的噪聲。他們被假設(shè)成高斯 白噪聲（WhiteGaussianNoise)，他們的協(xié)方差（covariance)分別是Q，R(這里我們假設(shè) 他們不隨系統(tǒng)狀態(tài)變化而變化）。
[0040] 對(duì)于滿足上面的條件（線性隨機(jī)微分系統(tǒng)，過程和測(cè)量都是高斯白噪聲），卡爾曼 濾波器是最優(yōu)的信息處理器。下面我們來用他們結(jié)合他們的covariances來估算系統(tǒng)的最 優(yōu)化輸出。
[0041] 首先我們要利用系統(tǒng)的過程模型，來預(yù)測(cè)下一狀態(tài)的系統(tǒng)。假設(shè)現(xiàn)在的系統(tǒng)狀態(tài) 是k，根據(jù)系統(tǒng)的模型，可以基于系統(tǒng)的上一狀態(tài)而預(yù)測(cè)出現(xiàn)在狀態(tài)：
[0042]X(k|k-1) =AX(k-Ι|k-1)+BU(k)...........(1)
[0043] 式（1)中，X(k|k-1)是利用上一狀態(tài)預(yù)測(cè)的結(jié)果，X(k-l|k-l)是上一狀態(tài)最優(yōu)的 結(jié)果，u(k)為現(xiàn)在狀態(tài)的控制量，如果沒有控制量，它可以為0。
[0044] 到現(xiàn)在為止，我們的系統(tǒng)結(jié)果已經(jīng)更新了，可是，對(duì)應(yīng)于X(k|k_l)的covariance 還沒更新。我們用P表示covariance:
[0045] P(k|k-1) =AP(k-Ι|k-1)A'+Q.........(2)
[0046] 式（2)中，P(kIk_l)是X(kIk_l)對(duì)應(yīng)的covariance，P(k_lIk_l)是X(k_lIk_l) 對(duì)應(yīng)的covariance，A'表示A的轉(zhuǎn)置矩陣，Q是系統(tǒng)過程的covariance。式子1，2就是卡 爾曼濾波器5個(gè)