当前位置:首页 / 找人才

DMXTGSJ 0

会员等级 : 发包方:0   接包方:0

会员身份:个人

注册时间:2021-02-18

所在地:浙江省 杭州市

  • 线上收入: 0.00元
  • 职位类型: 全职
  • 工作年限: 1-3年
  • 擅长领域: 智能家居/家电 智能穿戴 医疗电子
  • 技术标签: 蓝牙 单片机 ARM 嵌入式 工业控制 C语言 智能家居 物联网 智能硬件 MCU
  • 简介:

    杭州 壹悟科技有限公司,2020-06至今,AGV本体研发-技术专家(控制以及嵌入式)
    壹悟科技是19年创立的一个从事仓储物流自动化解决方案的创业公司,创始人是前菜鸟物流高管以及浙大校友,其算法团队出自菜鸟,在机器人控制系统(RCS)解决方案上拥有核心优势,但缺少自主研发AGV(自动导引小车)的能力。
    目前二维码导航的分拣AGV已经在现场测试阶段,从6月底入职该公司至今,完成了AGV运动控制算法的实现,包括S曲线速度规划、横向偏移和航向偏移反馈控制、旋转螺旋线纠偏反馈、龟速停车、紧急停车、限距跟车、实时追加行车距离。独立完成AGV本体的整套代码,包括嵌入式驱动封装和调试、业务逻辑分析和执行、运动目标分解、RCS的上线对接等。8月底,第一版AGV测试结束,电路板因供电模块功率问题,底盘运动、举升电机、翻盖机构单独测试;11月初,第二版电路板完工,举升电机、翻盖机构、拨指电机、测距传感器、货物检测、其它开关和指示灯等均已测试完成,底盘运动控制稳定性测试已经稳定持续4周(每天早上开启不断电、不重启运行至下班,约8~9小时)。
    AGV技术方案选择Xilinx ZYNQ-7010的ARM A9双核CPU,基于其精简的Linux进行开发,熟悉Linux和shell脚本,交叉编译,C++编程。

    上海 赛可科技有限公司,2019-01~2020-01,技术研发部-深度决策优化组
    在深度决策优化组负责上汽各子公司的物流规划、排程算法的设计和落地,学习和探究各类组合优化方法、深度强化学习方法的应用。物流规划业务主要包括订单分类、装箱装车、路径规划、时间窗检查、流量控制后处理等,设计的算法主要有各类组合优化算法如遗传、退火、蚁群、粒子群和启发式算法,也有聚类等简单机器学习算法。落地场景包括捷豹、路虎、大众的零部件运输,天地华宇、通用售后的售后运输。装箱算法探究包括基于策略训练net-point的强化学习方法和基于价值训练的dqn模型,后者类似超启发算法,前者依赖数据。

    项目经历
    下肢运动学参数测量与逆动力学分析方法研究,2014-09~2015-12,浙江大学
    下肢运动学参数测量与逆动力学分析方法研究,针对多轴地面反作用力的实时与户外测量要求,开发了一套传感鞋系统,将足底划分为脚跟、足弓、脚掌三个区域分别测量,能够实时获取足底的3轴地面反作用力和反作用力矩,同时,将该传感鞋与下肢惯性测量系统结合,在穿戴系统中实现了人体逆动力学分析,能够获取下肢关节角、关节力和关节力矩信息。
    我们开发了一套穿戴式传感系统。该穿戴式传感系统由一双传感鞋和5个运动传感器(IMU)组成。传感鞋鞋底3块多轴力传感器(M3552D:足弓,M3553D:脚跟,M3554D:脚掌,Sunrise Instruments,USA),每个力传感器连接有一个数据采集电路模块,该模块上包括IMU、供电电源、WIFI数据传输电路。运动传感器(IMU)用于测量下肢的姿态,二者组合测量并能对步态进行逆动力学分析。运动传感器集成了加速度计、陀螺仪(MPU6050,Invensense,USA)和磁力计(HMC5883L,Honeywell,USA)。传感器以WIFI通信的方式通过无线路由器向PC端的数据采集软件传输数据。
    发表EI会议 1篇。
    基于传感鞋的下肢运动学分析方法与临床测试实验研究,2015-09~2016-12,浙江大学
    基于传感鞋的下肢运动学分析方法与临床测试实验研究,针对多传感器系统的功能与数据冗余问题,通过分析足底地面反作用力与下肢关节角的隐藏关系,应用机器学习和深度学习的统计方法,建立了地面反作用力和力矩与下肢关节角的神经网络与卷积神经网络模型,实现了仅基于足底地面反作用力的下肢运动学分析。此外,研究招募了10名糖尿病足临床患者进行步态测试实验,实验提取的步态参数显示患者的各类参数值与正常取值范围有明显差异。
    足底地面反作用力的变化与下肢关节角的运动之间存在一定的联系,然而,这种联系无疑与每个个体的步行习惯、身体差异相关,很难通过物理或者数学模型进行描述。力输入神经网络的个体模型预测的膝关节角和髋关节角精度达到了0.91、0.91的相关系数与8.32°、4.66°的均方根误差;而在卷积神经网络训练的通用模型中,膝关节角和髋关节角的测试精度达到了0.94和0.93的相关系数以及7.89°和3.51°的均方根误差。
    发表SCI 1篇,EI会议 1篇。
    融合惯性传感器与测距传感器阵列的足部姿态解算方法研究,2016-03~2018-03,浙江大学
    融合惯性传感器与测距传感器阵列的足部姿态解算方法研究,针对惯性传感器使用9轴融合算法解算姿态时,易受到运动加速度扰动和外界磁场干扰的问题,提出了陀螺仪融合测距传感器阵列的测量结果并对翻滚角和俯仰角进行校正的解算方法,计算结果与运动捕捉系统测量的标准结果相比,俯仰角与翻滚角的精度相较于9轴算法的精度有明显提升。
    基于之前开发的一套步态测量系统,我们对传感鞋部分做了改进,在每只传感鞋的周围布置了4个测距传感器(VL53L0x,STM,Switzerland)。这4个测距传感器连接至1块小型开发板(Bluno Nano,DFRobot)进行数据读取,然后该开发板使用一个WIFI模块将数据传送至PC端。 融合算法求解的3个欧拉角(俯仰角、翻滚角和偏航角)与参考值的相关系数分别为0.994,0.935,0.795,均方根误差分别为2.84°,4.75°,6.75°;而9轴MPL算法求解的3个欧拉角与参考值的相关系数分别为0.957,0.813,0.673,均方根误差分别为9.83°,6.11°,4.98°。在俯仰角的计算上,融合算法有极高的精度,与参考值曲线十分吻合。
    发表SCI 1篇,EI会议 1篇,发明专利 1篇。
    基于优化求解的足关节坐标系标定方法研究,2017-09~2018-12,浙江大学
    基于优化求解的足关节坐标系标定方法研究,针对以往惯性传感器在穿戴与解剖标定过程中操作专业、步骤复杂以及过程费时的问题,使用了优化求解算法计算惯性传感器与肢体的相对姿态关系,以关节的几何约束建立优化问题,利用梯度下降法求出最优关节坐标系,无需额外的标定程序,且对传感器的穿戴位置和方式无任何特定要求。
    为了能够可靠地测量脚趾和脚跟的姿态,我开发了一套简单的足关节惯性测量系统。足关节惯性测量系统由两个惯性传感单元(HI219M,HiPNUC Technologies,China)、一个SD/TF卡读写模块、存储开关和Nucleo Stm32L432开发板组成。Nucleo Stm32L432以460800的波特率向串口读取两个惯性传感单元的测量数据,如果检测到按钮第一次按下,则开始将传感单元的数据保存至SD/TF卡,如果检测到按钮第二次按下,则停止保存。屈曲/伸展角和外展/内收角的结果与Vicon参考值相比,相关系数分别为0.997和0.888,均方根误差分别为2.54°和2.17°。

TA还在寻找合适的项目,暂时没有参与竞标项目!

最新竞标项目

序号 项目名称 项目类型 竞标状态 竞标日期

完工项目

序号 项目名称 项目类型 状态 完成日期

最新发布项目

序号 项目名称 项目类型 项目状态 发布日期

不良记录

最近访客
客服电话
二维码
客服QQ

客服QQ:
1617942058

留言板