存档5月 2022

自制防止电脑掉线小工具

作者 在动手就动手 标签 , , 
     最近家里新添加了一位吃奶小战士，所以事情比较多；经常会被打断去忙别的事情；导致电脑长时间没有动静从而出现微信等工具掉线情况；所以自制了一个小工具，在忙别的事情的时候能保证电脑不会掉链子。
     下面将通过树莓派Zero、PCA9685舵机驱动、MG996舵机组合实现鼠标的定期或随机移动，组合如下图：
组合效果
实现原理：
    树莓派连接PCA9685舵机驱动板，驱动板连接MG996舵机；舵机转轴连接一个驱动臂；将鼠标用胶带跟驱动臂连接起来；接下来写程序，让舵机每隔一段时间执行转动-复位动作，然后驱动臂顺带带动鼠标移动一下；从而实现，电脑检测鼠标在使用的情况，从而防止电脑程序不掉线的目的。
视频效果如下：
实现代码如下：


#coding:utf-8



'''

from JiuJiang

树莓酱的操作实例

https:://www.shumeijiang.com

'''



import time

from board import SCL, SDA

import busio

from adafruit_pca9685 import PCA9685

from adafruit_motor import servo



#引入i2c

i2c = busio.I2C(SCL, SDA)



#控制第一块板子

pca = PCA9685(i2c, address=0x40)  #地址可以修改  默认0x40

pca.frequency = 50



default_angle = {0:113, 1:0, 2:80}



#开始执行

while True:

    i = 2

    servo_o = servo.Servo(pca.channels[i]) #i是舵机在pca9685上的编号



    #设置脉冲宽度 500到2500是正常的 这个可以自己调整 不设置默认只到135度

    servo_o.set_pulse_width_range(min_pulse=500, max_pulse=2500)



    #初始化度数

    servo_o.angle = default_angle[i]

    time.sleep(1)



    #再执行移动

    servo_o.angle = 65

    time.sleep(1)



    #再恢复

    servo_o.angle = default_angle[i]   

    time.sleep(60) #一分钟执行一次  可随机数



pca.deinit()



舵机驱动部分参考文章：https://www.shumeijiang.com/2021/08/29/舵机的新驱动方式.html。

卡尔曼滤波算法实现

作者 在其他作料 标签 , , 
    卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
    数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。（百度百科）
    实际应用中，我们陀螺仪实验的时候，会发现获取的数值抖动太大，不够平滑；这样的数值在应用时会导致很多问题，因此需要通过一定的算法将数值转换的更平滑。如下采集数据：
105.87231557, 108.0076993, 85.64052734, 84.23328308, 124.71488794, 102.91086635, 96.6229862, 93.07739765, 98.52594135, 111.79610743, 94.78393208, 105.27301268, 87.23224952, 89.71036819, 117.43724425, 64.70525616, 75.48832499, 91.99249324, 105.44355624, 84.93538347
    上面的数据是获取的陀螺仪Roll方向20次样本数据，可见数值波动很大，如84都124，89到117等。下面我们将尝试卡尔曼算法，实现数值降噪滤波。
代码示例：


#!/usr/bin/env python

#coding:utf-8



'''

from JiuJiang

树莓酱的操作实例

https:://www.suhmeijiang.com

'''

import matplotlib.pyplot as plt



#滤波类

class kalman_filter:

    def __init__(self,Q,R):

        self.Q = Q

        self.R = R



        self.P_k_k1 = 1

        self.Kg = 0

        self.P_k1_k1 = 1

        self.x_k_k1 = 0

        self.ADC_OLD_Value = 0

        self.Z_k = 0

        self.kalman_adc_old=0



    def kalman(self,ADC_Value):



        self.Z_k = ADC_Value



        if (abs(self.kalman_adc_old-ADC_Value)>=60):

            self.x_k1_k1= ADC_Value*0.382 + self.kalman_adc_old*0.618

        else:

            self.x_k1_k1 = self.kalman_adc_old;



        self.x_k_k1 = self.x_k1_k1

        self.P_k_k1 = self.P_k1_k1 + self.Q

        self.Kg = self.P_k_k1/(self.P_k_k1 + self.R)



        kalman_adc = self.x_k_k1 + self.Kg * (self.Z_k - self.kalman_adc_old)

        self.P_k1_k1 = (1 - self.Kg)*self.P_k_k1

        self.P_k_k1 = self.P_k1_k1



        self.kalman_adc_old = kalman_adc



        return kalman_adc



if __name__ == '__main__':

    kalman_filter =  kalman_filter(0.001,0.1)



    #陀螺仪测试数据

    test_array = [105.87231557, 108.0076993, 85.64052734, 84.23328308, 124.71488794, 102.91086635, 96.6229862, 93.07739765, 98.52594135, 111.79610743, 94.78393208, 105.27301268, 87.23224952, 89.71036819, 117.43724425, 64.70525616, 75.48832499, 91.99249324, 105.44355624, 84.93538347, 105.87231557, 108.0076993, 85.64052734, 84.23328308, 124.71488794, 102.91086635, 96.6229862, 93.07739765, 98.52594135, 111.79610743, 94.78393208, 105.27301268, 87.23224952, 89.71036819, 117.43724425, 64.70525616, 75.48832499, 91.99249324, 105.44355624, 84.93538347]



    print(test_array)

    n = len(test_array)



    #卡尔曼过滤

    new_array=[]

    for i in range(n):

        new_array.append(int(kalman_filter.kalman(test_array[i])))



    #滤波后数据

    print(new_array)



    #图形生成展示

    plt.plot(new_array)

    plt.plot(test_array)

    plt.show()



效果如图：
执行效果
    上图可见，我们通过vnc进入可视化桌面，然后命令行执行程序文件，左侧是输出的数据；右侧是图表化滤波数据和原值数据，蓝色是滤波后数据，黄色是原值数据。可见，滤波后数据变的平滑很多。
    算法部分来源于大神文章：https://blog.csdn.net/moge19/article/details/82531119
    图形化展示部分，使用的是matplotlib，Python的2D绘图库；系统默认是没有安装的，需要自己安装，由于默认安装的matplotlib版本执行一直有问题，所以安装时指定了版本：


pip install matplotlib==2.0.2



    安装后执行如果报问题：Couldn't find foreign struct converter for 'cairo.Context'，那么执行如下命令：


 sudo apt-get install python-gi-cairo



其他滤波算法，还没尝试，如果有兴趣可以试一下：十种滤波算法的Python实现。