近日，新西蘭奧克蘭大學等機構團隊在《AdvancesinWaterResources》發文，用搭載慣性測量單元（IMU）的“智能泥沙顆粒（SSP）”攻克難題。他們在15米循環水槽設固定球形床面，測試鞍形、顆粒頂部兩種凹坑構型下60毫米顆粒起動，采集加速度、角速度等數據，還定義“正脈沖加速度（PIA）”分析動力特性。結果顯示，完全淹沒時水深對起動閾值幾乎無影響，凹坑構型起決定作用：鞍形構型起動臨界流速低（平均），旋轉沖量強但運動后快停滯；顆粒頂部構型因下游顆粒阻擋，臨界流速高（平均），卻能引發持久翻滾。研究還發現凈升力對起動作用強于拖曳力，兩種構型水動力系數穩定（Cd≈、Cl≈）。該研究率先精度量化凹坑幾何與泥沙起動動力學關系，為物理基泥沙輸運模型提供支撐，對河道治理、水利設計意義重大。團隊表示，未來將拓展試驗條件，貼合自然河流環境。IMU 與腦電、肌電信號結合，能更地解析人體運動的神經 - 肌肉機制。浙江IMU傳感器應用

近日，美國研究團隊成功研發了一種創新的實時運動捕捉系統，巧妙結合了IMU技術，旨在有效應對無線數據傳輸中的數據丟失問題。實驗中，科研團隊采用IMU傳感器，將其分布在運動員的身體關鍵部位，實時監測并記錄運動時的加速度和角度變化情況。即使在高達20%的數據丟失率下，IMU傳感器仍能保持較高精度的運動捕捉。研究結果顯示，無論數據丟失率如何，尤其是在高數據丟失率的情況下，IMU傳感器仍能保持較高的運動捕捉精度，揭示了數據丟失對運動捕捉的影響。這也證明IMU在應對無線數據丟失方面扮演著重要角色，有望推動運動捕捉技術向更高精度和魯棒性水平發展。原裝平衡傳感器選型智能車載導航通過 IMU，在隧道內持續提供導航服務。

    日本的一支科研團隊開展了一項基于慣性測量單元（IMU）螺旋軸分析的步態研究，旨在探索膝骨關節（KOA）患者與一般人群的膝關節運動差異，為KOA的早期檢測提供敏感標志物。研究招募了10名KOA患者、11名青年和10名中年受試者，在受試者股骨外側髁和脛骨結節處佩戴IMU傳感器，采集6米行走過程中的三軸加速度和角速度數據（采樣率200Hz），并按步態周期分為支撐相屈曲、支撐相伸展、擺動相屈曲、擺動相伸展四個階段，每秒計算一次螺旋軸方向。通過球坐標角標準差和比較好擬合平面平均偏差量化螺旋軸變異性，經Kruskal-Wallis檢驗發現，KOA患者在支撐相的螺旋軸傾斜角（θ?）標準差低于對照組（相位I：p=；相位II：p=），平面性也更小（相位I：p=；相位II：p=），反映出KOA患者膝關節運動更僵硬、多軸活動受限。該研究證實IMU-based螺旋軸變異性可作為KOA早期診斷的標志物，且該檢測方法便攜、操作簡便，適用于臨床和社區篩查場景。

近日，來自加拿大的研究團隊研發了一種姿勢評估系統，該系統融合了IMU技術和無跡卡爾曼濾波器，旨在研究評估農業工作者在田間作業時的姿勢，以分析職業相關的肌肉骨骼狀態。科研團隊將IMU傳感器固定到農業工作者佩戴的裝備中，以監測并記錄工作時軀干、肩部和肘部的動態變化。實驗結果發現，IMU傳感器能準確捕捉這些部位在復雜農事活動中的動態變化，即使在戶外復雜的工作環境中，IMU傳感器也能保持較高的監測精度。研究表明，無論工作環境如何，IMU傳感器都能保持較高的監測精度。這也證明IMU傳感器在評估農業工作者姿勢方面扮演著重要角色，并有望推動職業監測技術向更高精度和實用性水平發展。多傳感器融合系統中，IMU 與 GNSS 互補增效，在衛星信號遮擋時仍能維持連續導航輸出。

    臨床步態分析中，光學運動捕捉系統（OMC）雖為多段足部模型分析的金標準，但存在空間、成本和時間消耗大的局限，臨床適用性受限。基于慣性測量單元（IMU）的步態分析系統雖便捷，卻多將足踝視為單一剛性段，難以滿足臨床對足部分段運動分析的需求。近日，德國慕尼黑大學醫學中心團隊在《Galt&Posture》期刊發表研究成果，推出一款基于IMU的雙段足部模型，并完成其可靠性測試。該模型在傳統IMU傳感器布置基礎上，于跟骨后側新增一枚傳感器，實現對后足與中足運動的分開分析，通過UltiumMotion系統采集脛骨/后足、脛骨/前足、后足/前足在步態周期中的運動學數據，并采用統計參數映射（SPM）和組內相關系數（ICC）評估其評定者間、評定者內及重測可靠性。該模型操作簡便、耗時短，可在普通診室或野外開展，為臨床足踝診斷、療愈效果監測提供了便捷工具。未來團隊將進一步開展與OMC系統的對比研究，完善模型以適配問題足型等更多臨床場景。 助聽設備融合 IMU，根據用戶頭部姿態調整聲音指向性。上海AGV傳感器評測

工業級 IMU 耐溫抗振，極端環境下仍能保持高精度運動感知。浙江IMU傳感器應用

柔性機械臂因重量輕、功率重量比高，主要用于航空、工業等領域，但結構柔性使其控制難度大——傳統采用偏微分方程（PDE）建模，計算復雜難以實時應用。近日，研究人員提出用慣性測量單元（IMU）傳感器網絡解決這一問題：將柔性臂拆分為多個虛擬剛性段，通過IMU采集每個段的加速度與角速度數據，結合互補濾波處理傳感器漂移和噪聲，準確估算各段姿態與位置，將柔性臂動力學簡化為易實時計算的普通微分方程（ODE）模型。基于此模型，研究人員設計魯棒模型預測控制（RSMPC）策略，無需復雜PDE計算即可實現實時控制。實驗用4.5米長的柔性液壓機械臂驗證：IMU估算的端點位置與激光測量結果一致性高，控制效果優于PID、PDE等方法，且輸入更平滑。該方法為柔性機械臂的實時控制提供了實用路徑，未來可結合模態分析減少IMU使用數量，或適配不同邊界條件，推動柔性機械臂更主要應用。浙江IMU傳感器應用