无需编程经验!用Johnny-Five打造肌电控制假肢的完整指南
2026-02-05 05:37:52作者:蔡丛锟
项目背景与目标
Johnny-Five是一个JavaScript机器人编程框架,允许开发者通过简单的JavaScript代码控制各种硬件设备。本指南将展示如何利用该框架构建一个基于肌电信号控制的假肢原型,无需深厚编程基础即可完成。项目核心文件包括lib/johnny-five.js主框架和docs/servo.md等硬件控制文档。
硬件准备清单
构建肌电控制假肢需要以下组件:
- Arduino Uno开发板
- 肌电传感器模块(EMG Sensor)
- SG90舵机(docs/servo.md)
- 直流电机(docs/motor.md)
- 面包板与杜邦线
- 3D打印假肢外壳
环境搭建步骤
- 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/jo/johnny-five
cd johnny-five
- 安装依赖:
npm install
- 上传Firmata固件到Arduino:
npm run firmata
详细环境配置可参考README.md和docs/board.md。
电路连接指南
按照以下步骤连接硬件:
- 将肌电传感器输出端连接到Arduino A0引脚
- 舵机信号线连接到D9引脚(docs/servo.md)
- 电机连接到L298N驱动模块,控制引脚接D5(docs/motor.md)
- 电源模块分别为传感器、舵机和电机供电
核心控制代码
创建emg-prosthetic.js文件,添加以下代码:
const { Board, Sensor, Servo, Motor } = require("johnny-five");
const board = new Board();
board.on("ready", () => {
// 初始化肌电传感器
const emg = new Sensor({
pin: "A0",
threshold: 50
});
// 初始化舵机(手指关节)
const finger = new Servo({
pin: 9,
range: [0, 180]
});
// 初始化电机(手臂旋转)
const armMotor = new Motor({
pin: 5
});
// 肌电信号控制逻辑
emg.on("change", () => {
const value = emg.value;
// 根据肌电信号强度控制手指弯曲
if (value > 500) {
finger.to(180); // 握拳
armMotor.start(200); // 启动电机
} else {
finger.to(0); // 伸开
armMotor.stop(); // 停止电机
}
});
// 注入REPL便于调试
board.repl.inject({
emg,
finger,
armMotor
});
});
代码使用了Sensor类处理肌电信号,Servo类控制手指关节,Motor类驱动手臂旋转,详细API可参考lib/sensor.js、lib/servo.js和lib/motor.js。
信号处理与调试
- 运行程序:
node emg-prosthetic.js
- 打开REPL界面调试:
node eg/repl.js
- 使用以下命令测试设备:
// 手动控制舵机
> finger.sweep()
// 测试电机
> armMotor.start(150)
调试技巧可参考docs/repl.md和docs/servo-prompt.md。
机械结构设计
假肢机械部分建议使用3D打印,关节处需预留足够活动空间。舵机安装位置参考docs/servo-animation-leg.md的动画原理,电机传动结构可参考docs/motobot.md的设计。
进阶功能扩展
- 添加多个关节控制:
const fingers = new Servo.Array([9, 10, 11]);
- 实现平滑运动:
finger.animate({
from: 0,
to: 180,
duration: 1000
});
- 添加姿态传感器:
const accelerometer = new Accelerometer({
controller: "ADXL345"
});
参考docs/accelerometer-adxl345.md
项目总结与展望
本项目展示了如何利用Johnny-Five框架快速构建肌电控制假肢原型。通过JavaScript这一普及度高的语言降低了开发门槛,主要优势包括:
- 简化的硬件控制API(lib/board.js)
- 丰富的传感器支持(docs/目录下各传感器文档)
- 活跃的社区支持(CONTRIBUTORS.md)
未来可进一步优化肌电信号识别算法,添加蓝牙无线控制模块,以及设计更符合人体工程学的假肢外壳。完整项目代码可在eg/目录下找到更多示例参考。
参考资料
- 官方文档:docs/
- Servo控制:docs/servo.md
- Motor控制:docs/motor.md
- 传感器API:lib/sensor.js
- 项目贡献指南:CONTRIBUTING.md
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0214
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
469
465
暂无描述
Dockerfile
778
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
877
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677

