| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 六维力传感器背景 | 第11-15页 |
| 1.1.1 六维力传感器测量形式 | 第11-12页 |
| 1.1.2 六维力传感器国外研究现状 | 第12-14页 |
| 1.1.3 六维力传感器国内研究现状 | 第14-15页 |
| 1.2 六维力传感器静态解耦算法的国内外研究现状 | 第15-17页 |
| 1.3 六维力传感器标定方法和标定装置国内外研究现状 | 第17-18页 |
| 1.4 论文选题的意义 | 第18页 |
| 1.5 课题的来源 | 第18-19页 |
| 1.6 论文的主要研究内容 | 第19-21页 |
| 第二章 压电式六维力传感器结构设计及静态标定方法研究 | 第21-37页 |
| 2.1 压电效应和力敏元器件组成 | 第21-23页 |
| 2.1.1 压电效应 | 第21-22页 |
| 2.1.2 力敏元器件组成 | 第22-23页 |
| 2.2 压电式六维力传感器测量原理及数学模型 | 第23-26页 |
| 2.2.1 压电式六维力传感器测量原理 | 第23-24页 |
| 2.2.2 四点支撑结构六维力传感器测力模型 | 第24-26页 |
| 2.3 传感器标定实验装置与加载方法 | 第26-28页 |
| 2.3.1 传感器标定实验装置 | 第26-27页 |
| 2.3.2 传感器标定实验加载方法 | 第27-28页 |
| 2.4 压电式六维力传感器标定实验步骤规划 | 第28页 |
| 2.5 传感器加载实验 | 第28-32页 |
| 2.5.1 传感器横向力F_x、F_y的加载实验 | 第28-29页 |
| 2.5.2 传感器轴向力F_z的加载实验 | 第29-30页 |
| 2.5.3 传感器弯矩M_x、M_y的加载实验 | 第30-31页 |
| 2.5.4 传感器扭矩M_z的加载实验 | 第31-32页 |
| 2.6 静态标定实验结果分析 | 第32-34页 |
| 2.7 传感器耦合评价指标的确立 | 第34-35页 |
| 2.8 本章小结 | 第35-37页 |
| 第三章 基于线性的压电式六维力传感器解耦算法研究 | 第37-49页 |
| 3.1 压电式六维力传感器解耦必要性分析 | 第37页 |
| 3.2 六维力传感器线性耦合模型的建立 | 第37-38页 |
| 3.3 传统的静态线性解耦算法 | 第38-39页 |
| 3.4 基于均值标定矩阵的静态线性解耦算法 | 第39-43页 |
| 3.4.1 均值标定矩阵解耦算法的原理及解耦模型建立 | 第39-41页 |
| 3.4.2 均值标定算法解耦效果分析 | 第41-42页 |
| 3.4.3 均值标定算法解耦效果验证 | 第42-43页 |
| 3.5 基于最小二乘法的静态线性解耦算法 | 第43-47页 |
| 3.5.1 最小二乘法解耦算法的原理及模型建立 | 第43-46页 |
| 3.5.2 最小二乘解耦算法解耦效果分析 | 第46页 |
| 3.5.3 最小二乘解耦算法效果验证 | 第46-47页 |
| 3.6 两种静态线性解耦算法对比分析 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于非线性的压电式六维力传感器解耦算法研究 | 第49-65页 |
| 4.1 六维力传感器非线性解耦算法的提出 | 第49-50页 |
| 4.2 样本选择与归一化处理 | 第50-51页 |
| 4.3 基于BP神经网络的压电式六维力传感器静态解耦 | 第51-57页 |
| 4.3.1 BP神经网络基本原理 | 第51-52页 |
| 4.3.2 基于BP神经网络的六维力传感器解耦模型设计 | 第52-54页 |
| 4.3.3 BP神经网络的训练、测试及实验数据分析 | 第54-55页 |
| 4.3.4 BP神经网络解耦算法的解耦效果分析 | 第55-56页 |
| 4.3.5 BP神经网络解耦算法的解耦效果验证 | 第56-57页 |
| 4.4 基于RBF神经网络的压电式六维力传感器静态解耦 | 第57-63页 |
| 4.4.1 RBF神经网络基本原理 | 第57-58页 |
| 4.4.2 基于RBF神经网络的六维力传感器解耦模型设计 | 第58-60页 |
| 4.4.3 RBF神经网络的训练、测试及实验数据分析 | 第60-61页 |
| 4.4.4 RBF神经网络解耦算法的解耦效果分析 | 第61-62页 |
| 4.4.5 RBF神经网络解耦算法的解耦效果验证 | 第62-63页 |
| 4.5 两种静态非线性解耦算法的对比分析 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 基于融合算法的压电式六维力传感器解耦研究 | 第65-81页 |
| 5.1 六维力传感器静态融合解耦算法的提出 | 第65页 |
| 5.2 基于最小二乘支持向量机的压电式六维力传感器静态解耦 | 第65-71页 |
| 5.2.1 支持向量机基本理论 | 第65-67页 |
| 5.2.2 基于LSSVR的六维力传感器解耦模型设计 | 第67-69页 |
| 5.2.3 LSSVR解耦算法模型的训练和解耦效果分析 | 第69-70页 |
| 5.2.4 LSSVR解耦算法的解耦效果验证 | 第70-71页 |
| 5.3 基于遗传算法优化BP神经网络的压电式六维力传感器静态解耦 | 第71-78页 |
| 5.3.1 遗传算法基本理论 | 第71-73页 |
| 5.3.2 基于GABP的六维力传感器解耦模型设计 | 第73-76页 |
| 5.3.3 GABP解耦算法模型的训练、测试及实验数据分析 | 第76-77页 |
| 5.3.4 GABP神经网络解耦算法的解耦效果分析 | 第77-78页 |
| 5.3.5 GABP解耦算法的解耦效果验证 | 第78页 |
| 5.4 两种融合解耦算法的对比分析 | 第78-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 创新点 | 第82页 |
| 6.3 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 附录1 | 第89-91页 |
| 附录2 | 第91-101页 |
