基于sEMG的康复机器人控制方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-22页 |
| 1.2.1 康复机器人的国内外研究现状 | 第12-17页 |
| 1.2.2 肌电信号的国内外研究现状 | 第17-21页 |
| 1.2.3 阻抗控制的研究现状 | 第21-22页 |
| 1.3 本文的主要工作 | 第22-23页 |
| 第2章 肌电信号的特征分析 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 肌电信号产生的原理 | 第23-25页 |
| 2.3 肌电信号的采集 | 第25-28页 |
| 2.4 肌电信号的预处理 | 第28-29页 |
| 2.5 肌电信号的特征提取 | 第29-31页 |
| 2.6 关节角的采集 | 第31-35页 |
| 2.6.1 Kinect主要功能 | 第31-32页 |
| 2.6.2 各关节转动角度计算方法 | 第32-35页 |
| 2.7 本章小结 | 第35-37页 |
| 第3章 基于支持向量机的患者运动估计 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 支持向量机 | 第37-45页 |
| 3.2.1 统计学基础 | 第37-39页 |
| 3.2.2 支持向量机基本概念 | 第39-43页 |
| 3.2.3 支持向量回归 | 第43-45页 |
| 3.3 BP神经网络 | 第45-48页 |
| 3.4 支持向量机与BP神经网络的对比 | 第48-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于关节力感知的阻抗控制 | 第53-69页 |
| 4.1 引言 | 第53页 |
| 4.2 机器人与环境接触的动力学模型 | 第53-61页 |
| 4.2.1 D-H坐标系模型 | 第53-56页 |
| 4.2.2 建立运动学模型 | 第56-57页 |
| 4.2.3 建立动力学模型 | 第57-61页 |
| 4.3 阻抗控制 | 第61-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 上肢康复机器人运动控制 | 第69-77页 |
| 5.1 引言 | 第69页 |
| 5.2 上肢康复机器人简介 | 第69-73页 |
| 5.2.1 电机的选择 | 第70-71页 |
| 5.2.2 电机驱动器的选择 | 第71-72页 |
| 5.2.3 力传感器的选择 | 第72-73页 |
| 5.3 sEMG康复机器人控制方法及实验 | 第73-75页 |
| 5.4 本章小结 | 第75-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间发表的论文 | 第85-87页 |
| 致谢 | 第87页 |
