| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 引言 | 第11页 |
| 1.2 仿人机器人的应用与研究现状 | 第11-15页 |
| 1.3 仿人机器人研究意义 | 第15-16页 |
| 1.4 仿人机器人NAO介绍 | 第16-21页 |
| 1.4.1 机器人NAO简介 | 第17-19页 |
| 1.4.2 机器人NAO平台的应用现状 | 第19-21页 |
| 1.5 本文的主要内容 | 第21-23页 |
| 第2章 仿人机器人的行走控制原理及关键技术 | 第23-35页 |
| 2.1 多传感器信息融合 | 第23-26页 |
| 2.1.1 多传感器信息融合关键问题 | 第23-24页 |
| 2.1.2 多传感器信息融合算法 | 第24-26页 |
| 2.2 仿人机器人稳定性判据 | 第26-30页 |
| 2.2.1 ZMP判据 | 第26-28页 |
| 2.2.2 足旋转指标FRI | 第28-29页 |
| 2.2.3 重心力矩轴CMP判据 | 第29页 |
| 2.2.4 几种方法的讨论 | 第29-30页 |
| 2.3 仿人机器人步态规划 | 第30-31页 |
| 2.4 反馈平衡控制 | 第31-34页 |
| 2.4.1 机器人所配置的传感器 | 第32页 |
| 2.4.2 机器人NAO的反馈控制方法 | 第32-33页 |
| 2.4.3 高端机器人上的反馈控制 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于传感器数据融合的机器人NAO姿态估计方法研究 | 第35-47页 |
| 3.1 仿人机器人NAO惯性传感器概述 | 第35-36页 |
| 3.1.1 陀螺仪 | 第35-36页 |
| 3.1.2 加速度计 | 第36页 |
| 3.2 传感器静态条件下的性能分析 | 第36-39页 |
| 3.2.1 静态下加速度计性能分析 | 第37-38页 |
| 3.2.2 静态下陀螺仪的性能分析 | 第38-39页 |
| 3.3 传感器动态条件下的性能分析 | 第39-41页 |
| 3.3.1 实验方法 | 第39-41页 |
| 3.3.2 结果分析讨论 | 第41页 |
| 3.4 基于卡尔曼滤波数据融合的机器人姿态估计方法 | 第41-46页 |
| 3.4.1 卡尔曼滤波基本原理 | 第41-43页 |
| 3.4.2 基于卡尔曼滤波的机器人姿态估计 | 第43-45页 |
| 3.4.3 姿态估计实验结果及分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于倒立摆模型的机器人NAO步态规划方法研究 | 第47-59页 |
| 4.1 线性倒立摆模型 | 第47-49页 |
| 4.2 基于线性倒立摆模型的机器人NAO步态规划 | 第49-56页 |
| 4.2.1 机器人NAO在前向平面中的运动规划 | 第49-54页 |
| 4.2.2 机器人NAO在侧向平面的步态规划 | 第54-56页 |
| 4.3 实验结果分析 | 第56-57页 |
| 4.4 本章小节 | 第57-59页 |
| 第5章 仿人机器人NAO反馈控制策略研究 | 第59-71页 |
| 5.1 脚踝关节策略 | 第59-64页 |
| 5.1.1 闭环步态数据的生成 | 第59-60页 |
| 5.1.2 脚踝关节角度补偿 | 第60-61页 |
| 5.1.3 不稳定支撑斜面姿态保持实验 | 第61-64页 |
| 5.2 腰部姿态控制策略 | 第64-66页 |
| 5.3 下肢关节控制策略 | 第66-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 仿人机器人NAO的状态监测系统设计与实现 | 第71-77页 |
| 6.1 机器人NAO的状态信息分类 | 第71-72页 |
| 6.2 机器人NAO状态监控系统设计与实现 | 第72-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第7章 总结与展望 | 第77-79页 |
| 7.1 总结 | 第77-78页 |
| 7.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 硕士期间获奖情况及发表论文 | 第87页 |
