| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 绪论 | 第13-20页 |
| 1 多维腕力传感器在机器人研究中的作用 | 第13页 |
| 2 多维腕力传感器研究现状和存在的主要问题 | 第13-17页 |
| 3 仿生算法 | 第17页 |
| 4 本文主要工作 | 第17-18页 |
| 5 论文的结构和主要内容 | 第18-20页 |
| 第一章 新型机器人多维腕力传感器及其弹性体有限元分析 | 第20-32页 |
| ·新型机器人多维腕力传感器基本结构 | 第20-21页 |
| ·多维腕力传感器的系统组成 | 第20页 |
| ·新型机器人多维腕力传感器结构特点 | 第20-21页 |
| ·力信号获取原理 | 第21-24页 |
| ·弹性体有限元分析 | 第24-31页 |
| ·有限元法的基本原理 | 第25-26页 |
| ·有限元分析模型的建立 | 第26-27页 |
| ·弹性体有限元分析 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第二章 基于神经网络的多维腕力传感器标定方法研究 | 第32-50页 |
| ·概述 | 第32页 |
| ·多维腕力传感器静态标定实验 | 第32-35页 |
| ·实验装置和实验方法 | 第32-33页 |
| ·数据采集与处理 | 第33-35页 |
| ·基于最小二乘法的多维腕力传感器的线性标定 | 第35-37页 |
| ·基于 BP 神经网络的多维腕力传感器非线性标定 | 第37-44页 |
| ·人工神经网络概述 | 第37-41页 |
| ·BP 神经网络 | 第41-43页 |
| ·BP 神经网络实现多维腕力传感器非线性标定 | 第43-44页 |
| ·基于 RBF 神经网络的多维腕力传感器非线性标定 | 第44-48页 |
| ·RBF 神经网络 | 第44-47页 |
| ·RBF 神经网络实现多维腕力传感器非线性标定 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第三章 新型多维腕力传感器的动态特性 | 第50-60页 |
| ·概述 | 第50页 |
| ·动态标定实验 | 第50-53页 |
| ·阶跃响应法 | 第50-51页 |
| ·冲击响应法 | 第51页 |
| ·数据采集 | 第51-53页 |
| ·新型多维腕力传感器的动态性能指标 | 第53-59页 |
| ·二阶系统 | 第53-55页 |
| ·时域动态性能指标 | 第55-57页 |
| ·频域动态性能指标 | 第57页 |
| ·时频域两种动态性能指标的关系 | 第57-58页 |
| ·动态性能指标的计算 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于多重小波分析的多维腕力传感器信号去噪方法研究 | 第60-69页 |
| ·概述 | 第60页 |
| ·常用去噪方法 | 第60-64页 |
| ·时域平均 | 第60-61页 |
| ·消除趋势项 | 第61-62页 |
| ·数据滤波 | 第62-63页 |
| ·FFT/IFFT | 第63-64页 |
| ·小波去噪方法 | 第64-66页 |
| ·小波分析简介 | 第64-65页 |
| ·小波分析在去噪中的应用 | 第65-66页 |
| ·多维腕力传感器信号去噪方法实验 | 第66-68页 |
| ·数据滤波方法 | 第66-67页 |
| ·FFT/IFFT 方法 | 第67页 |
| ·多重小波方法 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于改进遗传神经网络的新型多维腕力传感器动态建模与补偿方法 | 第69-91页 |
| ·概述 | 第69页 |
| ·多维腕力传感器动态建模与补偿方法介绍 | 第69-76页 |
| ·多维腕力传感器动态建模方法介绍 | 第69-74页 |
| ·多维腕力传感器动态补偿方法介绍 | 第74-76页 |
| ·基于改进遗传神经网络的新型多维腕力传感器动态建模与补偿方法 | 第76-90页 |
| ·遗传神经网络 | 第76-84页 |
| ·基于改进遗传神经网络的新型多维腕力传感器动态建模方法 | 第84-87页 |
| ·基于改进遗传神经网络的新型多维腕力传感器动态补偿方法 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 多维腕力传感器操作环境模型及与环境作用时动态特性研究 | 第91-103页 |
| ·概述 | 第91页 |
| ·基于机理分析法的多维腕力传感器操作环境的动力学模型 | 第91-93页 |
| ·一级弹簧-质量-阻尼体模型 | 第91-92页 |
| ·二级弹簧-质量-阻尼体模型 | 第92-93页 |
| ·基于 RBF 神经网络的非线性环境建模 | 第93-96页 |
| ·基于 RBF 神经网络的环境建模机理 | 第94页 |
| ·实验及结果 | 第94-96页 |
| ·基于小波神经网络的非线性环境建模 | 第96-100页 |
| ·基于小波神经网络的环境建模机理 | 第96-99页 |
| ·实验及结果 | 第99-100页 |
| ·多维腕力传感器与环境作用时动态特性研究 | 第100-102页 |
| ·简化力学模型 | 第100-101页 |
| ·环境质量对传感器固有频率的影响 | 第101-102页 |
| ·接触环境刚度对传感器固有频率的影响 | 第102页 |
| ·本章小结 | 第102-103页 |
| 第七章 基于 CTD 的多维腕力传感器动态补偿器的设计 | 第103-114页 |
| ·概述 | 第103页 |
| ·基于 CTD 的可调频率特性补偿器设计 | 第103-113页 |
| ·补偿原理 | 第103-109页 |
| ·补偿器设计 | 第109-113页 |
| ·本章小结 | 第113-114页 |
| 第八章 全文研究总结及展望 | 第114-117页 |
| ·全文总结 | 第114-115页 |
| ·研究展望 | 第115-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-125页 |
| 攻读博士学位期间发表论文情况如下: | 第125页 |
| 攻读博士学位期间获奖情况如下: | 第125页 |
