基于CPG的仿人机器人步行控制研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10页 |
| 1.2 本课题的研究背景及意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-19页 |
| 1.3.1 国外CPG运动控制研究现状 | 第13-17页 |
| 1.3.2 国内CPG运动控制研究现状 | 第17-18页 |
| 1.3.3 存在的问题 | 第18-19页 |
| 1.4 本文的主要研究内容 | 第19-20页 |
| 第2章 关于CPG神经元模型的研究 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 CPG网络控制机理 | 第20-25页 |
| 2.3 CPG数学模型研究 | 第25-31页 |
| 2.3.1 基于神经元的CPG模型 | 第25-28页 |
| 2.3.2 基于非线性振荡器的CPG模型 | 第28-31页 |
| 2.3.3 当前CPG数学模型中存在的问题 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 仿人机器人步行控制CPG网络模型研究 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 仿人机器人步行控制CPG网络模型研究 | 第33-40页 |
| 3.2.1 仿人机器人的步行控制CPG单元模型 | 第34-38页 |
| 3.2.2 仿人机器人步行控制CPG网络模型 | 第38-40页 |
| 3.3 引入反馈的CPG网络模型 | 第40-43页 |
| 3.3.1 相位复位策略 | 第41-43页 |
| 3.3.2 姿态反馈策略 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于改进遗传算法的CPG网络参数优化 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 人工蜂群算法 | 第44-47页 |
| 4.3 遗传算法 | 第47-49页 |
| 4.4 基于改进遗传算法的CPG网络参数优化 | 第49-59页 |
| 4.4.1 改进的遗传算法 | 第50-53页 |
| 4.4.2 CPG网络参数优化过程与分析 | 第53-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 基于CPG控制的仿人机器人行走实验 | 第60-74页 |
| 5.1 引言 | 第60页 |
| 5.2 机器人实验平台介绍 | 第60-64页 |
| 5.2.1 机器人硬件平台 | 第60-63页 |
| 5.2.2 机器人软件平台 | 第63-64页 |
| 5.3 机器人行走实验 | 第64-72页 |
| 5.3.1 机器人坐标系 | 第64页 |
| 5.3.2 机器人平坦地面行走实验 | 第64-68页 |
| 5.3.3 机器人斜面行走实验 | 第68-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82页 |
