| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 仿人机器人控制的国内外研究现状 | 第11-12页 |
| 1.3 仿人机器人控制的关键问题 | 第12-13页 |
| 1.4 人类控制策略研究现状 | 第13页 |
| 1.5 论文的研究工作及组织结构 | 第13-15页 |
| 第2章 仿人机器人模型与稳定性分析 | 第15-24页 |
| 2.1 数学基础 | 第15-16页 |
| 2.1.1 旋转矩阵 | 第15页 |
| 2.1.2 位姿矩阵 | 第15-16页 |
| 2.2 运动学建模 | 第16-19页 |
| 2.3 稳定性分析 | 第19-23页 |
| 2.3.1 零力矩点 | 第19-22页 |
| 2.3.2 稳定步行条件 | 第22-23页 |
| 2.4 小结 | 第23-24页 |
| 第3章 仿人机器人步态规划 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 样条差值 | 第24-25页 |
| 3.3 双足步行分析 | 第25-27页 |
| 3.4 轨迹规划 | 第27-29页 |
| 3.4.1 脚部规划 | 第27-28页 |
| 3.4.2 髋关节规划 | 第28-29页 |
| 3.5 仿人机器人 ZMP 计算 | 第29-30页 |
| 3.6 Matlab 步态仿真 | 第30-32页 |
| 3.7 小结 | 第32-33页 |
| 第4章 基于人类控制策略的支持向量机研究 | 第33-45页 |
| 4.1 引言 | 第33页 |
| 4.2 支持向量机 | 第33-38页 |
| 4.2.1 核函数 | 第33-34页 |
| 4.2.2 支持向量分类机 | 第34-37页 |
| 4.2.3 支持向量回归机 | 第37-38页 |
| 4.3 人类控制策略建模 | 第38-40页 |
| 4.4 SVM 学习人类控制策略的实现 | 第40-42页 |
| 4.5 人工神经网络学习方法对比实验 | 第42-44页 |
| 4.5.1 RBF 神经网络 | 第42页 |
| 4.5.2 CNN 神经网络 | 第42-44页 |
| 4.6 小结 | 第44-45页 |
| 第5章 SVM 步态控制算法实现及在仿人机器人中的应用 | 第45-58页 |
| 5.1 引言 | 第45页 |
| 5.2 SVM 步态控制算法构造及仿真 | 第45-52页 |
| 5.2.1 关节 PID 控制器 | 第46页 |
| 5.2.2 SVM 控制器在线修正质心轨迹 | 第46-47页 |
| 5.2.3 逆运动学计算 | 第47-49页 |
| 5.2.4 算法仿真验证 | 第49-52页 |
| 5.3 仿人机器人行走实验及性能分析 | 第52-57页 |
| 5.3.1 人类控制机器人行走实验平台 | 第52-55页 |
| 5.3.2 实验及性能分析 | 第55-57页 |
| 5.4 小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录 A 攻读学位期间发表的论文情况 | 第63-64页 |
| 附录 B 攻读学位期间参与科研工作情况 | 第64页 |