面向虚拟座舱仿真的头盔伺服系统力控制技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 力伺服控制技术研究现状 | 第17-19页 |
| 1.2.2 sEMG信号与交互力关系研究现状 | 第19-21页 |
| 1.3 本文的主要研究内容 | 第21-23页 |
| 第二章 头颈部的骨骼肌系统生理力学研究 | 第23-32页 |
| 2.1 颈部的骨骼运动学和几何结构研究 | 第23-24页 |
| 2.2 颈部肌肉的研究 | 第24-29页 |
| 2.2.1 颈部肌肉的结构层次 | 第24-26页 |
| 2.2.2 颈部肌肉构造的研究 | 第26-29页 |
| 2.3 颈部肌肉激活方式的研究 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 sEMG信号的特征提取方法研究 | 第32-45页 |
| 3.1 sEMG信号与肌肉力的产生原理 | 第32-33页 |
| 3.2 头颈部侧旋转相关骨骼肌研究 | 第33-35页 |
| 3.2.1 头部侧旋转运动相关肌肉选择 | 第33-35页 |
| 3.2.2 表面电极位置 | 第35页 |
| 3.3 sEMG信号特征提取实验设计 | 第35-37页 |
| 3.3.1 实验采集设备 | 第35-36页 |
| 3.3.2 设计实验过程 | 第36-37页 |
| 3.4 sEMG信号的处理与分析 | 第37-44页 |
| 3.4.1 sEMG信号的降噪处理 | 第38-40页 |
| 3.4.2 sEMG信号的特征提取 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于sEMG的头颈部交互力预测算法 | 第45-53页 |
| 4.1 sEMG信号和肌肉力关系模型 | 第45-49页 |
| 4.1.1 Hill模型 | 第45-47页 |
| 4.1.2 人工神经网络模型 | 第47-49页 |
| 4.2 基于BP神经网络的头颈部交互力预测 | 第49-52页 |
| 4.2.1 头颈部交互力预测实验设计 | 第49页 |
| 4.2.2 BP神经网络创建 | 第49-50页 |
| 4.2.3 BP神经网络学习训练 | 第50-51页 |
| 4.2.4 BP神经网络验证 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 基于sEMG信号的改进阻抗控制策略的研究 | 第53-64页 |
| 5.1 基于sEMG信号的改进阻抗控制回路设计 | 第53-58页 |
| 5.1.1 阻抗控制原理 | 第53-54页 |
| 5.1.2 基于位置的阻抗控制 | 第54-55页 |
| 5.1.3 阻抗控制下机器人动力学模型分析 | 第55-56页 |
| 5.1.4 基于sEMG的改进阻抗控制 | 第56-58页 |
| 5.2 仿真验证实验 | 第58-63页 |
| 5.2.1 仿真系统设计 | 第58-60页 |
| 5.2.2 仿真系统验证 | 第60-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文工作总结 | 第64-65页 |
| 6.2 不足与展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |
