摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 绪论 | 第9-15页 |
1.1 假肢技术的发展现状 | 第9-12页 |
1.1.1 多自由度肌电假手的研究 | 第9-10页 |
1.1.2 神经电信号控制假手的研究 | 第10页 |
1.1.3 “再造指”技术控制假手的研究 | 第10-11页 |
1.1.4 脑电信号控制假手的研究 | 第11页 |
1.1.5 智能假手的研究 | 第11-12页 |
1.2 本论文的理论意义和实际意义 | 第12-13页 |
1.3 本论文主要研究内容 | 第13-15页 |
2 误差反向传播算法概述 | 第15-27页 |
2.1 误差反向传播算法原理 | 第15-21页 |
2.1.1 学习的目的 | 第16页 |
2.1.2 反向传播算法的数学描述 | 第16-20页 |
2.1.3 训练的方式 | 第20-21页 |
2.2 算法存在的问题 | 第21-22页 |
2.2.1 网络学习速率 | 第21页 |
2.2.2 训练失败的可能性较大 | 第21-22页 |
2.2.3 网络结构的设计 | 第22页 |
2.3 算法的改进 | 第22-27页 |
2.3.1 加入动量项 | 第22-23页 |
2.3.2 训练方式的选择 | 第23页 |
2.3.3 样本的择取 | 第23-24页 |
2.3.4 激活函数的选择 | 第24页 |
2.3.5 期望响应的择取 | 第24页 |
2.3.6 输入样本规整化 | 第24-25页 |
2.3.7 网络参数的初始化 | 第25-26页 |
2.3.8 学习率的设定 | 第26-27页 |
3 模式分类器设计 | 第27-45页 |
3.1 肌电信号特性分析 | 第27-32页 |
3.1.1 肌电信号产生机理 | 第27-28页 |
3.1.2 肌电信号的特性(由表面电极采集) | 第28-32页 |
3.2 数据压缩 | 第32-35页 |
3.2.1 目的 | 第32页 |
3.2.2 算法的选择及其原理 | 第32-33页 |
3.2.3 算法的实现 | 第33-35页 |
3.3 分类器设计 | 第35-45页 |
3.3.1 算法的选择 | 第36页 |
3.3.2 原始肌电信号的选取 | 第36-37页 |
3.3.3 BP网络的输入 | 第37页 |
3.3.4 BP网络的详细设计 | 第37-45页 |
4 握力自适应调节系统设计 | 第45-54页 |
4.1 传感器材料的选择 | 第45-46页 |
4.2 基于 PVDF的触觉、滑觉传感器原理 | 第46-49页 |
4.2.1 PVDF换能原理 | 第46-48页 |
4.2.2 基于 PVDF的触觉原理 | 第48页 |
4.2.3 基于 PVDF的滑觉原理 | 第48-49页 |
4.3 传感器的结构设计 | 第49-50页 |
4.4 握力自适应调节控制系统的设计 | 第50-54页 |
4.4.1 触觉、滑觉信号的特点 | 第50-52页 |
4.4.2 控制系统设计 | 第52-54页 |
5 系统软件设计 | 第54-64页 |
5.1 编程语言的选择及其运行环境介绍 | 第54页 |
5.2 系统主要模块的功能及其实现 | 第54-60页 |
5.2.1 数据压缩模块 | 第54-56页 |
5.2.2 网络输入端原始信号预处理(适用于网络训练) | 第56页 |
5.2.3 网络参数的初始化(适用于网络训练) | 第56-57页 |
5.2.4 分类器的实现 | 第57-60页 |
5.2.5 握力自适应调节控制模块 | 第60页 |
5.3 假手系统控制方案 | 第60-64页 |
6 脑电信号作为假手控制信息源的探索 | 第64-74页 |
6.1 脑电信号研究现状(假肢领域) | 第64-66页 |
6.1.1 自发脑电信号法 | 第64-65页 |
6.1.2 诱发脑电信号法 | 第65-66页 |
6.1.3 植入电极法 | 第66页 |
6.2 脑电信号作为控制假肢的信息源可行性分析 | 第66-70页 |
6.2.1 自发脑电作为控制信息源的可行性分析 | 第66-69页 |
6.2.2 诱发脑电作为控制信息源的可行性分析 | 第69-70页 |
6.3 脑电控制模型 | 第70页 |
6.4 P300控制假肢模式的提出 | 第70-74页 |
6.4.1 事件相关电位 P300简介 | 第71-72页 |
6.4.2 控制模式的提出 | 第72-74页 |
结论 | 第74-76页 |
参考文献 | 第76-79页 |
攻读硕士学位期间发表学术论文情况 | 第79-80页 |
致谢 | 第80-81页 |
大连理工大学学位论文版权使用授权书 | 第81页 |