| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状与分析 | 第9-15页 |
| 1.2.1 双足步行机器人的研究现状 | 第9-12页 |
| 1.2.2 双足步行机器人智能学习运动控制的研究现状 | 第12-15页 |
| 1.3 分析与总结 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第2章 类人猿机器人“GOROBOT-II”全方位步行规划 | 第18-37页 |
| 2.1 引言 | 第18页 |
| 2.2 类人猿机器人―GOROBOT-II‖的运动学分析 | 第18-19页 |
| 2.3 基于 ZMP 的三维倒立摆方程的推导 | 第19-21页 |
| 2.4 全方位步行规划傅里叶级数逼近法 | 第21-34页 |
| 2.4.1 双足机器人前向步行规划 | 第21-29页 |
| 2.4.2 双足机器人踝关节轨迹规划 | 第29-30页 |
| 2.4.3 双足机器人侧向步行规划 | 第30-32页 |
| 2.4.4 双足机器人斜向步行规划 | 第32页 |
| 2.4.5 双足机器人转向步行规划 | 第32-34页 |
| 2.5 双足机器人全方位步行样本的生成 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 全方位步行样本仿真及结果分析 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 仿真环境 | 第37页 |
| 3.3 全方位步行样本的虚拟样机仿真 | 第37-41页 |
| 3.4 全方位步行样本仿真结果分析 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于 CMAC 的步行样本学习 | 第47-63页 |
| 4.1 引言 | 第47页 |
| 4.2 小脑神经网络 CMAC | 第47-50页 |
| 4.2.1 小脑神经网络介绍 | 第47-48页 |
| 4.2.2 小脑神经网络的学习算法 | 第48-50页 |
| 4.3 成功步行样本的 CMAC 学习 | 第50-56页 |
| 4.3.1 不同步长的步行样本学习 | 第51-52页 |
| 4.3.2 不同步速的步行样本学习 | 第52-53页 |
| 4.3.3 不同步长与步速的步行样本学习 | 第53-54页 |
| 4.3.4 不同转弯半径的步行样本学习 | 第54-55页 |
| 4.3.5 全方位中央步态生成器 | 第55-56页 |
| 4.4 智能学习在双足机器人运动控制中的运用 | 第56-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 “GOROBOT-II”机器人步行学习的仿真分析 | 第63-74页 |
| 5.1 引言 | 第63页 |
| 5.2 步行学习在前向步行中的应用 | 第63-67页 |
| 5.3 步行学习在侧向步行中的应用 | 第67-69页 |
| 5.4 步行学习在斜向步行中的应用 | 第69-71页 |
| 5.5 步行学习在转向步行中的应用 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80页 |
