| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-29页 |
| ·仿人机器人的研究与发展 | 第15-22页 |
| ·机器人的发展与仿人机器人 | 第15-18页 |
| ·仿人机器人的研究与发展 | 第18-22页 |
| ·研究的背景、目的和意义 | 第22-25页 |
| ·仿人机器人研究面临的挑战和存在的不足 | 第22-25页 |
| ·研究的目的和意义 | 第25页 |
| ·论文的研究思路及主要内容 | 第25-29页 |
| ·论文的研究思路 | 第25-27页 |
| ·论文的主要研究内容及创新点 | 第27-29页 |
| 第二章 研究现状概述 | 第29-37页 |
| ·引言 | 第29页 |
| ·智能机器人数字仿真与虚拟示教技术的研究现状 | 第29-34页 |
| ·机器人数字仿真技术及其研究现状 | 第29-32页 |
| ·仿人机器人的虚拟示教技术及其研究现状 | 第32-34页 |
| ·人手到仿人灵巧手的运动映射技术及其研究现状 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 仿人机器人三维仿真实验平台的研究 | 第37-56页 |
| ·引言 | 第37-38页 |
| ·仿真实验平台软件架构 | 第38-43页 |
| ·软件结构示意图与流程 | 第38-40页 |
| ·视景仿真客户端软件设计 | 第40-41页 |
| ·三维场景的全方位观测技术 | 第41-43页 |
| ·环境作用力的模拟 | 第43-50页 |
| ·重心的获取 | 第43-45页 |
| ·计算仿人机器人支撑面 | 第45-46页 |
| ·平衡条件和失稳时的旋转轴 | 第46-49页 |
| ·点支撑模式 | 第46-47页 |
| ·线支撑模式 | 第47-48页 |
| ·面支撑模式 | 第48-49页 |
| ·失稳时的翻转速度 | 第49-50页 |
| ·环境作用力仿真的OpenGL实现 | 第50页 |
| ·实验与讨论 | 第50-55页 |
| ·三维实时仿真系统开发环境 | 第50页 |
| ·重力场模拟方法 | 第50-51页 |
| ·失稳摔倒时的仿真实验结果与讨论 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于三维仿真平台的虚拟示教系统研究 | 第56-77页 |
| ·引言 | 第56-57页 |
| ·开发环境及软件架构 | 第57-59页 |
| ·仿人机器人手臂的示教 | 第59-63页 |
| ·正运动学方程的D-H表示法 | 第59-60页 |
| ·七自由度机器人手臂逆运动学求解 | 第60-61页 |
| ·仿人机器人手臂的关键点示教 | 第61-63页 |
| ·仿人机器人腿的示教 | 第63-66页 |
| ·正运动学方程的D-H表示法 | 第63页 |
| ·六自由度机器腿逆运动学求解 | 第63-65页 |
| ·仿人机器腿的关键点示教 | 第65-66页 |
| ·示教动作的轨迹规划与仿真 | 第66-72页 |
| ·实验与讨论 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 第五章 基于K-Means神经网络集成算法的仿人灵巧手主从示教研究 | 第77-107页 |
| ·引言 | 第77-79页 |
| ·神经网络集成训练算法 | 第79-82页 |
| ·Bagging算法 | 第79-80页 |
| ·Boosting算法 | 第80-81页 |
| ·训练算法现状与分析 | 第81-82页 |
| ·K-Means算法及其改进 | 第82-85页 |
| ·常用概念定义 | 第82页 |
| ·K-Means算法的实现 | 第82-84页 |
| ·改进的K-Means算法 | 第84-85页 |
| ·基于K-Means神经网络集成的仿人灵巧手主从示教方法研究 | 第85-99页 |
| ·人手与灵巧手结构差异 | 第85-87页 |
| ·除拇指外其他四指的运动映射 | 第87-89页 |
| ·拇指的逆运动学求解方法 | 第89-96页 |
| ·除拇指外其他四指的正运动学方程 | 第89-91页 |
| ·拇指的正运动学方程 | 第91-93页 |
| ·人工势场法求解拇指逆运动学方程 | 第93-96页 |
| ·仿人灵巧手拇指示教样本集的生成 | 第96-97页 |
| ·神经网络集成的构建 | 第97-98页 |
| ·基于K-Means算法的训练样本聚类方法 | 第98-99页 |
| ·实验与讨论 | 第99-106页 |
| ·系统描述与实验设置 | 第99-101页 |
| ·实验结果与分析 | 第101-106页 |
| ·除拇指外四指的主从跟随实验 | 第101页 |
| ·仿人灵巧手拇指训练样本数据的获取 | 第101-104页 |
| ·基于神经网络集成的运动映射跟随实验 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 第六章 基于Cloud-Adaboosting神经网络集成算法的仿人灵巧手主从示教研究 | 第107-121页 |
| ·引言 | 第107-109页 |
| ·云模型理论简介 | 第109-114页 |
| ·云模型的发展与定义 | 第109-110页 |
| ·云模型理论 | 第110-114页 |
| ·云的数字特征 | 第110-111页 |
| ·云发生器 | 第111-113页 |
| ·多维云模型 | 第113-114页 |
| ·Cloud-AdaBoosting算法 | 第114-116页 |
| ·基于Cloud-Adaboosting算法的神经网络集成构建方法 | 第116-117页 |
| ·神经网络个体的选择 | 第116页 |
| ·神经网络集成构建 | 第116-117页 |
| ·实验结果与分析 | 第117-119页 |
| ·系统描述与实验设置 | 第117-118页 |
| ·实验结果与分析 | 第118-119页 |
| ·本章小结 | 第119-121页 |
| 结论与展望 | 第121-123页 |
| 参考文献 | 第123-133页 |
| 攻读博士学位期间取得的研究成果 | 第133-135页 |
| 致谢 | 第135页 |
