首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

上肢康复训练机器人的肌电控制研究

摘要第1-15页
ABSTRACT第15-18页
第1章 绪论第18-32页
   ·研究背景及意义第18-21页
   ·肌电控制的国内外研究现状第21-25页
   ·基于模式识别的肌电控制问题分析第25-29页
     ·空间解耦第25-26页
     ·特征提取第26-27页
     ·模式分类第27-28页
     ·存在的问题第28-29页
   ·研究目标及内容第29-32页
     ·研究目标第29-30页
     ·研究内容第30页
     ·组织安排第30-32页
第2章 sEMG信号产生机理与采集第32-44页
   ·sEMG信号产生机理与特点第32-34页
     ·神经肌肉系统的基本功能单位第32-33页
     ·sEMG信号的产生机理第33-34页
   ·上肢运动与肌肉的对应关系第34-36页
   ·sEMG信号与肢体动作模式的关系第36-37页
   ·面向上肢康复训练的sEMG信号采集第37-41页
     ·sEMG信号采集系统第37-38页
     ·sEMG信号采集方案第38-41页
   ·sEMG信号采集结果第41-43页
   ·本章小结第43-44页
第3章 应用独立分量分析的多通道sEMG信号空间解耦第44-60页
   ·ICA的基本原理第44-45页
   ·ICA的估计原理与算法第45-48页
     ·基于负熵的独立性判据第45-47页
     ·FastICA算法简介第47-48页
   ·多通道sEMG信号间的空间耦合第48-50页
   ·多通道sEMG信号的空间解耦第50-54页
     ·sEMG信号的非高斯性第50-51页
     ·ICA分解预处理第51-52页
     ·多通道sEMG信号的ICA分解第52-53页
     ·独立分量次序和多通道sEMG信号的匹配第53-54页
   ·结果分析第54-58页
   ·本章小结第58-60页
第4章 基于小波包变换与样本熵的sEMG信号特征提取第60-82页
   ·小波变换与小波包变换第60-63页
     ·小波变换基本理论第60-62页
     ·小波包变换第62-63页
   ·基于小波包变换与样本熵的特征提取第63-69页
     ·样本熵简介第63-65页
     ·样本熵用于特征提取的局限性第65-67页
     ·sEMG信号的小波包分解第67-69页
     ·小波包样本熵特征第69页
   ·改进小波包分解后的sEMG信号特征第69-76页
     ·改进小波包分解第70-74页
     ·特征降维与优化第74-76页
   ·特征空间的可分性评价第76-78页
   ·空间解耦对特征提取的影响第78-81页
     ·空间解耦对特征可分性的影响第78-79页
     ·空间解耦对特征提取速度的影响第79-81页
   ·本章小结第81-82页
第5章 基于遗传BP神经网络的上肢动作模式分类第82-102页
   ·基于BP神经网络的上肢动作模式分类第82-91页
     ·BP算法及其实现第83-85页
     ·BP神经网络设计与训练第85-87页
     ·不同特征对分类结果的影响第87-91页
   ·基于遗传BP神经网络的上肢动作模式分类第91-100页
     ·遗传算法的基本原理第92-93页
     ·遗传算法对BP神经网络的优化第93-96页
     ·遗传算法对分类结果的影响第96-100页
   ·本章小结第100-102页
第6章 上肢康复训练机器人肌电控制的原型系统第102-112页
   ·原型系统组成第102-103页
   ·上肢康复训练机器人第103-107页
     ·机器人机械本体第103-104页
     ·机器人控制系统第104-105页
     ·机器人运动学分析第105-107页
   ·系统测试第107-110页
     ·测试过程第108-109页
     ·测试结果第109-110页
   ·本章小结第110-112页
总结与展望第112-116页
参考文献第116-132页
攻读博士学位期间发表的论文及参与课题第132-134页
致谢第134-136页
外文论文第136-149页
学位论文评阅及答辩情况表第149页

论文共149页,点击 下载论文
上一篇:漩涡检测与基于特征的流体可视化方法研究
下一篇:压电定位平台的建模与控制方法研究