基于坐姿及多传感融合的智能轮椅控制
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-24页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 国内外智能轮椅研究现状 | 第14-17页 |
| 1.2.1 国外研究概况 | 第14-16页 |
| 1.2.2 国内研究概况 | 第16-17页 |
| 1.3 智能轮椅相关技术研究 | 第17-21页 |
| 1.3.1 多传感器融合技术 | 第17-19页 |
| 1.3.2 轮椅运动控制系统 | 第19-20页 |
| 1.3.3 人机接口 | 第20-21页 |
| 1.4 论文研究内容及结构安排 | 第21-23页 |
| 1.4.1 论文研究内容 | 第21-22页 |
| 1.4.2 论文结构 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第二章 智能轮椅系统功能模块介绍 | 第24-31页 |
| 2.1 引言 | 第24页 |
| 2.2 智能轮椅功能性分析 | 第24-25页 |
| 2.3 智能轮椅系统硬件结构 | 第25-27页 |
| 2.4 智能轮椅主要功能模块 | 第27-30页 |
| 2.4.1 障碍物测距模块 | 第27-28页 |
| 2.4.2 坐姿检测模块 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于支持向量机的坐姿识别 | 第31-48页 |
| 3.1 引言 | 第31页 |
| 3.2 Tekscan压力分布测量系统 | 第31-32页 |
| 3.3 座椅压力敏感点分布 | 第32-35页 |
| 3.4 压力传感器数据预处理 | 第35-37页 |
| 3.5 SVM坐姿识别的数学描述 | 第37-40页 |
| 3.6 坐姿分类器构建 | 第40-47页 |
| 3.6.1 SMO优化算法 | 第40页 |
| 3.6.2 拉格朗日乘子的解 | 第40-42页 |
| 3.6.3 SMO中拉格朗日乘子的启发式选择方法 | 第42页 |
| 3.6.4 选择核函数 | 第42-43页 |
| 3.6.5 高斯核半径及惩罚系数选择 | 第43-44页 |
| 3.6.6 五种坐姿类别的SVM分类器构建 | 第44-45页 |
| 3.6.7 坐姿分类器训练 | 第45-47页 |
| 3.7 小结 | 第47-48页 |
| 第四章 基于神经网络的多传感信息融合 | 第48-64页 |
| 4.1 引言 | 第48-49页 |
| 4.2 多传感器信息预处理 | 第49-54页 |
| 4.2.1 传感器噪声及野点去除 | 第49-51页 |
| 4.2.2 障碍物分区 | 第51-53页 |
| 4.2.3 距离信息模糊化 | 第53-54页 |
| 4.3 基于神经网络的信息融合 | 第54-63页 |
| 4.3.1 神经网络简介 | 第54-56页 |
| 4.3.2 基于BP神经网络的信息融合描述 | 第56-58页 |
| 4.3.3 确定初始权值 | 第58页 |
| 4.3.4 选择学习率 | 第58-59页 |
| 4.3.5 隐含层节点的确定 | 第59-60页 |
| 4.3.6 神经网络训练 | 第60-63页 |
| 4.4 小结 | 第63-64页 |
| 第五章 基于多传感及坐姿的轮椅避障控制 | 第64-81页 |
| 5.1 引言 | 第64-65页 |
| 5.2 模糊控制器设计 | 第65-70页 |
| 5.2.1 模糊控制器结构 | 第65-66页 |
| 5.2.2 语言变量值及隶属函数 | 第66-67页 |
| 5.2.3 模糊控制规则 | 第67-70页 |
| 5.3 人机交互接口设计 | 第70-80页 |
| 5.3.1 主要信息处理模块 | 第70-73页 |
| 5.3.2 软件开发过程 | 第73-75页 |
| 5.3.3 关键模块连接配置 | 第75-79页 |
| 5.3.4 人机界面 | 第79-80页 |
| 5.4 小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读学位期间发表的论文 | 第87-89页 |
| 致谢 | 第89页 |
