主从式微创手术机器人系统的震颤抑制方法研究
摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
目录 | 第7-10页 |
CONTENTS | 第10-13页 |
第一章 绪论 | 第13-23页 |
·课题的研究背景及意义 | 第13-15页 |
·研究背景与意义 | 第13-15页 |
·课题来源 | 第15页 |
·研究状况 | 第15-21页 |
·微创手术机器人研究状况 | 第15-19页 |
·微创手术机器人震颤抑制研究状况 | 第19-21页 |
·本文主要研究内容及章节安排 | 第21-23页 |
·本文主要研究内容 | 第21-22页 |
·本文的章节安排 | 第22-23页 |
第二章 主从式微创手术机器人运动学模型 | 第23-42页 |
·数学基础理论 | 第23-34页 |
·位置与位姿的描述 | 第23-26页 |
·坐标变换的描述 | 第26-30页 |
·Denavit-Hartenberg表示方法 | 第30-34页 |
·主机械臂运动学模型 | 第34-39页 |
·PHANToM主机械臂介绍 | 第34-35页 |
·PHANToM机械臂机构分析及其运动学模型 | 第35-39页 |
·从机械臂运动学模型 | 第39-41页 |
·本章小结 | 第41-42页 |
第三章 非线性震颤自适应滤波理论 | 第42-58页 |
·自适应滤波器基础 | 第42-46页 |
·自适应滤波器基本原理 | 第42-43页 |
·自适应滤波器结构 | 第43-45页 |
·自适应滤波器算法 | 第45-46页 |
·震颤自适应滤波算法 | 第46-57页 |
·BP神经网络理论 | 第46-48页 |
·模糊控制理论 | 第48-52页 |
·小波分析理论 | 第52-55页 |
·最小二乘支持向量机 | 第55-57页 |
·本章小结 | 第57-58页 |
第四章 基于模糊小波神经网络的震颤自适应滤波器 | 第58-87页 |
·主从式微创外科手术机器人系统 | 第58-60页 |
·震颤问题的描述 | 第60-63页 |
·基于FWNN的震颤自适应滤波器模型 | 第63-66页 |
·FWNN震颤自适应滤波器物理模型 | 第63-64页 |
·FWNN震颤自适应滤波器数学模型 | 第64-66页 |
·基于FWNN的震颤自适应滤波器算法实现 | 第66-72页 |
·模糊小波神经网络的结构设计 | 第66-69页 |
·模糊小波神经网络的学习机制 | 第69-72页 |
·仿真实验 | 第72-86页 |
·对无外界干扰的震颤信号滤波 | 第73-78页 |
·对具有突变特性的震颤信号滤波 | 第78-82页 |
·对具有随机特性的震颤信号滤波 | 第82-86页 |
·本章小结 | 第86-87页 |
第五章 基于最小二乘支持向量机的震颤自适应滤波器 | 第87-97页 |
·引言 | 第87页 |
·LS-SVM震颤自适应滤波器物理模型 | 第87-88页 |
·LS-SVM震颤自适应滤波器数学模型 | 第88-90页 |
·基于LS-SVM震颤自适应滤波器算法实现 | 第90-92页 |
·仿真实验 | 第92-96页 |
·对低幅值低频率震颤信号滤波 | 第93-95页 |
·对高幅值高频率震颤信号滤波 | 第95-96页 |
·本章小结 | 第96-97页 |
结论 | 第97-98页 |
1. 本文的工作总结 | 第97页 |
2. 进一步工作的展望 | 第97-98页 |
参考文献 | 第98-104页 |
攻读学位期间发表的学术论文 | 第104-106页 |
致谢 | 第106页 |