| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-20页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 劳作型下肢外骨骼机器人概况 | 第8-10页 |
| 1.2.1 劳作型外骨骼机器人研究目的 | 第8-9页 |
| 1.2.2 劳作型外骨骼机器人特点 | 第9-10页 |
| 1.3 国内外研究现状及发展动态分析 | 第10-17页 |
| 1.3.1 劳作型机器人的研究现状 | 第10-12页 |
| 1.3.2 人体下肢外骨骼研究现状 | 第12-15页 |
| 1.3.3 劳作型外骨骼运动相位识别研究现状 | 第15-16页 |
| 1.3.4 劳作型外骨骼运动模式识别研究现状 | 第16页 |
| 1.3.5 劳作型外骨骼行为预测研究现状 | 第16-17页 |
| 1.4 选题意义及主要研究内容 | 第17-19页 |
| 1.4.1 选题意义 | 第17-18页 |
| 1.4.2 主要研究内容 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 劳作型下肢外骨骼机器人动力学分析 | 第20-31页 |
| 2.1 机构模型的建立 | 第20-21页 |
| 2.2 位置正反解分析 | 第21-24页 |
| 2.3 外骨骼机构的雅克比矩阵及其奇异性 | 第24-25页 |
| 2.4 劳作型下肢外骨骼工作空间分析 | 第25-28页 |
| 2.4.1 影响外骨骼工作空间的主要因素 | 第25-26页 |
| 2.4.2 工作空间面积函数的建立 | 第26-27页 |
| 2.4.3 MATLAB仿真分析 | 第27-28页 |
| 2.5 人-机系统联合ADAMS负重仿真 | 第28-30页 |
| 2.5.1 仿真过程 | 第28-29页 |
| 2.5.2 仿真结果 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于多数据多融合与RBF神经网络的动作识别研究 | 第31-43页 |
| 3.1 基于BSN的人体劳作动作监测平台 | 第31-32页 |
| 3.2 数据融合与去噪 | 第32-36页 |
| 3.2.1 传感器佩戴位置的选取与坐标系的建立 | 第32页 |
| 3.2.2 数据融合算法的建立 | 第32-35页 |
| 3.2.3 实验数据融合 | 第35-36页 |
| 3.3 RBF网络模型的建立 | 第36-37页 |
| 3.4 仿真实例 | 第37-41页 |
| 3.4.1 劳作动作数据获取 | 第37-39页 |
| 3.4.2 数据特征提取 | 第39-40页 |
| 3.4.3 动作的分类 | 第40-41页 |
| 3.5 实验结果 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 应用卡尔曼算法的劳作型下肢外骨骼行为预判的研究 | 第43-53页 |
| 4.1 应用卡尔曼滤波算法的行为预判 | 第43-45页 |
| 4.1.1 卡尔曼滤波预判模型的建立 | 第43-45页 |
| 4.1.2 人体行为预判的卡尔曼预判模型的建立 | 第45页 |
| 4.2 劳作型下肢外骨骼机器人二连杆模型 | 第45-48页 |
| 4.3 劳作型下肢外骨骼PD控制策略 | 第48-49页 |
| 4.4 实验仿真分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 研究内容总结 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |