| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-22页 |
| ·课题背景与意义 | 第13-14页 |
| ·微创手术机器人国内外研究现状分析 | 第14-16页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·支持向量机理论和微粒群理论的发展 | 第16-18页 |
| ·支持向量机的发展 | 第16-17页 |
| ·微粒群算法的发展 | 第17-18页 |
| ·主从式机器人研究的关键问题 | 第18-20页 |
| ·主要研究内容及章节安排 | 第20-22页 |
| ·研究内容 | 第20页 |
| ·章节安排 | 第20-22页 |
| 第二章 主从式机器人的建模及分析 | 第22-33页 |
| ·引言 | 第22页 |
| ·主从式机器人模型 | 第22-23页 |
| ·数学基础 | 第23-28页 |
| ·位姿描述 | 第23-25页 |
| ·坐标系的描述 | 第25-28页 |
| ·运动学分析 | 第28-29页 |
| ·运动学模型 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 震颤抑制策略的研究 | 第33-45页 |
| ·引言 | 第33页 |
| ·主从式机器人震颤问题描述 | 第33-35页 |
| ·非线性震颤抑制方法研究 | 第35-44页 |
| ·神经网络 | 第35-38页 |
| ·加权频率傅里叶线性组合器 | 第38-39页 |
| ·带限傅里叶线性组合器 | 第39-41页 |
| ·支持向量机 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于支持向量机震颤滤波器的设计 | 第45-62页 |
| ·引言 | 第45页 |
| ·基于TSF-SVM的滤波器模型 | 第45-47页 |
| ·TSF-SVM震颤滤波器的物理模型 | 第45-46页 |
| ·TSF-SVM震颤滤波器的数学模型 | 第46-47页 |
| ·TSF-SVM震颤滤波器的算法 | 第47-51页 |
| ·TSF-SVM算法优化准则的定义 | 第47-48页 |
| ·基于TSF-SVM学习权重函数的设计 | 第48-51页 |
| ·仿真实验研究 | 第51-61页 |
| ·BP-AF和TSF-SVMAF的比较 | 第51-57页 |
| ·TSF-SVM与WFLC和BMFLC的比较 | 第57-60页 |
| ·TSF-SVMAF与SVMAF的比较 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于支持向量机震颤滤波器的参数优化 | 第62-76页 |
| ·引言 | 第62页 |
| ·基于PSO-HKTSF-SVM震颤滤波器的描述 | 第62-65页 |
| ·PSO-HKTSF-SVM震颤滤波器的模型 | 第62-63页 |
| ·PSO-HKTSF-SVM震颤滤波器的理论 | 第63-65页 |
| ·基于微粒群算法的参数寻优 | 第65-69页 |
| ·微粒群理论 | 第65-66页 |
| ·微粒的更新 | 第66-67页 |
| ·基于PSO的HKTSF-SVM震颤滤波器的参数寻优 | 第67-69页 |
| ·仿真实验研究 | 第69-75页 |
| ·震颤信号的抑制 | 第70-73页 |
| ·RBF核和混合核的比较 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读学位期间发表论文 | 第83页 |
| 攻读学位期间参加的课题 | 第83-85页 |
| 致谢 | 第85页 |