| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 目录 | 第12-16页 |
| 第1章 绪论 | 第16-32页 |
| ·引言 | 第16页 |
| ·六维力传感器研究现状 | 第16-19页 |
| ·国内研究现状 | 第17-18页 |
| ·国外研究现状 | 第18-19页 |
| ·电阻应变片式六维力传感器简介 | 第19-20页 |
| ·电阻应变片式六维力传感器测量系统 | 第19-20页 |
| ·电阻应变片式六维力传感器测量精度 | 第20页 |
| ·六维力传感器噪声信号 | 第20-22页 |
| ·放大电路噪声 | 第20-21页 |
| ·弹性体蠕变干扰 | 第21页 |
| ·应变片电流热噪声 | 第21-22页 |
| ·六维力传感器硬件滤波器 | 第22-24页 |
| ·放大电路噪声信号硬件滤波器 | 第22-23页 |
| ·应变片机械热噪声硬件滤波器 | 第23页 |
| ·弹性体蠕变噪声硬件滤波器 | 第23-24页 |
| ·六维力传感器数字滤波器 | 第24-28页 |
| ·传统数字滤波算法 | 第24-25页 |
| ·最优估计理论 | 第25-27页 |
| ·小波变换 | 第27-28页 |
| ·课题概述 | 第28-29页 |
| ·课题的研究目的和意义 | 第28-29页 |
| ·课题来源 | 第29页 |
| ·课题研究的主要内容和章节安排 | 第29-32页 |
| 第2章 六维力传感器系统模型建立 | 第32-61页 |
| ·引言 | 第32页 |
| ·六维力传感器建模思路 | 第32-35页 |
| ·六维力传感器基本结构 | 第32-33页 |
| ·六维力传感器系统建模思路 | 第33-35页 |
| ·六维力传感器薄矩形板模型 | 第35-43页 |
| ·六维力传感器系统方程 | 第35-39页 |
| ·六维力传感器测量方程 | 第39-43页 |
| ·六维力传感器下E型膜模型 | 第43-60页 |
| ·白噪声状态模型 | 第46-47页 |
| ·高阶函数状态空间模型 | 第47-56页 |
| ·互耦状态空间模型 | 第56-57页 |
| ·六维力传感器下E型膜量测方程 | 第57-60页 |
| ·结论 | 第60-61页 |
| 第3章 六维力传感器Kalman滤波研究 | 第61-77页 |
| ·引言 | 第61页 |
| ·Kalman滤波简介 | 第61-62页 |
| ·六维力传感器薄矩形板Kalman滤波研究 | 第62-65页 |
| ·六维力传感器薄矩形板Kalman滤波算法研究 | 第62-63页 |
| ·六维力传感器薄矩形板Kalman滤波实例 | 第63-65页 |
| ·六维力传感器下E型膜扩展Kalman滤波研究 | 第65-75页 |
| ·六维力传感器下E型膜白噪声Kalman滤波实例 | 第66-67页 |
| ·六维力传感器下E型膜高阶模型Kalman滤波实例 | 第67-70页 |
| ·六维力传感器下E型膜互耦Kalman滤波研究 | 第70-75页 |
| ·六维力传感器Kalman滤波算法的缺陷 | 第75-76页 |
| ·结论 | 第76-77页 |
| 第4章 六维力传感器E型薄膜自适应卡尔曼滤波研究 | 第77-108页 |
| ·引言 | 第77页 |
| ·六维力传感器模型E型膜模型误差分析 | 第77-78页 |
| ·限定强跟踪Kalman滤波修复六维力传感器E膜模型误差 | 第78-86页 |
| ·限定记忆EKF算法 | 第78-79页 |
| ·限定记忆自适应Kalman滤波算法 | 第79-82页 |
| ·限定记忆自适应EKF滤波实例 | 第82-86页 |
| ·混沌野草EKF辨识六维力传感器下E膜模型参数 | 第86-96页 |
| ·下E型膜扩展卡尔曼滤波器分析 | 第86-87页 |
| ·标准野草算法 | 第87-88页 |
| ·混沌法 | 第88页 |
| ·混沌野草算法优化EKF系统干扰矩阵 | 第88-90页 |
| ·信号滤波实验 | 第90-95页 |
| ·混沌野草优化EKF算法评价 | 第95-96页 |
| ·双重自适应Kalman滤波修复六维力传感器E膜模型误差 | 第96-100页 |
| ·自适应Kalman滤波准则 | 第96页 |
| ·自适应Kalman滤波递推公式 | 第96-97页 |
| ·自适应因子的求解 | 第97-100页 |
| ·模糊自适应Kalman滤波修复六维力传感器E膜模型误差 | 第100-107页 |
| ·模糊Kalman滤波结构 | 第100-101页 |
| ·模糊Kalman滤波的设计和实现 | 第101-104页 |
| ·算例验证及分析 | 第104-107页 |
| ·结论 | 第107-108页 |
| 第5章 六维力传感器E型膜改进粒子滤波算法研究 | 第108-132页 |
| ·引言 | 第108页 |
| ·粒子滤波原理 | 第108-111页 |
| ·贝叶斯估计理论 | 第108-109页 |
| ·蒙特卡罗积分 | 第109-110页 |
| ·基本粒子滤波算法 | 第110-111页 |
| ·改进粒子滤波算法 | 第111-127页 |
| ·正则Unscented粒子滤波 | 第111-116页 |
| ·基于人工萤火虫优化的改进粒子滤波算法 | 第116-125页 |
| ·分层优化粒子滤波算法 | 第125-127页 |
| ·三种优化算法在六维力传感器下E型膜中的应用 | 第127-130页 |
| ·下E型膜模型简化 | 第127-128页 |
| ·信号滤波 | 第128-130页 |
| ·结论 | 第130-132页 |
| 第6章 六维力传感器E型膜粒子控制器设计 | 第132-145页 |
| ·引言 | 第132页 |
| ·滑模变结构控制器 | 第132-135页 |
| ·改进离散趋近律滑模控制器 | 第135-139页 |
| ·粒子滑模跟踪控制器设计 | 第139-144页 |
| ·等效粒子滑模控制器设计 | 第140-141页 |
| ·等效粒子滑模控制器能达性条件 | 第141-142页 |
| ·等效粒子滑模控制器仿真分析 | 第142-144页 |
| ·结论 | 第144-145页 |
| 第7章 六维力传感器小波变换研究 | 第145-158页 |
| ·引言 | 第145-146页 |
| ·小波阈值降噪 | 第146-150页 |
| ·连续小波变换 | 第146-147页 |
| ·离散小波变换 | 第147-149页 |
| ·基于阈值的小波降噪方法 | 第149-150页 |
| ·小波灰色阈值变换 | 第150-152页 |
| ·小波灰色关联度分析 | 第151页 |
| ·小波灰色阈值变换 | 第151-152页 |
| ·小波熵阈值变换 | 第152-155页 |
| ·小波熵理论 | 第152-153页 |
| ·折中自适应阈值函数 | 第153-154页 |
| ·小波熵自适应阈值滤噪 | 第154-155页 |
| ·六维力传感器小波变换实例 | 第155-157页 |
| ·结论 | 第157-158页 |
| 第8章 六维力传感器自适应滤波器研究 | 第158-174页 |
| ·引言 | 第158页 |
| ·支持向量回归机 | 第158-164页 |
| ·支持向量机理论 | 第158-160页 |
| ·非线性系统建模与回归问题 | 第160-162页 |
| ·ε-支持向量回归机 | 第162-163页 |
| ·SVR离线系统辨识 | 第163-164页 |
| ·六维力传感器E型膜自适应滤波器 | 第164-167页 |
| ·SVR自适应滤波器 | 第164-165页 |
| ·带有模型辨识功能的六维力传感器SVR自适应滤波器 | 第165-166页 |
| ·六维力传感器SVR自适应滤波器滤波实例 | 第166-167页 |
| ·动态耦合分析 | 第167-173页 |
| ·六维力传感器动态耦合特性研究 | 第167-168页 |
| ·灰度联邦Kalman滤波 | 第168-171页 |
| ·六维力传感器单方向动态耦合特性滤波实例 | 第171-173页 |
| ·结论 | 第173-174页 |
| 第9章 六维力传感器多方向激励动态耦合滤波研究 | 第174-190页 |
| ·引言 | 第174页 |
| ·合应变状态空间模型 | 第174-178页 |
| ·六方向作用力下的分应变 | 第174-177页 |
| ·六方向作用力下的合应变 | 第177-178页 |
| ·交互式多模型算法(IMM)简介 | 第178-180页 |
| ·六维力传感器交互式多模型滤波算法 | 第180-187页 |
| ·六维力传感器多目标跟踪状态空间模型 | 第180-182页 |
| ·多方向激励力六维力传感器滤波研究 | 第182-187页 |
| ·多向激励下的六维力传感器下E型膜LMIMM滤波研究 | 第187-188页 |
| ·MIMM滤波缺陷分析 | 第188-189页 |
| ·结论 | 第189-190页 |
| 第10章 总结与展望 | 第190-193页 |
| ·论文总结 | 第190-191页 |
| ·后续展望 | 第191-193页 |
| 附录 | 第193-201页 |
| 参考文献 | 第201-207页 |
| 攻读硕士期间科研成果 | 第207-209页 |
| 致谢 | 第209页 |
