| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·机器马健身器的应用与研究现状 | 第13-16页 |
| ·信息融合研究现状及发展趋势 | 第16-21页 |
| ·论文的主要研究内容及章节安排 | 第21-23页 |
| ·课题来源 | 第21页 |
| ·论文的主要研究内容及章节安排 | 第21-23页 |
| 第2章 仿生机器马健身器 | 第23-38页 |
| ·仿生机器马健身器机构 | 第23-30页 |
| ·仿生机器马并联平台结构 | 第23-25页 |
| ·仿生机器马并联平台的运动学模型 | 第25-29页 |
| ·动力学模型 | 第29-30页 |
| ·仿生机器马控制系统 | 第30-37页 |
| ·硬件部分 | 第31-33页 |
| ·软件部分 | 第33-35页 |
| ·人机交互界面 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 生理信息融合系统的研究 | 第38-56页 |
| ·生理指标与运动的相互关系 | 第38-45页 |
| ·心率与运动的关系 | 第38-42页 |
| ·血氧饱和度与运动的关系 | 第42-43页 |
| ·血压与运动的关系 | 第43-45页 |
| ·生理信息的采集 | 第45-47页 |
| ·心率的采集 | 第45-46页 |
| ·血氧饱和度的采集 | 第46-47页 |
| ·血压的采集 | 第47页 |
| ·生理信息融合系统模型 | 第47-49页 |
| ·时间配准 | 第49-51页 |
| ·同类传感器时间配准 | 第49-50页 |
| ·异类传感器时间配准 | 第50-51页 |
| ·随机加权算法 | 第51-53页 |
| ·生理信息融合算法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于 BP 神经网络的信息融合算法研究 | 第56-77页 |
| ·引言 | 第56页 |
| ·BP 网络融合算法及存在问题分析 | 第56-60页 |
| ·基于改进的 BFGS 算法的神经网络融合算法 | 第60-68页 |
| ·BFGS 算法 | 第60-61页 |
| ·改进的牛顿下山法 | 第61-62页 |
| ·基于改进的 BFGS 的 BP 神经网络学习算法 | 第62-65页 |
| ·仿真实验与结果分析 | 第65-68页 |
| ·改进蚁群算法优化 BP 网络参数 | 第68-76页 |
| ·蚁群算法 | 第68-69页 |
| ·改进的蚁群算法 | 第69-70页 |
| ·改进蚁群算法性能测试 | 第70-75页 |
| ·改进蚁群算法优化 BP 神经网络 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 基于支持向量机的信息融合算法研究 | 第77-88页 |
| ·引言 | 第77页 |
| ·支持向量机 | 第77-81页 |
| ·基于改进量子粒子群算法的支持向量机学习算法 | 第81-85页 |
| ·粒子群算法 | 第81-84页 |
| ·改进的量子粒子群算法 | 第84页 |
| ·基于改进量子粒子群的 SVM 优化算法 | 第84-85页 |
| ·算法仿真与结果分析 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 仿生机器马骑姿寻优控制及实验研究 | 第88-107页 |
| ·运动平台控制器的设计 | 第89-94页 |
| ·基于动力学模型设计控制器的可行性分析 | 第89-90页 |
| ·支链位置控制 | 第90-91页 |
| ·仿生机器马运动平台控制器 | 第91-94页 |
| ·仿生机器马再现运动轨迹系统方案 | 第94-100页 |
| ·仿生机器马骑姿寻优控制的计算机仿真研究 | 第100-103页 |
| ·仿生机器马骑姿寻优控制的实验研究 | 第103-106页 |
| ·生理信息传感器 | 第103-104页 |
| ·现场实验 | 第104-106页 |
| ·本章小结 | 第106-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-117页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第117-118页 |
| 致谢 | 第118-119页 |
| 作者简介 | 第119页 |