| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-11页 |
| 1.3 人工智能的国内外发展及研究现状 | 第11-14页 |
| 1.4 论文的主要研究内容及组织结构 | 第14-16页 |
| 1.4.1 论文的主要研究内容 | 第14-15页 |
| 1.4.2 论文的组织结构 | 第15-16页 |
| 第2章 基于触觉信息的人机交互数据采集平台的设计与实现 | 第16-30页 |
| 2.1 人机交互数据采集硬件平台设计 | 第16-23页 |
| 2.1.1 FSR触觉传感器介绍 | 第17-18页 |
| 2.1.2 3D打印模型设计 | 第18页 |
| 2.1.3 MK60N512VLQ100(K60)最小系统介绍 | 第18-19页 |
| 2.1.4 A/D转换模块介绍 | 第19-20页 |
| 2.1.5 蓝牙模块介绍 | 第20-21页 |
| 2.1.6 nano25六轴传感器介绍 | 第21-23页 |
| 2.2 人机交互数据采集软件平台设计 | 第23-26页 |
| 2.2.1 数据采集软件平台设计流程 | 第23-24页 |
| 2.2.2 串口通信 | 第24-25页 |
| 2.2.3 用户界面 | 第25-26页 |
| 2.3 nano25六轴传感器与FSR触觉传感器数据的同步实现 | 第26-29页 |
| 2.3.1 nano25传感器和FSR传感器的数据同步设计 | 第26-27页 |
| 2.3.2 nano25传感器和FSR传感器的数据同步显示 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于触觉信息的人机交互接触状态数据的预处理 | 第30-40页 |
| 3.1 人机交互接触状态分析 | 第30-31页 |
| 3.2 数据的滤波处理 | 第31-36页 |
| 3.2.1 常用数据滤波算法优缺点比较分析 | 第31-32页 |
| 3.2.2 Sage-Husa自适应卡尔曼滤波器设计 | 第32-34页 |
| 3.2.3 数据滤波处理结果分析 | 第34-36页 |
| 3.3 数据的特征提取 | 第36-39页 |
| 3.3.1 标准化处理 | 第36页 |
| 3.3.2 PCA特征提取算法 | 第36-38页 |
| 3.3.3 PCA特征提取后的结果与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于改进PSO算法的优化BP神经网络算法研究 | 第40-61页 |
| 4.1 粒子群优化算法 | 第40-42页 |
| 4.1.1 粒子群优化算法起源 | 第40页 |
| 4.1.2 粒子群优化算法原理 | 第40-42页 |
| 4.2 改进的粒子群优化算法 | 第42-51页 |
| 4.2.1 改进的方法 | 第43-46页 |
| 4.2.2 改进的粒子群算法对比仿真实验 | 第46-51页 |
| 4.3 基于改进的PSO算法的优化BP神经网络算法 | 第51-60页 |
| 4.3.1 BP神经网络算法 | 第51-55页 |
| 4.3.2 基于改进的PSO优化BP神经网络 | 第55-58页 |
| 4.3.3 改进的BP神经网络算法对比仿真实验 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 基于触觉信息的人机交互接触状态分类算法的仿真与实现 | 第61-78页 |
| 5.1 基于基本动作数据的人机交互接触状态分类识别 | 第61-66页 |
| 5.2 基于动态数据的人机交互接触状态分类识别 | 第66-70页 |
| 5.3 基于基本动作+动态数据的人机交互接触状态分类识别 | 第70-75页 |
| 5.4 仿真结果分析 | 第75-76页 |
| 5.5 本章小结 | 第76-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间获得的学术成果 | 第85页 |
