| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题来源与选题背景 | 第12-13页 |
| 1.1.1 课题来源 | 第12页 |
| 1.1.2 选题背景 | 第12-13页 |
| 1.2 双腿行走机器人的研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 智能假肢的研究现状 | 第17-20页 |
| 1.3.1 国外智能假肢的研究概况 | 第17-19页 |
| 1.3.2 国内智能假肢研究现状 | 第19-20页 |
| 1.4 论文的主要研究内容 | 第20-22页 |
| 第2章 人体下肢步态信息获取 | 第22-30页 |
| 2.1 人体下肢结构及步态参数分析 | 第22-25页 |
| 2.1.1 人体下肢解剖结构 | 第22-23页 |
| 2.1.2 人体步态特征描述 | 第23-25页 |
| 2.2 基于OpenSim软件的人体下肢步态信息获取 | 第25-27页 |
| 2.3 基于传感器的人体步态数据获取 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于CPG的人工腿步态规划研究 | 第30-46页 |
| 3.1 CPG的控制规划原理 | 第30-31页 |
| 3.2 Hopf模型分析及CPG网络搭建 | 第31-36页 |
| 3.3 基于遗传算法的CPG参数整定 | 第36-40页 |
| 3.3.1 遗传算法基本参数选取 | 第36-37页 |
| 3.3.2 适应性函数的确定及整定结果 | 第37-40页 |
| 3.4 步态运动仿真 | 第40-44页 |
| 3.4.1 基于ADAMS的样机模型建立及运动仿真设置 | 第41-42页 |
| 3.4.2 步行运动仿真及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 人工腿的步行模式识别研究 | 第46-58页 |
| 4.1 主从控制规划原理 | 第46-47页 |
| 4.2 BRHL运动信息获取系统搭建 | 第47-51页 |
| 4.3 基于小波分析的传感器所测信号去噪 | 第51-52页 |
| 4.4 基于PCA的模板匹配法步态模式识别 | 第52-56页 |
| 4.4.1 数据归一化 | 第52-53页 |
| 4.4.2 步态特征提取 | 第53-54页 |
| 4.4.3 模板匹配法步行模式识别 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 基于神经网络技术的步行模式识别及运动预测 | 第58-72页 |
| 5.1 多传感器信息融合技术 | 第58-64页 |
| 5.1.1 将神经网络技术应用于多传感器信息融合 | 第58-59页 |
| 5.1.2 BP神经网络的建立 | 第59-64页 |
| 5.2 基于BP神经网络的步行模式识别 | 第64-66页 |
| 5.3 基于BP神经网络的运动状态预测 | 第66-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 附录: 各个杆件的质心位置推导过程 | 第74-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84页 |