基于仿生机械手的肌动传感器动作识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第16-38页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 仿生机械手及其交互式控制系统综述 | 第17-29页 |
| 1.2.1 仿生机械手研究现状 | 第18-24页 |
| 1.2.2 仿生机械手交互式控制技术研究现状 | 第24-29页 |
| 1.3 肌动传感器交互式控制研究现状 | 第29-35页 |
| 1.3.1 肌动传感器发展现状 | 第31-32页 |
| 1.3.2 基于肌动传感器的交互式控制研究现状 | 第32-33页 |
| 1.3.3 模式识别在手势识别领域中的应用 | 第33-35页 |
| 1.4 发展趋势及存在的主要问题 | 第35-36页 |
| 1.5 本论文研究主要内容 | 第36-38页 |
| 第二章 机械手嵌入式肌动控制系统设计 | 第38-70页 |
| 2.1 引言 | 第38-39页 |
| 2.2 机械手肌动控制系统总体结构 | 第39-40页 |
| 2.3 机械手嵌入式控制系统结构 | 第40-50页 |
| 2.3.1 前臂功能性肌肉选择 | 第40-43页 |
| 2.3.2 仿生机械手本体结构设计 | 第43-45页 |
| 2.3.3 仿生机械手无线控制系统总体结构 | 第45-46页 |
| 2.3.4 仿生机械手嵌入式驱动控制系统 | 第46-50页 |
| 2.4 肌动传感器设计 | 第50-58页 |
| 2.4.1 肌动传感器制备 | 第51-54页 |
| 2.4.2 肌动传感器数据采集系统 | 第54-56页 |
| 2.4.3 肌动传感器性能测试系统 | 第56-57页 |
| 2.4.4 FMG传感器测量范围测试实验及结果 | 第57-58页 |
| 2.5 FMG传感器非线性补偿算法研究及静态标定 | 第58-69页 |
| 2.5.1 改进多种群遗传算法 | 第59-63页 |
| 2.5.2 IMPGA运行原理及流程 | 第63-64页 |
| 2.5.3 FMG传感器的静态标定 | 第64-67页 |
| 2.5.4 FMG传感器滞回特性测试 | 第67-68页 |
| 2.5.5 肌动传感器技术指标 | 第68-69页 |
| 2.6 本章小结 | 第69-70页 |
| 第三章 手势动作模式肌动识别 | 第70-106页 |
| 3.1 引言 | 第70-71页 |
| 3.2 基于稳态肌动信号的手势识别算法研究 | 第71-89页 |
| 3.2.1 稳态肌动信号采集 | 第71-75页 |
| 3.2.2 BP神经网络分类算法 | 第75-79页 |
| 3.2.3 改进径向基函数神经网络分类算法 | 第79-84页 |
| 3.2.4 分类实验及结果分析 | 第84-89页 |
| 3.3 影响识别准确率因素分析 | 第89-101页 |
| 3.3.1 手势识别实验 | 第90-91页 |
| 3.3.2 肌动传感器放置位置的影响 | 第91-96页 |
| 3.3.3 传感器分布式布置实验 | 第96-101页 |
| 3.4 基于手势识别的机械手控制实验 | 第101-104页 |
| 3.4.1 机械手虚拟现实仿真平台 | 第101-103页 |
| 3.4.2 基于虚拟机械手的肌动信号控制实验 | 第103-104页 |
| 3.5 本章小结 | 第104-106页 |
| 第四章 FMG传感器抓握动作识别的力因素影响分析 | 第106-124页 |
| 4.1 引言 | 第106-107页 |
| 4.2 抓握力测量实验 | 第107-115页 |
| 4.2.1 实验测试系统 | 第107-109页 |
| 4.2.2 实验方案 | 第109-113页 |
| 4.2.3 实验数据处理 | 第113-115页 |
| 4.3 极限学习机算法 | 第115-117页 |
| 4.4 抓握力对分类准确度的影响分析 | 第117-121页 |
| 4.5 实验结果分析 | 第121-123页 |
| 4.6 本章小结 | 第123-124页 |
| 结论 | 第124-126页 |
| 参考文献 | 第126-137页 |
| 攻读学位期间发表的学术论文 | 第137-138页 |
| 致谢 | 第138页 |
