| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外相关领域研究现状 | 第10-16页 |
| 1.2.1 上肢康复训练机器人国外研究现状 | 第10-15页 |
| 1.2.2 上肢康复训练机器人国内研究现状 | 第15-16页 |
| 1.2.3 肌肉疲劳特性研究现状 | 第16页 |
| 1.3 论文的主要内容、目的及意义 | 第16-18页 |
| 第2章 测量平台与数据采集 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 信号类型的选择 | 第18-19页 |
| 2.2.1 表面肌电信号 | 第18-19页 |
| 2.2.2 脑电信号 | 第19页 |
| 2.2.3 肌力信号 | 第19页 |
| 2.3 测力平台组成 | 第19-21页 |
| 2.3.1 Flexiforce传感器 | 第20-21页 |
| 2.3.2 Flexiforce转换电路 | 第21页 |
| 2.3.3 微处理器的选择 | 第21页 |
| 2.4 肌力信号采集与处理 | 第21-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 神经网络预测肌肉疲劳 | 第27-44页 |
| 3.1 引言 | 第27页 |
| 3.2 人工神经网络概述 | 第27-28页 |
| 3.3 BP神经网络模型的建立 | 第28-34页 |
| 3.3.1 BP神经网络概述 | 第28-29页 |
| 3.3.2 梯度下降法预测肌肉疲劳 | 第29-31页 |
| 3.3.3 梯度下降法BP网络的学习过程 | 第31-34页 |
| 3.3.4 梯度下降法的局限性及改进方法 | 第34页 |
| 3.4 贝叶斯正规化改进神经网络 | 第34-38页 |
| 3.4.1 正规化 | 第34页 |
| 3.4.2 贝叶斯反向传播 | 第34-38页 |
| 3.5 神经网络预测肌肉疲劳的验证 | 第38-43页 |
| 3.5.1 贝叶斯正规化神经网络仿真 | 第38-41页 |
| 3.5.2 梯度下降法的神经网络仿真 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 机器人的力/位混合控制 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 机器人的数学理论基础 | 第44-50页 |
| 4.2.1 机器人坐标系的选取和坐标变换 | 第44-45页 |
| 4.2.2 机器人的正逆运动学 | 第45-50页 |
| 4.3 基于零空间位置矢量的机器人的力/位混合控制 | 第50-53页 |
| 4.3.1 雅可比矩阵以及伪逆矩阵的求解 | 第50-51页 |
| 4.3.2 基于零空间位置矢量的机器人的力/位混合控制算法 | 第51-53页 |
| 4.3.3 力差值性能指标的设定 | 第53页 |
| 4.4 力/位混合控制的整体设计及验证 | 第53-56页 |
| 4.4.1 机器人末端与手臂接触的等效建模 | 第53-54页 |
| 4.4.2 力/位混合控制的实现 | 第54-55页 |
| 4.4.3 实验验证 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录A 神经网络训练样本 | 第63-80页 |
| 在学研究成果 | 第80-81页 |
| 致谢 | 第81页 |