| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·引言 | 第11-12页 |
| ·sEMG研究概述 | 第12-16页 |
| ·sEMG的特点 | 第12-13页 |
| ·sEMG的应用 | 第13-14页 |
| ·sEMG的常用特征提取方法 | 第14-15页 |
| ·sEMG的模式识别方法 | 第15-16页 |
| ·人体下肢体外骨骼的研究介绍 | 第16-19页 |
| ·国内外体外骨骼研究现状 | 第16-18页 |
| ·体外骨骼控制系统研究现状 | 第18-19页 |
| ·课题的研究意义 | 第19页 |
| ·论文主要工作 | 第19-21页 |
| ·论文研究内容 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| 第2章 下肢sEMG与运动信息获取实验设计 | 第21-31页 |
| ·实验设备 | 第21-22页 |
| ·sEMG采集相关设备 | 第21页 |
| ·下肢运动信息采集相关设备 | 第21-22页 |
| ·sEMG采集实验 | 第22-27页 |
| ·实验对象与肌群选择 | 第22-23页 |
| ·实验过程 | 第23-24页 |
| ·实验结果与分析 | 第24-27页 |
| ·下肢运动信息采集实验 | 第27-30页 |
| ·实验对象与位置选择 | 第27页 |
| ·实验过程 | 第27-28页 |
| ·实验结果与分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于sEMG的路况与疲劳识别 | 第31-51页 |
| ·sEMG产生的机理 | 第31-32页 |
| ·sEMG的特征提取 | 第32-36页 |
| ·时域特征 | 第32-33页 |
| ·频域特征 | 第33-34页 |
| ·小波变换 | 第34-36页 |
| ·基于BP神经网络的路况和疲劳分析 | 第36-43页 |
| ·BP神经网络 | 第36-39页 |
| ·BP神经网络的设计 | 第39-41页 |
| ·基于sEMG的路况识别 | 第41-42页 |
| ·基于sEMG的疲劳识别 | 第42页 |
| ·结果分析与讨论 | 第42-43页 |
| ·基于过程神经网络的路况和疲劳分析 | 第43-50页 |
| ·过程神经元网络 | 第43-47页 |
| ·粒子群算法 | 第47页 |
| ·基于粒子群算法的过程神经元网络 | 第47-48页 |
| ·结果分析与讨论 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 人体下肢动力学建模与关节力矩计算 | 第51-63页 |
| ·人体简化模型 | 第51-53页 |
| ·人体多质点模型 | 第51-52页 |
| ·人体多刚体模型 | 第52-53页 |
| ·人体下肢动力学建模 | 第53-58页 |
| ·拉格朗日方程 | 第53-56页 |
| ·角动量定理 | 第56-58页 |
| ·人体下肢惯性参数 | 第58-59页 |
| ·下肢关节力矩计算 | 第59-62页 |
| ·下肢运动数据处理 | 第59-61页 |
| ·结果与分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 结合sEMG的下肢关节力矩预测 | 第63-77页 |
| ·引言 | 第63页 |
| ·基于RBF神经网络的预测模型 | 第63-66页 |
| ·基于递归神经网络的预测模型 | 第66-67页 |
| ·递归神经网络概述 | 第66页 |
| ·Elman神经网络及其学习算法 | 第66-67页 |
| ·RBF网络和Elman网络的关节力矩预测对比分析 | 第67-75页 |
| ·基于RBF网络的下肢关节力矩预测 | 第68-70页 |
| ·基于Elman网络的下肢关节力矩预测 | 第70-72页 |
| ·结果分析与讨论 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 第6章 总结与展望 | 第77-79页 |
| ·结论 | 第77-78页 |
| ·问题与展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85页 |