| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景与研究意义 | 第12-13页 |
| 1.2 双足被动机器人研究现状 | 第13-18页 |
| 1.2.1 被动步行起源 | 第13-14页 |
| 1.2.2 国外双足被动机器人研究现状 | 第14-17页 |
| 1.2.3 国内双足被动机器人研究现状 | 第17-18页 |
| 1.3 双足被动机器人步态控制策略综述 | 第18-20页 |
| 1.3.1 双足被动机器人稳定步态及控制 | 第18-19页 |
| 1.3.2 双足被动机器人不稳定步态及控制 | 第19-20页 |
| 1.4 本文主要研究内容 | 第20-22页 |
| 第2章 双足被动机器人动力学建模与步态分析 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 机器人混合动力学模型 | 第22-25页 |
| 2.2.1 机器人模型的构建 | 第22-23页 |
| 2.2.2 摆动阶段动力学模型 | 第23-24页 |
| 2.2.3 碰撞阶段动力学模型 | 第24-25页 |
| 2.3 双足被动机器人稳定步态分析 | 第25-31页 |
| 2.3.1 被动行走步态极限环 | 第25-27页 |
| 2.3.2 被动行走过程中能量分析 | 第27-28页 |
| 2.3.3 极限环渐进稳定性分析 | 第28-31页 |
| 2.4 倍周期分岔与混沌步态分析 | 第31-35页 |
| 2.4.1 斜坡倾角对步态的影响 | 第31-32页 |
| 2.4.2 floquet乘子随斜坡倾角演化规律 | 第32-33页 |
| 2.4.3 步态分岔图 | 第33页 |
| 2.4.4 混沌的终结 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于动态模糊神经网络的双足机器人步态预测 | 第36-52页 |
| 3.1 引言 | 第36页 |
| 3.2 动态模糊神经网络 | 第36-38页 |
| 3.3 动态模糊神经网络学习算法 | 第38-42页 |
| 3.3.1 模糊规则的生成 | 第38-39页 |
| 3.3.2 规则参数的确定 | 第39-40页 |
| 3.3.3 权值的确定 | 第40-41页 |
| 3.3.4 规则修剪技术 | 第41-42页 |
| 3.4 双足机器人步态可辨识性分析 | 第42-45页 |
| 3.5 基于动态模糊神经网络的混沌步态预测 | 第45-47页 |
| 3.5.1 摆动阶段预测 | 第46页 |
| 3.5.2 碰撞阶段预测 | 第46-47页 |
| 3.5.3 混沌步态多步预测 | 第47页 |
| 3.6 仿真验证 | 第47-51页 |
| 3.6.1 摆动阶段步态预测 | 第47-49页 |
| 3.6.2 碰撞阶段步态预测 | 第49-50页 |
| 3.6.3 多步预测 | 第50-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 基于动态模糊神经网络的混沌步态预测反馈控制 | 第52-62页 |
| 4.1 引言 | 第52页 |
| 4.2 延时反馈控制 | 第52-55页 |
| 4.3 基于动态模糊神经网络的预测反馈控制 | 第55-57页 |
| 4.3.1 预测反馈控制 | 第55-56页 |
| 4.3.2 自适应反馈增益设计 | 第56-57页 |
| 4.4 仿真验证 | 第57-60页 |
| 4.4.1 控制效果验证 | 第57-59页 |
| 4.4.2 控制效果对比 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 基于自适应能量反馈与ogy法的混合控制 | 第62-76页 |
| 5.1 引言 | 第62页 |
| 5.2 ogy法 | 第62-65页 |
| 5.3 基于dfnn的双足机器人不动点预测 | 第65-68页 |
| 5.3.1 训练样本的获取 | 第66页 |
| 5.3.2 不动点预测结果 | 第66-68页 |
| 5.4 自适应能量反馈控制 | 第68-70页 |
| 5.5 混合控制器设计 | 第70-71页 |
| 5.6 仿真结果 | 第71-74页 |
| 5.6.1 反馈增益选取 | 第71-72页 |
| 5.6.2 混合控制器的有效性 | 第72-73页 |
| 5.6.3 控制器的实时性 | 第73-74页 |
| 5.7 比较与讨论 | 第74-75页 |
| 5.8 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-86页 |
| 致谢 | 第86页 |