| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-28页 |
| 1.1 课题的研究背景与意义 | 第12-13页 |
| 1.2 人机协作研究现状 | 第13-16页 |
| 1.2.1 人机交互 | 第13-14页 |
| 1.2.2 接触式人机交互分类 | 第14-15页 |
| 1.2.3 接触式人机协作研究现状 | 第15-16页 |
| 1.3 机器人力感知研究现状 | 第16-18页 |
| 1.4 机器人柔顺控制研究现状 | 第18-23页 |
| 1.4.1 硬件方式实现柔顺性 | 第18-19页 |
| 1.4.2 阻抗控制与导纳控制实现柔顺性 | 第19-20页 |
| 1.4.3 意图识别研究现状 | 第20-22页 |
| 1.4.4 角色分配研究现状 | 第22-23页 |
| 1.5 本论文课题来源、主要内容及结构安排 | 第23-28页 |
| 1.5.1 课题来源 | 第23-25页 |
| 1.5.2 研究内容及结构安排 | 第25-28页 |
| 第二章 模型建立与问题提出 | 第28-36页 |
| 2.1 引言 | 第28页 |
| 2.2 人机协作系统模型 | 第28-33页 |
| 2.2.1 人机协作中机器人动力学模型 | 第28-29页 |
| 2.2.2 柔顺控制模型 | 第29-31页 |
| 2.2.3 接触式人机协作系统模型 | 第31-33页 |
| 2.3 问题提出 | 第33-34页 |
| 2.3.1 机器人力感知问题 | 第33页 |
| 2.3.2 期望轨迹设定问题 | 第33-34页 |
| 2.3.3 角色分配问题 | 第34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 基于动量观测和优化算法的机器人关节臂接触信息实时估计 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 问题分析 | 第36-41页 |
| 3.2.1 问题阐述 | 第36-37页 |
| 3.2.2 模型建立与分析 | 第37-39页 |
| 3.2.3 本文方法 | 第39-41页 |
| 3.3 基于动量观测方法的机器人关节臂接触区域估计 | 第41-44页 |
| 3.3.1 外关节扭矩估计 | 第41-43页 |
| 3.3.2 最小接触区域估计 | 第43-44页 |
| 3.4 基于优化算法的关节臂接触信息估计 | 第44-47页 |
| 3.4.1 优化模型建立 | 第44-46页 |
| 3.4.2 非线性最优化过程 | 第46-47页 |
| 3.5 实验仿真 | 第47-52页 |
| 3.5.1 实验系统结构框架 | 第47-48页 |
| 3.5.2 基于动量的外观测扭矩检测结果 | 第48-49页 |
| 3.5.3 估计接触位置和接触力的实验结果 | 第49-51页 |
| 3.5.4 估计精度及实时性分析 | 第51-52页 |
| 3.6 实验验证 | 第52-54页 |
| 3.7 本章小结 | 第54-56页 |
| 第四章 基于径向基神经网络的接触式人机协作中合作者意图识别 | 第56-76页 |
| 4.1 引言 | 第56页 |
| 4.2 问题分析 | 第56-61页 |
| 4.2.1 问题阐述 | 第56-57页 |
| 4.2.2 模型建立与分析 | 第57-58页 |
| 4.2.3 面临的挑战 | 第58-59页 |
| 4.2.4 本文方法 | 第59-61页 |
| 4.3 基于径向基神经网络的意图识别方法 | 第61-64页 |
| 4.3.1 基于K-means的基函数中心设计方法 | 第62-63页 |
| 4.3.2 基于梯度下降法的网络权重设计 | 第63-64页 |
| 4.4 样本数据采集 | 第64-65页 |
| 4.4.1 自适应阻抗控制器设计 | 第64-65页 |
| 4.5 实验验证 | 第65-70页 |
| 4.5.1 实验装置 | 第65-66页 |
| 4.5.2 基于自适应阻抗控制的样本数据采集 | 第66-67页 |
| 4.5.3 k值的估计及网络基中心的确定 | 第67-69页 |
| 4.5.4 径向基神经网络权重确定 | 第69-70页 |
| 4.6 实验结果与分析 | 第70-74页 |
| 4.6.1 预测模型准确性分析 | 第70-71页 |
| 4.6.2 人机运动同步性和合作者交互力分析 | 第71-74页 |
| 4.7 本章小结 | 第74-76页 |
| 第五章 基于增强学习的人机协作系统中角色分配方法研究 | 第76-96页 |
| 5.1 引言 | 第76页 |
| 5.2 问题分析 | 第76-81页 |
| 5.2.1 问题阐述 | 第76-77页 |
| 5.2.2 模型的建立与分析 | 第77-79页 |
| 5.2.3 面临的挑战 | 第79-80页 |
| 5.2.4 本文方法 | 第80-81页 |
| 5.3 合作表现模型 | 第81-84页 |
| 5.3.1 综合合作表现 | 第81-82页 |
| 5.3.2 合作者作用力总和模型 | 第82页 |
| 5.3.3 柔顺程度模型 | 第82页 |
| 5.3.4 合作表现权衡因子 | 第82-84页 |
| 5.4 增强学习模型 | 第84-87页 |
| 5.4.1 系统状态模型 | 第85-86页 |
| 5.4.2 行为模型建立 | 第86页 |
| 5.4.3 回报值模型设计 | 第86-87页 |
| 5.5 实验验证 | 第87-93页 |
| 5.5.1 实验设备及步骤 | 第87-89页 |
| 5.5.2 实验参数设定 | 第89页 |
| 5.5.3 实验结果 | 第89-93页 |
| 5.6 本章小结 | 第93-96页 |
| 第六章 总结与展望 | 第96-100页 |
| 6.1 主要结论 | 第96-97页 |
| 6.2 论文创新点 | 第97页 |
| 6.3 展望 | 第97-100页 |
| 参考文献 | 第100-110页 |
| 附录A | 第110-116页 |
| 附录B | 第116-120页 |
| 攻读学位期间所取得的相关成果 | 第120-122页 |
| 致谢 | 第122-123页 |
