| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.2 下肢康复机器人国内外研究现状 | 第9-13页 |
| 1.2.1 下肢康复机器人国外研究状况 | 第9-12页 |
| 1.2.2 下肢康复机器人国内研究状况 | 第12-13页 |
| 1.3 表面肌电信号分析及控制技术研究状况 | 第13-18页 |
| 1.3.1 表面肌电信号特征提取及模式识别技术研究现状 | 第13-16页 |
| 1.3.2 表面肌电信号控制机器人技术研究现状 | 第16-18页 |
| 1.4 本文研究内容 | 第18-20页 |
| 1.4.1 课题的主要研究内容 | 第18页 |
| 1.4.2 论文的内容安排 | 第18-20页 |
| 2 表面肌电信号采集系统设计 | 第20-36页 |
| 2.1 影响SEMG采集的因素 | 第20-21页 |
| 2.2 SEMG调理电路设计 | 第21-28页 |
| 2.2.1 主体电路设计 | 第21-27页 |
| 2.2.2 抗干扰旁路设计 | 第27-28页 |
| 2.3 调理电路测试分析 | 第28-31页 |
| 2.3.1 电路滤波测试 | 第28-30页 |
| 2.3.2 电路增益测试 | 第30-31页 |
| 2.4 表面肌电信号采集系统搭建 | 第31-35页 |
| 2.4.1 硬件部分 | 第32-33页 |
| 2.4.2 软件部分 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 表面肌电信号采集及特征提取 | 第36-51页 |
| 3.1 SEMG采集实验 | 第36-38页 |
| 3.1.1 测试参数定义 | 第36-37页 |
| 3.1.2 贴片位置选择 | 第37-38页 |
| 3.1.3 信号采集的动作选取 | 第38页 |
| 3.2 下肢SEMG特征参量选择 | 第38-41页 |
| 3.2.1 肌电动作分割 | 第38-39页 |
| 3.2.2 特征值选择 | 第39-41页 |
| 3.3 下肢SEMG采集及特征提取 | 第41-50页 |
| 3.3.1 静态姿势采集实验及分析 | 第42-44页 |
| 3.3.2 动态姿势采集实验及分析 | 第44-47页 |
| 3.3.3 匀速及变速采集实验及分析 | 第47-50页 |
| 3.3.4 结论 | 第50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 基于BP神经网络的膝关节运动模式识别研究 | 第51-63页 |
| 4.1 BP神经网络概述 | 第51-53页 |
| 4.1.1 人工神经网络 | 第51-52页 |
| 4.1.2 BP网络算法 | 第52-53页 |
| 4.2 模式识别实验设计 | 第53-57页 |
| 4.2.1 下肢动作模式的选取 | 第53-54页 |
| 4.2.2 分类器特征向量选择 | 第54-56页 |
| 4.2.3 BP神经网络分类器设计 | 第56-57页 |
| 4.3 输入向量选择对训练结果影响分析 | 第57-62页 |
| 4.3.1 训练迭代次数比较 | 第58-60页 |
| 4.3.2 识别率对比 | 第60-62页 |
| 4.3 本章小结 | 第62-63页 |
| 5 下肢康复机器人的控制策略研究 | 第63-71页 |
| 5.1 下肢康复训练系统构成 | 第63-67页 |
| 5.1.1 硬件系统 | 第63-65页 |
| 5.1.2 软件系统 | 第65-67页 |
| 5.2 下肢康复系统模式识别控制研究 | 第67-70页 |
| 5.2.1 基于膝关节动作的模式识别控制方案 | 第67-68页 |
| 5.2.2 设计验证实验 | 第68-70页 |
| 5.3 本章小结 | 第70-71页 |
| 6 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78页 |