| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 引言 | 第11页 |
| 1.2 多维力传感器 | 第11-16页 |
| 1.2.1 多维力传感器结构 | 第11-14页 |
| 1.2.2 多维力传感器应用 | 第14-16页 |
| 1.2.3 多维力传感器发展趋势 | 第16页 |
| 1.3 多维力传感器解耦研究现状及存在问题 | 第16-18页 |
| 1.4 研究目的与意义 | 第18页 |
| 1.5 论文的构成及主要内容 | 第18-20页 |
| 第2章 六维力传感器工作原理及耦合关系 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 六维力传感器的结构特征 | 第20-21页 |
| 2.3 六维力传感器的工作原理 | 第21-25页 |
| 2.3.1 弹性体受力变形 | 第21-23页 |
| 2.3.2 电阻应变片测量原理 | 第23-24页 |
| 2.3.3 惠斯顿电桥信号输出 | 第24-25页 |
| 2.4 六维力传感器耦合关系 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于蚁群BP神经网络算法的六维力传感器解耦研究 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 BP神经网络原理 | 第30-35页 |
| 3.2.1 输入信号的正向传播 | 第30-32页 |
| 3.2.2 误差信号的反向传播 | 第32-35页 |
| 3.3 基于BP神经网络的六维力传感器解耦研究 | 第35-39页 |
| 3.3.1 基于六维力传感器模型构建BP神经网络模型 | 第35-36页 |
| 3.3.2 基于BP神经网络的六维力传感器解耦仿真实验数据获取 | 第36-38页 |
| 3.3.3 基于不同隐藏层神经元数目的六维力传感器解耦 | 第38-39页 |
| 3.4 基于蚁群算法改进BP神经网络算法解耦 | 第39-44页 |
| 3.4.1 传统BP神经网络解耦存在的问题 | 第39-40页 |
| 3.4.2 蚁群BP神经网络算法的提出 | 第40-42页 |
| 3.4.3 基于蚁群BP神经网络算法解耦 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于改进粒子群优化BP神经网络的六维力传感器解耦研究 | 第45-50页 |
| 4.1 引言 | 第45页 |
| 4.2 粒子群算法基本原理 | 第45-46页 |
| 4.3 改进粒子群算法优化过程 | 第46-48页 |
| 4.4 基于改进粒子群算法优化BP神经网络算法解耦 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于过程神经网络的六维力传感器解耦研究 | 第50-64页 |
| 5.1 引言 | 第50页 |
| 5.2 过程神经网络原理 | 第50-52页 |
| 5.2.1 过程神经元 | 第50-51页 |
| 5.2.2 过程神经网络 | 第51-52页 |
| 5.2.3 过程神经网络应用 | 第52页 |
| 5.3 基于正交基展开学习算法的过程神经网络解耦原理 | 第52-54页 |
| 5.4 基于过程神经网络的六维力传感器动态解耦 | 第54-63页 |
| 5.4.1 六维力传感器动态标定实验 | 第54-58页 |
| 5.4.2 仿真实验 | 第58-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 研究工作总结 | 第64-65页 |
| 6.2 后续研究展望 | 第65-66页 |
| 附录 | 第66-69页 |
| 参考文献 | 第69-74页 |
| 攻读学位期间发表的学术成果 | 第74-75页 |
| 致谢 | 第75页 |
