| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 第1章 引言 | 第12-26页 |
| 1.1 概述 | 第12-13页 |
| 1.2 研究背景 | 第13-14页 |
| 1.3 智能假肢研究的目的和意义 | 第14页 |
| 1.4 智能假肢研究的历史、现状和存在的问题 | 第14-22页 |
| 1.4.1 假肢的历史和现状 | 第14-18页 |
| 1.4.2 国内智能假肢研究 | 第18-19页 |
| 1.4.3 智能假肢存在的问题 | 第19-22页 |
| 1.5 本文主要研究内容和章节安排 | 第22-26页 |
| 1.5.1 本文主要研究内容和结果 | 第22-23页 |
| 1.5.2 本文研究的意义 | 第23-24页 |
| 1.5.3 本文章节安排 | 第24-26页 |
| 第2章 智能假肢实验系统结构设计 | 第26-36页 |
| 2.1 智能假肢系统模块化设计 | 第26-28页 |
| 2.2 基于惯性传感器的智能假肢感知系统设计 | 第28-30页 |
| 2.3 智能假肢实验平台系统结构 | 第30-31页 |
| 2.3.1 智能假肢实验平台原型 | 第30页 |
| 2.3.2 基于混合驱动的四连杆假肢膝关节结构 | 第30-31页 |
| 2.4 智能假肢驱动系统设计 | 第31-33页 |
| 2.5 智能假肢实验平台系统数学模型 | 第33-34页 |
| 2.5.1 运动学模型 | 第33-34页 |
| 2.5.2 动力学模型 | 第34页 |
| 2.6 本章小结 | 第34-36页 |
| 第3章 基于改进经验模态分解的惯性传感器信号去噪研究 | 第36-64页 |
| 3.1 概述 | 第36-37页 |
| 3.2 经验模态分解方法简介 | 第37-40页 |
| 3.2.1 经验模态分解算法描述 | 第37-38页 |
| 3.2.2 经验模态分解算法存在的不足 | 第38-40页 |
| 3.3 基于核脊回归方法的经验模态分解改进研究 | 第40-47页 |
| 3.3.1 基于核函数机器学习方法 | 第40-42页 |
| 3.3.2 基于核脊回归方法局部均值估计研究 | 第42-44页 |
| 3.3.3 核函数参数选择研究 | 第44-46页 |
| 3.3.4 核脊回归方法和三次样条方法关系 | 第46-47页 |
| 3.4 改进经验模态分解实验结果与分析 | 第47-55页 |
| 3.5 基于改进经验模态分解的信号去噪研究 | 第55-56页 |
| 3.6 去噪实验及结果分析 | 第56-62页 |
| 3.7 本章小结 | 第62-64页 |
| 第4章 步态事件检测与步态数据分类研究 | 第64-84页 |
| 4.1 概述 | 第64-66页 |
| 4.2 基于矢状面角速度和加速度能量的步态事件检测研究 | 第66-71页 |
| 4.2.1 步态事件特征 | 第66-67页 |
| 4.2.2 基于小波去噪的角速度信号处理 | 第67-70页 |
| 4.2.3 实验结果及分析 | 第70-71页 |
| 4.3 基于线性判别分析和支持向量机的步态分类研究 | 第71-82页 |
| 4.3.1 线性判别分析原理 | 第71-74页 |
| 4.3.2 基于线性判别分析的步态特征提取研究 | 第74-76页 |
| 4.3.3 基于支持向量机的步态特征分类方法研究 | 第76-82页 |
| 4.4 实验及结果分析 | 第82-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 基于惯性传感器步态定量分析方法研究 | 第84-100页 |
| 5.1 概述 | 第84-85页 |
| 5.2 步态信号预处理和零速检测研究 | 第85-89页 |
| 5.2.1 积分推算原理 | 第85-88页 |
| 5.2.2 步态零速检测 | 第88-89页 |
| 5.3 基于高斯过程的惯性传感器零速矫正研究 | 第89-96页 |
| 5.3.1 惯性传感器零速矫正的意义 | 第89-90页 |
| 5.3.2 惯性传感器零速矫正方法和存在问题 | 第90-92页 |
| 5.3.3 基于高斯过程的惯性传感器零速矫正 | 第92-96页 |
| 5.4 步态转角求取 | 第96-97页 |
| 5.5 实验结果与分析 | 第97-98页 |
| 5.6 本章小结 | 第98-100页 |
| 第6章 基于神经网络的智能假肢联机步态发生器研究 | 第100-110页 |
| 6.1 概述 | 第100-101页 |
| 6.2 基于神经网络的步态发生器设计 | 第101-106页 |
| 6.2.1 髋关节和膝关节的角度估计 | 第102页 |
| 6.2.2 步态时间标准化 | 第102-103页 |
| 6.2.3 基于傅立叶级数的特征提取 | 第103-104页 |
| 6.2.4 基于主成分分析法的特征降维 | 第104-105页 |
| 6.2.5 基于神经网络的步态发生器设计 | 第105-106页 |
| 6.3 仿真实验及结果分析 | 第106-108页 |
| 6.4 本章小结 | 第108-110页 |
| 第7章 基于协调控制的假肢交互系统设计 | 第110-122页 |
| 7.1 概述 | 第110页 |
| 7.2. 双腿协调 | 第110-113页 |
| 7.2.1 双腿协调控制概述 | 第110-112页 |
| 7.2.2 协调控制结构 | 第112-113页 |
| 7.3 智能假肢实验平台人工腿步态规划 | 第113-116页 |
| 7.3.1 零力矩点理论 | 第113页 |
| 7.3.2 线性倒立摆模型 | 第113-114页 |
| 7.3.3 基于线性倒立摆模型的人工腿步态规划 | 第114-116页 |
| 7.4 智能假肢的步态跟随研究 | 第116-117页 |
| 7.5 实验及结果分析 | 第117-120页 |
| 7.6 本章小结 | 第120-122页 |
| 第8章 总结与展望 | 第122-126页 |
| 8.1 本文总结 | 第122-123页 |
| 8.2 展望 | 第123-126页 |
| 参考文献 | 第126-134页 |
| 致谢 | 第134-136页 |
| 攻读学位期间发表的文章列表和参加科研情况 | 第136-138页 |
| 作者从事科学研究和学习经历的简历 | 第138页 |
