| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 智能轮椅在国内外的研究概况 | 第11-14页 |
| 1.2.1 国外发展概况 | 第11-13页 |
| 1.2.2 国内发展概况 | 第13-14页 |
| 1.3 智能轮椅关键技术 | 第14-18页 |
| 1.3.1 运动控制系统 | 第14-15页 |
| 1.3.2 信息采集与避障技术 | 第15-16页 |
| 1.3.3 人机交互接口 | 第16-18页 |
| 1.4 论文的研究内容与结构安排 | 第18页 |
| 1.4.1 主要研究内容 | 第18页 |
| 1.4.2 论文结构安排 | 第18页 |
| 1.5 本章小结 | 第18-20页 |
| 第2章 智能轮椅的整体结构与硬件平台 | 第20-26页 |
| 2.1 移动平台系统构成 | 第20-22页 |
| 2.2 单目视觉传感器 | 第22页 |
| 2.3 麦克纳姆全向轮 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于人体重心聚类控制的智能轮椅运动研究 | 第26-44页 |
| 3.1 方向控制算法研究 | 第26-30页 |
| 3.1.1 聚类算法分类 | 第26-28页 |
| 3.1.2 聚类算法比较与选择 | 第28-29页 |
| 3.1.3 模糊逻辑研究 | 第29-30页 |
| 3.2 基于紧密度的FSVM算法在智能轮椅运动控制中的应用 | 第30-36页 |
| 3.2.1 模糊隶属度的确定 | 第30-33页 |
| 3.2.2 构造基于紧密度的FSVM算法 | 第33-35页 |
| 3.2.3 算法在智能轮椅运动控制中的应用 | 第35-36页 |
| 3.3 基于模糊PID的电机控制 | 第36-42页 |
| 3.3.1 模糊PID控制系统结构 | 第38页 |
| 3.3.2 模糊参数自整定 | 第38-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于变形网格的视觉检测与Bayes模糊神经网络避障研究 | 第44-68页 |
| 4.1 单目视觉系统下的障碍物检测 | 第44-52页 |
| 4.1.1 基于变形网格的障碍物定位 | 第44-51页 |
| 4.1.2 基于单目视觉的障碍物测距 | 第51-52页 |
| 4.2 模糊神经网络避障算法优化 | 第52-62页 |
| 4.2.1 神经网络算法研究 | 第52-53页 |
| 4.2.2 模糊神经网络避障算法改进 | 第53-57页 |
| 4.2.3 参数优化 | 第57-62页 |
| 4.3 基于Bayes神经网络的智能轮椅避障算法 | 第62-67页 |
| 4.3.1 网络权值的Bayes学习 | 第62页 |
| 4.3.2 超参数的处理 | 第62-63页 |
| 4.3.3 Bayes模型选择 | 第63-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 实验结果与分析 | 第68-76页 |
| 5.1 人机交互系统 | 第68页 |
| 5.2 基于人体重心控制的智能轮椅运动实验结果及分析 | 第68-72页 |
| 5.3 基于变形网格与Bayes神经网络的避障实验结果及分析 | 第72-74页 |
| 5.4 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间所发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |
