论文目录 | |
| 摘要 | 第1-6
页 |
| Abstract | 第6-13
页 |
| 绪论 | 第13-20
页 |
| 1 多维腕力传感器在机器人研究中的作用 | 第13
页 |
| 2 多维腕力传感器研究现状和存在的主要问题 | 第13-17
页 |
| 3 仿生算法 | 第17
页 |
| 4 本文主要工作 | 第17-18
页 |
| 5 论文的结构和主要内容 | 第18-20
页 |
| 第一章 新型机器人多维腕力传感器及其弹性体有限元分析 | 第20-32
页 |
| · 新型机器人多维腕力传感器基本结构 | 第20-21
页 |
| · 多维腕力传感器的系统组成 | 第20
页 |
| · 新型机器人多维腕力传感器结构特点 | 第20-21
页 |
| · 力信号获取原理 | 第21-24
页 |
| · 弹性体有限元分析 | 第24-31
页 |
| · 有限元法的基本原理 | 第25-26
页 |
| · 有限元分析模型的建立 | 第26-27
页 |
| · 弹性体有限元分析 | 第27-31
页 |
| · 本章小结 | 第31-32
页 |
| 第二章 基于神经网络的多维腕力传感器标定方法研究 | 第32-50
页 |
| · 概述 | 第32
页 |
| · 多维腕力传感器静态标定实验 | 第32-35
页 |
| · 实验装置和实验方法 | 第32-33
页 |
| · 数据采集与处理 | 第33-35
页 |
| · 基于最小二乘法的多维腕力传感器的线性标定 | 第35-37
页 |
| · 基于 BP 神经网络的多维腕力传感器非线性标定 | 第37-44
页 |
| · 人工神经网络概述 | 第37-41
页 |
| · BP 神经网络 | 第41-43
页 |
| · BP 神经网络实现多维腕力传感器非线性标定 | 第43-44
页 |
| · 基于 RBF 神经网络的多维腕力传感器非线性标定 | 第44-48
页 |
| · RBF 神经网络 | 第44-47
页 |
| · RBF 神经网络实现多维腕力传感器非线性标定 | 第47-48
页 |
| · 本章小结 | 第48-50
页 |
| 第三章 新型多维腕力传感器的动态特性 | 第50-60
页 |
| · 概述 | 第50
页 |
| · 动态标定实验 | 第50-53
页 |
| · 阶跃响应法 | 第50-51
页 |
| · 冲击响应法 | 第51
页 |
| · 数据采集 | 第51-53
页 |
| · 新型多维腕力传感器的动态性能指标 | 第53-59
页 |
| · 二阶系统 | 第53-55
页 |
| · 时域动态性能指标 | 第55-57
页 |
| · 频域动态性能指标 | 第57
页 |
| · 时频域两种动态性能指标的关系 | 第57-58
页 |
| · 动态性能指标的计算 | 第58-59
页 |
| · 本章小结 | 第59-60
页 |
| 第四章 基于多重小波分析的多维腕力传感器信号去噪方法研究 | 第60-69
页 |
| · 概述 | 第60
页 |
| · 常用去噪方法 | 第60-64
页 |
| · 时域平均 | 第60-61
页 |
| · 消除趋势项 | 第61-62
页 |
| · 数据滤波 | 第62-63
页 |
| · FFT/IFFT | 第63-64
页 |
| · 小波去噪方法 | 第64-66
页 |
| · 小波分析简介 | 第64-65
页 |
| · 小波分析在去噪中的应用 | 第65-66
页 |
| · 多维腕力传感器信号去噪方法实验 | 第66-68
页 |
| · 数据滤波方法 | 第66-67
页 |
| · FFT/IFFT 方法 | 第67
页 |
| · 多重小波方法 | 第67-68
页 |
| · 本章小结 | 第68-69
页 |
| 第五章 基于改进遗传神经网络的新型多维腕力传感器动态建模与补偿方法 | 第69-91
页 |
| · 概述 | 第69
页 |
| · 多维腕力传感器动态建模与补偿方法介绍 | 第69-76
页 |
| · 多维腕力传感器动态建模方法介绍 | 第69-74
页 |
| · 多维腕力传感器动态补偿方法介绍 | 第74-76
页 |
| · 基于改进遗传神经网络的新型多维腕力传感器动态建模与补偿方法 | 第76-90
页 |
| · 遗传神经网络 | 第76-84
页 |
| · 基于改进遗传神经网络的新型多维腕力传感器动态建模方法 | 第84-87
页 |
| · 基于改进遗传神经网络的新型多维腕力传感器动态补偿方法 | 第87-90
页 |
| · 本章小结 | 第90-91
页 |
| 第六章 多维腕力传感器操作环境模型及与环境作用时动态特性研究 | 第91-103
页 |
| · 概述 | 第91
页 |
| · 基于机理分析法的多维腕力传感器操作环境的动力学模型 | 第91-93
页 |
| · 一级弹簧-质量-阻尼体模型 | 第91-92
页 |
| · 二级弹簧-质量-阻尼体模型 | 第92-93
页 |
| · 基于 RBF 神经网络的非线性环境建模 | 第93-96
页 |
| · 基于 RBF 神经网络的环境建模机理 | 第94
页 |
| · 实验及结果 | 第94-96
页 |
| · 基于小波神经网络的非线性环境建模 | 第96-100
页 |
| · 基于小波神经网络的环境建模机理 | 第96-99
页 |
| · 实验及结果 | 第99-100
页 |
| · 多维腕力传感器与环境作用时动态特性研究 | 第100-102
页 |
| · 简化力学模型 | 第100-101
页 |
| · 环境质量对传感器固有频率的影响 | 第101-102
页 |
| · 接触环境刚度对传感器固有频率的影响 | 第102
页 |
| · 本章小结 | 第102-103
页 |
| 第七章 基于 CTD 的多维腕力传感器动态补偿器的设计 | 第103-114
页 |
| · 概述 | 第103
页 |
| · 基于 CTD 的可调频率特性补偿器设计 | 第103-113
页 |
| · 补偿原理 | 第103-109
页 |
| · 补偿器设计 | 第109-113
页 |
| · 本章小结 | 第113-114
页 |
| 第八章 全文研究总结及展望 | 第114-117
页 |
| · 全文总结 | 第114-115
页 |
| · 研究展望 | 第115-117
页 |
| 致谢 | 第117-118
页 |
| 参考文献 | 第118-125
页 |
| 攻读博士学位期间发表论文情况如下: | 第125
页 |
| 攻读博士学位期间获奖情况如下: | 第125
页 |
