导读:本文包含了仿生机器马论文开题报告文献综述及选题提纲参考文献，主要关键词:6-PSS机器马并联平台,信息融合,BFGS算法,神经网络
仿生机器马论文文献综述
任玉艳[1]（2013）在《生理信息融合算法及其在仿生机器马中的应用研究》一文中研究指出骑马运动早有运动之王的美誉，然而受到场地、饲养成本等因素限制，难以推广。因此，研究模拟骑马运动装置的意义重大。骑马本身既可达到运动健身效果，也可应用到康复治疗，临床试验也确认了它的有效性。本文主要借助一种新型正交6-PSS机器马并联平台模拟骑马运动，在运动中通过采集骑乘者的生理指标信息，并将生理指标进行信息融合以分析、研究和判断骑乘者在运动中的生理反映，并以此作为反馈量控制机器马的运动轨迹、姿态及速度。经过仿真和实验研究，在安全骑乘和增进健康上均达到了较好的实际效果。具体的研究工作主要包括以下几个方面：(1)对人在运动中的生理指标变化与运动效果的关系进行了分析，利用人体运动时心率、血压、血氧饱和度等生理指标的变化来评判运动效果。采用不同的算法来实现各种同类或异类生理指标数据的时间配准，提高了时间配准后数据的准确性和稳定性。(2)分析了仿生机器马健身器在实验的初始阶段和实际应用的后续阶段对信息融合性能的不同需求，将改进的BP神经网络和支持向量机两种融合算法相结合，应用于仿生机器马健身器的骑姿寻优控制中，以满足仿生机器马在实验的初始阶段对自学习能力的要求，以及实际应用的后续阶段对信息融合快速准确性的要求.(3)在BFGS算法中调用改进的牛顿下山法模块，舍弃常规BFGS方法中所执行的一维搜索，使得学习算法保持下降方向，并有总体收敛的性质。利用该改进的BFGS算法替代传统的梯度下降法学习BP网络权值，提高了信息融合的速度和准确性。(4)针对BP网络的收敛速度和模型精度易受到初始参数(包括权值和阈值的)影响，采用改进的蚁群算法寻找最优的BP网络初始参数。在该改进的蚁群算法中，引入了可行搜索空间，通过在迭代后期持续缩小可行搜索空间，并保存上次迭代的最优值，帮助其跳出局部极值点。其既继承了传统蚁群算法模型简单、参数少、易于实现的优点，又克服了传统蚁群算法局部搜索能力差、收敛速度低、易陷入局部极值的缺点，具有更好的全局寻优能力。(5)利用一种基于概率密度函数的势阱帮助粒子群中的粒子收敛，提高种群的多样性和粒子搜索的遍历性，提高了算法的收敛速度和精度。采用该优化算法选取支持向量机的最优参数，确保了支持向量机具有较好的分类精度和泛化能力。(6)分析了基于运动平台的动力学模型设计控制器的可行性，将模糊自适应PID应用于支链位置闭环控制中，实现对机器马运动平台的动态实时控制。并利用高性能运动轨迹采集装置采集马的运动轨迹，使六自由度并联机器马运动平台可以较为真实地再现马的多种运动姿态，同时利用骑马者的生理信息融合结果控制机器马的运动速度及姿态，以达到最佳运动效果。(本文来源于《燕山大学》期刊2013-09-01）
哈斯花,赵静波[2]（2013）在《6-DOF仿生机器马模型分析与运动控制》一文中研究指出主要对正交六自由度仿生机器马的动力学特性和运动控制进行了研究.首先分析了该机器人的运动学特性;随后以Newton-Euler法为基础,求解出了该并联机构的动力学方程.根据解出加速度法设计了非线性控制器,把机器人转化成一个更易于控制的线性系统,实现了对理论轨迹的跟踪.最后对期望轨迹通过偏差跟踪进行运动控制仿真,从仿真效果可以看出该模型的正确性和控制方法的可行性,为控制方案的制定提供了依据.(本文来源于《赤峰学院学报(自然科学版)》期刊2013年10期）
王洪瑞,宋洋,赵立兴,田学静[3]（2009）在《神经网络在仿生机器马速度预测中的应用》一文中研究指出本文首次提出将神经网络应用于生理信息的融合,针对仿生机器马运动过程中,系统如何根据使用者自身的身体素质,实时监控运动过程中人体生理信息变化,自动变换运动方式,从而获得最优锻炼效果的问题,本文提出了用BP神经网络来实现最优虚拟速度值的预测,通过改变虚拟速度使骑乘者改变骑乘姿势,从而获得最佳的运动量,经过实验表明,控制效果可以满足所要求的精度,训练后的模型可以用于速度预测。(本文来源于《微计算机信息》期刊2009年35期）
王洪瑞,安素珍,赵立兴[4]（2009）在《6DOF仿生型机器马的工作空间研究》一文中研究指出研究了一种由Stewart平台演绎过来的正交6自由度PSS仿生型并联机器马的运动平台,介绍其结构布局特点,基于位置反解并确定点的坐标及其结构约束条件,描述工作空间的影响因素,对于该6DOF并联马机构的求解,通过数值法求得,并使用MATLAB工具编制程序,绘制其工作空间的轮廓图,为并联机器马的设计与实用化提供了理论依据。(本文来源于《机床与液压》期刊2009年11期）
王洪瑞,安素珍,赵立兴[5]（2009）在《基于LabVIEW的仿生型机器马的软件设计》一文中研究指出根据开放式运动控制的要求,采用以主计算机作为上位机和以运动控制器作为下位机的方法,设计了一种基于NI运动控制器的6轴并联机器马运动控制系统,并对该系统的功能,硬件结构和软件设计方法进行研究,完成数据及状态显示、机器马运动规划等任务,该系统具有开放性、高速性、实时性和模块化等特点。(本文来源于《微计算机信息》期刊2009年25期）
宋洋,王洪瑞,赵立兴,赵静波[6]（2009）在《蚁群神经网络在仿生机器马速度预测中的应用》一文中研究指出将蚁群神经网络应用于生理信息的融合,为提高仿生机器马虚拟速度的预报精度,根据仿生机器马运动器特点,提出了一种蚁群神经网络模型,即蚁群算法和神经网络相结合的方法,通过人体生理信息变化,预测机器马运动的虚拟速度值,实验表明,经过蚁群算法优化后的神经网络比单纯BP神经网络预测精度和收敛速度都有较大提高,而且可以有效避免单纯BP算法容易陷入局部最优的不足,可以在实际中应用。(本文来源于《武汉理工大学学报》期刊2009年13期）
王洪瑞,赵静波,赵立兴,田学静[7]（2009）在《仿生机器马逆运动学分析与模糊PID控制》一文中研究指出主要研究了基于新型正交六自由度并联机构设计的仿生型机器马系统的运动学特性。首先分析了机器人的逆运动学方程,然后设计了模糊自适应PID控制器,最后给出了动平台做一定曲线运动时各支链杆长变化曲线,用模糊自适应PID控制器对支链杆长变化进行跟踪,结果表明了模型的正确性和控制器的有效性,为该仿生型机器马的控制奠定了基础。(本文来源于《微计算机信息》期刊2009年16期）
安素珍[8]（2009）在《六自由度仿生机器马运动平台分析及试验研究》一文中研究指出模仿生物的身体结构和功能、从事生物特点工作的仿生机器人,有望代替传统的工业机器人而成为未来机器人领域发展的方向之一。仿生机器学是指模仿生物的功能,充分利用生物的某些特性,来完成一些特殊的任务。仿生机器学是仿生学技术的完美综合与全面应用。仿生机器马是以马为原型,满足形状仿生和运动仿生两个方面的以增进健康为目的的运动器械,机器马是一种健身机器马,利用马的特性模仿马的运动为人们带来如同骑真马一样的健身活动。本论文首先对机器马控制系统进行总体设计,介绍运动控制系统的工作原理,阐述伺服系统的性能指标以及运动控制系统的硬件组成,并对运动控制卡进行简要介绍。本项目在六自由度并联机器马的运动平台方面提供深入、细致、系统的具有自主知识产权的研究成果。针对仿生机器马的并联运动平台进行奇异性和工作空间分析,分析并联平台的空间结构,建立定、动坐标系,对运动平台进行坐标分析,得出空间中一些重要点的叁维坐标,由几何约束条件得到约束方程,进而得到结构平台的运动学数学模型,对方程求导进行计算得出雅可比矩阵,利用分析雅可比矩阵的方法,对机器马的空间位置进行奇异性分析。利用约束方程和并联机构工作空间的一些影响因素,使用工作空间搜索原理,对工作空间进行仿真。这些研究对并联机器马系统的控制具有特殊的意义。就机器马控制系统而言,利用LabVIEW控制软件和开放式的运动控制卡,采用模块化设计思想,生成具有通用性和开放性的六自由度并联机器马控制软件,制作出机器马的启动画面及主界面,方便了用户的二次开发。(本文来源于《燕山大学》期刊2009-05-01）
宋洋[9]（2009）在《生理信息融合在仿生机器马中的应用》一文中研究指出近年来,随着信息多元化的发展,以及计算机技术、微电子技术和多传感器网络的日益成熟,信息融合作为一种有效的信息综合处理方法,其理论及应用研究都得到了快速的发展。信息融合技术在生理信息领域的应用研究还处于初级阶段,研究内容大多集中在定性的医疗诊断方面,对于动态生理信息融合的研究较少。随着信息技术的发展,动态生理信息融合必然会得到越来越广泛的关注,尤其是在运动保健、体育和军事训练以及宇航员的太空模拟训练等多种领域。本文先对生理信息融合的应用对象,即仿生机器马运动器进行了介绍,分析了人体在运动过程中的生理信息变化,再根据融合理论和生理信息特点,构建了实时动态生理信息融合系统模型,并阐述了系统模型中四个层次的作用和相互联系,并将此系统模型应用于仿生机器马的虚拟速度预测。根据神经网络的优势和特点,本文将信息融合理论与神经网络相结合,给出了一种基于BP(Back-Propagation)神经网络的动态生理信息融合算法,针对应用对象确定了网络结构。融合算法在新型仿生机器马健身器虚拟速度预测中,可制定合理的运动状态评判方案,通过实时监测机器马骑乘者的多项生理信息,使骑乘者在运动过程中可以达到最佳的运动状态,得到最好的健身效果。通过仿真证明了这种生理信息融合算法速度和精度,满足虚拟速度预测的需要,证明了融合算法的实用性和有效性。在上述研究的基础上,本文进一步提出了一种改进的生理信息融合算法,即是基于蚁群神经网络的生理信息融合算法,根据蚁群算法的分布式并行计算、正反馈机制和贪婪式全局搜索等特点,对单纯BP算法容易陷入局部极小的缺点进行优化。仿真表明,通过选取合适的参数可以有效的避免单纯的BP融合算法陷入局部极小,拓宽了生理信息融合算法处理信息的能力,并且神经网络的训练速度和精度有明显提高。(本文来源于《燕山大学》期刊2009-05-01）
赵静波[10]（2009）在《六自由度仿生机器马系统设计与建模控制研究》一文中研究指出并联机器人具有刚度大、承载能力强、位置误差不积累等特点,在应用上与串联机器人呈互补关系,已经成为当前机器人领域的研究热点,并在航空航天、仿生学、工业生产、微操作、文化娱乐等领域得到广泛的应用。尽管并联机器人在实际应用和理论研究中取得了大量成果,但是在并联机器人机构学、运动学、动力学、奇异位形和运动控制等方面仍具有极大的挑战,如简化平台机构(如Stewart平台)、采用新型控制体系、运用合适的控制策略等方面。本文基于新型六自由度正交并联机构,采用“NC嵌入PC”开放式结构体系设计了仿生机器马的控制系统。该系统通过上下位机构成两级控制系统,上位工控机通过PCI总线与下位机进行通信,下位机以NI PCI-7356运动控制卡作为主体,构成了运动控制系统,驱动部分采用松下伺服电机完成。控制过程采用LabVIEW辅以NI公司的专用运动控制软件进行设计,整个控制系统通过选取适合的控制器件和模块及其集成,缩短了机器马的开发周期,达到了设计目的。本文为对仿生机器马进行控制,建立了机器马的逆运动学模型,从支链的控制稳定性考虑,确定采用电流环、速度环和位置环的叁层闭环控制,根据实际控制中的特点,将模糊自适应PID控制应用于支链闭环控制中,并进行了仿真,同时与普通PID控制进行了比较;随后对仿生机器马的受力进行了分析,基于Newton-Euler方法建立了机器马的动力学方程,通过解出加速度法针对仿生机器马的动力学模型设计了非线性控制器,并给出了叁个轴向受力分析仿真结果。(本文来源于《燕山大学》期刊2009-05-01）
仿生机器马论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
主要对正交六自由度仿生机器马的动力学特性和运动控制进行了研究.首先分析了该机器人的运动学特性;随后以Newton-Euler法为基础,求解出了该并联机构的动力学方程.根据解出加速度法设计了非线性控制器,把机器人转化成一个更易于控制的线性系统,实现了对理论轨迹的跟踪.最后对期望轨迹通过偏差跟踪进行运动控制仿真,从仿真效果可以看出该模型的正确性和控制方法的可行性,为控制方案的制定提供了依据.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
仿生机器马论文参考文献
[1].任玉艳.生理信息融合算法及其在仿生机器马中的应用研究[D].燕山大学.2013
[2].哈斯花,赵静波.6-DOF仿生机器马模型分析与运动控制[J].赤峰学院学报(自然科学版).2013
[3].王洪瑞,宋洋,赵立兴,田学静.神经网络在仿生机器马速度预测中的应用[J].微计算机信息.2009
[4].王洪瑞,安素珍,赵立兴.6DOF仿生型机器马的工作空间研究[J].机床与液压.2009
[5].王洪瑞,安素珍,赵立兴.基于LabVIEW的仿生型机器马的软件设计[J].微计算机信息.2009
[6].宋洋,王洪瑞,赵立兴,赵静波.蚁群神经网络在仿生机器马速度预测中的应用[J].武汉理工大学学报.2009
[7].王洪瑞,赵静波,赵立兴,田学静.仿生机器马逆运动学分析与模糊PID控制[J].微计算机信息.2009
[8].安素珍.六自由度仿生机器马运动平台分析及试验研究[D].燕山大学.2009
[9].宋洋.生理信息融合在仿生机器马中的应用[D].燕山大学.2009
[10].赵静波.六自由度仿生机器马系统设计与建模控制研究[D].燕山大学.2009
标签：6-PSS机器马并联平台; 信息融合; BFGS算法; 神经网络;