仿人機器人原理與設計 — 運動學、神經力學與運動規劃
內容描述
本書是作者在運動控制和神經力學領域多年的研究和教學工作的積累，綜合了生理學、工程學和計算神經科學的方法，從神經控制系統適應性和機械設備性能適應性的角度，提供了對人類運動控制的全面和嚴格的闡述。
目錄大綱
目錄
第1章簡介及主要概念
1.1“仿人機器人”模擬人類運動行為的方法
1.2大綱： 我們如何學習控制運動
1.3實驗工具
1.4總結
第2章運動神經控制
2.1生物電信號在神經系統中的傳輸
2.2神經系統中的信息處理
2.3外圍感覺感受器
2.4中樞神經系統對運動的功能性控制
2.5總結
第3章肌肉力學與控制
3.1肌肉中力量產生的分子基礎
3.2肌肉黏彈性的分子基礎
3.3肌肉力量的控制
3.4肌肉帶寬
3.5肌肉纖維黏彈性
3.6肌肉幾何學
3.7肌腱力學
3.8肌腱單元
3.9總結
第4章單關節神經力學
4.1關節運動學
4.2關節力學
4.3關節黏度和機械阻抗
4.4感覺反饋控制
4.5自主運動
4.6總結
第5章多關節運動學和阻抗
5.1運動的描述
5.2手臂平面運動
5.3正運動學和逆運動學
5.4微分運動學和力的關系
5.5機械阻抗
5.6運動的轉換
5.7阻抗幾何
5.8冗餘
5.9解決冗餘
5.10附加約束的優化
5.11選擇姿勢以減少噪聲或乾擾
5.12總結
第6章多關節動力學和運動控制
6.1人體運動力學
6.2運動過程中的擾動動力學
6.3線性與非線性機器人控制
6.4前饋控制模型
6.5運動過程中的阻抗
6.6對奇特動力學中到達運動的模擬
6.7動力學冗餘
6.8機器人的非線性自適應控制
6.9徑向基函數神經網絡模型
6.10總結
第7章運動學習和記憶
7.1適應新動態
7.2負責運動學習的感官信號
7.3運動學習的泛化
7.4運動記憶
7.5人類和機器人穩定動態的建模學習
7.6總結
第8章不穩定和不可預測條件下的運動學習
8.1運動噪聲與變異性
8.2不穩定和不可預測動力學的阻抗控制
8.3阻抗控制的前饋和反饋組件
8.4運動適應的計算算法運動
8.5總結
第9章運動規劃和在線控制
9.1規劃階段的證據
9.2坐標變換
9.3最佳運動
9.4作為固有代價函數的任務誤差和工作量
9.5基於傳感器的運動控制
9.6線性傳感器融合
9.7感覺運動系統的隨機最優控制建模
9.8基於獎勵的最優控制
9.9子次運動感覺運動原語
9.10具有多個最小值的任務中的重復與優化
9.11關於如何學習復雜行為的總結和討論
第10章感覺反饋的整合與控制
10.1貝葉斯統計
10.2前向模型
10.3有目的的視覺和主動感知
10.4反饋的自適應控制
10.5總結
第11章在神經康復學和機器人學中的應用
11.1神經康復學
11.2康復中的運動學習原則
11.3機器人輔助的上肢康復器械
11.4神經科學在機器人輔助康復中的應用
11.5錯誤增強策略
11.6用視覺替代本體知覺誤差進行學習
11.7中風後的運動康復模型
11.8機器人的並發力和阻抗適應
11.9機器人技術的實現
11.10機器人輔助主動學習的仿人自適應
11.11總結
附錄變量定義
參考文獻
作者介紹
楊辰光，華南理工大學自動化科學與工程學院教授，國家“青年q人計劃”入選者，2005-2009 西北工業大學、新加坡國立大學、英國普利茅斯大學、帝國理工學院博士後（2011），研究方向為：智能控制/遙操作/視覺伺服/機器人輔助控制。
英國Higher Education Academy會士；美國IEEE高級會員，國家自然基金通訊評委。曾入選歐盟瑪麗居里國際引進學者，獲得過2011年度IEEE Transactions on Robotics□佳論文獎（首位華人獲獎者）、2014年度國際智能控制與自動化大會WCICA□佳生物醫學論文獎（通訊作者）、2015年度IEEE信息自動化年會ICIA大會□佳論文獎（□□作者）、2015年度國際智能機器人及應用年會ICIRA的大會□佳論文獎（通訊作者）、2016年國際人-系統交互大會（HSI） □佳論文獎（□□作者）等學術榮譽。曾指導博士生獲得2014IET Signals & Systems會議□佳學生論文獎，2015IEEE-CYBER大會□佳學生論文獎，以及2016 IEEE ICARM大會□佳學生論文獎。發表SIC/EI檢索論文150餘篇。
指導博士生畢業□人，碩士
