仿人機器人原理與設計——運動學、神經力學與運動規劃 ( 簡體 字) |
| 作者：[英] 艾蒂安·伯德（Etienne Burdet） [英] 大衛·W.富蘭克林（David W. Franklin） [加]西奧多·E.米爾納（Theodore E. | 類別：1. -> 電子工程 -> 機器人 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 53540
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：9/1/2020 |
| 頁數：191 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302554578 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：譯者序
仿人機器人涉及神經學、生理學、心理學、控制工程、機械和人工智能等多學科領域的交叉應用性技術。
眾所周知，人類能夠快速、熟練地掌握各種操作，學習各種復雜的運動行為或者技能。但是，人類為什么能夠輕松、熟練地學習這些行為或者技能呢？其中隱含的神經控制機制是什么呢？我們很難對神經運動控制進行全面、深入的描述，因此隨著人們對神經運動控制問題研究的深入，機器人技術和控制理論成為分析此問題的重要工具和方法。基于生理學實驗的數據模型，可以得出其運動控制算法，定量描述人類神經運動控制機理。隨著機器人技術的快速發展，仿人機器人應用于康復、手術、訓練等領域，這些應用都需要機器人和人類進行物理交互，通過與生物力學和神經控制的結合，可以開發出高效的計算方法。隨著機器人技術的發展，神經運動控制相關理論已經廣泛應用于增強生物效能、手術、康復等諸多領域。
本書是英國帝國理工學院Etienne Burdet教授、David W.Franklin教授和Theodore E.Milner教授在神經控制領域和機器人領域多年科研和教學經驗的積累。三位教授根據神經控制機理的特點，按照循序漸進的原則，在運動神經控制、肌肉力學、關節運動、運動規劃、示例應用等方面展開了嚴謹的闡述，內容深入淺出，理論與應用緊密結合，具有很高的理論指導作用，體現了三位教授在神經控制與機器人領域深厚的學術功底。本書是當今研究神經運動控制和機器人學領域不可多得的佳作。
本書由楊辰光、羅晶負責翻譯、校對和整理，對原書中的錯誤進行了修正，對描述不完整之處進行了補充； 同時還得到了Dr.Haiming Qi、李嫻、徐樸勇、王劍城、吳碧霄、張穎、劉漢中、陳敬翔、甘軍保、黃海棋、郭?林、田金艷、葉宇航、王尊冉、陳垂澤、梁聰垣、陳文強、聶菲等的幫助。
感謝Etienne Burdet教授和清華大學出版社在成書過程中提出的寶貴意見。
本書可以作為自動化控制、電子工程和生物工程等專業高年級本科生、碩士生和博士生的教學參考書，也可供運動控制研究人員、生物工程師、康復理療師以及機器人研究人員參考。
由于譯者的經驗和水平有限，書中難免會存在錯誤和缺點，歡迎讀者和專家批評指正。 |
內容簡介：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：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冗余
5.9解決冗余
5.10附加約束的優化
5.11選擇姿勢以減少噪聲或干擾
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仿真
6.7動力學冗余
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基于傳感器的運動控制
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基于獎勵的最優控制
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關于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中風后的運動康復模型
11.8機器人的并發力和阻抗適應
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 |
| 序： |
