| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 模块化机器人概述 | 第10-12页 |
| 1.3 可重构机器人的国内外研究现状 | 第12-18页 |
| 1.3.1 可重构机器人系统研究现状 | 第12-16页 |
| 1.3.2 可重构机器人运动学及动力学研究现状 | 第16-17页 |
| 1.3.3 可重构机器人动力学控制研究现状 | 第17-18页 |
| 1.4 论文研究内容及章节安排 | 第18-20页 |
| 第二章 可重构机器人的运动学与动力学建模分析 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 可重构机器人数学模型 | 第20-22页 |
| 2.2.1 可重构机器人单元模块介绍 | 第20-21页 |
| 2.2.2 单元模块正运动学 | 第21-22页 |
| 2.3 牛顿欧拉方法 | 第22-23页 |
| 2.4 单元模块动力学模型 | 第23-24页 |
| 2.5 模块间动力学 | 第24-26页 |
| 2.6 递推的牛顿欧拉方程 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 可重构机器人的模糊补偿控制 | 第28-37页 |
| 3.1 引言 | 第28-29页 |
| 3.2 控制系统模型的建立 | 第29-30页 |
| 3.3 模糊逻辑系统结构 | 第30-31页 |
| 3.4 Lyapunov稳定性理论 | 第31-32页 |
| 3.5 补偿控制器设计 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于神经网络的构型自适应控制 | 第37-43页 |
| 4.1 引言 | 第37-38页 |
| 4.2 RBF神经网络逼近 | 第38-39页 |
| 4.2.1 RBF神经网络 | 第38页 |
| 4.2.2 逼近算法 | 第38-39页 |
| 4.3 控制系统自适应率设计 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于Matlab的可重构机器人动力学控制仿真 | 第43-53页 |
| 5.1 实验环境介绍 | 第43-46页 |
| 5.1.1 实验对象介绍 | 第43-45页 |
| 5.1.2 Matlab仿真环境说明 | 第45-46页 |
| 5.2 模糊网络自适应补偿算法仿真结果 | 第46-49页 |
| 5.3 神经网络自适应控制算法仿真结果 | 第49-51页 |
| 5.4 基于实物平台的实验 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |