| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 工业机器人的传统控制算法 | 第13-14页 |
| 1.2.2 工业机器人的现代控制算法 | 第14-15页 |
| 1.2.3 工业机器人的智能控制算法 | 第15-17页 |
| 1.3 课题研究的主要内容 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 工业机器人运动及动力学 | 第18-33页 |
| 2.1 刚体的空间描述 | 第18-22页 |
| 2.1.1 刚体的位置和姿态矩阵 | 第18-20页 |
| 2.1.2 坐标系间的映射关系 | 第20-22页 |
| 2.2 机器人的运动学分析 | 第22-25页 |
| 2.2.1 机器人连杆和连杆间的描述 | 第22-23页 |
| 2.2.2 D-H参数法 | 第23-24页 |
| 2.2.3 二自由度旋转关节机器人其变换矩阵 | 第24-25页 |
| 2.3 机器人的速度与雅可比矩阵 | 第25-30页 |
| 2.3.1 线速度的表示方法 | 第26页 |
| 2.3.2 角速度的表示方法 | 第26-27页 |
| 2.3.3 机器人的速度传递 | 第27-28页 |
| 2.3.4 机器人的雅可比矩阵 | 第28-30页 |
| 2.4 机器人的动力学 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 工业机器人轨迹跟踪控制算法 | 第33-45页 |
| 3.1 BP和RBF神经网络 | 第33-38页 |
| 3.1.1 BP神经网络 | 第33-35页 |
| 3.1.2 RBP神经网络 | 第35-37页 |
| 3.1.3 RBP与BP神经网络的对比 | 第37-38页 |
| 3.2 非线性系统稳定性分析基本理论及工具 | 第38-44页 |
| 3.2.1 解的存在性和唯一性 | 第38-39页 |
| 3.2.2 比较原理 | 第39-40页 |
| 3.2.3 李雅普诺夫稳定性 | 第40-43页 |
| 3.2.4 不变集原理 | 第43-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 机器人的轨迹跟踪控制算法 | 第45-61页 |
| 4.1 工业机器人轨迹跟踪控制的提出 | 第45-46页 |
| 4.2 计算力矩法 | 第46-47页 |
| 4.3 基于高增益观测器的机器人轨迹跟踪控制方法 | 第47-54页 |
| 4.3.1 高增益观测器 | 第48-49页 |
| 4.3.2 高增益观测器的误差分析 | 第49-50页 |
| 4.3.3 仿真分析 | 第50-54页 |
| 4.4 基于RBF神经网络的机器人轨迹跟踪控制方法 | 第54-60页 |
| 4.4.1 机器人控制器的设计 | 第55-57页 |
| 4.4.2 机器人的轨迹跟踪控制器稳定性分析 | 第57-58页 |
| 4.4.3 仿真分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 结论 | 第61页 |
| 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位论文期间所发的论文目录 | 第67页 |