不确定性机器人的几种智能控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·引言 | 第10页 |
| ·机器人的发展进程 | 第10-12页 |
| ·机器人控制理论的发展 | 第12-17页 |
| ·运动学控制 | 第13-14页 |
| ·动力学控制 | 第14-17页 |
| ·本论文的内容、研究目的和意义 | 第17-19页 |
| ·本论文的内容 | 第17-18页 |
| ·研究的目的 | 第18页 |
| ·研究的意义 | 第18-19页 |
| 第2章 预备知识 | 第19-28页 |
| ·数学知识 | 第19-21页 |
| ·稳定性理论知识 | 第21-23页 |
| ·李亚普诺夫稳定性理论 | 第21-22页 |
| ·Lasalle 不变集原理 | 第22-23页 |
| ·仿真知识 | 第23-24页 |
| ·机器人的数学模型 | 第24-26页 |
| ·二自由度机器人的仿真模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于H_∞状态反馈的机器人鲁棒模糊控制 | 第28-40页 |
| ·引言 | 第28页 |
| ·模糊控制基本理论 | 第28-32页 |
| ·模糊理论的基本概念 | 第28-29页 |
| ·广义前向推理和广义反向推理 | 第29页 |
| ·模糊命题 | 第29页 |
| ·模糊蕴含 | 第29-30页 |
| ·模糊逻辑系统的构成 | 第30-31页 |
| ·模糊逻辑系统函数逼近特性 | 第31-32页 |
| ·系统描述 | 第32-34页 |
| ·非线性H∞状态反馈控制问题 | 第32-33页 |
| ·机器人系统及特性 | 第33-34页 |
| ·控制器的设计 | 第34-38页 |
| ·鲁棒H∞控制器的设计 | 第34-36页 |
| ·模糊补偿控制器的设计 | 第36-38页 |
| ·仿真 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于RBF 增益调节的机器人滑模控制 | 第40-50页 |
| ·引言 | 第40页 |
| ·RBF 神经网络的基本理论 | 第40-44页 |
| ·控制器的设计 | 第44-48页 |
| ·固定增益滑模控制器的设计 | 第45-47页 |
| ·基于RBF 网络的增益调节 | 第47-48页 |
| ·仿真 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 机器人的优化神经网络滑模控制 | 第50-63页 |
| ·引言 | 第50页 |
| ·遗传算法的工作原理和实现步骤 | 第50-55页 |
| ·遗传算法的工作原理 | 第50-51页 |
| ·遗传算法的实现步骤 | 第51-54页 |
| ·遗传算法的特点 | 第54-55页 |
| ·系统描述 | 第55-56页 |
| ·控制器的设计 | 第56-60页 |
| ·名义模型控制律设计 | 第56-57页 |
| ·基于RBF 网络的上界自适应学习 | 第57-60页 |
| ·采用遗传算法用于神经网络的权值优化 | 第60页 |
| ·仿真 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
