摘要 | 第1-9页 |
Abstract | 第9-11页 |
第1章 绪论 | 第11-21页 |
1.1 自动控制理论的发展简述 | 第11-12页 |
1.2 智能控制理论的产生和发展 | 第12-16页 |
1.2.1 模糊控制 | 第13-15页 |
1.2.2 神经网络控制 | 第15-16页 |
1.3 机器人轨迹跟踪的智能控制技术 | 第16-19页 |
1.3.1 机器人技术的发展 | 第16-18页 |
1.3.2 智能控制理论在机器人轨迹跟踪系统中的应用 | 第18-19页 |
1.4 本文所开展的研究工作 | 第19-21页 |
第2章 机器人的数学模型 | 第21-40页 |
2.1 数学基础 | 第21-25页 |
2.1.1 刚体的位姿描述 | 第21-22页 |
2.1.2 坐标变换 | 第22-23页 |
2.1.3 齐次坐标变换 | 第23-25页 |
2.2 机器人的运动学方程 | 第25-34页 |
2.2.1 机器人坐标系的建立 | 第25-27页 |
2.2.2 机器人运动学方程的建立 | 第27-28页 |
2.2.3 机器人运动学方程的求解 | 第28-31页 |
2.2.4 机器人的雅可比矩阵 | 第31-34页 |
2.3 机器人的动力学方程 | 第34-39页 |
2.3.1 刚体的运动方程 | 第34-35页 |
2.3.2 机械手的逆动力学方程 | 第35-39页 |
2.4 本章小结 | 第39-40页 |
第3章 机器人轨迹跟踪的模糊控制 | 第40-51页 |
3.1 模糊控制器的基本原理 | 第40-45页 |
3.1.1 模糊控制的基本思想 | 第40-41页 |
3.1.2 模糊控制器的组成和设计方法 | 第41-45页 |
3.2 机器人模糊控制系统设计 | 第45-48页 |
3.2.1 控制系统设计 | 第46页 |
3.2.2 模糊控制器设计 | 第46-48页 |
3.3 仿真实验 | 第48-50页 |
3.3.1 实验1 | 第48-49页 |
3.3.2 实验2 | 第49-50页 |
3.4 本章小结 | 第50-51页 |
第4章 基于模糊神经网络的机器人轨迹跟踪控制 | 第51-66页 |
4.1 径向基函数神经网络 | 第51-58页 |
4.1.1 径向基函数神经网络的模型 | 第52页 |
4.1.2 径向基函数神经网络的学习算法 | 第52-56页 |
4.1.3 基于径向基函数神经网络的机器人系统辨识 | 第56-58页 |
4.2 基于模糊神经网络的机器人控制系统 | 第58-65页 |
4.2.1 控制系统的结构设计 | 第58-59页 |
4.2.2 模糊高斯基神经网络的结构 | 第59-61页 |
4.2.3 网络学习算法 | 第61-63页 |
4.2.4 仿真实验 | 第63-65页 |
4.3 本章小结 | 第65-66页 |
第5章 基于混合学习算法的模糊神经网络的机器人控制 | 第66-77页 |
5.1 遗传算法的基本知识 | 第66-70页 |
5.1.1 遗传算法中的基本概念和术语 | 第67页 |
5.1.2 遗传算法的基本原理 | 第67页 |
5.1.3 遗传算法的收敛性 | 第67-68页 |
5.1.4 遗传算法的设计步骤 | 第68-70页 |
5.2 基于混合学习算法的模糊神经网络的机器人控制 | 第70-75页 |
5.2.1 控制系统结构设计 | 第71页 |
5.2.2 网络的学习算法 | 第71-75页 |
5.3 仿真实验 | 第75-76页 |
5.4 本章小结 | 第76-77页 |
第6章 机器人轨迹跟踪的神经网络滑模控制 | 第77-91页 |
6.1 滑模变结构的基本概念 | 第77-80页 |
6.1.1 变结构控制的基本原理 | 第78-79页 |
6.1.2 变结构控制的特点 | 第79页 |
6.1.3 变结构控制的抖振问题 | 第79-80页 |
6.2 机器人的滑模变结构控制 | 第80-84页 |
6.2.1 机器人的物理特征 | 第80页 |
6.2.2 机器人的滑模变结构控制系统设计 | 第80-82页 |
6.2.3 仿真实验 | 第82-84页 |
6.3 机器人的神经网络滑模控制 | 第84-90页 |
6.3.1 神经网络补偿 | 第85-86页 |
6.3.2 滑模控制器和神经网络学习算法的设计 | 第86-88页 |
6.3.3 仿真实验 | 第88-90页 |
6.4 本章小结 | 第90-91页 |
结论 | 第91-94页 |
参考文献 | 第94-99页 |
致谢 | 第99-101页 |
附录A(攻读学位期间所发表的学术论文目录) | 第101页 |