| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究的背景及意义 | 第15-16页 |
| 1.2 课题研究的国内外现状 | 第16-21页 |
| 1.2.1 最优控制的数值求解 | 第16-18页 |
| 1.2.2 微分代数方程初值问题的求解及敏感性计算 | 第18-19页 |
| 1.2.3 求解最优控制问题的快速算法 | 第19-20页 |
| 1.2.4 相关软件 | 第20-21页 |
| 1.3 论文的主要内容 | 第21-23页 |
| 第二章 最优控制的序列求解 | 第23-36页 |
| 2.1 最优控制问题的参数化 | 第23-25页 |
| 2.2 时间尺度变换 | 第25-27页 |
| 2.3 非线性规划问题的求解 | 第27-32页 |
| 2.3.1 外点法 | 第27-28页 |
| 2.3.2 内点法 | 第28-29页 |
| 2.3.3 序列二次规划法 | 第29-32页 |
| 2.4 Ipopt软件包 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 微分代数方程初值问题求解的隐式龙格库塔算法 | 第36-48页 |
| 3.1 微分代数方程的隐式龙格库塔积分 | 第36-37页 |
| 3.2 基于算法微分的一阶敏感性递推 | 第37-40页 |
| 3.2.1 算法微分的基本原理 | 第37-38页 |
| 3.2.2 直接敏感性递推 | 第38-39页 |
| 3.2.3 伴随敏感性递推 | 第39-40页 |
| 3.3 基于隐函数定理的一阶敏感性计算 | 第40-41页 |
| 3.4 敏感性递推的前向算法 | 第41-44页 |
| 3.5 敏感性递推的逆向算法 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 微分代数方程快速求解的一种提升隐式龙格库塔算法 | 第48-60页 |
| 4.1 基于敏感性更新的快速积分算法 | 第48-49页 |
| 4.2 前向算法 | 第49-53页 |
| 4.2.1 全牛顿迭代前向算法 | 第50-51页 |
| 4.2.2 加速牛顿迭代前向算法 | 第51-53页 |
| 4.3 逆向算法 | 第53-57页 |
| 4.3.1 全牛顿迭代逆向算法 | 第54-55页 |
| 4.3.2 加速牛顿迭代逆向算法 | 第55-57页 |
| 4.4 算法的复杂度分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 最优控制求解算法实现及其验证 | 第60-84页 |
| 5.1 算法的软件实现 | 第60-64页 |
| 5.2 一类Delta机器人的微分代数系统建模 | 第64-67页 |
| 5.3 Delta机器人点到点最优控制问题的求解及分析 | 第67-83页 |
| 5.3.1 前向算法求解最优控制问题 | 第67-75页 |
| 5.3.2 逆向算法求解最优控制问题 | 第75-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-85页 |
| 6.1 主要贡献 | 第84页 |
| 6.2 展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第88-89页 |
