| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 移动机器人的发展历程 | 第11-12页 |
| 1.3 两轮自平衡机器人的国内外研究现状 | 第12-15页 |
| 1.3.1 两轮自平衡机器人的国外研究状况 | 第12-14页 |
| 1.3.2 两轮自平衡机器人的国内研究现状 | 第14-15页 |
| 1.5 论文的主要工作 | 第15-16页 |
| 第2章 两轮自平衡机器人的系统构成 | 第16-24页 |
| 2.1 两轮自平衡机器人的工作原理 | 第16-17页 |
| 2.2 系统控制单元 | 第17-18页 |
| 2.3 传感器检测单元 | 第18-20页 |
| 2.3.1 陀螺仪 | 第18页 |
| 2.3.2 倾角仪 | 第18-19页 |
| 2.3.3 加速度计 | 第19页 |
| 2.3.4 光电编码器 | 第19页 |
| 2.3.5 电磁传感器 | 第19-20页 |
| 2.4 驱动单元 | 第20页 |
| 2.5 电源单元 | 第20-21页 |
| 2.7 两轮自平衡机器人工作流程 | 第21-24页 |
| 第3章 两轮自平衡机器人数学模型分析 | 第24-40页 |
| 3.1 坐标系的建立及模型参数的设定 | 第24-25页 |
| 3.2 基于拉格朗日方程的动力学建模 | 第25-35页 |
| 3.2.1 机器人车轮动能模型 | 第26-27页 |
| 3.2.2 机器人车体动能模型 | 第27-29页 |
| 3.2.3 机器人势能模型 | 第29-30页 |
| 3.2.4 系统耗散能模型 | 第30页 |
| 3.2.5 动力学模型建立 | 第30-35页 |
| 3.3 系统模型的解耦分析 | 第35-40页 |
| 3.3.1 控制量的解耦 | 第35-37页 |
| 3.3.2 系统状态变量的解耦 | 第37-40页 |
| 第4章 神经网络自适应算法研究 | 第40-50页 |
| 4.1 BP神经网络控制 | 第40-45页 |
| 4.1.1 BP神经网络简介 | 第40-42页 |
| 4.1.2 BP网络的前馈计算 | 第42-43页 |
| 4.1.3 BP网络权系数的调整方法 | 第43-45页 |
| 4.2 模型参考自适应控制 | 第45-48页 |
| 4.3 神经网络模型参考自适应控制 | 第48-50页 |
| 第5章 控制系统的设计及仿真 | 第50-62页 |
| 5.1 两轮自平衡机器人速度控制系统的设计 | 第50-54页 |
| 5.1.1 模型参考自适应控制的设计 | 第50-51页 |
| 5.1.2 神经网络控制器的设计 | 第51-53页 |
| 5.1.3 机器人速度控制系统的仿真 | 第53-54页 |
| 5.2 两轮自平衡机器人姿态控制系统的设计 | 第54-57页 |
| 5.2.1 模型参考自适应控制与神经网络控制器的设计 | 第54-55页 |
| 5.2.2 机器人姿态控制系统的仿真 | 第55-57页 |
| 5.3 电磁导航的循迹实验研究 | 第57-62页 |
| 5.3.1 电磁信号的检测 | 第57-58页 |
| 5.3.2 机器人循迹实验 | 第58-62页 |
| 第6章 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |