| 致谢 | 第5-6页 |
| 项目资助 | 第6-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 目次 | 第11-13页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 欠驱动机械系统控制 | 第16-19页 |
| 1.2.2 全驱动机器人系统控制 | 第19-21页 |
| 1.3 现有研究面临的问题与挑战 | 第21-23页 |
| 1.4 本文研究内容与结构 | 第23-27页 |
| 第2章 基于拉格朗日方程的欠/全驱动机械系统动力学模型构建与分析 | 第27-45页 |
| 2.1 拉格朗日方程建模方法 | 第28-29页 |
| 2.2 基于拉格朗日方程的机械系统动力学模型构建 | 第29-37页 |
| 2.2.1 欠驱动桥式吊车系统动力学建模 | 第29-33页 |
| 2.2.2 全驱动二自由度机器人系统动力学建模 | 第33-37页 |
| 2.3 机械系统动力学模型特征分析与状态空间模型构建 | 第37-42页 |
| 2.3.1 机械系统动力学标准模型与特性分析 | 第37-39页 |
| 2.3.2 欠驱动桥式吊车系统状态空间模型构建 | 第39-40页 |
| 2.3.3 全驱动二自由度机器人系统状态空间模型构建 | 第40-42页 |
| 2.4 本章小结 | 第42-45页 |
| 第3章 面向欠驱动机械系统的层级化模糊最优控制方法研究 | 第45-61页 |
| 3.1 面向欠驱动状态跟踪过程的多目标优化控制 | 第47-52页 |
| 3.2 面向桥式吊车系统控制策略的模糊逻辑规划 | 第52-58页 |
| 3.3 基于最优控制与模糊规划的层级化控制构架 | 第58-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第4章 面向全驱动机器人系统的自组织模糊最优控制方法研究 | 第61-77页 |
| 4.1 面向权重矩阵配置的自组织模糊学习算法 | 第62-67页 |
| 4.2 面向机器人系统控制策略的自组织模糊规划 | 第67-70页 |
| 4.3 基于最大值原理的非线性高次型最优控制 | 第70-75页 |
| 4.4 本章小结 | 第75-77页 |
| 第5章 基于李雅普诺夫理论的层级化自组织控制稳定性研究 | 第77-91页 |
| 5.1 李雅普诺夫稳定性理论 | 第77-81页 |
| 5.1.1 李雅普诺夫稳定性基本概念 | 第77-79页 |
| 5.1.2 李雅普诺夫稳定性判别方法 | 第79-81页 |
| 5.2 层级化模糊最优控制系统稳定性研究分析 | 第81-85页 |
| 5.3 自组织模糊最优控制系统稳定性研究分析 | 第85-89页 |
| 5.4 本章小结 | 第89-91页 |
| 第6章 典型欠/全驱动机械控制系统综合性能仿真研究与控制特性分析 | 第91-113页 |
| 6.1 欠驱动桥式吊车层级化模糊最优控制系统 | 第91-99页 |
| 6.2 欠驱动桥式吊车自组织模糊最优控制系统 | 第99-104页 |
| 6.3 全驱动二自由度机器人自组织模糊最优控制系统 | 第104-111页 |
| 6.4 本章小结 | 第111-113页 |
| 第7章 总结与展望 | 第113-117页 |
| 7.1 论文的主要研究成果 | 第113-114页 |
| 7.2 未来工作的展望 | 第114-117页 |
| 参考文献 | 第117-129页 |
| 攻读博士期间发表的论文成果和完成的工作 | 第129-130页 |
