| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 机器人发展概述 | 第9-11页 |
| 1.2.1 国外机器人的发展 | 第9-10页 |
| 1.2.2 国内机器人的发展 | 第10-11页 |
| 1.3 机器人的分类 | 第11-12页 |
| 1.4 工业机器人控制方法 | 第12-17页 |
| 1.4.1 根据控制量 | 第12-14页 |
| 1.4.2 根据控制算法 | 第14-17页 |
| 1.5 本文研究内容 | 第17-19页 |
| 第2章 机械手运动学和动力学方程的构建 | 第19-35页 |
| 2.1 坐标的空间描述 | 第19-25页 |
| 2.1.1 位置与姿态 | 第19-21页 |
| 2.1.2 坐标变换 | 第21-25页 |
| 2.2 运动学方程的建立 | 第25-26页 |
| 2.2.1 连杆参数和连杆坐标系 | 第25-26页 |
| 2.2.2 连杆变换矩阵和运动学方程 | 第26页 |
| 2.3 动力学方程的建立 | 第26-31页 |
| 2.3.1 动力学模型的构建 | 第27-31页 |
| 2.3.2 两关节机械手模型 | 第31页 |
| 2.4 Matlab建立机械手模型 | 第31-33页 |
| 2.4.1 S函数介绍 | 第31-33页 |
| 2.4.2 S函数建立机械手模型 | 第33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 基于重力补偿的RBF神经网络PD控制 | 第35-51页 |
| 3.1 神经网络介绍 | 第35-38页 |
| 3.1.1 人工神经元 | 第35-36页 |
| 3.1.2 神经网络的分类 | 第36-38页 |
| 3.1.3 神经网络优点 | 第38页 |
| 3.2 RBF神经网络 | 第38-40页 |
| 3.2.1 RBF神经网络逼近 | 第39-40页 |
| 3.3 理想模型控制方法 | 第40-43页 |
| 3.3.1 控制器设计 | 第41页 |
| 3.3.2 稳定性分析 | 第41-42页 |
| 3.3.3 仿真结果 | 第42-43页 |
| 3.4 存在干扰及不确定项的控制方法 | 第43-50页 |
| 3.4.1 RBF神经网络逼近 | 第43-44页 |
| 3.4.2 控制器设计 | 第44-45页 |
| 3.4.3 稳定性分析 | 第45-46页 |
| 3.4.4 仿真及结果对比 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 RBFNN的机械手滑模控制 | 第51-70页 |
| 4.1 滑模变结构简介 | 第51-55页 |
| 4.1.1 滑模控制的优缺点 | 第51-52页 |
| 4.1.2 滑动模态存在及到达条件 | 第52-53页 |
| 4.1.3 等效控制 | 第53-55页 |
| 4.2 基于径向基函数神经网络的机械手滑模控制 | 第55-57页 |
| 4.2.1 传统滑模控制器的设计 | 第56页 |
| 4.2.2 稳定性分析 | 第56-57页 |
| 4.3 RBF神经网络滑模控制器的设计 | 第57-59页 |
| 4.3.1 控制器的设计 | 第57-58页 |
| 4.3.2 稳定性分析 | 第58-59页 |
| 4.4 仿真及结果对比 | 第59-65页 |
| 4.4.1 RBFNNSMC与传统滑模控制的对比 | 第59-64页 |
| 4.4.2 RBFNNSMC与RBFPD控制的对比 | 第64-65页 |
| 4.5 三自由度空间机械手仿真 | 第65-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间的研究成果 | 第77页 |