| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外UGV研究现状 | 第10-15页 |
| 1.2.1 国外UGV研究现状 | 第10-13页 |
| 1.2.2 国内UGV研究现状 | 第13-15页 |
| 1.3 UGV控制方法研究 | 第15-17页 |
| 1.4 本文的主要内容及安排 | 第17-19页 |
| 2 UGV摩擦模型建立 | 第19-26页 |
| 2.1 UGV系统描述 | 第19-22页 |
| 2.2 UGV摩擦模型 | 第22-25页 |
| 2.2.1 地面摩擦模型 | 第22-23页 |
| 2.2.2 轮地摩擦模型 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于终端滑模技术的双闭环轨迹跟踪控制方法 | 第26-34页 |
| 3.1 内环动力学滑模控制方法设计 | 第26-29页 |
| 3.1.1 普通滑模技术 | 第27-28页 |
| 3.1.2 终端滑模技术 | 第28-29页 |
| 3.2 外环运动学跟踪控制方法设计 | 第29-31页 |
| 3.3 仿真对比分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于梯度自适应律的轮-地摩擦估计与补偿 | 第34-44页 |
| 4.1 补偿控制器设计 | 第34-36页 |
| 4.2 梯度自适应律设计 | 第36-39页 |
| 4.2.1 整体自适应律设计 | 第36-37页 |
| 4.2.2 参数自适应律设计 | 第37-39页 |
| 4.3 仿真对比分析 | 第39-43页 |
| 4.3.1 控制方法验证 | 第40-42页 |
| 4.3.2 两种干扰估计对比分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 考虑径向滑动摩擦的RBF神经网络在线辨识与补偿机制 | 第44-54页 |
| 5.1 RBF神经网络技术 | 第44-45页 |
| 5.2 RBF神经网络在线逼近的补偿控制器设计 | 第45-49页 |
| 5.2.1 补偿控制器设计 | 第46-47页 |
| 5.2.2 RBF神经网络自适应律 | 第47-49页 |
| 5.3 仿真分析 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |