小波神经网络算法研究及其在柔性冗余度机器人抑振控制中的应用
| 第一章 绪论 | 第1-13页 |
| 1．1 神经网络的发展及背景 | 第7-8页 |
| 1．2 小波理论的发展及背景 | 第8-9页 |
| 1．3 小波神经网络的发展及背景 | 第9-10页 |
| 1．4 柔性冗余度机器人的研究进展 | 第10-11页 |
| 1．5 课题研究内容与总体设计思路 | 第11-13页 |
| 1．5．1 课题研究内容 | 第11-12页 |
| 1．5．2 课题总体设计思路 | 第12-13页 |
| 第二章 柔性冗余度机器人的抑振控制 | 第13-22页 |
| 2．1 引言 | 第13页 |
| 2．2 机器人运动学 | 第13-16页 |
| 2．2．1 机器人正向运动学 | 第13-15页 |
| 2．2．2 机器人逆向运动学 | 第15页 |
| 2．2．3 柔性冗余度机器人运动学仿真 | 第15-16页 |
| 2．3 机器人动力学 | 第16-18页 |
| 2．3．1 刚性前端部分动力学模型 | 第16-17页 |
| 2．3．2 柔性末端部分动力学模型 | 第17-18页 |
| 2．4 柔性冗余度机器人控制系统 | 第18-20页 |
| 2．5 柔性冗余度机器人抑振方法 | 第20-22页 |
| 第三章 人工神经网络研究 | 第22-33页 |
| 3．1 人工神经网络的研究内容 | 第22页 |
| 3．2 人工神经网络构成的基本原理 | 第22-25页 |
| 3．3 运用神经网络的基本原则 | 第25-26页 |
| 3．4 神经网络结构的设计准则 | 第26-27页 |
| 3．5 BP算法简介 | 第27-33页 |
| 第四章 小波分析 | 第33-40页 |
| 4．1 小波分析原理简介 | 第33-38页 |
| 4．2 小波框架 | 第38-40页 |
| 第五章 小波神经网络算法研究 | 第40-58页 |
| 5．1 小波神经网络的基本结构 | 第40-41页 |
| 5．2 小波神经网络实时控制 | 第41-42页 |
| 5．3 三种小波神经网络算法对比仿真 | 第42-58页 |
| 5．3．1 加权最小二乘法 | 第42-45页 |
| 5．3．2 小波RBF网络 | 第45-49页 |
| 5．3．3 以上算法的缺陷及改进方向 | 第49-50页 |
| 5．3．4 小波自适应网络 | 第50-58页 |
| 第六章 小波神经网络在柔性冗余机器人抑振中的应用 | 第58-73页 |
| 6．1 基于小波神经网络的柔性机器人抑振控制系统 | 第59-67页 |
| 6．1．1 控制系统硬件实现 | 第59-63页 |
| 6．1．2 控制系统软件实现 | 第63-64页 |
| 6．1．3 抑振控制系统具体实现 | 第64-67页 |
| 6．2 柔性冗余机器人抑振系统仿真研究 | 第67-70页 |
| 6．3 柔性冗余度机器人抑振精度的提高 | 第70-71页 |
| 6．4 仿真结果分析及结论 | 第71-73页 |
| 第七章 工作总结与展望 | 第73-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78页 |
