首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

六轴机器人的动力学分析及其滑模变结构控制

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-17页
    1.1 课题的研究背景及研究意义第11-12页
    1.2 国内外研究现状第12-15页
    1.3 本文的研究内容第15-17页
第2章 机器人的运动学和动力学分析第17-27页
    2.1 机器人的本体构建第17页
    2.2 机器人的运动学分析第17-23页
        2.2.1 连杆连接的设计方法第18-19页
        2.2.2 六轴机器人的运动学方程第19-23页
    2.3 机器人的动力学分析第23-26页
        2.3.1 拉格朗日方程的构建第23-25页
        2.3.2 机器人的动力学性质第25-26页
    2.4 本章小结第26-27页
第3章 滑模变结构控制第27-47页
    3.1 滑模变结构控制概述第27-29页
        3.1.1 滑模变结构的发展第27页
        3.1.2 滑模变结构的定义第27页
        3.1.3 滑动模态的数学描述第27-28页
        3.1.4 滑动模态的到达条件第28-29页
    3.2 滑模面的设计第29-30页
    3.3 控制律的设计第30-31页
    3.4 传统的去抖方法第31-45页
        3.4.1 抖振的产生原因第32页
        3.4.2 趋近律方法第32-36页
        3.4.3 准滑动模态第36-39页
        3.4.4 低通滤波方法第39-43页
        3.4.5 观测器方法第43-45页
    3.5 小结第45-47页
第4章 神经网络滑模控制第47-61页
    4.1 神经滑模控制概述第47-51页
        4.1.1 神经网络分类第47-49页
        4.1.2 RBF神经网络结构第49页
        4.1.3 RBF神经网络映射关系第49-50页
        4.1.4 RBF神经网络训练准则第50-51页
    4.2 一种已知的神经网络滑模控制第51-53页
        4.2.1 控制律的设计第51-52页
        4.2.2 Lyapunov稳定性分析第52-53页
        4.2.3 实例参数选取第53页
    4.3 一种新型的神经网络滑模控制第53-56页
        4.3.1 控制律的设计第53-55页
        4.3.2 Lyapunov稳定性分析第55-56页
        4.3.3 仿真参数第56页
    4.4 实例分析第56-60页
        4.4.1 Matlab仿真分析第56-58页
        4.4.2 Matlab与Adams联合仿真实验第58-60页
    4.5 本章小结第60-61页
第5章 模糊滑模控制第61-75页
    5.1 模糊滑模控制概述第61-66页
        5.1.1 模糊规则库第61-62页
        5.1.2 模糊化第62-63页
        5.1.3 模糊推理第63-65页
        5.1.4 去模糊化第65页
        5.1.5 模糊滑模控制第65-66页
    5.2 一种已知的模糊滑模控制第66-68页
        5.2.1 控制律的设计第66-67页
        5.2.2 Lyapunov稳定性分析第67-68页
        5.2.3 仿真参数选取第68页
    5.3 一种新型的模糊滑模控制第68-71页
        5.3.1 控制律的设计第68-70页
        5.3.2 Lyapunov稳定性分析第70-71页
        5.3.3. 仿真参数选取第71页
    5.4 仿真分析第71-74页
        5.4.1 Matlab仿真分析第71-73页
        5.4.2 Matlab与Adams联合仿真第73-74页
    5.5 本章小结第74-75页
第6章 总结与展望第75-77页
    6.1 研究结论第75页
    6.2 主要创新点第75页
    6.3 研究展望第75-77页
参考文献第77-85页
致谢第85-87页
附录第87页
    A. 攻读硕士期间发表的论文第87页
    B. 获批的专利第87页
    C. 作者在攻读硕士学位期间参加的科研项目第87页
    D. 作者在攻读硕士学位期间获得的荣誉第87页

论文共87页,点击 下载论文
上一篇:基于LS-SVR的非线性预测控制方法及应用研究
下一篇:SCARA机器人结构设计与动力学分析