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 |