| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-12页 |
| 1 绪论 | 第12-19页 |
| 1．1 课题来源及意义 | 第12页 |
| 1．2 冗余自由度机器人的研究现状 | 第12-13页 |
| 1．3 变几何桁架机器人的研究现状 | 第13-14页 |
| 1．4 机器人智能控制的研究现状 | 第14-15页 |
| 1．5 宏-微机器人的研究现状 | 第15-17页 |
| 1．6 本文的主要研究内容 | 第17-19页 |
| 2 基础知识 | 第19-28页 |
| 2．1 宏-微机器人简介 | 第19页 |
| 2．2 变几何桁架机器人简介 | 第19-20页 |
| 2．3 压电陶瓷简介 | 第20-21页 |
| 2．4 DSP技术简介 | 第21-22页 |
| 2．5 神经网络简介 | 第22-25页 |
| 2．5．1 BP神经网络简介 | 第22-23页 |
| 2．5．2 FNN模糊神经网络简介 | 第23-24页 |
| 2．5．3 混沌神经网络简介 | 第24-25页 |
| 2．6 混沌优化方法简介 | 第25页 |
| 2．7 图像处理方法简介 | 第25-28页 |
| 2．7．1 透视变换 | 第25-26页 |
| 2．7．2 立体匹配 | 第26页 |
| 2．7．3 边缘检测 | 第26-28页 |
| 3 变几何桁架宏机器人运动学分析 | 第28-60页 |
| 3．1 前言 | 第28页 |
| 3．2 基于混沌神经网络的变几何桁架机器人位姿反解 | 第28-33页 |
| 3．2．1 混沌神经网络模型 | 第29-32页 |
| 3．2．2 位姿反解 | 第32-33页 |
| 3．2．3 仿真计算 | 第33页 |
| 3．3 七重四面体变几何桁架机器人工作空间分析 | 第33-39页 |
| 3．3．1 工作空间分析 | 第34-37页 |
| 3．3．2 曲面方程的自动生成 | 第37-38页 |
| 3．3．3 数值实例 | 第38-39页 |
| 3．4 基于DSP并行计算的变几何桁架机器人轨迹规划 | 第39-45页 |
| 3．4．1 TT-VGT机器人的轨迹规划 | 第39-42页 |
| 3．4．2 基于TMS320F206 DSP的并行计算 | 第42-44页 |
| 3．4．3 实例分析 | 第44-45页 |
| 3．5 基于立体视觉的冗余度TT—VGT机器人避障规划 | 第45-53页 |
| 3．5．1 坐标变换 | 第45-46页 |
| 3．5．2 透视成象 | 第46-47页 |
| 3．5．3 障碍物判断 | 第47页 |
| 3．5．4 障碍物边缘检测 | 第47-49页 |
| 3．5．5 立体成象 | 第49页 |
| 3．5．6 立体匹配 | 第49-51页 |
| 3．5．7 路径规划 | 第51-52页 |
| 3．5．7．1 假定条件 | 第51页 |
| 3．5．7．2 避障判据 | 第51-52页 |
| 3．5．7．3 避障方案 | 第52页 |
| 3．5．8 仿真 | 第52-53页 |
| 3．6 七重修正四面体变几何桁架机器人的间接位置分析 | 第53-59页 |
| 3．6．1 七重修正四面体变几何桁架机构 | 第53-55页 |
| 3．6．2 间接位置分析约束方程组的建立 | 第55-56页 |
| 3．6．3 约束方程组的消元以及间接位置问题的求解 | 第56-58页 |
| 3．6．4 仿真实例 | 第58-59页 |
| 3．7 本章小结 | 第59-60页 |
| 4 变几何桁架宏机器人位置控制 | 第60-87页 |
| 4．1 前言 | 第60-61页 |
| 4．2 基于DSP的冗余度变几何桁架机器人的轨迹控制 | 第61-65页 |
| 4．2．1 TT-VGT机器人的轨迹控制 | 第61-62页 |
| 4．2．2 基于TMS320F206 DSP的并行计算与控制 | 第62-63页 |
| 4．2．3 实例分析 | 第63-65页 |
| 4．3 基于BP神经网络的冗余度TT-VGT机器人位置控制 | 第65-70页 |
| 4．3．1 工作原理 | 第65-66页 |
| 4．3．2 机器人的正模型NN1 | 第66-68页 |
| 4．3．3 机器人的逆模型NN2 | 第68-69页 |
| 4．3．4 仿真计算 | 第69-70页 |
| 4．4 基于BP神经网络冗余度TT-VGT机器人力/位置混合控制 | 第70-75页 |
| 4．4．1 机器人力/位置混合控制 | 第70-73页 |
| 4．4．2 神经网络模型NN | 第73-74页 |
| 4．4．3 仿真计算 | 第74-75页 |
| 4．5 冗余度TT—VGT机器人的神经网络自适应控制 | 第75-79页 |
| 4．5．1 机器人状态模型 | 第75-76页 |
| 4．5．2 TT-VGT机器人的神经网络自适应控制 | 第76-78页 |
| 4．5．3 实例分析 | 第78-79页 |
| 4．6 基于模糊神经网络的冗余度变几何桁架机器人位置控制 | 第79-85页 |
| 4．6．1 关节驱动电机的转矩方程 | 第79-81页 |
| 4．6．2 模糊神经网络计算 | 第81-83页 |
| 4．6．3 基于模糊神经网络的TT—VGT机器人的位置控制 | 第83-84页 |
| 4．6．4 实例分析 | 第84-85页 |
| 4．7 本章小结 | 第85-87页 |
| 5 变几何桁架微机器人运动学分析 | 第87-96页 |
| 5．1 前言 | 第87页 |
| 5．2 八面体变几何桁架微动机器人运动学分析 | 第87-89页 |
| 5．3 八面体变几何桁架微动机器人误差分析 | 第89-91页 |
| 5．3．1 驱动杆长误差对动平台位姿的影响 | 第90页 |
| 5．3．2 动平台和基础平台的结构参数误差对动平台位姿的影响 | 第90-91页 |
| 5．3．3 数字实例 | 第91页 |
| 5．4 八面体变几何桁架微动机器人的标定 | 第91-95页 |
| 5．4．1 机器人的绝对空间及目标空间 | 第92-93页 |
| 5．4．2 八面体变几何桁架微动机器人目标空间转换矩阵的建立 | 第93-95页 |
| 5．5 本章小结 | 第95-96页 |
| 6 压电陶瓷微位移器特性分析及位置控制 | 第96-107页 |
| 6．1 前言 | 第96页 |
| 6．2 压电陶瓷特性分析 | 第96-99页 |
| 6．3 压电陶瓷微位移器变参数PID控制 | 第99-104页 |
| 6．3．1 混沌优化方法 | 第99-101页 |
| 6．3．2 变参数PID计算原理 | 第101-103页 |
| 6．3．3 控制实例 | 第103-104页 |
| 6．4 基于变尺度优化方法的压电陶瓷微位移器神经元PID控制 | 第104-106页 |
| 6．4．1 基于变尺度优化方法的神经元PID控制算法 | 第104-106页 |
| 6．4．2 应用实例 | 第106页 |
| 6．5 本章小结 | 第106-107页 |
| 7 八面体变几何桁架微机器人位置控制系统的研制 | 第107-120页 |
| 7．1 前言 | 第107页 |
| 7．2 压电陶瓷驱动电源的研制 | 第107-111页 |
| 7．3 微动机器人控制系统的研制 | 第111-116页 |
| 7．3．1 微动机器人控制系统总体结构 | 第111-112页 |
| 7．3．2 压电陶瓷控制器原理 | 第112-114页 |
| 7．3．3 DSP控制器工作原理 | 第114-116页 |
| 7．4 微动机器人控制系统的软件设计 | 第116-118页 |
| 7．5 微动机器人控制系统的特性分析 | 第118-119页 |
| 7．5．1 静态特性 | 第118-119页 |
| 7．5．2 动态特性 | 第119页 |
| 7．6 本章小结 | 第119-120页 |
| 结束语 | 第120-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-130页 |
| 作者在攻读博士学位期间发表的论文 | 第130-131页 |
| 声明 | 第131页 |
