| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·机器人学发展概况 | 第8-11页 |
| ·机器人的定义 | 第8-9页 |
| ·工业机器人发展概况 | 第9-10页 |
| ·并联机器人发展概况 | 第10-11页 |
| ·机器人控制技术的发展概况 | 第11-15页 |
| ·运动学控制 | 第11-12页 |
| ·动力学控制 | 第12-15页 |
| ·选题的目的和意义 | 第15-16页 |
| ·论文的主要工作及结构安排 | 第16-18页 |
| 第2章 预备知识 | 第18-26页 |
| ·数学知识 | 第18-19页 |
| ·控制理论基本概念 | 第19-20页 |
| ·仿真知识 | 第20-22页 |
| ·仿真的概念 | 第20-21页 |
| ·MATLAB 语言简介 | 第21-22页 |
| ·机器人的数学模型 | 第22-24页 |
| ·仿真模型的建立 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 机器人的模糊自校正 PD 控制 | 第26-36页 |
| ·引言 | 第26-27页 |
| ·PD 控制基本理论及稳定性证明 | 第27-28页 |
| ·模糊控制原理 | 第28-30页 |
| ·模糊控制器的组成 | 第28-30页 |
| ·模糊条件与模糊控制规则 | 第30页 |
| ·模糊自校正 PD 控制原理 | 第30-33页 |
| ·仿真研究 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于变结构与神经网络的机器人鲁棒自适应控制 | 第36-46页 |
| ·引言 | 第36页 |
| ·变结构控制 | 第36-37页 |
| ·神经网络控制 | 第37-40页 |
| ·RBF 神经网络的结构 | 第37-39页 |
| ·RBF 神经网络训练算法概述 | 第39-40页 |
| ·基于变结构与神经网络的鲁棒自适应控制器设计 | 第40-43页 |
| ·控制器设计 | 第40-41页 |
| ·系统稳定性分析 | 第41-43页 |
| ·仿真研究 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 基于动态模糊神经网络的机器人自适应控制 | 第46-58页 |
| ·引言 | 第46页 |
| ·动态模糊神经网络的结构 | 第46-48页 |
| ·动态模糊神经网络训练算法 | 第48-52页 |
| ·在线分配隐单元 | 第48-49页 |
| ·阈值的选取 | 第49页 |
| ·网络参数校正 | 第49-52页 |
| ·鲁棒自适应控制器的设计 | 第52-56页 |
| ·动态模糊神经网络控制方案 | 第52-53页 |
| ·控制器设计 | 第53-54页 |
| ·控制系统稳定性分析 | 第54-56页 |
| ·仿真研究 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 机器人模糊自校正 PD 轨迹跟踪控制的实验研究 | 第58-75页 |
| ·引言 | 第58-59页 |
| ·2-DOF 机器人模型建立 | 第59-65页 |
| ·系统结构 | 第59-60页 |
| ·机器人系统的起始位置 | 第60页 |
| ·前向运动学 | 第60-62页 |
| ·逆向运动学 | 第62-63页 |
| ·实验模型 | 第63-65页 |
| ·实验步骤及实验结果 | 第65-74页 |
| ·实验步骤 | 第65-68页 |
| ·实验结果 | 第68-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |