| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 图索引 | 第12-14页 |
| 表索引 | 第14-15页 |
| 第一章 绪论 | 第15-26页 |
| 1．1 机器人的发展进程 | 第15-17页 |
| 1．2 机器人的主要特点及分类 | 第17-20页 |
| 1．2．1 机器人的主要特点 | 第17-18页 |
| 1．2．2 机器人的分类 | 第18-20页 |
| 1．3 机器人技术发展趋势 | 第20页 |
| 1．4 工业机器人的现状与发展趋势 | 第20-24页 |
| 1．4．1 国内外工业机器人的现状 | 第21-22页 |
| 1．4．2 国内外工业机器人发展趋势 | 第22-23页 |
| 1．4．3 工业机器人的发展特点及技术发展方向 | 第23-24页 |
| 1．5 本论文的研究内容与创新之处 | 第24-25页 |
| 1．6 本论文的结构安排 | 第25-26页 |
| 第二章 机器人运动学建模 | 第26-50页 |
| 2．1 引言 | 第26-27页 |
| 2．2 刚体的位置和姿态的描述 | 第27-29页 |
| 2．2．1 位置描述 | 第27-28页 |
| 2．2．2 坐标系之间的方向变换 | 第28-29页 |
| 2．3 坐标变换 | 第29-36页 |
| 2．3．1 平移坐标变换 | 第29-30页 |
| 2．3．2 旋转坐标变换 | 第30-31页 |
| 2．3．3 齐次坐标变换 | 第31-34页 |
| 2．3．4 通用旋转变换 | 第34-36页 |
| 2．4 机械手的运动学方程 | 第36-39页 |
| 2．4．1 机械手连杆的坐标系及广义连杆变换齐次矩阵 | 第37-39页 |
| 2．4．2 机械手运动学方程的建立 | 第39页 |
| 2．5 GRB-400 SCARA型机械臂的运动学建模 | 第39-50页 |
| 2．5．1 固高工业机器人系统的简要介绍 | 第39-40页 |
| 2．5．2 机械臂运动学方程的建立 | 第40-43页 |
| 2．5．3 机械臂的运动学逆解 | 第43-47页 |
| 2．5．4 机械臂的雅可比矩阵 | 第47-50页 |
| 第三章 机器人的常用控制方法 | 第50-56页 |
| 3．1 引言 | 第50页 |
| 3．2 机器人的常用控制方法 | 第50-56页 |
| 3．2．1 传统的控制方法 | 第50-53页 |
| 3．2．2 智能控制方法 | 第53-54页 |
| 3．2．3 复合控制方法 | 第54-56页 |
| 第四章 机器人的神经网络控制系统 | 第56-74页 |
| 4．1 神经网络基本理论 | 第56-62页 |
| 4．1．1 人工神经网络的结构 | 第57-61页 |
| 4．1．2 人工神经网络的主要学习算法 | 第61-62页 |
| 4．2 基本 BP反向传播算法 | 第62-67页 |
| 4．2．1 单隐层网络的 BP算法 | 第62-64页 |
| 4．2．2 多隐层网络的 BP算法 | 第64-67页 |
| 4．3 机械臂的神经网络控制系统 | 第67-74页 |
| 4．3．1 引言 | 第67-68页 |
| 4．3．2 带参数的 S函数的特性 | 第68-69页 |
| 4．3．3 神经网络控制器设计 | 第69-73页 |
| 4．3．4 结论 | 第73-74页 |
| 第五章 基于遗传算法的神经网络控制系统 | 第74-90页 |
| 5．1 遗传算法的工作原理及实现步骤 | 第74-79页 |
| 5．1．1 遗传算法的工作原理 | 第74-75页 |
| 5．1．2 遗传算法的实现步骤 | 第75-78页 |
| 5．1．3 遗传算法的特点 | 第78-79页 |
| 5．2 基于遗传算法的神经网络控制系统 | 第79-85页 |
| 5．2．1 引言 | 第79-80页 |
| 5．2．2 算法设计及实例仿真 | 第80-84页 |
| 5．2．3 结论 | 第84-85页 |
| 5．3 基于messy遗传算法的神经网络控制系统 | 第85-90页 |
| 5．3．1 引言 | 第85页 |
| 5．3．2 messy遗传算法 | 第85-86页 |
| 5．3．3 算法设计及实例仿真 | 第86-89页 |
| 5．3．4 结论 | 第89-90页 |
| 第六章 结论与展望 | 第90-93页 |
| 参考文献 | 第93-101页 |
| 附录 实验室固高工业机械臂 GRB-400 SCARA的关节坐标空间定义和直角坐标空间定义 | 第101-102页 |
| 致谢 | 第102-103页 |
| 攻读硕士学位期间发表的论文 | 第103页 |
