| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 工业机器人轨迹跟踪技术的研究现状 | 第9-13页 |
| 1.2.1 机器人动力学参数辨识 | 第9-11页 |
| 1.2.2 不基于动力学模型的控制策略 | 第11页 |
| 1.2.3 基于动力学模型的控制策略 | 第11-13页 |
| 1.3 本文研究内容 | 第13-16页 |
| 第二章 SCARA机器人模型及实验平台 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 SCARA机器人运动学建模 | 第16-19页 |
| 2.2.1 模型建立及正运动学求解 | 第16-18页 |
| 2.2.2 逆运动学求解 | 第18-19页 |
| 2.3 SCARA机器人动力学建模 | 第19-22页 |
| 2.3.1 机器人系统动能 | 第19-21页 |
| 2.3.2 机器人系统势能 | 第21页 |
| 2.3.3 SCARA机器人动力学方程推导 | 第21-22页 |
| 2.4 实验平台搭建 | 第22-25页 |
| 2.4.1 实验平台简介 | 第22-23页 |
| 2.4.2 伺服驱动器三环控制 | 第23-24页 |
| 2.4.3 SCARA机器人性能参数指标 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 SCARA机器人动力学参数辨识 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 SCARA机器人动力学模型线性化 | 第26-28页 |
| 3.3 激励轨迹的改进与优化 | 第28-31页 |
| 3.3.1 改进的傅里叶级数 | 第28-29页 |
| 3.3.2 激励轨迹优化 | 第29-31页 |
| 3.4 采样数据处理与参数估计 | 第31-32页 |
| 3.4.1 采样数据处理 | 第31页 |
| 3.4.2 加权最小二乘估计 | 第31-32页 |
| 3.5 实验设计与结果分析 | 第32-36页 |
| 3.5.1 基于LabVIEW的实验设计 | 第32-34页 |
| 3.5.2 实验结果与验证分析 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于自适应模糊补偿的计算力矩法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 计算力矩法 | 第38-39页 |
| 4.3 模糊逻辑系统 | 第39-41页 |
| 4.4 机器人自适应模糊补偿控制率 | 第41-42页 |
| 4.5 仅考虑摩擦建模不精确的自适应模糊补偿 | 第42-43页 |
| 4.6 考虑摩擦建模不精确和外界干扰的自适应模糊补偿 | 第43-44页 |
| 4.7 仿真实验与分析 | 第44-49页 |
| 4.7.1 计算力矩法 | 第45-46页 |
| 4.7.2 仅针对摩擦建模不精确进行补偿 | 第46-47页 |
| 4.7.3 针对摩擦建模不精确和外界干扰进行补偿 | 第47-49页 |
| 4.7.4 实验结果对比与分析 | 第49页 |
| 4.8 本章小结 | 第49-50页 |
| 第五章 基于间接迭代学习的轨迹跟踪控制 | 第50-62页 |
| 5.1 引言 | 第50页 |
| 5.2 SCARA机器人末端圆弧轨迹规划 | 第50-51页 |
| 5.3 预测型间接迭代学习控制策略 | 第51-54页 |
| 5.3.1 局部控制器设计 | 第52页 |
| 5.3.2 预测型迭代学习控制器设计 | 第52-53页 |
| 5.3.3 算法流程 | 第53-54页 |
| 5.4 仿真实验与结果分析 | 第54-56页 |
| 5.4.1 局部控制器单独控制 | 第54-55页 |
| 5.4.2 基于预测型间接迭代学习的控制策略 | 第55-56页 |
| 5.4.3 实验结果对比与分析 | 第56页 |
| 5.5 实物实验与结果分析 | 第56-60页 |
| 5.5.1 局部控制器单独控制 | 第57-58页 |
| 5.5.2 基于预测型间接迭代学习的控制策略 | 第58-60页 |
| 5.5.3 实验结果对比与分析 | 第60页 |
| 5.6 本章小结 | 第60-62页 |
| 第六章 主要结论与展望 | 第62-64页 |
| 6.1 主要结论 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第68页 |