| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 并联机器人研究现状 | 第10-15页 |
| 1.1.1 并联机器人国外发展与应用 | 第10-12页 |
| 1.1.2 并联机器人国内发展与应用 | 第12-14页 |
| 1.1.3 冗余驱动并联机器人研究现状 | 第14-15页 |
| 1.2 模糊与神经网络 | 第15-19页 |
| 1.2.1 模糊理论 | 第15-17页 |
| 1.2.2 神经网络理论 | 第17-19页 |
| 1.3 研究意义及内容 | 第19-22页 |
| 1.3.1 研究意义 | 第19-21页 |
| 1.3.2 研究内容 | 第21-22页 |
| 第2章 6PUS-UPU冗余驱动并联机器人动力学模型辨识 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 模糊辨识 | 第22-30页 |
| 2.2.1 动力学模型介绍 | 第22-24页 |
| 2.2.2 建立模糊模型 | 第24-27页 |
| 2.2.3 参数辨识 | 第27页 |
| 2.2.4 仿真研究 | 第27-30页 |
| 2.3 控制器设计 | 第30-31页 |
| 2.4 仿真研究 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于滞后补偿结构的冗余驱动并联机器人力分支模糊控制 | 第36-51页 |
| 3.1 引言 | 第36页 |
| 3.2 滞后补偿 | 第36-39页 |
| 3.2.1 滞后问题分析 | 第36-37页 |
| 3.2.2 史密斯预估补偿 | 第37-38页 |
| 3.2.3 仿真研究 | 第38-39页 |
| 3.3 模糊控制器 | 第39-48页 |
| 3.3.1 模糊化 | 第40-44页 |
| 3.3.2 模糊规则 | 第44-47页 |
| 3.3.3 清晰化 | 第47-48页 |
| 3.4 仿真研究 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 6PUS-UPU冗余驱动并联机器人力分支模糊神经网络控制 | 第51-62页 |
| 4.1 引言 | 第51-52页 |
| 4.2 模糊神经网络 | 第52-58页 |
| 4.2.1 模糊神经网络介绍 | 第52-53页 |
| 4.2.2 Mamdani模型 | 第53-55页 |
| 4.2.3 系统结构 | 第55-56页 |
| 4.2.4 学习算法 | 第56-58页 |
| 4.3 仿真研究 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71页 |
