| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1．1 引言 | 第9-10页 |
| 1．2 课题提出的目的和意义 | 第10-11页 |
| 1．3 课题的研究内容 | 第11-13页 |
| 第二章 基于多DSP的智能机器人控制系统总体设计 | 第13-20页 |
| 2．1 驱动电机的选用 | 第13-14页 |
| 2．2 控制器的选用 | 第14-17页 |
| 2．3 智能机器人控制系统的总体设计 | 第17-20页 |
| 2．3．1 分布式的体系结构 | 第17-18页 |
| 2．3．2 多DSP智能机器人运动控制系统设计 | 第18-20页 |
| 第三章 智能机器人控制系统的设计与实现 | 第20-37页 |
| 3．1 电源设计 | 第20-21页 |
| 3．2 晶体振荡接口电路 | 第21-22页 |
| 3．3 TMS320LF2407A的存储器扩展 | 第22-25页 |
| 3．3．1 存储器芯片 | 第23-24页 |
| 3．3．2 存储器扩展 | 第24-25页 |
| 3．4 运动控制系统的设计 | 第25-35页 |
| 3．4．1 数模转换(DAC)模块 | 第25-29页 |
| 3．4．2 电机位置、速度信息检测 | 第29-30页 |
| 3．4．3 正交编码器脉冲电路(QEP) | 第30-31页 |
| 3．4．4 正交脉冲信号解码芯片HCTL-2020 | 第31-34页 |
| 3．4．5 正交编码器脉冲信号检测 | 第34-35页 |
| 3．5 智能机器人运动控制系统软件设计 | 第35-37页 |
| 第四章 智能移动机器人外部环境信息的获取与处理 | 第37-45页 |
| 4．1 超声波传感器在机器人避障中的应用 | 第37-40页 |
| 4．1．1 用于智能移动机器人避障的传感器 | 第37-38页 |
| 4．1．2 使用超声波传感器获取外部环境信息 | 第38-39页 |
| 4．1．3 超声波传感器的布置 | 第39-40页 |
| 4．2 环境信息检测系统的设计 | 第40-45页 |
| 4．2．1 DSP模数转换(ADC)模块 | 第40-42页 |
| 4．2．2 环境信息的检测 | 第42页 |
| 4．2．3 环境信息检测系统的数据处理 | 第42-43页 |
| 4．2．4 环境信息检测系统的软件设计 | 第43-44页 |
| 4．2．5 超声波传感器获取数据的误差分析 | 第44-45页 |
| 第五章 智能机器人运动控制系统的通讯接口 | 第45-53页 |
| 5．1 串行通讯接口RS232、422、485 | 第45-48页 |
| 5．1．1 RS232标准 | 第45页 |
| 5．1．2 LF2407A DSP的串行通讯接口SCI | 第45-46页 |
| 5．1．3 RS422/RS485通讯接口 | 第46-47页 |
| 5．1．4 智能机器人运动控制系统与上位机通讯接口 | 第47页 |
| 5．1．5 智能机器人运动控制系统串行通讯软件设计 | 第47-48页 |
| 5．2 控制器局域网络CAN总线技术 | 第48-53页 |
| 5．2．1 CAN总线的主要特性 | 第49-50页 |
| 5．2．2 LF2407A DSP CAN控制器 | 第50-51页 |
| 5．2．3 LF2407A DSP CAN接口硬件电路 | 第51页 |
| 5．2．4 LF2407A DSP CAN接口软件设计 | 第51-53页 |
| 第六章 智能机器人运动控制算法研究 | 第53-62页 |
| 6．1 传统的PID及其改进控制算法 | 第53-56页 |
| 6．1．1 PID控制算法 | 第53-54页 |
| 6．1．2 PID改进算法及其在运动控制中的应用 | 第54-56页 |
| 6．2 神经元自适应PID控制 | 第56-62页 |
| 6．2．1 人工神经网络特点与神经元模型 | 第57-58页 |
| 6．2．2 神经元自适应PID控制 | 第58-62页 |
| 第七章 总结和展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者在攻读硕士学位期间发表的论文 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
