| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| 1．1 机器人定义 | 第9页 |
| 1．2 机器人发展概况 | 第9-11页 |
| 1．2．1 工业机器人发展概况 | 第9-11页 |
| 1．2．2 并联机器人发展概况 | 第11页 |
| 1．3 机器人控制理论发展概况 | 第11-15页 |
| 1．3．1 运动学控制 | 第12页 |
| 1．3．2 动力学控制 | 第12-15页 |
| 1．4 选题的意义 | 第15页 |
| 1．5 论文主要工作及结构安排 | 第15-18页 |
| 第2章 基本知识 | 第18-29页 |
| 2．1 数学知识 | 第18-20页 |
| 2．2 稳定性理论 | 第20-23页 |
| 2．2．1 李亚普诺夫稳定性理论 | 第20-22页 |
| 2．2．2 Barbalat引理 | 第22页 |
| 2．2．3 拉萨尔不变集定理 | 第22-23页 |
| 2．3 仿真知识 | 第23-24页 |
| 2．3．1 仿真的概念 | 第23-24页 |
| 2．3．2 MATLAB语言简介 | 第24页 |
| 2．4 机器人的数学模型 | 第24-27页 |
| 2．5 仿真模型的建立 | 第27-28页 |
| 2．6 本章小结 | 第28-29页 |
| 第3章 基于滑模变结构的不确定机器人模糊自适应控制 | 第29-43页 |
| 3．1 引言 | 第29-30页 |
| 3．2 传统的机器人变结构控制方法 | 第30-31页 |
| 3．3 模糊双输入单输出控制器 | 第31-34页 |
| 3．3．1 模糊化 | 第32-33页 |
| 3．3．2 模糊规则集 | 第33页 |
| 3．3．3 解模糊 | 第33-34页 |
| 3．4 不确定机器人的模糊自适应控制器的设计 | 第34-40页 |
| 3．5 仿真研究 | 第40-42页 |
| 3．6 本章小结 | 第42-43页 |
| 第4章 基于Backstepping方法的不确定机器人模糊神经网络控制 | 第43-55页 |
| 4．1 引言 | 第43页 |
| 4．2 简单的Backstepping系统设计 | 第43-45页 |
| 4．3 基于Backstepping的不确定机器人模糊神经网络控制 | 第45-52页 |
| 4．3．1 基于Backstepping的理想的反馈线性化控制 | 第45-46页 |
| 4．3．2 基于Backstepping的模糊神经网络控制 | 第46-52页 |
| 4．4 仿真研究 | 第52-53页 |
| 4．5 本章小结 | 第53-55页 |
| 第5章 基于神经网络滑模观测器的不确定机器人鲁棒控制 | 第55-70页 |
| 5．1 引言 | 第55-56页 |
| 5．2 径向基神经网络的基本理论 | 第56-59页 |
| 5．3 简单滑模观测器的工作原理 | 第59-60页 |
| 5．4 基于神经网络滑模观测器的不确定机器人鲁棒控制器 | 第60-67页 |
| 5．4．1 自适应神经网络滑模观测器的设计 | 第60-62页 |
| 5．4．2 观测器基础的RBF神经网络输出反馈控制器的设计 | 第62-67页 |
| 5．5 仿真研究 | 第67-69页 |
| 5．6 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80页 |
