| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状与研究意义 | 第11-16页 |
| 1.2.1 机械臂控制的研究现状 | 第11-15页 |
| 1.2.2 本文的研究意义 | 第15-16页 |
| 1.3 本文的主要工作与基本框架 | 第16-17页 |
| 第二章 具有指定跟踪精度与速度约束的刚性机械臂确定学习研究 | 第17-41页 |
| 2.1 问题描述 | 第18-19页 |
| 2.2 预备知识 | 第19-22页 |
| 2.2.1 确定学习理论简介 | 第19-21页 |
| 2.2.2 转换函数的设计及其性质 | 第21-22页 |
| 2.3 自适应神经网络控制器设计与稳定性分析 | 第22-28页 |
| 2.4 神经网络学习控制器设计及分析 | 第28-32页 |
| 2.4.1 未知动态信息的获取以及存储 | 第28-31页 |
| 2.4.2 基于经验知识的神经网络学习控制器设计 | 第31-32页 |
| 2.5 仿真研究 | 第32-40页 |
| 2.5.1 自适应神经网络控制器仿真研究 | 第33-38页 |
| 2.5.2 神经网络学习控制器仿真研究 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 基于BLF的全状态受限刚性机械臂自适应神经网络控制 | 第41-52页 |
| 3.1 问题描述 | 第41-42页 |
| 3.2 基于BLF的自适应神经网络控制 | 第42-46页 |
| 3.2.1 控制器设计 | 第43-45页 |
| 3.2.2 闭环系统稳定性分析 | 第45-46页 |
| 3.3 仿真研究 | 第46-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于命令滤波补偿的全状态受限刚性机械臂确定学习研究 | 第52-79页 |
| 4.1 问题描述 | 第52-54页 |
| 4.2 系统转换 | 第54-56页 |
| 4.3 基于命令滤波补偿的自适应神经网络控制 | 第56-61页 |
| 4.3.1 命令滤波器介绍 | 第56-57页 |
| 4.3.2 控制器设计与稳定性分析 | 第57-61页 |
| 4.4 神经网络学习控制器设计及分析 | 第61-65页 |
| 4.4.1 未知系统动态信息的获取和存储 | 第61-64页 |
| 4.4.2 基于经验知识的神经网络学习控制器设计 | 第64-65页 |
| 4.5 仿真研究 | 第65-77页 |
| 4.5.1 自适应神经网络控制器仿真研究 | 第66-73页 |
| 4.5.2 神经网络学习控制器仿真研究 | 第73-77页 |
| 4.6 本章小结 | 第77-79页 |
| 结论与展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-89页 |
| 致谢 | 第89-90页 |
| 答辩委员会对论文的评定意见 | 第90页 |
