摘要 | 第4-5页 |
ABSTRACT | 第5页 |
引言 | 第8-9页 |
第1章 绪论 | 第9-20页 |
1.1 工业机器人发展综述 | 第9-11页 |
1.2 国外机器人技术及机器人校准技术研究发展现状 | 第11-14页 |
1.2.1 国外机器人技术研究和发展现状 | 第11-12页 |
1.2.2 国外机器人校准技术研究和发展现状 | 第12-14页 |
1.3 国内机器人技术及机器人校准技术研究发展现状 | 第14-17页 |
1.3.1 国内机器人技术研究和发展现状 | 第14-16页 |
1.3.2 国内机器人校准技术研究和发展现状 | 第16-17页 |
1.4 课题研究意义、研究内容和关键技术 | 第17-19页 |
1.4.1 课题研究意义 | 第17-18页 |
1.4.2 课题研究内容 | 第18-19页 |
1.4.3 课题关键技术 | 第19页 |
1.5 本章小结 | 第19-20页 |
第2章 工业机器人校准技术及误差补偿模型 | 第20-39页 |
2.1 工业机器人正向运动学模型 | 第20-24页 |
2.1.1 机器人D-H模型 | 第20-22页 |
2.1.2 机器人M-DH模型 | 第22-23页 |
2.1.3 机器人POE模型 | 第23-24页 |
2.2 工业机器人逆运动学解的求取方法 | 第24-35页 |
2.2.1 基于Paden-Kahan子问题的逆解求取方法 | 第24-31页 |
2.2.2 六自由度机器人逆解的一般求法 | 第31-35页 |
2.2.3 工业机器人逆解个数 | 第35页 |
2.3 机器人微分运动模型 | 第35-38页 |
2.4 本章小结 | 第38-39页 |
第3章 建立机器人工作空间精度控制网格及误差补偿 | 第39-49页 |
3.1 空间网格划分方法 | 第39-40页 |
3.2 建立笛卡尔空间中的空间精度控制网格 | 第40页 |
3.3 建立欧拉角空间中的空间精度控制网格 | 第40-42页 |
3.4 反距离权重插值法 | 第42-43页 |
3.5 粒子群优化算法 | 第43-45页 |
3.5.1 PSO算法基本原理 | 第43-44页 |
3.5.2 PSO算法流程 | 第44-45页 |
3.5.3 PSO算法参数设置 | 第45页 |
3.6 PSO优化神经网络算法 | 第45-47页 |
3.6.1 算法设计 | 第45-46页 |
3.6.2 性能平价 | 第46-47页 |
3.7 本章小结 | 第47-49页 |
第4章 机器人位姿误差校准实验 | 第49-62页 |
4.1 基于D-H模型和空间精度控制网格的机器人校准实验 | 第49-54页 |
4.1.1 机器人的D-H模型 | 第49-50页 |
4.1.2 建立机器人笛卡尔空间中精度控制网格及定位误差校准 | 第50-52页 |
4.1.3 机器人欧拉角空间中建立精度控制网格及定姿误差校准 | 第52-54页 |
4.2 基于POE模型和PSO优化神经网络的机器人校准实验 | 第54-61页 |
4.2.1 机器人的POE模型 | 第54-55页 |
4.2.2 建立空间精度控制网格及进行误差测量 | 第55-56页 |
4.2.3 齐次坐标变换和绕任意轴旋转的关系 | 第56-57页 |
4.2.4 机器人位姿误差校准方法 | 第57-58页 |
4.2.5 机器人位姿误差校准实验 | 第58-61页 |
4.3 本章小结 | 第61-62页 |
结论 | 第62-63页 |
参考文献 | 第63-68页 |
致谢 | 第68-69页 |
导师简介 | 第69-70页 |
作者简介 | 第70-71页 |
学位论文数据集 | 第71页 |