| 0 前言 | 第1-14页 |
| ·课题背景 | 第9-13页 |
| ·具有类人反应的服务机器人 | 第9页 |
| ·目标系统--类人动作服务机器人 | 第9-10页 |
| ·机器智能与力控制 | 第10-11页 |
| ·神经网络在机器人力控制中的应用 | 第11-12页 |
| ·本论文拟解决的问题 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 1 机器人的力控制 | 第14-18页 |
| ·机器人力控制的重要性 | 第14页 |
| ·力／位置混合控制 | 第14-15页 |
| ·力控制的方法 | 第15-16页 |
| ·控制方式的选择 | 第16-18页 |
| 2 服务机器人实时力控制的神经网络实现方式 | 第18-25页 |
| ·神经网络的特性 | 第18-19页 |
| ·神经网络的特点及其应用 | 第18页 |
| ·神经网络用于实时控制系统 | 第18-19页 |
| ·服务机器人的力控制 | 第19-21页 |
| ·神经网络硬件实现的必要性 | 第21页 |
| ·神经网络硬件实现的具体方式 | 第21-22页 |
| ·网络结构的选择 | 第22-24页 |
| ·BP网络 | 第23-24页 |
| ·硬件实现BP网络的传递函数 | 第24页 |
| ·小结 | 第24-25页 |
| 3 STAM方法及其FPGA实现 | 第25-41页 |
| ·FPGA--现场可编程门阵列 | 第25-27页 |
| ·可编程逻辑器件 | 第25页 |
| ·FPGA-现场可编程门阵列 | 第25-26页 |
| ·Spartan Ⅱ系列器件 | 第26-27页 |
| ·硬件实现非线性函数的一般方法分析 | 第27-28页 |
| ·SBTM算法 | 第28-31页 |
| ·STAM(Symmetric Table Lookup Addition Method)算法 | 第31-35页 |
| ·算法描述 | 第31-33页 |
| ·误差分析 | 第33-35页 |
| ·结果与比较 | 第35页 |
| ·对于sigmoid函数及其导数的STAM近似 | 第35-38页 |
| ·对于sigmoid函数及其导数计算小数位数的选取 | 第35-37页 |
| ·对于sigmoid函数及其导数的STAM方法 | 第37-38页 |
| ·sigmoid函数的STAM方法具体硬件实现及仿真结果 | 第38-41页 |
| ·硬件实现 | 第38-39页 |
| ·仿真结果 | 第39-41页 |
| 4 服务机器人力控制硬件神经网络实现几个问题的研究 | 第41-47页 |
| ·硬件神经网络的误差问题 | 第41-42页 |
| ·服务机器人的控制多动作网络的设计 | 第42-43页 |
| ·权重问题 | 第42页 |
| ·输入输出问题 | 第42页 |
| ·网络神经元的个数问题 | 第42-43页 |
| ·学习方式--在片学习与离片学习 | 第43-44页 |
| ·网络的内部结构 | 第44-47页 |
| ·并行方式的选用 | 第44-45页 |
| ·乘法器 | 第45页 |
| ·神经元的结构 | 第45-46页 |
| ·神经网络结构(隐层) | 第46-47页 |
| 5 机器人控制系统 | 第47-51页 |
| ·已完成的机器人运动控制系统 | 第47-49页 |
| ·机器人本体结构 | 第47页 |
| ·机器人运动控制器 | 第47-48页 |
| ·系统实现 | 第48-49页 |
| ·神经网络力控制系统 | 第49-51页 |
| 总结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
