| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 智能控制技术的研究背景和现状 | 第8-13页 |
| 1.1.1 模糊控制方法 | 第9-11页 |
| 1.1.2 神经网络控制方法 | 第11页 |
| 1.1.3 模糊神经网络控制方法 | 第11-13页 |
| 1.2 非线性不确定时滞系统控制问题的提出 | 第13-14页 |
| 1.3 一类不确定下三角非线性系统及相关控制方法 | 第14-16页 |
| 1.3.1 自适应反推控制 | 第14-15页 |
| 1.3.2 动态面控制 | 第15页 |
| 1.3.3 自适应神经网络控制 | 第15-16页 |
| 1.3.4 滑模控制 | 第16页 |
| 1.4 柔性关节机器人控制简述 | 第16-17页 |
| 1.4.1 柔性关节机器人 | 第16页 |
| 1.4.2 柔性关节机器人控制 | 第16-17页 |
| 1.5 本文主要的研究内容 | 第17-18页 |
| 1.6 本文的组织结构 | 第18-20页 |
| 第二章 基础知识 | 第20-30页 |
| 2.1 数学基础 | 第20-21页 |
| 2.2 模糊神经网络 | 第21-27页 |
| 2.2.1 模糊逻辑系统 | 第21-22页 |
| 2.2.2 神经网络系统 | 第22-24页 |
| 2.2.3 RBF-FNN结构系统 | 第24-27页 |
| 2.3 稳定性理论 | 第27-28页 |
| 2.4 柔性关节机器人数学模型 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 不确定时滞系统的自适应RBF-FNN-DSC算法 | 第30-42页 |
| 3.1 引言 | 第30-31页 |
| 3.2 问题描述 | 第31-33页 |
| 3.2.1 模糊神经网络逼近性质 | 第31-33页 |
| 3.2.2 相关引理 | 第33页 |
| 3.3 基于RBF-FNN逼近的最小参数学习法的自适应DSC控制器设计 | 第33-36页 |
| 3.4 稳定性分析 | 第36-38页 |
| 3.5 数值验证 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 不确定时滞系统的自适应RBF-FNN-DSSMC算法 | 第42-49页 |
| 4.1 动态滑模方法 | 第42-45页 |
| 4.1.1 非线性系统滑模控制的微分代数方法 | 第42-44页 |
| 4.1.2 非线性系统动态滑模控制设计 | 第44-45页 |
| 4.2 基于RBF-FNN逼近的最小参数学习法的自适应DSSMC控制器设计 | 第45-46页 |
| 4.3 数值验证 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 柔性关节机器人自适应RBF-FNN-DSSMC算法 | 第49-63页 |
| 5.1 引言 | 第49页 |
| 5.2 问题描述 | 第49-50页 |
| 5.3 自适应RBF-FNN动态面滑模控制器设计 | 第50-53页 |
| 5.4 闭环系统稳定性分析 | 第53-57页 |
| 5.5 仿真验证 | 第57-62页 |
| 5.5.1 参数设计 | 第57-59页 |
| 5.5.2 实验结果与分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录1 程序清单 | 第69-70页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |
