| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-33页 |
| ·本文研究的背景及意义 | 第17-18页 |
| ·神经网络研究综述 | 第18-20页 |
| ·神经网络的研究现状 | 第18-19页 |
| ·模糊神经网络的研究现状 | 第19-20页 |
| ·智能控制发展概述 | 第20-23页 |
| ·智能控制发展现状 | 第20-21页 |
| ·模糊控制发展现状 | 第21-23页 |
| ·机器人的控制方法综述 | 第23-27页 |
| ·鲁棒控制 | 第23-24页 |
| ·自适应控制 | 第24-25页 |
| ·滑模控制 | 第25-26页 |
| ·线性矩阵不等式 | 第26-27页 |
| ·机器人控制系统稳定性综述 | 第27-30页 |
| ·移动机器人控制研究现状 | 第27-29页 |
| ·李雅普诺夫稳定性理论 | 第29-30页 |
| ·本文的主要工作 | 第30-33页 |
| 第二章 神经网络稳定性理论研究 | 第33-53页 |
| ·引言 | 第33-34页 |
| ·一类T-S模糊Hopfield神经网络的稳定性理论研究 | 第34-42页 |
| ·系统模型描述 | 第35-38页 |
| ·全局鲁棒稳定性分析 | 第38-40页 |
| ·仿真实验 | 第40-42页 |
| ·一类Cohen-Grossberg神经网络的稳定性控制研究 | 第42-50页 |
| ·系统问题描述 | 第43页 |
| ·模型介绍 | 第43-46页 |
| ·自适应控制器的设计 | 第46-49页 |
| ·仿真研究 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 第三章 神经网络智能控制技术研究 | 第53-63页 |
| ·引言 | 第53页 |
| ·系统描述 | 第53-56页 |
| ·时滞神经网络模型 | 第54-55页 |
| ·T-S模糊神经网络 | 第55-56页 |
| ·智能控制器的设计 | 第56-60页 |
| ·控制器的选取 | 第56-57页 |
| ·主要结果 | 第57-60页 |
| ·数值仿真 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 机器人系统的鲁棒自适应神经网络控制 | 第63-79页 |
| ·引言 | 第63-64页 |
| ·模型介绍 | 第64-65页 |
| ·问题描述 | 第64-65页 |
| ·轨迹跟踪和误差分析 | 第65页 |
| ·径向基函数神经网络简介 | 第65-67页 |
| ·控制器的设计 | 第67-76页 |
| ·控制律设计 | 第67-68页 |
| ·神经网络自适应控制器的设计 | 第68-71页 |
| ·稳定性定理 | 第71-76页 |
| ·仿真实验 | 第76页 |
| ·本章小结 | 第76-79页 |
| 第五章 移动机器人的鲁棒自适应模糊控制 | 第79-89页 |
| ·引言 | 第79-80页 |
| ·移动机器人模型分析 | 第80-81页 |
| ·模糊小脑神经网络简介 | 第81-83页 |
| ·自适应模糊控制 | 第83-85页 |
| ·控制器的设计 | 第83-84页 |
| ·稳定性定理 | 第84-85页 |
| ·仿真实验 | 第85-87页 |
| ·本章小结 | 第87-89页 |
| 第六章 移动机器人的自适应模糊滑模控制 | 第89-101页 |
| ·引言 | 第89-90页 |
| ·移动机器人模型分析 | 第90-91页 |
| ·模糊高斯基函数神经网络简介 | 第91-94页 |
| ·神经网络结构 | 第91-92页 |
| ·学习算法 | 第92-93页 |
| ·逼近性能 | 第93-94页 |
| ·鲁棒自适应滑模控制器 | 第94-97页 |
| ·控制器的设计 | 第94-96页 |
| ·主要定理 | 第96-97页 |
| ·仿真实验 | 第97-100页 |
| ·本章小结 | 第100-101页 |
| 第七章 总结与展望 | 第101-103页 |
| ·全文总结 | 第101-102页 |
| ·工作展望 | 第102-103页 |
| 参考文献 | 第103-117页 |
| 致谢 | 第117-119页 |
| 作者简介 | 第119-121页 |