| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外工业机器人发展现状 | 第12-13页 |
| 1.2.1 国外工业机器人的发展现状 | 第12-13页 |
| 1.2.2 国内工业机器人的发展现状 | 第13页 |
| 1.3 机械臂避障路径规划的研究现状 | 第13-14页 |
| 1.4 论文研究内容与章节安排 | 第14-17页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 论文章节安排 | 第15-17页 |
| 第二章 机械臂运动学模型的建立 | 第17-27页 |
| 2.1 机械臂的位姿描述 | 第17-20页 |
| 2.1.1 位置的描述 | 第17-18页 |
| 2.1.2 姿态描述 | 第18-19页 |
| 2.1.3 位姿描述 | 第19-20页 |
| 2.2 坐标变换 | 第20-23页 |
| 2.2.1 一般坐标变换 | 第20-22页 |
| 2.2.2 齐次坐标变换 | 第22-23页 |
| 2.3 连杆坐标系的建立 | 第23-26页 |
| 2.3.1 名词解释 | 第23-25页 |
| 2.3.2 D-H坐标系的建立 | 第25-26页 |
| 2.3.3 连杆变换矩阵 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 机械臂的运动学分析 | 第27-47页 |
| 3.1 六自由度机械臂正运动学学分析 | 第27-32页 |
| 3.1.1 正运动学方程 | 第27-28页 |
| 3.1.2 正运动学仿真 | 第28-32页 |
| 3.2 基于解析法的机械臂逆运动学分析 | 第32-36页 |
| 3.2.1 基于解析法的逆运动学推导 | 第32-35页 |
| 3.2.2 基于解析法的逆运动学模型仿真 | 第35-36页 |
| 3.3 基于RBF神经网络的机械臂逆运动学求解 | 第36-45页 |
| 3.3.1 人工神经网络的算法设计准备 | 第37-39页 |
| 3.3.2 基于RBF神经网络的逆运动学求解模型的建立 | 第39-42页 |
| 3.3.3 RBF神经网络训练结果 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 机械臂复杂空间环境避障路径规划 | 第47-73页 |
| 4.1 复杂空间环境的解释 | 第47页 |
| 4.2 碰撞检测 | 第47-51页 |
| 4.3 基于快速扩展随机树法(RRT)的路径规划研究 | 第51-62页 |
| 4.3.1 基于单枝RRT(single-RRT)算法的路径规划 | 第51-55页 |
| 4.3.2 空间路径的平滑处理 | 第55-57页 |
| 4.3.3 基于双枝RRT(bi-RRT)算法的路径规划 | 第57-61页 |
| 4.3.4 single-RRT与bi-RRT规划结果比较 | 第61-62页 |
| 4.4 基于人工势场法(APF)的路径规划研究 | 第62-70页 |
| 4.4.1 人工势场法(APF)的算法设计准备 | 第62-64页 |
| 4.4.2 人工势场法(APF)的算法改进 | 第64-69页 |
| 4.4.3 基于改进人工势场法的路径规划 | 第69-70页 |
| 4.5 本章小结 | 第70-73页 |
| 第五章 六自由度机械臂路径规划实验验证与分析 | 第73-95页 |
| 5.1 软件开发环境软件架构 | 第73-78页 |
| 5.1.1 软件开发环境 | 第73页 |
| 5.1.2 软件架构 | 第73-78页 |
| 5.2 正运动学验证实验 | 第78-80页 |
| 5.3 逆运动学验证实验 | 第80-81页 |
| 5.4 RRT算法路径规划实验 | 第81-88页 |
| 5.5 人工势场法路径规划实验 | 第88-93页 |
| 5.6 本章小结 | 第93-95页 |
| 第六章 结论与展望 | 第95-97页 |
| 6.1 结论 | 第95页 |
| 6.2 展望 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 致谢 | 第101-103页 |
| 附录 | 第103页 |
