| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 滑模控制的理论基础 | 第10-16页 |
| 1.2.1 滑模控制的发展历程和现状 | 第10页 |
| 1.2.2 滑动模态的基础知识 | 第10-11页 |
| 1.2.3 滑模控制的抖振问题 | 第11-16页 |
| 1.3 论文的主要内容与结构 | 第16-17页 |
| 第二章 多关节机器人及其滑模控制 | 第17-25页 |
| 2.1 机器人动力学模型 | 第17-19页 |
| 2.1.1 拉格朗日方程 | 第17页 |
| 2.1.2 多关节机器人动力学 | 第17-19页 |
| 2.2 李雅普诺夫稳定性理论 | 第19-20页 |
| 2.3 多关节机器人的滑模控制 | 第20-24页 |
| 2.3.1 线性滑模面 | 第20页 |
| 2.3.2 非线性滑模面 | 第20-21页 |
| 2.3.3 全局滑模面 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于反演的多关节机器人模糊滑模控制 | 第25-41页 |
| 3.1 反演控制 | 第25-26页 |
| 3.2 模糊控制 | 第26-28页 |
| 3.2.1 模糊系统的基础知识 | 第26-27页 |
| 3.2.2 模糊系统的万能逼近特性 | 第27-28页 |
| 3.3 基于反演的多关节机器人的模糊滑模控制 | 第28-33页 |
| 3.3.1 反演滑模控制器设计 | 第28-30页 |
| 3.3.2 全程模糊滑模控制器设计 | 第30-31页 |
| 3.3.3 仿真实验 | 第31-33页 |
| 3.4 基于反演的模糊自适应增益调整的机器人滑模控制 | 第33-40页 |
| 3.4.1 问题描述 | 第33-34页 |
| 3.4.2 反演滑模控制律设计 | 第34-35页 |
| 3.4.3 基于模糊自适应增益调节的机器人滑模控制 | 第35-38页 |
| 3.4.4 仿真实验 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于 RBF 神经网络的多关节机器人滑模控制 | 第41-53页 |
| 4.1 径向基神经网络 | 第41-42页 |
| 4.2 神经滑模变结构控制 | 第42-43页 |
| 4.3 基于模型逼近的多关节机器人径向基神经网络滑模控制 | 第43-47页 |
| 4.3.1 问题描述 | 第43-44页 |
| 4.3.2 控制器设计 | 第44-45页 |
| 4.3.3 仿真实验 | 第45-47页 |
| 4.4 基于 RBF 网络最小参数学习法的关节机器人滑模控制 | 第47-52页 |
| 4.4.1 问题描述 | 第47页 |
| 4.4.2 基于神经网络逼近的滑模控制 | 第47-48页 |
| 4.4.3 基于单参数的自适应滑模控制 | 第48-51页 |
| 4.4.4 仿真实验 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于滤波器的滑模消抖方法研究 | 第53-60页 |
| 5.1 低通滤波器 | 第53页 |
| 5.2 基于低通滤波器的机器人滑模控制 | 第53-55页 |
| 5.2.1 控制器设计 | 第53-54页 |
| 5.2.2 仿真实验 | 第54-55页 |
| 5.3 基于改进全局滑模面的低通滤波器机器人滑模控制 | 第55-59页 |
| 5.3.1 问题描述 | 第55页 |
| 5.3.2 控制器设计 | 第55-58页 |
| 5.3.3 仿真实验 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表文章目录 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-73页 |
