| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-21页 |
| 1．1 机器人学的发展 | 第9-14页 |
| 1．1．1 机器人的定义 | 第9-10页 |
| 1．1．2 机器人的分类 | 第10-11页 |
| 1．1．3 机器人学的进展 | 第11-12页 |
| 1．1．4 工业机器人的发展概况 | 第12-14页 |
| 1．2 机器人控制理论发展概况 | 第14-19页 |
| 1．2．1 鲁棒控制理论 | 第14-16页 |
| 1．2．2 耗散控制理论 | 第16-17页 |
| 1．2．3 H_∞控制理论 | 第17-19页 |
| 1．3 本论文研究的意义和目的 | 第19页 |
| 1．4 本论文的结构安排 | 第19-21页 |
| 第2章 机器人的运动学与动力学 | 第21-27页 |
| 2．1 机器人运动学与动力学 | 第21-23页 |
| 2．2 机器人的数学模型 | 第23-24页 |
| 2．3 机器人仿真模型的建立 | 第24-25页 |
| 2．4 机器人的动力学特性 | 第25页 |
| 2．5 仿真知识 | 第25-26页 |
| 2．6 本章小结 | 第26-27页 |
| 第3章 理论基础 | 第27-41页 |
| 3．1 李雅普诺夫稳定性原理 | 第27-28页 |
| 3．2 鲁棒控制理论 | 第28-30页 |
| 3．3 耗散性理论 | 第30-37页 |
| 3．3．1 耗散系统 | 第30-32页 |
| 3．3．2 耗散系统的稳定性 | 第32-33页 |
| 3．3．3 无源系统的稳定性 | 第33-35页 |
| 3．3．4 H_∞系统的稳定性 | 第35-37页 |
| 3．4 RBF神经网络 | 第37-39页 |
| 3．4．1 RBF网络函数估计 | 第37-38页 |
| 3．4．2 RBF网络的学习方法 | 第38-39页 |
| 3．5 数学预备知识 | 第39-40页 |
| 3．6 本章小结 | 第40-41页 |
| 第4章 机器人的无源性鲁棒控制 | 第41-64页 |
| 4．1 引言 | 第41-42页 |
| 4．2 机器人无源性控制 | 第42-46页 |
| 4．2．1 基于计算力矩的机器人无源性控制 | 第42-43页 |
| 4．2．2 基于KYP引理的机器人无源性控制 | 第43-45页 |
| 4．2．3 仿真研究 | 第45-46页 |
| 4．3 基于鲁棒KYP引理的机器人控制 | 第46-51页 |
| 4．3．1 无源性鲁棒控制器的设计 | 第46-50页 |
| 4．3．2 仿真研究 | 第50-51页 |
| 4．4 基于无源性的机器人神经网络鲁棒控制 | 第51-57页 |
| 4．4．1 无源性神经网络鲁棒控制器的设计 | 第51-56页 |
| 4．4．2 仿真研究 | 第56-57页 |
| 4．5 基于无源性的机器人鲁棒自适应控制 | 第57-63页 |
| 4．5．1 无源性鲁棒自适应控制器的设计 | 第57-62页 |
| 4．5．2 仿真研究 | 第62-63页 |
| 4．6 本章小结 | 第63-64页 |
| 第5章 机器人的H_∞鲁棒控制 | 第64-76页 |
| 5．1 引言 | 第64-65页 |
| 5．2 基于Backstepping的不确定机器人鲁棒控制 | 第65-70页 |
| 5．2．1 H_∞鲁棒控制器的设计 | 第65-68页 |
| 5．2．2 仿真研究 | 第68-70页 |
| 5．3 不确定机器人系统的H_∞鲁棒自适应控制 | 第70-75页 |
| 5．3．1 不确定性满足条件5-1时控制器的设计 | 第71-73页 |
| 5．3．2 不确定性满足条件5-2时控制器的设计 | 第73-74页 |
| 5．3．3 仿真研究 | 第74-75页 |
| 5．4 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |