| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 机器人接触力控制的应用前景和研究现状 | 第9-13页 |
| 1.2.1 机器人力控制研究的应用前景 | 第10-11页 |
| 1.2.2 机器人接触力控制的研究现状 | 第11-13页 |
| 1.3 阻抗控制发展综述 | 第13-18页 |
| 1.3.1 基于经典控制理论的机器人阻抗控制 | 第13-14页 |
| 1.3.2 基于现代控制理论的机器人阻抗控制 | 第14-16页 |
| 1.3.3 基于智能控制理论的机器人阻抗控制 | 第16-18页 |
| 1.4 机械人接触力控制存在的问题和所涉及的关键技术 | 第18-19页 |
| 1.5 课题来源及主要研究内容 | 第19-21页 |
| 第二章 机器人阻抗模型及其动力学特性 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 机器人阻抗控制 | 第21-27页 |
| 2.2.1 阻抗控制 | 第21-24页 |
| 2.2.2 基于力的阻抗控制 | 第24-25页 |
| 2.2.3 基于位置的阻抗控制 | 第25-26页 |
| 2.2.4 阻抗误差 | 第26-27页 |
| 2.3 机器人动力学建模 | 第27-30页 |
| 2.4 机器人动力学特性 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于迭代学习的阻抗控制设计 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 控制系统的描述与控制目标 | 第31-33页 |
| 3.2.1 控制系统模型的建立 | 第31-32页 |
| 3.2.2 控制目标 | 第32-33页 |
| 3.3 基于迭代学习的控制设计 | 第33-37页 |
| 3.4 仿真实验 | 第37-42页 |
| 3.4.1 系统描述 | 第37-38页 |
| 3.4.2 仿真结果 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于神经网络的阻抗控制设计 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 神经网络补偿机器人模型 | 第43-44页 |
| 4.3 基于神经网络的控制设计 | 第44-49页 |
| 4.4 仿真实验 | 第49-54页 |
| 4.5 基于迭代学习与基于NN的阻抗控制方法对比 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 阻抗控制在人机协作中的应用 | 第55-70页 |
| 5.1 引言 | 第55页 |
| 5.2 人机协作模型建立 | 第55-57页 |
| 5.2.1 人机协作系统描述 | 第55-56页 |
| 5.2.2 人体模型建立 | 第56-57页 |
| 5.3 操作者的运动意图估计 | 第57-59页 |
| 5.4 人机协作控制设计 | 第59-62页 |
| 5.5 仿真实验 | 第62-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 结论 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |