| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 致谢 | 第12-16页 |
| 插图清单 | 第16-19页 |
| 表格清单 | 第19-20页 |
| 第一章 绪论 | 第20-36页 |
| §1.1 机器人控制器功能和组成 | 第21-22页 |
| §1.2 PUMA机器人控制器硬件配置及结构 | 第22-23页 |
| §1.3 PUMA机器人控制器软件系统的工作原理 | 第23-24页 |
| §1.4 机器人关节伺服控制 | 第24-27页 |
| §1.5 机器人的轨迹控制 | 第27-29页 |
| §1.6 机器人的力控制 | 第29-30页 |
| §1.7 PUMA机器人控制器的改造经验 | 第30-32页 |
| §1.8 机器人现代控制技术 | 第32-36页 |
| 第二章 轮廓误差形成机理及控制策略分析 | 第36-52页 |
| §2.1 运动控制系统介绍 | 第36-37页 |
| §2.2 运动轨迹的控制原理 | 第37-38页 |
| §2.3 伺服系统的动静态特性对轨迹精度影响的机理 | 第38-44页 |
| §2.3.1 各轴参数之间的匹配关系对轮廓误差的影响 | 第39-41页 |
| §2.3.2 系统动态特性对轮廓误差的影响 | 第41-44页 |
| §2.4 运动控制系统中的两种误差机理分析 | 第44-45页 |
| §2.5 运动控制系统中轨迹误差的控制策略 | 第45-48页 |
| §2.6 本选题的任务和主要工作 | 第48-52页 |
| 第三章 基于神经网络的轮廓误差复合控制研究 | 第52-86页 |
| §3.1 基于神经网络的前馈复合控制的思想 | 第52-53页 |
| §3.2 基于神经网络的复合控制系统模型的建立 | 第53-70页 |
| §3.2.1 多轴系统中单个轴模型的确定 | 第53-55页 |
| §3.2.2 复合控制 | 第55-56页 |
| §3.2.3 神经网络 | 第56-59页 |
| §3.2.4 典型的前向神经网络 | 第59-63页 |
| §3.2.5 用神经网络进行控制对象逆模型的辨识 | 第63-70页 |
| §3.2.5.1 网络模型和结构的选择 | 第65-67页 |
| §3.2.5.2 快速学习算法的研究和收敛性分析 | 第67-68页 |
| §3.2.5.3 激励信号的选择 | 第68-70页 |
| §3.3 用混合遗传算法实现神经网络快速训练的研究 | 第70-76页 |
| §3.3.1 遗传算法介绍 | 第70-72页 |
| §3.3.1.1 遗传算法的概要 | 第70-71页 |
| §3.3.1.2 遗传算法的运算过程 | 第71-72页 |
| §3.3.2 用混合遗传算法实现神经网络的训练 | 第72-76页 |
| §3.3.2.1 混合遗传算法的原理 | 第72-73页 |
| §3.3.2.2 混合遗传算法的策略 | 第73-75页 |
| §3.3.2.3 混合遗传算法(HGA)和误差反向传播算法(BP)的比较 | 第75-76页 |
| §3.4 仿真与结果 | 第76-86页 |
| §3.4.1 样本数据的采集 | 第76页 |
| §3.4.2 用样本数据辨识控制对象的正模型 | 第76-77页 |
| §3.4.3 一阶数字前馈控制 | 第77-79页 |
| §3.4.4 基于动态前向BP网络进行控制对象逆模型辨识和前馈控制 | 第79-81页 |
| §3.4.5 基于状态网络的控制对象逆模型辨识和前馈控制 | 第81-86页 |
| 第四章 模糊神经网络控制器及其算法 | 第86-110页 |
| §4.1 概述 | 第86页 |
| §4.2 模糊神经网络理论 | 第86-94页 |
| §4.2.1 模糊控制理论 | 第86-91页 |
| §4.2.2 模糊控制器的设计原则 | 第91页 |
| §4.2.3 模糊控制器的常规设计方法 | 第91-92页 |
| §4.2.4 模糊系统的一般关系式 | 第92-94页 |
| §4.3 模糊控制和神经网络的融合 | 第94-110页 |
| §4.3.1 两者结合的基本方式 | 第94-95页 |
| §4.3.2 模糊神经网络的结构 | 第95-101页 |
| §4.3.2.1 基于常规模型的模糊神经网络 | 第96-98页 |
| §4.3.2.2 基于T-S模型的模糊神经网络 | 第98-101页 |
| §4.3.3 网络的学习算法 | 第101-110页 |
| 第五章 基于模糊神经网络的轮廓误差附加补偿控制策略研究 | 第110-126页 |
| §5.1 概述 | 第110-111页 |
| §5.2 耦合轮廓误差补偿器结构设计 | 第111-119页 |
| §5.2.1 轮廓误差的实时计算 | 第112-113页 |
| §5.2.2 模糊神经网络轮廓误差动态分配器结构 | 第113-116页 |
| §5.2.3 神经网络的训练方法 | 第116-119页 |
| §5.3 仿真与结论 | 第119-126页 |
| 第六章 基于干扰观测器的轮廓误差控制策略研究 | 第126-145页 |
| §6.1 概述 | 第126-128页 |
| §6.2 干扰观测器设计原理 | 第128-130页 |
| §6.3 基于干扰观测器的PID的轮廓误差控制研究 | 第130-134页 |
| §6.3.1 系统结构模型 | 第130页 |
| §6.3.2 系统控制模型 | 第130-132页 |
| §6.3.3 系统仿真与结论 | 第132-134页 |
| §6.4 基于干扰观测器的轮廓误差耦合控制研究 | 第134-145页 |
| §6.4.1 系统结构模型 | 第134-136页 |
| §6.4.2 基于干扰动态补偿器结构的控制模型 | 第136-139页 |
| §6.4.3 仿真与结论 | 第139-145页 |
| 第七章 结束语 | 第145-149页 |
| 博士期间主要工作成绩 | 第149-150页 |
