| 第一章 绪论 | 第1-36页 |
| ·工业机器人概述 | 第21-25页 |
| ·工业机器人 | 第21页 |
| ·工业机器人的发展 | 第21-22页 |
| ·工业机器人的构成 | 第22-23页 |
| ·机器人用传感器 | 第23-24页 |
| ·机器人机械臂的运动学与动力学分析方法 | 第24-25页 |
| ·工业机器人动态特性及动力学参数辨识 | 第25-29页 |
| ·工业机器人动力学建模与控制 | 第25-26页 |
| ·脉冲响应函数辨识是机器人动态特性分析的关键 | 第26-27页 |
| ·阶跃激励是获取机器人动态特性的有效途径 | 第27-28页 |
| ·机器人动力学研究中惯性参数辨识是热点问题 | 第28-29页 |
| ·系统辨识的分类及主要研究方法 | 第29-32页 |
| ·系统辨识的定义 | 第29-30页 |
| ·系统辨识的分类 | 第30-31页 |
| ·基于人工神经网络的参数辨识 | 第31-32页 |
| ·本论文的研究内容、目的、意义 | 第32-34页 |
| ·课题来源 | 第32-33页 |
| ·本论文的主要研究工作 | 第33页 |
| ·本论文研究的目的、意义 | 第33-34页 |
| ·主要内容章节安排 | 第34-36页 |
| 第二章 提取脉冲响应函数的小波变换方法与时域法分析 | 第36-55页 |
| ·引言 | 第36页 |
| ·脉冲响应函数 | 第36-41页 |
| ·定义和性质 | 第36页 |
| ·脉冲响应函数与结构系统模态参数 | 第36-37页 |
| ·现有提取系统脉冲响应函数方法研究 | 第37-40页 |
| ·平均功率谱方法 | 第37-39页 |
| ·时域Duharmal积分方法 | 第39-40页 |
| ·时域法与频域法的优劣分析 | 第40-41页 |
| ·基于小波变换的脉冲响应函数提取方法研究 | 第41-47页 |
| ·小波分析历史回顾及在振动工程上的应用 | 第41-42页 |
| ·小波分析理论 | 第42-44页 |
| ·小波函数的定义 | 第42页 |
| ·小波变换 | 第42页 |
| ·快速小波变换算法——Mallat算法 | 第42-43页 |
| ·小波多分辨分析 | 第43-44页 |
| ·小波正交性 | 第44页 |
| ·提取系统单位脉冲响应函数的小波变换方法研究 | 第44-47页 |
| ·循环小波方法 | 第44-46页 |
| ·相关小波方法 | 第46-47页 |
| ·时域法及小波变换方法内在关系分析 | 第47-50页 |
| ·循环小波方法与时域法关系 | 第47-49页 |
| ·从小波完全分解到小波一层分解 | 第47-48页 |
| ·从小波一层分解到时域法 | 第48-49页 |
| ·矩阵的广义逆应用于时域法 | 第49页 |
| ·相关小波方法与时域法关系 | 第49-50页 |
| ·时域方法及小波方法数值仿真及实验 | 第50-54页 |
| ·仿真模拟分析 | 第50-52页 |
| ·实验验证 | 第52-54页 |
| 本章小结 | 第54-55页 |
| 第三章 阶跃激励下的系统动态特性辨识方法 | 第55-66页 |
| ·前言 | 第55页 |
| ·阶跃信号的时域特性和频域特性 | 第55-57页 |
| ·时域分析 | 第55-56页 |
| ·频域分析 | 第56-57页 |
| ·阶跃信号的测量分析 | 第57-60页 |
| ·阶跃激励与力传感器 | 第57-58页 |
| ·阶跃信号与矩形脉冲信号 | 第58-60页 |
| ·由阶跃响应确定阶跃力 | 第60-61页 |
| ·使用阶跃响应辨识系统的传递函数——面积法 | 第61-62页 |
| ·阶跃响应求脉冲响应的时域方法——差分法 | 第62-65页 |
| ·原理 | 第62-64页 |
| ·仿真算例 | 第64-65页 |
| 本章小结 | 第65-66页 |
| 第四章 提取系统脉冲响应函数的时域方法研究 | 第66-90页 |
| ·引言 | 第66-67页 |
| ·信号平均方法概述 | 第67-71页 |
| ·谱的线性平均方法 | 第67页 |
| ·时间记录线性平均 | 第67-69页 |
| ·指数平均 | 第69-70页 |
| ·RMS平均及RMS指数平均 | 第70-71页 |
| ·时域方法病态问题解释 | 第71-75页 |
| ·频域解释 | 第71页 |
| ·Riemann-Lebesgue引理解释 | 第71-72页 |
| ·用矩阵的奇异值解释 | 第72-73页 |
| ·病态问题数值实例 | 第73-75页 |
| ·提取脉冲响应函数的偏差补偿方法 | 第75-84页 |
| ·输出误差模型算法 | 第75-77页 |
| ·输入误差模型算法 | 第77-79页 |
| ·阶跃激励下的偏差补偿算法 | 第79页 |
| ·误差分析 | 第79-81页 |
| ·输出误差系统模型误差分析 | 第79-80页 |
| ·输入误差系统模型误差分析 | 第80-81页 |
| ·偏差补偿算法与传统时域法的关系分析 | 第81页 |
| ·仿真算例 | 第81-83页 |
| ·实验验证 | 第83-84页 |
| ·提取脉冲响应函数的误差偏导数方法 | 第84-88页 |
| ·输出噪声模型算法 | 第84-85页 |
| ·输入噪声模型算法 | 第85-86页 |
| ·仿真验证 | 第86-88页 |
| ·对两种时域平均方法的讨论 | 第88页 |
| 本章小结 | 第88-90页 |
| 第五章 机器人操作臂惯性参数辨识方法研究 | 第90-117页 |
| ·前言 | 第90-94页 |
| ·惯性参数 | 第90-91页 |
| ·机器人惯性参数辨识方法的研究和发展 | 第91-94页 |
| ·机器人运动学与动力学方程 | 第94-100页 |
| ·机器人运动学 | 第94-97页 |
| ·连杆的位姿描述 | 第94-95页 |
| ·坐标系的微分变换 | 第95-96页 |
| ·运动学递推方程 | 第96-97页 |
| ·机器人动力学递推方程 | 第97-98页 |
| ·连杆组合体 | 第98-99页 |
| ·符号定义 | 第98页 |
| ·连杆组合体与组成连杆的关系 | 第98-99页 |
| ·惯性张量的坐标系变换 | 第99-100页 |
| ·连杆惯性张量的平行轴变换 | 第99页 |
| ·连杆惯性张量的旋转变换 | 第99-100页 |
| ·机器人六维腕力传感器 | 第100-102页 |
| ·机器人六维腕力传感器简要介绍 | 第100页 |
| ·六维腕力传感器的结构 | 第100-101页 |
| ·六维腕力传感器微分运动影响 | 第101-102页 |
| ·末端连杆惯性参数辨识 | 第102-107页 |
| ·算法原理 | 第102-104页 |
| ·实验验证 | 第104-107页 |
| ·辨识结果 | 第107页 |
| ·操作臂惯性参数全辨识方法 | 第107-116页 |
| ·用惯性力补偿连杆重力的方法 | 第108-110页 |
| ·基坐标补偿方法 | 第109页 |
| ·其它连杆可以自动补偿的证明 | 第109-110页 |
| ·关节摩擦特性 | 第110页 |
| ·辨识连杆质量及质心坐标 | 第110-112页 |
| ·辨识连杆的惯性张量 | 第112-113页 |
| ·方法的流程图 | 第113-114页 |
| ·仿真算例 | 第114-115页 |
| ·讨论 | 第115-116页 |
| 本章小结 | 第116-117页 |
| 第六章 基于人工神经网络的系统参数辨识方法 | 第117-131页 |
| ·人工神经网络简述 | 第117-120页 |
| ·人工神经元的模型 | 第118-119页 |
| ·神经网络的结构形态 | 第119-120页 |
| ·神经网络的学习规则 | 第120页 |
| ·人工神经网络的发展 | 第120-121页 |
| ·神经网络应用于系统辨识 | 第121-123页 |
| ·神经网络在系统辨识的优越性 | 第121-122页 |
| ·神经网络系统辨识的并联模式与串-并联模式 | 第122-123页 |
| ·神经网络参数辨识方法研究 | 第123-130页 |
| ·问题的提出 | 第123页 |
| ·神经网络参数辨识方法 | 第123-125页 |
| ·构造网络模型 | 第123-124页 |
| ·权值调整算法实现 | 第124-125页 |
| ·神经网络参数辨识步骤 | 第125页 |
| ·神经网络参数辨识应用实例 | 第125-130页 |
| ·机器人惯性参数辨识实验 | 第125-128页 |
| ·非线性系统参数辨识仿真 | 第128-130页 |
| ·讨论 | 第130页 |
| 本章小结 | 第130-131页 |
| 第七章 总结和展望 | 第131-135页 |
| ·总结 | 第131-133页 |
| ·创新点 | 第133-134页 |
| ·有待进一步研究的问题展望 | 第134-135页 |
| 参考文献 | 第135-142页 |
| 攻读博士期间发表的论文 | 第142-143页 |
| 所获得的奖励 | 第143页 |