| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 主要符号注释表 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题综述 | 第13-15页 |
| 1.1.1 课题背景 | 第13-14页 |
| 1.1.2 课题意义 | 第14-15页 |
| 1.2 国内外相关研究现状 | 第15-17页 |
| 1.3 课题研究内容 | 第17-18页 |
| 第2章 工业机器人运动学方程 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 机器人运动学的数学基础 | 第18-23页 |
| 2.2.1 机器人的位置与姿态 | 第18-19页 |
| 2.2.2 坐标系变换 | 第19-21页 |
| 2.2.3 连杆参数与连杆变换 | 第21-23页 |
| 2.3 MOTOMAN UP50型机器人运动学模型 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 工业机器人切削加工误差补偿方法 | 第29-36页 |
| 3.1 误差来源 | 第29-31页 |
| 3.2 切削加工误差补偿方法 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 工业机器人切削加工误差补偿效果分析 | 第36-41页 |
| 4.1 验证补偿效果 | 第36-38页 |
| 4.2 分析补偿效果 | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 利用神经网络预测机器人切削加工误差 | 第41-61页 |
| 5.1 神经网络简述 | 第41-45页 |
| 5.1.1 神经网络的特点 | 第41-42页 |
| 5.1.2 神经网络的结构 | 第42-43页 |
| 5.1.3 神经网络的学习算法 | 第43-44页 |
| 5.1.4 神经网络的拓扑结构 | 第44-45页 |
| 5.2 BP神经网络 | 第45-48页 |
| 5.3 基于BP神经网络的切削误差预测 | 第48-55页 |
| 5.4 遗传算法优化神经网络 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文 | 第68-69页 |
| 附录B 未经过误差补偿的实验测量值 | 第69-70页 |
| 附录C 经过误差补偿的实验测量值 | 第70-71页 |
| 附录D 采取误差补偿方法的实际效果 | 第71-72页 |
| 附录E 神经网络1的完整算法 | 第72-73页 |
| 附录F 神经网络2的完整算法 | 第73-74页 |
| 附录G 神经网络3的完整算法 | 第74-75页 |
| 附录H 遗传算法改进神经网络的完整算法 | 第75-77页 |