摘要 | 第1-6页 |
Abstract | 第6-14页 |
第1章 绪论 | 第14-30页 |
·机器人的发展概述 | 第14-15页 |
·机器人分类及应用 | 第14页 |
·机器人学的研究领域及目前的关键技术 | 第14-15页 |
·机器人控制技术发展概况 | 第15-19页 |
·机器人控制系统构成 | 第16-17页 |
·运动学控制 | 第17-18页 |
·动力学控制 | 第18-19页 |
·不确定机器人控制方法概述 | 第19-27页 |
·基于反馈线性化的鲁棒控制 | 第20-21页 |
·变结构控制方法 | 第21-22页 |
·H_8 控制 | 第22-23页 |
·鲁棒自适应控制方法 | 第23-24页 |
·神经网络控制 | 第24-25页 |
·其它的控制方法 | 第25-26页 |
·进一步的研究方向 | 第26-27页 |
·选题的意义 | 第27-28页 |
·本文的主要研究内容 | 第28-30页 |
第2章 机器人数学模型及预备知识 | 第30-44页 |
·引言 | 第30页 |
·刚体的位姿描述和齐次变换 | 第30-34页 |
·位置描述—位置矢量 | 第30页 |
·方位描述—旋转矩阵 | 第30-31页 |
·位姿描述和齐次变换 | 第31-32页 |
·RPY 角描述方法 | 第32-34页 |
·雅可比矩阵 | 第34-35页 |
·机器人动力学模型的建立 | 第35-39页 |
·预备知识 | 第39-43页 |
·稳定性概念 | 第39-41页 |
·稳定性理论 | 第41-43页 |
·本章小结 | 第43-44页 |
第3章 基于模糊神经网络的机器人逆运动学求解 | 第44-50页 |
·引言 | 第44页 |
·模糊神经网络算法设计 | 第44-47页 |
·T-S 模糊神经网络简介 | 第44-45页 |
·基本原理 | 第45-46页 |
·算法设计 | 第46-47页 |
·仿真研究 | 第47-49页 |
·本章小结 | 第49-50页 |
第4章 不确定性机器人鲁棒自适应控制策略研究 | 第50-65页 |
·引言 | 第50-51页 |
·基于无源性的机器人鲁棒自适应控制策略 | 第51-58页 |
·问题描述 | 第51-54页 |
·无源性鲁棒自适应控制器设计 | 第54-56页 |
·仿真研究 | 第56-58页 |
·鲁棒自适应分散控制策略 | 第58-64页 |
·分散控制的特点 | 第58-59页 |
·问题描述 | 第59-60页 |
·鲁棒自适应分散控制器设计 | 第60-62页 |
·仿真研究 | 第62-64页 |
·本章小结 | 第64-65页 |
第5章 基于Backstepping的不确定机器人非线性鲁棒控制 | 第65-76页 |
·引言 | 第65-66页 |
·Backstepping 方法基本原理 | 第66-69页 |
·基于HJI 不等式的鲁棒控制器设计 | 第69-73页 |
·考虑不确定性或外界干扰 | 第69-71页 |
·不确定性作为干扰项 | 第71-73页 |
·仿真研究 | 第73-75页 |
·本章小结 | 第75-76页 |
第6章 基于神经网络的不确定性机器人鲁棒控制研究 | 第76-94页 |
·引言 | 第76页 |
·鲁棒自适应神经滑模控制策略 | 第76-84页 |
·径向基函数神经网络模型 | 第77-78页 |
·问题描述 | 第78-80页 |
·神经滑模控制器设计 | 第80-83页 |
·仿真研究 | 第83-84页 |
·基于模糊神经网络的鲁棒观测器设计 | 第84-93页 |
·模糊神经网络模型 | 第85-87页 |
·问题描述 | 第87-88页 |
·不确定机器人系统模糊神经网络速度观测器设计 | 第88-92页 |
·仿真研究 | 第92-93页 |
·本章小结 | 第93-94页 |
第7 章基于无源性的鲁棒自适应迭代学习控制研究 | 第94-110页 |
·引言 | 第94-95页 |
·迭代学习控制原理 | 第95-97页 |
·问题描述 | 第97页 |
·结构不确定机械臂控制策略研究 | 第97-98页 |
·基于无源的鲁棒自适应迭代学习控制器的设计 | 第98-102页 |
·仿真研究 | 第102-109页 |
·锁定故障关节后仿真研究 | 第103-106页 |
·欠驱动三连杆串联机械臂控制策略仿真研究 | 第106-109页 |
·本章小结 | 第109-110页 |
结论 | 第110-113页 |
参考文献 | 第113-124页 |
攻读博士学位期间承担的科研任务与主要成果 | 第124-126页 |
致谢 | 第126-127页 |
作者简介 | 第127页 |