| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 论文的选题背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 2 ELM理论 | 第15-19页 |
| 2.1 SLFNs的数学描述 | 第15-16页 |
| 2.2 ELM的学习理论 | 第16-17页 |
| 2.3 仿真实例 | 第17-18页 |
| 2.4 小结 | 第18-19页 |
| 3 基于ELM的机器人自适应跟踪控制 | 第19-28页 |
| 3.1 机器人动力学模型及其结构特性 | 第19页 |
| 3.2 基于ELM网络的自适应控制器设计 | 第19-25页 |
| 3.2.1 鲁棒项为符号函数的自适应律设计 | 第21-23页 |
| 3.2.2 鲁棒项为饱和函数的自适应律设计 | 第23-25页 |
| 3.3 仿真实例 | 第25-27页 |
| 3.4 小结 | 第27-28页 |
| 4 基于ELM的机器人任务空间自适应跟踪控制 | 第28-47页 |
| 4.1 基于ELM的自适应控制器的设计 | 第28-39页 |
| 4.1.1 机器人任务空间的动力学模型 | 第28-29页 |
| 4.1.2 基于ELM网络整体逼近的控制器设计 | 第29-33页 |
| 4.1.3 基于ELM网络分块逼近的控制器设计 | 第33-39页 |
| 4.2 仿真实例 | 第39-46页 |
| 4.2.1 实例一 | 第41-43页 |
| 4.2.2 实例二 | 第43-46页 |
| 4.3 小结 | 第46-47页 |
| 5 基于ELM的一类MIMO仿射非线性系统的鲁棒自适应控制 | 第47-67页 |
| 5.1 问题描述 | 第48-50页 |
| 5.2 基于ELM的自适应神经控制器设计 | 第50-58页 |
| 5.3 仿真研究 | 第58-66页 |
| 5.3.1 实例一 | 第58-61页 |
| 5.3.2 实例二 | 第61-66页 |
| 5.4 小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间的研究成果 | 第74页 |