| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景、目的和意义 | 第10-11页 |
| 1.2 国内外可重构机械臂发展现状 | 第11-17页 |
| 1.2.1 国外可重构机器人研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14-17页 |
| 1.3 神经网络与神经网络PID技术的发展与研究现状 | 第17-19页 |
| 1.3.1 神经网络学习算法的提出与介绍 | 第18页 |
| 1.3.2 神经网络PID控制方法简介 | 第18-19页 |
| 1.4 本文的主要研究内容 | 第19-20页 |
| 第2章 可重构机械臂运动学分析及建模 | 第20-40页 |
| 2.1 可重构机械臂模块化 | 第20-24页 |
| 2.2 传统D-H算法坐标及位姿矩阵设定 | 第24-26页 |
| 2.3 基于可重构机械臂模块化的正运动学建模 | 第26-31页 |
| 2.3.1 基于可重构模块化机械臂的正运动学建模 | 第26-27页 |
| 2.3.2 基于构形平面的正运动学建模仿真验证 | 第27-31页 |
| 2.4 基于构形平面的逆运动学求解 | 第31-36页 |
| 2.4.1 构形平面的引入 | 第31-33页 |
| 2.4.2 构形平面内逆运动学求解 | 第33页 |
| 2.4.3 构形平面间逆运动学求解 | 第33-36页 |
| 2.5 可重构机器人运动学建模仿真 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 可重构机械臂动力学分析及建模 | 第40-48页 |
| 3.1 牛顿—欧拉迭代动力学算法 | 第40-43页 |
| 3.1.1 牛顿方程和欧拉方程 | 第40页 |
| 3.1.2 牛顿--欧拉迭代动力学方程 | 第40-43页 |
| 3.2 基于构形平面的牛顿-欧拉算法 | 第43-44页 |
| 3.2.1 构形平面的划分 | 第43页 |
| 3.2.2 构形平面内动力学分析 | 第43-44页 |
| 3.3 实例仿真 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 可重构机械臂的RBF神经网络辨识 | 第48-72页 |
| 4.1 人工神经元网络 | 第49-50页 |
| 4.2 RBF神经网络基础理论 | 第50-57页 |
| 4.2.1 RBF神经网络结构 | 第50-51页 |
| 4.2.2 RBF神经网络径向基函数的选择及参数分析 | 第51-54页 |
| 4.2.3 RBF神经网络常用算法引入 | 第54-57页 |
| 4.3 神经网络系统辨识理论 | 第57-60页 |
| 4.3.1 系统辨识理论 | 第58-59页 |
| 4.3.2 神经网络系统辨识过程 | 第59-60页 |
| 4.4 RBF网络对可重构机械臂不确定项辨识 | 第60-65页 |
| 4.4.1 问题的描述 | 第61-62页 |
| 4.4.2 可重构机械臂的RBF神经网络辨识 | 第62-65页 |
| 4.5 实例仿真分析 | 第65-71页 |
| 4.6 本章总结 | 第71-72页 |
| 第5章 基于RBF神经网络辨识的单神经元PID可重构机械臂运动控制 | 第72-83页 |
| 5.1 传统PID控制方法 | 第73-74页 |
| 5.2 单神经元PID控制器设计 | 第74-78页 |
| 5.2.1 单神经元PID学习算法的引入 | 第75-76页 |
| 5.2.2 基于单神经元PID控制器的自适应控制系统设计 | 第76-78页 |
| 5.3 可重构机械臂单神经元PID运动控制方法 | 第78-79页 |
| 5.4 实例仿真 | 第79-82页 |
| 5.5 本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第90-91页 |
| 致谢 | 第91页 |
