| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 国内外机械臂研究现状 | 第10-15页 |
| 1.2.1 国外机械臂研究现状 | 第11-15页 |
| 1.2.2 国内机器人研究 | 第15页 |
| 1.3 本文的主要工作 | 第15-18页 |
| 第2章 机械臂的建模及相关理论 | 第18-30页 |
| 2.1 机械臂建模 | 第18-22页 |
| 2.1.1 机械臂运动学建模分析 | 第18-20页 |
| 2.1.2 机械臂动力学建模分析 | 第20-22页 |
| 2.2 变结构控制理论 | 第22-25页 |
| 2.2.1 变结构理论的提出 | 第22页 |
| 2.2.2 变结构的基本概念 | 第22-25页 |
| 2.3 神经网络系统辨识 | 第25-28页 |
| 2.3.1 神经网络系统辨识的意义 | 第25页 |
| 2.3.2 RBF神经网络系统辨识原理 | 第25-26页 |
| 2.3.3 RBF神经网络辨识算法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 机械臂神经网络终端滑模控制 | 第30-56页 |
| 3.1 引言 | 第30页 |
| 3.2 Terminal滑模的理论基础 | 第30-33页 |
| 3.3 基于机械臂模型的终端滑模变结构控制 | 第33-39页 |
| 3.3.1 基于机械臂动力学模型的系统描述 | 第33-34页 |
| 3.3.2 控制律设计与稳定性分析 | 第34-37页 |
| 3.3.3 二自由度机械臂建模与仿真 | 第37-39页 |
| 3.4 基于饱和函数的终端滑模自适应控制 | 第39-42页 |
| 3.4.1 采用饱和函数设计切换函数的系统稳定性分析 | 第39-41页 |
| 3.4.2 仿真及分析 | 第41-42页 |
| 3.5 基于神经网络上界自适应学习的Terminal滑模控制 | 第42-48页 |
| 3.5.1 基于RBF的不确定性上界自适应学习的Terminal滑模控制 | 第43-44页 |
| 3.5.2 二自由度机械臂系统稳定性分析 | 第44-47页 |
| 3.5.3 仿真与分析 | 第47-48页 |
| 3.6 无需先验模型的神经网络滑模控制方法 | 第48-54页 |
| 3.6.1 问题描述 | 第49页 |
| 3.6.2 RBF神经网络在线辨识算法 | 第49-51页 |
| 3.6.3 系统稳定性分析 | 第51-52页 |
| 3.6.4 仿真分析 | 第52-54页 |
| 3.7 本章小结 | 第54-56页 |
| 第4章 机械臂反演终端滑模控制 | 第56-76页 |
| 4.1 引言 | 第56页 |
| 4.2 反演控制基础理论 | 第56-57页 |
| 4.3 机械臂反演线性滑模控制 | 第57-61页 |
| 4.3.1 机械臂反演线性滑模控制器设计 | 第58-59页 |
| 4.3.2 稳定性分析 | 第59-60页 |
| 4.3.3 二自由度机械臂模型及仿真分析 | 第60-61页 |
| 4.4 机械臂反演非线性终端滑模控制器设计 | 第61-64页 |
| 4.4.1 机械臂快速终端反演滑模控制 | 第62-63页 |
| 4.4.2 仿真与分析 | 第63-64页 |
| 4.5 机械臂全局快速终端反演滑模控制 | 第64-67页 |
| 4.5.1 机械臂全局快速终端滑模控制器设计 | 第65-66页 |
| 4.5.2 机械臂仿真分析 | 第66-67页 |
| 4.6 机械臂反演准滑模控制 | 第67-69页 |
| 4.6.1 机械臂反演准滑模控制器设计 | 第68页 |
| 4.6.2 仿真分析 | 第68-69页 |
| 4.7 机械臂反演非奇异终端神经网络滑模控制 | 第69-76页 |
| 4.7.1 机械臂反演非奇异终端神经滑模控制器设计 | 第70-71页 |
| 4.7.2 稳定性分析 | 第71-73页 |
| 4.7.3 二自由度机械臂仿真与分析 | 第73-76页 |
| 第5章 结论与展望 | 第76-78页 |
| 5.1 结论 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
