面向机械臂的智能PID控制方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 机械臂简介 | 第11-12页 |
| 1.3 机械臂控制研究现状 | 第12-18页 |
| 1.3.1 机械臂控制结构 | 第12-15页 |
| 1.3.2 面向机械臂的控制方法 | 第15-18页 |
| 1.4 研究内容和意义 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 串联关节机械臂建模 | 第20-32页 |
| 2.1 冗余自由度串联关节机械臂 | 第20-21页 |
| 2.2 机械臂运动学建模 | 第21-24页 |
| 2.2.1 位置与姿态表示 | 第21-22页 |
| 2.2.2 机械臂D-H坐标表示 | 第22-24页 |
| 2.3 机械臂动力学建模 | 第24-26页 |
| 2.4 基于Robotics Toolbox仿真 | 第26-31页 |
| 2.4.1 运动学仿真 | 第26-30页 |
| 2.4.2 动力学仿真 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 智能PID参数调节控制算法 | 第32-49页 |
| 3.1 传统PID控制算法 | 第32-34页 |
| 3.1.1 单关节PD控制 | 第33页 |
| 3.1.2 调节的PID控制 | 第33-34页 |
| 3.2 智能控制算法 | 第34-36页 |
| 3.3 神经网络PID参数调整 | 第36-44页 |
| 3.3.1 BP神经网络结构 | 第36-38页 |
| 3.3.2 BP神经网络学习算法 | 第38-42页 |
| 3.3.3 基于BP神经网络的PID参数整定 | 第42-44页 |
| 3.4 仿真实验 | 第44-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 PID神经元网络控制算法 | 第49-59页 |
| 4.1 PID神经元网络简介 | 第49-52页 |
| 4.1.1 PID神经元网络结构与学习规则 | 第49-51页 |
| 4.1.2 PID神经元网络自适应算法 | 第51-52页 |
| 4.2 面向机械臂的神经元网络控制算法 | 第52-56页 |
| 4.2.1 多输出神经元网络结构与算法 | 第53-54页 |
| 4.2.2 面向机械臂的PIDNN仿真研究 | 第54-56页 |
| 4.3 结果分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 RBF神经网络自适应控制算法 | 第59-81页 |
| 5.1 径向基函数神经网络 | 第59-63页 |
| 5.1.1 径向基函数神经网络结构 | 第60-61页 |
| 5.1.2 径向基函数神经网络学习算法 | 第61-63页 |
| 5.2 基于模型分块逼近的RBFNN自适应控制 | 第63-71页 |
| 5.2.1 模型分块逼近算法 | 第63-66页 |
| 5.2.2 模型分块逼近的稳定性分析 | 第66-67页 |
| 5.2.3 实验结果分析 | 第67-71页 |
| 5.3 基于模型整体逼近的RBF网络自适应控制 | 第71-80页 |
| 5.3.1 模型整体逼近算法 | 第72-73页 |
| 5.3.2 模型整体逼近算法稳定性分析 | 第73-74页 |
| 5.3.3 模型整体逼近的算法改进 | 第74-76页 |
| 5.3.4 实验结果分析 | 第76-80页 |
| 5.4 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第87-88页 |
| 致谢 | 第88-89页 |
