| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 插图目录 | 第13-15页 |
| 表格目录 | 第15-16页 |
| 第1章 绪论 | 第16-36页 |
| ·运动控制简介 | 第16-24页 |
| ·运动控制基本原理 | 第16-17页 |
| ·运动控制系统的组成 | 第17-21页 |
| ·运动控制技术的发展及现状 | 第21-24页 |
| ·摩擦模型及摩擦补偿研究现状 | 第24-32页 |
| ·摩擦模型 | 第24-27页 |
| ·基于模型的摩擦补偿研究 | 第27-31页 |
| ·基于无模型的摩擦补偿研究 | 第31-32页 |
| ·研究目的和意义 | 第32页 |
| ·论文主要研究内容和创新点 | 第32-36页 |
| ·论文主要研究内容 | 第33-34页 |
| ·论文主要创新点 | 第34-36页 |
| 第2章 位置控制系统模型的建立与模糊滑模控制 | 第36-64页 |
| ·引言 | 第36页 |
| ·位置控制系统的建模 | 第36-43页 |
| ·位置控制系统的硬件组成 | 第36-38页 |
| ·位置控制系统的建模 | 第38-43页 |
| ·PD控制器的设计 | 第43-44页 |
| ·模糊滑模控制器的设计 | 第44-60页 |
| ·滑模控制原理 | 第45-51页 |
| ·滑模控制发展现状 | 第51-55页 |
| ·滑模控制(SMC)与模糊控制(FLC)相结合 | 第55-60页 |
| ·对比实验和结果分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第3章 位置控制系统的自适应滑模摩擦力补偿 | 第64-78页 |
| ·引言 | 第64页 |
| ·滑模控制切换函数和控制律的形式 | 第64-71页 |
| ·滑模控制切换函数的形式 | 第64-69页 |
| ·滑模控制控制律的形式 | 第69-71页 |
| ·自适应滑模摩擦力补偿方法 | 第71-77页 |
| ·自适应滑模控制器设计 | 第71-74页 |
| ·系统稳定性分析 | 第74-75页 |
| ·仿真实验及结果分析 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第4章 基于径向基函数神经网络滑模控制的位置控制系统 | 第78-91页 |
| ·引言 | 第78页 |
| ·RBF网络的结构和功能 | 第78-82页 |
| ·RBF网络的结构 | 第78-80页 |
| ·RBF网络的训练 | 第80-81页 |
| ·RBF和BP网络的性能对比 | 第81-82页 |
| ·RBF网络滑模控制器设计 | 第82-90页 |
| ·控制器设计 | 第82-85页 |
| ·稳定性分析 | 第85-86页 |
| ·仿真实验与结果分析 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 基于遗传算法的自适应模糊滑模的位置控制系统 | 第91-107页 |
| ·引言 | 第91页 |
| ·自适应模糊控制系统 | 第91-96页 |
| ·自适应模糊系统的概念 | 第91-93页 |
| ·自适应模糊系统的万能逼近定理 | 第93-94页 |
| ·自适应模糊系统的分类 | 第94-95页 |
| ·自适应模糊系统与人工神经网络比较 | 第95-96页 |
| ·自适应模糊控制发展现状 | 第96页 |
| ·遗传算法(GA) | 第96-99页 |
| ·遗传算法简介 | 第96-98页 |
| ·遗传算法发展现状 | 第98-99页 |
| ·基于GA的自适应模糊滑模控制器 | 第99-106页 |
| ·自适应模糊滑模控制器 | 第99-101页 |
| ·稳定性分析 | 第101-102页 |
| ·GA参数优化 | 第102-103页 |
| ·实验结果分析 | 第103-106页 |
| ·本章小结 | 第106-107页 |
| 第6章 总结和展望 | 第107-109页 |
| ·论文主要研究工作总结与创新点 | 第107-108页 |
| ·未来工作展望 | 第108-109页 |
| 参考文献 | 第109-118页 |
| 在读期间发表的学术论文 | 第118-119页 |
| 致谢 | 第119页 |