首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文--工业机器人论文

工业机器人运动学参数辨识及误差补偿研究

摘要第5-7页
Abstract第7-8页
第一章 绪论第12-22页
    1.1 选题背景与意义第12-13页
    1.2 工业机器人的标定研究现状第13-20页
        1.2.1 国外研究现状第14-19页
        1.2.2 国内研究现状第19-20页
    1.3 课题来源第20页
    1.4 本论文的主要工作第20-21页
    1.5 本章小结第21-22页
第二章 工业机器人运动学和误差建模第22-36页
    2.1 机器人运动学模型第22-25页
    2.2 工业机器人运动学求解第25-30页
        2.2.1 运动学正解第25-26页
        2.2.2 运动学反解第26-28页
        2.2.3 运动学模型验证第28-30页
    2.3 工业机器人误差建模第30-34页
        2.3.1 误差来源分析第30页
        2.3.2 矩阵微分法误差建模第30-32页
        2.3.3 搜索算法误差模型第32-33页
        2.3.4 预辨识误差模型第33-34页
    2.4 本章小结第34-36页
第三章 工业机器人参数辨识方法研究第36-48页
    3.1 基于最小二乘法的工业机器人参数辨识第36-39页
        3.1.1 最小二乘法求解超定方程组第36-38页
        3.1.2 基于最小二乘法的工业机器人参数辨识方法第38-39页
    3.2 基于粒子群算法的工业机器人参数辨识第39-43页
        3.2.1 粒子群算法工作原理第39-42页
        3.2.2 粒子群算法参数设置第42页
        3.2.3 目标函数第42-43页
    3.3 基于BP神经网络粒子群算法的工业机器人参数辨识第43-47页
        3.3.1 BP神经网络第43-44页
        3.3.2 BP神经网络结构设计及训练第44-45页
        3.3.3 基于BP神经网络粒子群算法的参数辨识第45-47页
    3.4 本章小结第47-48页
第四章 工业机器人运动学参数辨识仿真第48-60页
    4.1 参数误差设置第48-50页
    4.2 基坐标系和工具坐标系的预辨识仿真第50-52页
        4.2.1 仿真过程及结果第50-51页
        4.2.2 仿真结果分析第51-52页
    4.3 基于最小二乘法的辨识仿真第52-56页
        4.3.1 仿真过程及结果第52-55页
        4.3.2 仿真分析第55-56页
    4.4 基于粒子群算法的辨识仿真第56-57页
        4.4.1 仿真过程及结果第56-57页
        4.4.2 仿真分析第57页
    4.5 基于BP神经网络粒子群算法的仿真第57-59页
        4.5.1 仿真过程及结果第57-58页
        4.5.2 仿真分析第58-59页
    4.6 仿真结果对比分析第59页
    4.7 本章小结第59-60页
第五章 工业机器人运动学参数辨识及误差补偿实验第60-80页
    5.1 实验平台构建第60-64页
        5.1.1 硬件平台构建第60-61页
        5.1.2 测量平台构建第61-62页
        5.1.3 软件平台设计第62-64页
    5.2 实验方案设计第64-65页
    5.3 工业机器人参数辨识实验第65-72页
        5.3.1 实验数据第65-66页
        5.3.2 基坐标系和工具坐标系的预辨识第66-67页
        5.3.3 最小二乘法参数辨识第67-68页
        5.3.4 基于粒子群算法的参数辨识实验第68-70页
        5.3.5 基于BP神经网络粒子群算法的参数辨识实验第70-71页
        5.3.6 参数辨识实验结果对比分析第71-72页
    5.4 误差补偿实验第72-77页
    5.5 本章小结第77-80页
第六章 总结与展望第80-82页
    6.1 总结第80-81页
    6.2 展望第81-82页
致谢第82-84页
参考文献第84-90页
附录一 攻读硕士学位期间获得的科研成果第90-92页
附录二 仿真关节角数据第92-96页
附录三 仿真位置数据第96-100页
附录四 实验关节角数据第100-104页
附录五 测量位置数据第104-107页

论文共107页,点击 下载论文
上一篇:基于深度学习的钓鱼网页识别研究
下一篇:双足机器人上楼梯步态规划与稳定性研究