| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于位置的视觉伺服控制 | 第11-12页 |
| 1.2.2 基于图像的视觉伺服控制 | 第12-14页 |
| 1.2.3 混合的视觉伺服控制 | 第14-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-17页 |
| 第二章 机械臂视觉伺服基础 | 第17-25页 |
| 2.1 机械臂位姿描述 | 第17-20页 |
| 2.1.1 坐标系变换 | 第17-19页 |
| 2.1.2 机械臂D-H参数 | 第19-20页 |
| 2.2 机械臂雅可比矩阵 | 第20页 |
| 2.3 视觉成像模型 | 第20-22页 |
| 2.4 交互矩阵 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于优化卡尔曼滤波的无标定视觉伺服控制 | 第25-46页 |
| 3.1 基于卡尔曼滤波的图像雅可比矩阵在线估计 | 第25-28页 |
| 3.2 极限学习机模型 | 第28-29页 |
| 3.3 基于FL-KFELM的IBVS控制系统 | 第29-34页 |
| 3.3.1 基于KFELM的图像雅可比矩阵在线估计策略 | 第30-31页 |
| 3.3.2 模糊逻辑增益自适应 | 第31-33页 |
| 3.3.3 IBVS控制系统设计 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-45页 |
| 3.4.1 实验条件 | 第34-35页 |
| 3.4.2 实验参数及评价指标 | 第35-36页 |
| 3.4.3 实验结果讨论 | 第36-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于多元自适应回归样条和在线序列极限学习机混合的视觉伺服系统 | 第46-61页 |
| 4.1 多元自适应回归样条 | 第46-47页 |
| 4.2 在线序列极限学习机 | 第47-49页 |
| 4.3 MARS和OS-ELM混合模型 | 第49-50页 |
| 4.4 基于MOS-ELM的无标定视觉伺服系统 | 第50-52页 |
| 4.5 实验结果与分析 | 第52-60页 |
| 4.5.1 实验条件 | 第52页 |
| 4.5.2 实验参数设置 | 第52-54页 |
| 4.5.3 实验结果讨论 | 第54-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间的研究成果 | 第70页 |