摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 引言 | 第11-12页 |
1.2 并联机器人的发展及应用 | 第12-14页 |
1.2.1 并联机器人发展概况 | 第12-13页 |
1.2.2 并联机器人应用 | 第13-14页 |
1.3 并联机器人动力学与控制策略分析 | 第14-16页 |
1.3.1 并联机器人动力学 | 第14-15页 |
1.3.2 并联机器人控制 | 第15-16页 |
1.4 课题研究意义 | 第16-17页 |
1.5 课题研究的主要内容 | 第17-19页 |
第2章 6PUS-UPU并联机器人动力学建模及验证 | 第19-34页 |
2.1 引言 | 第19页 |
2.2 6PUS-UPU并联机器人机构介绍 | 第19-20页 |
2.3 6PUS-UPU并联机器人运动学分析 | 第20-23页 |
2.3.1 坐标系建立 | 第20-21页 |
2.3.2 运动学分析 | 第21-23页 |
2.4 6PUS-UPU并联机器人动力学分析 | 第23-28页 |
2.4.1 动力学分析方法 | 第24页 |
2.4.2 分支动力学分析 | 第24-27页 |
2.4.3 6PUS-UPU并联机器人动力学分析 | 第27-28页 |
2.5 Adams冗余驱动模型验证 | 第28-33页 |
2.5.1 测量ADAMS中关键力 | 第29页 |
2.5.2 动力学模型验证 | 第29-33页 |
2.6 本章小结 | 第33-34页 |
第3章 基于神经网络的非冗余分支运动学控制研究 | 第34-50页 |
3.1 引言 | 第34页 |
3.2 神经网络基本介绍 | 第34-36页 |
3.2.1 神经网络结构基本单元 | 第34-35页 |
3.2.2 神经网络分类 | 第35-36页 |
3.3 BP神经网络 | 第36-40页 |
3.3.1 BP神经网络结构介绍 | 第36-37页 |
3.3.2 BP神经网络学习算法 | 第37-39页 |
3.3.3 BP神经网络缺点及改进方法 | 第39-40页 |
3.4 基于BP神经网络的非冗余分支运动学控制 | 第40-49页 |
3.4.1 非冗余分支伺服系统数学模型建立 | 第40-42页 |
3.4.2 滚珠丝杠数学模型建立 | 第42-43页 |
3.4.3 BP算法改进传统PID | 第43-46页 |
3.4.4 基于S函数的BP-PID控制器的实现 | 第46-47页 |
3.4.5 基于BP-PID控制原理的非冗余分支运动学控制 | 第47-49页 |
3.5 本章小结 | 第49-50页 |
第4章 6PUS-UPU并联机器人控制策略及仿真研究 | 第50-69页 |
4.1 引言 | 第50页 |
4.2 6PUS-UPU并联机器人控制策略 | 第50-52页 |
4.2.1 力/位混合控制策略 | 第50-51页 |
4.2.2 冗余分支控制模型 | 第51-52页 |
4.3 搭建 6PUS-UPU并联机器人联合仿真模型 | 第52-57页 |
4.3.1 联合仿真原理 | 第52-53页 |
4.3.2 基于传统PID控制的联合仿真模型 | 第53-56页 |
4.3.3 基于BP-PID控制的联合仿真模型 | 第56-57页 |
4.4 联合仿真结果对比分析 | 第57-67页 |
4.4.1 轨迹规划 | 第57-60页 |
4.4.2 无干扰仿真结果分析 | 第60-65页 |
4.4.3 有干扰仿真结果分析 | 第65-67页 |
4.5 本章小结 | 第67-69页 |
第5章 6PUS-UPU并联机器人实验研究 | 第69-81页 |
5.1 引言 | 第69页 |
5.2 控制系统硬件组成与工作原理 | 第69-72页 |
5.2.1 控制系统硬件组成 | 第69-71页 |
5.2.2 工作原理 | 第71-72页 |
5.3 软件部分 | 第72-75页 |
5.3.1 RTX基本介绍 | 第72-73页 |
5.3.2 CVI基本简介 | 第73页 |
5.3.3 系统功能模块 | 第73-75页 |
5.4 6PUS-UPU并联机器人实验研究 | 第75-80页 |
5.4.1 实验步骤 | 第75-77页 |
5.4.2 实验结果分析 | 第77-80页 |
5.5 本章小结 | 第80-81页 |
结论 | 第81-83页 |
参考文献 | 第83-87页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第87-88页 |
致谢 | 第88页 |