| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状综述 | 第8-14页 |
| 1.2.1 并联机器人研究现状 | 第8-11页 |
| 1.2.2 时间最优轨迹规划技术 | 第11-13页 |
| 1.2.3 机器人运动控制技术 | 第13-14页 |
| 1.3 本文主要研究内容简介 | 第14-16页 |
| 第二章 基于视觉的Delta机器人实时控制数学模型 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 视觉模型 | 第16-20页 |
| 2.2.1 相机成像模型 | 第16-17页 |
| 2.2.2 相机内参数模型 | 第17页 |
| 2.2.3 相机外参数模型 | 第17-18页 |
| 2.2.4 相机标定模型 | 第18-20页 |
| 2.3 Delta机器人控制模型 | 第20-25页 |
| 2.3.1 Delta逆运动学模型 | 第20-22页 |
| 2.3.3 Delta机器人速度模型 | 第22页 |
| 2.3.4 Delta机器人加速度模型 | 第22-23页 |
| 2.3.5 Delta机器人动力学模型 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 并联机器人时间最优轨迹规划方法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 时间最优轨迹问题描述 | 第26-29页 |
| 3.2.1 笛卡尔空间轨迹序列模型 | 第26-28页 |
| 3.2.2 关节空间光滑曲线数学模型 | 第28-29页 |
| 3.4 时间节点寻优 | 第29-31页 |
| 3.4.1 寻优限制条件 | 第29页 |
| 3.4.2 分数阶粒子群算法寻优 | 第29-31页 |
| 3.5 基于模糊分类的区域选择 | 第31-32页 |
| 3.6 实验与仿真 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 基于迭代学习的Delta机器人控制方法 | 第35-44页 |
| 4.1 引言 | 第35页 |
| 4.2 迭代学习基本思想 | 第35-36页 |
| 4.2.1 迭代学习介绍 | 第35-36页 |
| 4.2.2 迭代学习控制流程 | 第36页 |
| 4.3 迭代学习控制问题 | 第36-39页 |
| 4.3.1 经典迭代学习方案及其控制率 | 第36-37页 |
| 4.3.2 变增益迭代学习控制的设计 | 第37-39页 |
| 4.4 实验分析 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 视觉引导的Delta机器人系统结构及实验研究 | 第44-55页 |
| 5.1 引言 | 第44页 |
| 5.2 实验平台介绍 | 第44-45页 |
| 5.3 视觉信息采集与处理 | 第45-49页 |
| 5.3.1 图像预处理 | 第45-46页 |
| 5.3.2 连通域判断 | 第46页 |
| 5.3.3 目标判断与寻找圆心 | 第46-47页 |
| 5.3.4 相机标定 | 第47页 |
| 5.3.5 相机坐标系与Delta机器人基坐标的转换 | 第47-49页 |
| 5.4 Delta机器人控制系统 | 第49-54页 |
| 5.4.1 程序主框架流程设计 | 第50-51页 |
| 5.4.2 离线准备工作与参数设置 | 第51-52页 |
| 5.4.3 在线运行模块 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 主要结论与展望 | 第55-57页 |
| 主要结论 | 第55-56页 |
| 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |
