| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 课题的国内外研究现状 | 第11-14页 |
| 1.3 课题的主要研究内容 | 第14-15页 |
| 1.4 论文的组织安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 机器人控制方法与运动学分析 | 第17-33页 |
| 2.1 机器人控制方法 | 第17-19页 |
| 2.2 运动学分析 | 第19-30页 |
| 2.2.1 D-H参数法 | 第21-22页 |
| 2.2.2 正运动学 | 第22-25页 |
| 2.2.3 逆运动学 | 第25-27页 |
| 2.2.4 动力学 | 第27-30页 |
| 2.3 机器人操作系统 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 视觉反馈机械手臂的控制 | 第33-50页 |
| 3.1 基于视觉的控制 | 第33-38页 |
| 3.2 视觉反馈机械手臂的视觉伺服系统 | 第38-42页 |
| 3.2.1 图像处理中的目标定位 | 第39-40页 |
| 3.2.2 坐标系统转换与位姿估计 | 第40-42页 |
| 3.3 基于重复控制的视觉反馈机械手臂控制迭代学习控制 | 第42-49页 |
| 3.3.1 控制器设计 | 第47页 |
| 3.3.2 收敛性分析 | 第47-48页 |
| 3.3.3 实例仿真 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 基于增益矩阵估计的迭代学习控制改进算法 | 第50-61页 |
| 4.1 具有参数优化的径向基网络迭代学习控制改进 | 第50-54页 |
| 4.1.1 基于径向基神经网络迭代学习控制系统结构 | 第50-52页 |
| 4.1.2 考虑重力补偿的基于径向基函数神经网络优化控制器 | 第52-53页 |
| 4.1.3 实例仿真 | 第53-54页 |
| 4.2 基于增益矩阵估计的迭代学习控制算法改进 | 第54-59页 |
| 4.2.1 重复控制的控制系统的增益矩阵估计 | 第55-57页 |
| 4.2.2 优化增益矩阵的仿真结果 | 第57-58页 |
| 4.2.3 实例仿真 | 第58-59页 |
| 4.3 基于增益矩阵估计的仿真结果比较分析 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 视觉反馈机械手臂的控制的软件实现 | 第61-78页 |
| 5.1 视觉反馈控制机械手臂控制ROS与V-REP中的模块仿真 | 第61-69页 |
| 5.1.1 ROS操作系统中的Gazebo与TF | 第61-65页 |
| 5.1.2 ROS中视觉反馈机械手臂的轨迹跟踪模拟 | 第65-66页 |
| 5.1.3 V-REP中机械手臂轨迹跟踪模拟 | 第66-69页 |
| 5.2 视觉反馈机械臂控制算法软件平台实现 | 第69-77页 |
| 5.2.1 运动学C语言实现 | 第69-72页 |
| 5.2.2 改进迭代学习算法C语言实现 | 第72-75页 |
| 5.2.3 算法代码封装 | 第75-77页 |
| 5.3 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第85页 |
