| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·引言 | 第12页 |
| ·论文的研究背景和意义 | 第12-13页 |
| ·现有的主要研究方法 | 第13-17页 |
| ·反馈线性化方法 | 第13-14页 |
| ·H_∞控制方法 | 第14页 |
| ·滑模变结构控制方法 | 第14-15页 |
| ·自适应控制方法 | 第15-16页 |
| ·智能鲁棒控制方法 | 第16-17页 |
| ·非线性动态系统的研究现状 | 第17-20页 |
| ·动态神经网络系统稳定性研究现状 | 第17-18页 |
| ·刚性机器人系统鲁棒控制理论研究现状 | 第18-19页 |
| ·非完整移动机器人系统鲁棒控制理论研究现状 | 第19-20页 |
| ·本文的主要研究内容和结构 | 第20-22页 |
| 第2章 动态神经网络系统的稳定性研究 | 第22-62页 |
| ·引言 | 第22-23页 |
| ·一类带区间不确定性的不连续时滞神经网络的全局鲁棒稳定性 | 第23-39页 |
| ·问题描述 | 第23-29页 |
| ·全局鲁棒稳定性分析 | 第29-37页 |
| ·仿真研究 | 第37-38页 |
| ·本节小结 | 第38-39页 |
| ·一类带范数有界不确定性的不连续时滞神经网络的全局鲁棒稳定性 | 第39-51页 |
| ·神经网络系统模型 | 第39-40页 |
| ·全局鲁棒稳定性分析 | 第40-49页 |
| ·仿真研究 | 第49-50页 |
| ·本节小结 | 第50-51页 |
| ·一类基于LMI的不连续时滞神经网络的全局鲁棒稳定性 | 第51-59页 |
| ·全局鲁棒稳定性分析 | 第51-58页 |
| ·仿真研究 | 第58-59页 |
| ·本节小结 | 第59页 |
| ·机器人补偿控制中的神经网络系统 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第3章 刚性机器人系统的鲁棒控制理论研究 | 第62-120页 |
| ·引言 | 第62-63页 |
| ·刚性机器人系统的数学模型及相关数学基础 | 第63-68页 |
| ·刚性机器人系统的数学模型 | 第63-65页 |
| ·相关数学基础 | 第65-68页 |
| ·一类刚性机器人系统的智能混合鲁棒自适应轨迹跟踪控制 | 第68-82页 |
| ·问题描述 | 第69-70页 |
| ·智能自适应鲁棒控制器设计 | 第70-79页 |
| ·仿真研究 | 第79-82页 |
| ·本节小结 | 第82页 |
| ·一类基于神经网络的刚性机器人系统智能鲁棒H_∞轨迹跟踪控制 | 第82-96页 |
| ·问题描述 | 第84-86页 |
| ·神经网络鲁棒H_∞控制器设计 | 第86-91页 |
| ·仿真研究 | 第91-96页 |
| ·本节小结 | 第96页 |
| ·一类基于神经网络的时滞刚性机器人系统智能鲁棒轨迹跟踪控制 | 第96-118页 |
| ·问题描述 | 第97-100页 |
| ·自适应鲁棒控制器设计 | 第100-108页 |
| ·神经网络自适应鲁棒控制器设计 | 第108-116页 |
| ·仿真研究 | 第116-118页 |
| ·本章小结 | 第118-120页 |
| 第4章 非完整移动机器人系统鲁棒控制理论研究 | 第120-135页 |
| ·引言 | 第120页 |
| ·非完整移动机器人系统的数学模型 | 第120-125页 |
| ·运动学模型 | 第121-123页 |
| ·动力学模型 | 第123-125页 |
| ·小波神经网络模型 | 第125-127页 |
| ·小波神经网络鲁棒控制器设计 | 第127-131页 |
| ·仿真研究 | 第131-134页 |
| ·本章小结 | 第134-135页 |
| 结论 | 第135-138页 |
| 1.论文主要工作和创新点 | 第135-136页 |
| 2.论文工作展望 | 第136-138页 |
| 参考文献 | 第138-154页 |
| 致谢 | 第154-155页 |
| 附录A 攻读学位期间完成和发表的学术论文目录 | 第155-157页 |
| 附录B 攻读学位期间主持或参与的科研项目 | 第157页 |
