摘要 | 第1-6页 |
Abstract | 第6-14页 |
第1章 绪论 | 第14-27页 |
·机器人的发展概况 | 第14-15页 |
·不确定机器人控制的提出 | 第15-22页 |
·机器人力/位置控制概述 | 第16-20页 |
·智能控制新策略 | 第20-21页 |
·机器人力/位置控制研究的应用前景 | 第21-22页 |
·机器人的数学模型及仿真模型的建立 | 第22-25页 |
·机器人的数学模型 | 第22-24页 |
·仿真模型的建立 | 第24-25页 |
·本文研究的目的和意义 | 第25-26页 |
·论文的结构 | 第26-27页 |
第2章 基于神经网络的机器人鲁棒自适应控制 | 第27-48页 |
·引言 | 第27-28页 |
·径向基神经网络 | 第28-32页 |
·RBF 神经网络训练算法设计 | 第30-31页 |
·面向 MATLAB 工具箱的径向基神经网络 | 第31-32页 |
·PD+前馈控制理论 | 第32-34页 |
·基于神经网络的鲁棒自适应控制器设计 | 第34-41页 |
·控制器设计 | 第34-38页 |
·仿真研究 | 第38-41页 |
·基于神经网络的机器人鲁棒自适应力/位置控制 | 第41-47页 |
·控制结构的设计 | 第41-43页 |
·仿真研究 | 第43-47页 |
·本章小结 | 第47-48页 |
第3章 基于模糊神经网络的机器人模糊自适应力/位置混合控制 | 第48-61页 |
·引言 | 第48-49页 |
·T-S 型模糊 RBF 神经网络 | 第49-52页 |
·模糊逻辑系统 | 第49-50页 |
·T-S 型模糊RBF 神经网络的原理 | 第50-52页 |
·基于模糊神经网络的机器人模糊自适应控制 | 第52-59页 |
·混合控制原理 | 第52页 |
·控制器设计 | 第52-56页 |
·模糊推理规则的实现 | 第56-59页 |
·仿真研究 | 第59-60页 |
·本章小结 | 第60-61页 |
第4章 基于神经网络的机器人力/位置混合 H 2 /H_∞控制 | 第61-72页 |
·引言 | 第61页 |
·混合H_2 /H_∞控制 | 第61-64页 |
·基于神经网络的机器人混合H_2 /H_∞控制 | 第64-70页 |
·问题描述 | 第64-65页 |
·混合H_2 /H_∞控制器设计 | 第65-68页 |
·神经网络控制器设计 | 第68-70页 |
·仿真研究 | 第70-71页 |
·本章小结 | 第71-72页 |
第5章 机器人的模糊自适应PD控制 | 第72-83页 |
·引言 | 第72-73页 |
·模糊控制原理 | 第73-75页 |
·模糊控制器的组成 | 第73-74页 |
·模糊条件句与模糊控制规则 | 第74-75页 |
·模糊自适应PD 控制原理 | 第75-78页 |
·仿真分析 | 第78-79页 |
·基于模糊自适应 PD 控制的机器人力/位置控制 | 第79-80页 |
·控制器的设计 | 第80页 |
·仿真研究 | 第80-81页 |
·本章小结 | 第81-83页 |
第6章 不确定机器人的力/位置阻抗控制 | 第83-99页 |
·引言 | 第83-84页 |
·阻抗控制概念 | 第84-85页 |
·阻抗控制原理 | 第85-86页 |
·基于模糊神经网络的阻抗控制 | 第86-92页 |
·非线性补偿阻抗控制方法 | 第86-87页 |
·模糊神经网络补偿阻抗控制方法 | 第87-92页 |
·基于阻抗控制的精确力跟踪方法 | 第92-95页 |
·面临的困难 | 第92-94页 |
·模糊神经网络算法 | 第94-95页 |
·仿真研究 | 第95-97页 |
·本章小结 | 第97-99页 |
第7章 基于模糊自适应PD的轨迹控制的实验研究 | 第99-113页 |
·引言 | 第99页 |
·2-DOF 机器人系统的组成 | 第99-100页 |
·2-DOF 机器人数学模型 | 第100-102页 |
·系统分析 | 第100-101页 |
·2-DOF 机器人系统的Home 位置 | 第101-102页 |
·开环模型 | 第102-105页 |
·前向运动学 | 第103-104页 |
·逆向运动学 | 第104-105页 |
·实验步骤及实验结果 | 第105-112页 |
·实验步骤 | 第105-108页 |
·实验结果 | 第108-112页 |
·本章小结 | 第112-113页 |
结论 | 第113-115页 |
参考文献 | 第115-125页 |
攻读博士学位期间承担的科研任务与主要成果 | 第125-127页 |
致谢 | 第127-128页 |
作者简介 | 第128页 |