| 第一章 绪论 | 第1-14页 |
| ·论文工作的背景和意义 | 第8-12页 |
| ·智能控制简介 | 第8-9页 |
| ·机器人学的研究领域 | 第9-11页 |
| ·机械手逆运动学的研究发展 | 第11-12页 |
| ·本文研究的主要内容 | 第12-14页 |
| 第二章 神经网络综述 | 第14-21页 |
| ·神经网络构成的基本原理 | 第14-18页 |
| ·人工神经元模型 | 第14-16页 |
| ·神经网络的基本模型结构 | 第16-17页 |
| ·神经网络的学习方法 | 第17-18页 |
| ·神经网络的一般训练过程 | 第18-21页 |
| ·产生数据样本集 | 第18-19页 |
| ·确定网络的类型和结构 | 第19-20页 |
| ·网络的训练和测试 | 第20-21页 |
| 第三章 神经网络在机械手逆运动学中的应用概述 | 第21-29页 |
| ·机械手逆运动学问题 | 第21-22页 |
| ·神经网络在机械手逆运动学问题中的应用 | 第22-29页 |
| ·基于神经网络的系统辨识原理 | 第22-24页 |
| ·前馈型神经网络在机械手逆运动学问题中的应用 | 第24-27页 |
| ·递归型神经网络在机械手逆运动学问题中的应用 | 第27-29页 |
| 第四章 基于BP 神经网络的机械手运动学逆解 | 第29-43页 |
| ·BP 神经网络概述 | 第29-30页 |
| ·BP 算法的数学基础 | 第30-32页 |
| ·BP 算法的缺陷分析及其改进 | 第32-33页 |
| ·基于激励函数改进的BP 算法 | 第33-39页 |
| ·激励函数对网络性能的影响 | 第33-34页 |
| ·激励函数的选择 | 第34-35页 |
| ·激励函数的改进及其性能分析 | 第35-37页 |
| ·仿真实验 | 第37-39页 |
| ·改进BP 算法在机械手逆运动学中的应用 | 第39-43页 |
| 第五章 基于递归型二阶神经网络的机械手运动学逆解 | 第43-61页 |
| ·递归型高阶神经网络简介 | 第43-45页 |
| ·递归型二阶神经网络在冗余度机械手逆运动学中的应用 | 第45-61页 |
| ·引言 | 第45-46页 |
| ·研究对象 | 第46-48页 |
| ·控制系统原理 | 第48-49页 |
| ·神经网络NN 设计 | 第49-52页 |
| ·仿真实验 | 第52-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 发表论文和参加科研情况 | 第67-68页 |
| 致谢 | 第68页 |