| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文的主要研究内容及结构安排 | 第14-15页 |
| 第2章 机器人的动力学模型 | 第15-19页 |
| 2.1 串联机器人的拉格朗日动力学方程 | 第15-18页 |
| 2.2 机器人的动力学特性 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 机器人的常规滑模变结构控制方法 | 第19-31页 |
| 3.1 滑模变结构控制基本理论 | 第19-23页 |
| 3.1.1 滑模变结构控制的定义 | 第19-21页 |
| 3.1.2 滑动模态的存在性和可达性 | 第21页 |
| 3.1.3 滑模变结构控制系统的动态品质 | 第21-22页 |
| 3.1.4 滑模变结构控制的一般设计方法 | 第22-23页 |
| 3.2 传统的机器人滑模变结构控制 | 第23-24页 |
| 3.3 传统的机器人滑模控制仿真实验 | 第24-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 改进的自适应模糊滑模变结构控制方法 | 第31-48页 |
| 4.1 模糊控制概述 | 第31-36页 |
| 4.1.1 Mamdani模糊系统 | 第31-34页 |
| 4.1.2 模糊系统的万能逼近性 | 第34-35页 |
| 4.1.3 模糊控制器的分类及设计方法 | 第35-36页 |
| 4.2 改进的机器人自适应模糊滑模变结构控制 | 第36-40页 |
| 4.2.1 常见模糊滑模变结构控制方法 | 第36页 |
| 4.2.2 带有自适应补偿器的自适应模糊滑模变结构控制 | 第36-40页 |
| 4.3 算法仿真实验 | 第40-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 和声优化神经网络滑模变结构控制方法 | 第48-66页 |
| 5.1 和声搜索算法概述 | 第48-52页 |
| 5.1.1 和声搜索算法的基本原理 | 第48-51页 |
| 5.1.2 改进的和声搜索算法 | 第51-52页 |
| 5.2 RBF神经网络概述 | 第52-54页 |
| 5.2.1 RBF神经网络结构 | 第52-53页 |
| 5.2.2 RBF神经网络结构的学习算法 | 第53-54页 |
| 5.3 改进的RBF神经网络自适应滑模控制 | 第54-58页 |
| 5.3.1 自适应RBF神经网络滑模变结构控制器 | 第55-56页 |
| 5.3.2 稳定性证明 | 第56-57页 |
| 5.3.3 和声搜索算法优化RBF神经网络的结构参数 | 第57-58页 |
| 5.4 算法实验仿真 | 第58-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 论文总结 | 第66-67页 |
| 论文还需进一步研究之处 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第72-73页 |
| 致谢 | 第73页 |