摘要 | 第1-10页 |
Abstract | 第10-15页 |
第1章 绪论 | 第15-27页 |
·课题背景和意义 | 第15-16页 |
·机器人力控制概述 | 第16-25页 |
·经典力控制方法 | 第17-18页 |
·先进力控制方法 | 第18-19页 |
·智能力控制方法 | 第19-20页 |
·视觉/力觉混合控制方法 | 第20-21页 |
·机器人力控制研究的应用前景 | 第21-25页 |
·本文研究内容 | 第25-27页 |
第2章 基于神经网络补偿不确定性的机器人力控制研究 | 第27-43页 |
·基于神经网络补偿不确定性的机器人灰色预测力控制 | 第27-32页 |
·神经网络补偿控制器的设计 | 第28-29页 |
·灰色预测模糊 PD 调节 | 第29-31页 |
·仿真研究 | 第31-32页 |
·基于模糊 CMAC 补偿的机器人力/位置鲁棒实时控制 | 第32-37页 |
·模糊 CMAC | 第33-35页 |
·鲁棒自适应控制器的设计及其稳定性证明 | 第35-37页 |
·仿真研究 | 第37页 |
·基于环境估计的机器人神经网络阻抗控制 | 第37-42页 |
·环境参数在线估计 | 第38页 |
·神经网络补偿不确定性机器人阻抗控制 | 第38-41页 |
·阻抗参数自适应调整 | 第41页 |
·仿真分析 | 第41-42页 |
·本章小结 | 第42-43页 |
第3章 未确知环境刚度的位控机器人力控制研究 | 第43-60页 |
·基于遗传算法优化模糊控制和灰色预测的机器人力控制 | 第43-48页 |
·基本遗传算法 | 第43-45页 |
·遗传算法优化的模糊力控制器 | 第45-46页 |
·灰色预测模糊控制 | 第46-48页 |
·仿真研究 | 第48页 |
·基于自适应模糊控制的位控机器人力控制 | 第48-51页 |
·环境参数的估计 | 第49页 |
·自适应模糊控制器 | 第49-50页 |
·仿真研究 | 第50-51页 |
·基于模糊神经网络的位控机器人力控制研究 | 第51-54页 |
·模糊神经网络力控制器 | 第52页 |
·环境分类神经网络 | 第52-53页 |
·力控制器的模糊选择 | 第53页 |
·仿真研究 | 第53-54页 |
·模型参考模糊自适应力控制 | 第54-59页 |
·模型参考自适应控制概述 | 第54-56页 |
·模糊力控制器 | 第56-57页 |
·刚度模糊自适应估计 | 第57-58页 |
·仿真研究 | 第58-59页 |
·本章小结 | 第59-60页 |
第4章 考虑过渡过程的机器人力控制研究 | 第60-68页 |
·机器人模糊滑模阻抗控制 | 第60-64页 |
·机器人动态模型 | 第60-61页 |
·滑模控制器的设计 | 第61-62页 |
·模糊控制器的设计 | 第62-63页 |
·仿真研究 | 第63-64页 |
·基于神经网络的机器人关节转矩力控制研究 | 第64-67页 |
·机器人位置控制 | 第64-66页 |
·机器人力控制 | 第66页 |
·仿真研究 | 第66-67页 |
·本章小结 | 第67-68页 |
第5章 基于视觉的机器人力控制研究 | 第68-76页 |
·面向位控机器人的视觉/力觉混合控制 | 第68-71页 |
·未知约束在线估计 | 第68-69页 |
·阻抗力控制 | 第69-71页 |
·仿真研究 | 第71页 |
·基于图像雅可比矩阵的机器人视觉/力控制 | 第71-75页 |
·未知环境的法线方向估计 | 第72页 |
·图像雅可比矩阵的估计 | 第72-73页 |
·视觉/力觉混合控制 | 第73-74页 |
·仿真研究 | 第74-75页 |
·本章小结 | 第75-76页 |
第6章 基于MATLAB/Simulink 的机器人力控制仿真研究 | 第76-83页 |
·S-function 简述 | 第76-78页 |
·建立 m 文件 S-function | 第76-77页 |
·定义 S-function 的初始信息 | 第77页 |
·输入和输出参量说明 | 第77-78页 |
·N 自由度机器人力控制仿真 | 第78-82页 |
·本章小结 | 第82-83页 |
结论 | 第83-84页 |
参考文献 | 第84-96页 |
攻读博士学位期间承担的科研任务与主要成果 | 第96-98页 |
致谢 | 第98页 |