前言
第1章机器人机构与控制概述1
11机器人的机构1
12机器人的控制4
13有关的矩阵理论和稳定性理论7
131广义逆矩阵7
132奇异值分解8
133李雅普诺夫稳定性理论10
14控制中常用的传感器12
141外部传感器13
142内部传感器13
143机器人控制中的传感器14
15本章作业20第1篇机器人控制的力学基础
第2章机器人机构运动学22
21物体的位置与姿态22
211物体坐标系22
212旋转矩阵23
213欧拉角25
214滚转角、倾斜角、俯仰角27
22坐标变换28
221齐次变换28
222变换的积与逆变换30
23关节变量与机器人末端位置31
231一般的关系31
232连杆参数33
233连杆坐标系34
234正运动学问题的解法37
24逆运动学问题40
25雅可比矩阵45
251物体的运动速度45
252雅可比矩阵的定义48
253机器人机构各连杆间的速度
关系49
254雅可比矩阵Jv的一般表达式51
255实现给定机器人末端速度的
关节速度53
256奇异位形54
26静力学与雅可比矩阵56
261不同直角坐标系中表示的
等效力56
262末端载荷与等效关节驱动力58
27本章作业59
第3章机器人机构动力学60
31动力学分析方法概述60
32力学基础知识60
321牛顿欧拉运动方程60
322虚功原理63
323拉格朗日运动方程65
33基于拉格朗日法的运动方程66
331n自由度机器人机构68
332并行驱动的2自由度机器人
机构72
34基于牛顿欧拉法的运动方程73
341推导的基本过程73
342各连杆之间的加速度关系74
343n自由度机器人机构75
35运动方程的运用与计算效率79
351实时控制——逆动力学问题79
352仿真——正动力学问题80
36机器人机构的参数辨识81
361机器人机构的参数辨识问题81
362基于拉格朗日方程的辨识
方法81
363末端载荷的辨识86
37本章作业87
第4章机器人机构可操作性88
41可操作性椭球与可操作度88
42常见机器人的可操作度分析92
4212关节连杆机构92
422SCARA机器人93
423PUMA机器人94
424直角坐标型机器人、圆柱坐标型
机器人和极坐标型机器人95
425具有4个关节的机器人95
43各种其他可操作性指标96
44动力学可操作性97
441动力学可操作性椭球与
可操作度97
4422关节连杆机构100
45本章作业103
目录第2篇机器人传统控制方法的理论基础
第5章机器人的位置控制105
51目标路径与目标轨迹105
511根据关节变量确定路径的方法105
512根据末端位置确定轨迹的方法108
52线性反馈控制111
521线性反馈控制规律的有效性111
522位置或速度反馈控制规律的
稳定性112
53基于线性化补偿原理的双闭环控制113
531基本思想113
532控制系统的构成116
533并行计算方式117
54伺服补偿器的设计与评价120
541线性伺服系统理论120
542稳定余度及灵敏度123
55速度输入下的位置控制125
551单关节的动作控制126
552多关节机器人的动作控制129
56转矩输入下的位置控制129
561单关节的动作控制129
562多关节机器人的动作控制134
57本章作业136
第6章机器人的力控制137
61柔顺控制137
611被动柔顺138
612主动柔顺139
62阻抗控制141
621被动阻抗法141
622主动阻抗控制法——单自由度的
情形142
623主动阻抗控制法——一般情形145
624导纳控制147
63混合控制法148
631基于反馈补偿的控制148
632动力学混合控制150
64约束运动156
641刚性环境156
642柔性环境159
65本章作业160
第7章冗余度机器人的控制161
71冗余度机器人161
72控制问题的数学模型161
721基于顺序优先级的任务作业
表示161
722问题的数学描述和基本方程162
723按目标轨迹给定的情形162
724按评价函数给定的情形163
725瞬时最优化问题的数学描述163
73避障与避奇异位形164
731避障164
732避奇异位形165
74关节目标速度的数值计算法166
75本章作业167第3篇机器人高级控制方法的理论基础
第8章机器人的学习控制169
81学习控制的前提条件169
82D型学习控制（线性系统）170
83机器人中的D型学习控制175
84P型学习控制178
85带有忘却因子的学习控制180
86具有记忆选择功能的学习控制183
87机器人控制中的强化学习185
871控制中强化学习的分类185
872闭环交互式学习方法186
873直接方法191
88学习控制的应用194
89本章作业196
第9章基于视觉的机器人控制197
91图像处理197
911图像分割198
912图像解释201
92位形获取202
921解析解202
922映射矩阵205
93相机标定207
94机器人视觉伺服控制209
941基于位置的视觉伺服210
942基于图像的视觉伺服212
95机器人复合视觉伺服控制215
96本章作业220
第10章机器人的稳定性控制221
101机器人控制稳定性理论221
102基于状态观测及补偿的机器人稳定
控制222
1021机器人系统模型描述222
1022状态观测及补偿设计223
1023稳定性分析225
1024机器人稳定性控制仿真226
103针对建模误差的机器人稳定控制228
1031建模误差描述228
1032鲁棒控制器设计及稳定性
分析229
1033机器人稳定性控制仿真230
104本章作业232
第11章机器人的滑模控制233
111滑模变结构控制的基本原理与
特点233
1111滑模变结构控制的基本原理233
1112滑模变结构系统的特点235
1113滑模变结构系统的设计步骤236
112机器人滑模控制器设计原理237
113机器人名义模型的滑模控制238
1131机器人滑模控制器设计238
1132机器人滑模控制仿真240
114基于计算力矩法的机器人滑模
控制241
1141机器人滑模控制器设计241
1142机器人滑模控制仿真242
115基于稳定性理论的机器人滑模
控制243
116本章作业245
第12章机器人的神经网络控制246
121神经网络控制的引理246
122RBF神经网络的逼近算法247
1221RBF神经网络247
1222RBF神经网络的Cover定理248
1223RBF神经网络的插值问题251
1224RBF神经网络逼近算法253
1225RBF神经网络逼近仿真254
123机器人RBF神经网络自适应控制254
1231机器人名义模型建模254
1232模型不确定部分的RBF神经
网络逼近255
1233控制器的设计和分析256
1234机器人神经网络自适应控制
仿真259
124本章作业261
第13章多机器人的协同控制263
131多机器人协同系统的运动学模型263
132多机器人协同系统的静力学关系与
广义力椭球265
1321静力学关系265
1322多机器人协同系统广义力
椭球268
133多机器人协同系统的动力学模型270
1331机器人和物体动力学建模270
1332多机器人协同系统建模271
1333协同多机器人系统整体建模272
134多机器人协同系统的动态载荷
分配273
135多机器人协同系统的控制274
1351主从控制274
1352力位混合控制275
136本章作业279
参考文献280