機器人系統神經網絡建模與規劃

1 緒論
1.1 背景意義
1.2 發展歷史
1.3 智慧機器人的形式與類別
1.3.1 工業機器人
1.3.2 服務機器人
1.3.3 特種機器人
1.4 關鍵技術
1.4.1 多傳感資訊融合技術
1.4.2 多智能體系統技術
1.4.3 人機協作與人機接口技術
1.4.4 情感表達與辨識技術
1.4.5 機器視覺技術
1.5 應用案例
課後習題
2 位姿描述與變換
2.1 空間向量運算
2.2 位姿的描述
2.3 旋轉矩陣與姿態角
2.4 機器人變換方程
課後習題
3 機器人運動學建模與分析
3.1 連桿參數與關節變量
3.1.1 單連桿描述
3.1.2 多連桿連接描述
3.1.3 連桿座標系
3.1.4 連桿變換推導
3.2 機械手臂正向運動學
3.2.1 運動位置與座標表示
3.2.2 剛體方位與運動姿態
3.2.3 機械手臂運動方程式表示
3.3 機械手臂逆向運動學
3.3.1 解的存在性分析
3.3.2 多重解分析
3.3.3 解法概述
3.3.4 代數解法
3.3.5 幾何解法
3.3.6 三軸相交的Pieper解法
3.4 機械手臂微分運動與雅可比矩陣
3.4.1 微分平移和微分旋轉
3.4.2 微分運動的等價變換
3.4.3 雅可比矩陣
3.4.4 用微分變換法解雅可比矩陣
課後習題
4 神經網絡建模基礎知識
4.1 神經網絡技術
4.1.1 生物神經網絡
4.1.2 人工神經網絡
4.1.3 典型的神經網絡學習演算法
4.1.4 深度神經網絡
4.2 對偶神經網絡
4.3 線性變分不等式原對偶神經網絡
4.4 零化神經網絡
4.5 變參遞歸神經網絡
4.6 本章小結
課後習題
5 變參遞歸神經網絡建模
5.1 受多類別約束的時變二次規劃問題
5.2 基於懲罰策略的變參遞歸神經網絡求解演算法
5.3 模擬實例
5.3.1 受等式和單端不等式限制的時變二次規劃問題
5.3.2 受等式和雙端不等式限制的時變二次規劃問題
5.3.3 受等式、單端和雙端不等式約束的時變二次規劃問題
5.4 本章小結
課後習題
6 固定平臺冗餘度機器人神經網絡規劃方案
6.1 以時變二次規劃為基礎的運動規劃方案
6.2 神經網絡求解演算法
6.3 機器人實例實驗
6.3.1 蝴蝶曲線軌跡追蹤實驗
6.3.2 Lissajous曲線軌跡追蹤實驗
6.4 本章小結
課後習題
7 移動冗餘度機器人神經網絡規劃方案
7.1 移動冗餘度機器人運動學分析
7.2 以時變二次規劃為基礎的運動規劃方案
7.3 神經網絡求解演算法
7.4 機器人模擬實驗
7.4.1 五角星曲線軌跡追蹤實驗
7.4.2 LissajOUS曲線軌跡追蹤實驗
7.5 本章小結
課後習題
8 機器人多指標神經網絡運動規劃方案
8.1 單機械手臂速度層多指標運動規劃
8.1.1 無窮範數最佳化方案
8.1.2 速度層三指標最佳化方案
8.1.3 速度層三指標運動規劃模型的轉化
8.2 線性變分不等式原對偶神經網絡
8.2.1 二次規劃與對偶二次規劃的等價關係
8.2.2 二次規劃與線性變分不等式的等價關係
8.2.3 線性變分不等式與分段線性投影方程式的等價關係
8.3 單機械臂速度層三指標運動規劃求解
8.4 單機械手臂加速度層多指標運動規劃
8.4.1 加速度層運動規劃模型
8.4.2 加速度層多指標運動規劃模型
8.4.3 加速度層三指標運動規劃求解
8.5 類人雙機械手臂加速度層運動規劃方案
8.6 本章小結
課後習題
9 噪音幹擾下機器人節律神經網絡建模與規劃
9.1 節律神經網絡模型構建
9.1.1 時變矩陣方程式問題
9.1.2 連續時間節律神經網絡模型
9.1.3 離散時間節律神經網絡模型
9.1.4 零化神經網絡模型
9.2 連續時間節律神經網絡理論分析
9.2.1 連續時間節律神經網絡收斂性分析
9.2.2 連續條件下李普希茲條件證明
9.3 離散時間節律神經網絡理論分析
9.3.1 必要的定義說明
9.3.2 離散條件下李普希茲條件證明
9.3.3 離散時間節律神經網絡的收斂性與穩定誤差證明
9.4 模擬與實驗驗證
9.4.1 模擬實驗說明
9.4.2 與零化神經網絡的模擬結果對比
9.4.3 常數噪聲幹擾
9.4.4 週期方波噪音幹擾
9.4.5 週期鋸齒波噪音幹擾
9.4.6 隨機週期混合噪音幹擾
9.4.7 參數比較選擇
9.5 機器人模擬實驗
9.5.1 含有三個指標的冗餘度機械手臂運動規劃數學模型
9.5.2 模擬實驗設計
9.5.3 離散時間節律神經網絡與離散時間零化神經網絡的模擬比較
9.5.4 離散時間節律神經網絡的參數影響分析
9.6 機器人實例實驗
9.7 本章小結
課後習題
參考文獻