基于数据驱动的工业机器人自学习轨迹规划方法

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状

1.2.1 机器人轨迹规划研究现状

1.2.2 机器人在线学习研究现状

1.2.3 机器人离线学习研究现状

1.3 本文主要研究内容

第2章 机器人轨迹规划

2.1 机器人运动学模型

2.1.1 机器人运动学模型的建立

2.1.2 机器人ER3A运动学模型

2.1.3 机器人逆向运动学

2.1.4 几何轨迹插值处理

2.2.1 小线段数学模型

2.2.2 进给速度约束

2.2.3 单轴性能限制

2.2.4 前瞻机制

2.2.5 轨迹插补模块

2.3 轨迹规划算法仿真

2.4 本章小结

第3章 机器人离线模型学习

3.1 机械系统描述

3.2 离线学习算法

3.2.1 离线学习问题表述

3.2.2 BP神经网络模型与训练准则

3.2.3 训练数据选择与处理

3.2.4 输入特征选择与预处理

3.3 离线学习仿真

3.3.1 三自由度机器人动力学模型

3.3.2 训练数据生成

3.3.3 神经网络训练

3.3.4 输入特征选择仿真

3.3.5 轨迹跟踪性能泛化性仿真

3.4 本章小结

第4章 机器人在线迭代学习

4.1 在线学习算法

4.1.1 RBF神经网络

4.1.2 神经网络参数初始化

4.1.3 学习律设计

4.1.4 李雅普诺夫稳定性证明

4.2 在线学习仿真

4.2.1 神经网络预训练仿真

4.2.2 跟踪误差衰减仿真

4.2.3 鲁棒性仿真

4.3 本章小结

第5章 轨迹规划与学习算法实验与分析

5.1.1 机器人实验平台介绍

5.1.2 轨迹规划实验与分析

5.2 离线学习实验与分析

5.2.1 机器人离线学习实验与分析

5.2.2 XY平台离线学习实验与分析

5.3 在线学习实验与分析

5.4 离线学习与在线学习的结合使用

5.5 本章小结

结论

参考文献

附录A 机器人逆向运动学

附录B 样条插值

附录C 位姿确定

C.1 位置和姿态独立的情况

C.2 位置和姿态耦合的情况

声明

致谢