正版新书]机器人控制(运动学控制器设计人机交互与应用实例)/机

目录



篇基础篇

章机器人学数学基础

1.1刚体的位姿描述

1.1.1位置描述

1.1.2姿态描述

1.1.3坐标系的描述

1.2坐标变换

1.2.1平移坐标变换

1.2.2旋转坐标变换

1.2.3一般坐标变换

1.3齐次变换

1.3.1齐次变换矩阵

1.3.2齐次变换矩阵的逆

1.4运动算子： 平移、旋转和变换

1.4.1平移算子

1.4.2旋转算子

1.4.3变换算子

1.5姿态的其他描述方法

1.5.1XYZ固定角坐标系

1.5.2ZYX欧拉角坐标系

1.5.3ZYZ欧拉角坐标系

1.5.4等效轴角坐标系

1.6本章小结

第2章机器人运动学建模

2.1连杆描述和关节变量

2.1.1机械臂的构成

2.1.2连杆描述

2.1.3连杆连接的描述

2.2DH参数法建立关节坐标系

2.2.1确定和建立坐标系的原则

2.2.2DH参数

2.2.3连杆坐标系建立的步骤

2.3机械臂正运动学方程

2.3.1连杆变换矩阵

2.3.2运动学方程的建立

2.4正运动学方程举例

2.5机械臂逆运动学

2.5.1关节空间与工作空间

2.5.2逆运动学问题的多解性与可解性

2.5.3逆运动学方程的求解

2.6本章小结






第3章机器人微分运动学

3.1机器人微分运动

3.1.1雅可比矩阵的定义

3.1.2旋转矩阵的导数

3.1.3连杆速度

3.2雅可比矩阵的计算

3.2.1对线速度的作用

3.2.2对角速度的作用

3.2.3雅可比矩阵的逆

3.3雅可比矩阵的计算举例

3.3.1平面三连杆机械臂

3.3.2拟人机械臂

3.3.3球形腕机械臂

3.4本章小结

第4章机器人动力学建模

4.1用牛顿欧拉法建立机器人动力学方程

4.1.1机器人刚体的加速度

4.1.2机器人刚体的质量分布

4.1.3牛顿欧拉递推动力学方程

4.2用拉格朗日法建立机器人动力学方程

4.2.1状态空间方程

4.2.2拉格朗日法

4.3机器人动力学建模举例

4.4本章小结

第5章机器人轨迹规划

5.1机器人轨迹规划概述

5.1.1运动、路径和轨迹规划

5.1.2轨迹规划的一般性问题

5.1.3轨迹的生成方式

5.2关节空间的轨迹规划

5.2.1三次多项式插值

5.2.2过路径点的三次多项式插值

5.2.3高阶多项式插值

5.2.4用抛物线过渡的线性插值

5.3直角坐标空间的轨迹规划

5.3.1直线插补

5.3.2圆弧插补

5.4本章小结

第6章机器人力和位置控制

6.1机器人控制系统概述

6.1.1机器人控制系统的特点

6.1.2机器人控制系统的功能

6.1.3机器人的控制方式

6.2机器人的位置控制

6.2.1单关节位置控制

6.2.2机器人的多关节控制

6.3机器人的力控制

6.4机器人的力/位混合控制

6.4.1力/位混合控制问题的提出

6.4.2以坐标系{C}为基准的直角坐标机械臂的力/位混合控制系统

6.4.3应用于一般机械臂的力/位混合控制系统

6.5本章小结

第二篇方法篇： 控制器设计与仿真

第7章神经网络控制

7.1神经网络控制基本原理

7.1.1神经网络控制的基本思想

7.1.2神经网络控制的特点

7.1.3神经网络控制的分类

7.2未知动态下机械臂全局神经网络控制器设计

7.2.1背景

7.2.2全局自适应神经网络控制器设计

7.2.3仿真实验

7.3一种具有输出约束的机械臂轨迹跟踪神经网络控制

7.3.1机械臂数学模型

7.3.2控制器设计

7.3.3控制器仿真

7.4基于有限时间收敛的机械臂全局自适应神经网络控制

7.4.1问题描述

7.4.2控制器设计

7.4.3仿真

7.5本章小结

第8章自适应控制

8.1自适应控制基本原理

8.1.1自适应控制系统的原理

8.1.2自适应控制系统的分类

8.2基于神经自适应观测器的柔性关节机器人控制

8.2.1自适应观测器设计

8.2.2柔性关节机器人控制器设计

8.2.3仿真

8.3基于在线模糊参数整定的双臂自适应控制

8.3.1问题描述

8.3.2控制器设计

8.3.3仿真结果

8.4基于有限时间收敛的机器人自适应参数估计与控制

8.4.1机器运动学和动力学建模

8.4.2有限时间参数辨识

8.4.3有限时间自适应控制器设计

8.4.4仿真与实验

8.4.5相关拓展

8.5神经网络自适应导纳控制

8.5.1问题描述

8.5.2基于神经网络的自适应控制器设计

8.5.3仿真控制

8.6本章小结

第9章其他控制方法

9.1其他控制方法介绍

9.1.1滑模控制

9.1.2模糊控制

9.1.3学习控制

9.1.4径向基函数神经网络

9.2基于输出受限的自适应控制器的机械臂参考轨迹调节

9.2.1背景

9.2.2轨迹跟踪控制器设计

9.2.3轨迹跟踪自适应模块设计

9.2.4仿真设计

9.3机械臂双臂协调的视觉伺服控制

9.3.1背景

9.3.2视觉伺服控制

9.3.3实验

9.4基于神经网络的未知机械臂导纳控制

9.4.1力观测器

9.4.2控制器设计

9.4.3仿真验证

9.5基于输入饱和的机械臂增强导纳控制

9.5.1饱和约束问题描述

9.5.2观测器设计

9.5.3控制器设计

9.5.4仿真验证

9.6基于人工势场法的全向移动机器人路径规划

9.6.1全向轮运动学和动力学建模

9.6.2人工势场法

9.6.3全向移动机器人的模型预测控制器设计

9.6.4仿真与结果

9.7基于牛顿欧拉模型的自适应迭代学习控制

9.7.1问题描述

9.7.2学习控制器设计

9.7.3仿真

9.8本章小结

第三篇应用篇： 机器人控制技术在人机交互中的应用

0章人机交互

10.1基于视触觉融合的虚拟现实人机交互平台

10.1.1虚拟现实

10.1.2基于视触觉融合的虚拟现实人机交互平台设计

10.1.3基于视触觉融合的虚拟现实人机交互平台的搭建

10.2应用于生物反馈的人机交互技术研究

10.2.1脑电模式识别算法研究与设计

10.2.2游戏设计与实现

10.2.3实验过程与结果分析

10.3应用于人机情景交互的视觉图像处理技术研究

10.3.1图像处理算法简介

10.3.2基于人机情景交互的图像处理算法设计

10.3.3图像处理研究实验过程及其结果

10.4生物反馈增强型多媒体游戏的开发

10.4.1BCI的设计

10.4.2多媒体游戏的设计

10.5本章小结

1章机器人遥操作技术

11.1基于视觉融合技术的机械臂三维遥操作系统

11.1.1背景

11.1.2脑机接口设计

11.1.3机械臂三维遥操作系统控制部分设计

11.1.4机械臂三维遥操作系统的视觉伺服部分设计

11.2基于肌电信号的移动机器人遥操作控制

11.2.1遥操作系统结构

11.2.2基于表面肌电信号的人机遥操作控制

11.2.3实验

11.3基于表面肌电信号的人机书写技能传递

11.3.1人体臂关节

11.3.2实验设计

11.3.3人机器人技能传递

11.4基于触觉反馈的Baxter机器人遥操作控制

11.4.1遥操作控制系统

11.4.2肌肉活动提取

11.4.3基于sEMG的变增益控制

11.4.4实验设计

11.5基于人体运动跟踪的Baxter机器人遥操作控制

11.5.1遥操作系统

11.5.2遥操作控制系统设计

11.5.3实验

11.6基于RBF神经网络和波变量的双臂协同遥操作控制

11.6.1双臂协同控制遥操作系统建模

11.6.2从端控制器设计

11.6.3实验

11.7本章小结

2章机器人示教

12.1应用于人机示教的运动技能扑捉、传递与拓展

12.1.1实验仿真平台介绍

12.1.2人机示教系统设计

12.1.3神经网络控制器设计

12.1.4仿真及实验

12.1.5小结

12.2机器人自适应操作技能学习

12.2.1人机技能泛化框架

12.2.2实验验证

12.2.3小结

12.3基于动态运动原语的机器人技能学习与泛化

12.3.1方法

12.3.2实验验证

12.3.3小结

12.4基于EMG估计的肌肉疲劳度在机器人示教中的应用

12.4.1基于EMG评估肌肉疲劳

12.4.2机器人从多次示教中学习

12.4.3实验与结果

12.4.4小结

12.5本章小结

3章其他应用

13.1基于阻抗匹配策略的物理人机交互控制

13.1.1人机交互系统

13.1.2人手臂阻抗参数识别

13.1.3机器人阻抗控制模型

13.1.4基于函数逼近的自适应控制器

13.1.5仿真

13.2基于视觉交互和RBF神经网络的机器人遥操作系统

13.2.1机器人遥操作系统

13.2.2遥操作系统中关键算法

13.2.3仿真实验

13.3基于零空间的机器人柔顺控制

13.3.1系统描述

13.3.2控制器设计

13.3.3仿真

13.4本章小结

参考文献

杨辰光，广东省智能系统控制工程技术研究中心主任，入选gj级青年人才计划，欧盟“玛丽·居里”个人学者国际引进计划。曾开创性地提出仿人机器人变阻抗控制方法，获得机器人领域d级IEEE Transactions oRobotics奖，以及IEEE信息自动化年会等十余个国际会议奖，入选科睿唯安高被引科学家。担任美国IEEE会员，多个IEEE Transactions等国际知名编委。

本书将理论与实际相结合，是较为少见的完整的从基础知识到应用实践的机器人控制系列书籍。初学者可以从中学习机器人控制的基础理论，而相关领域的科研人员可以通过这本书接触到当前机器人控制的优选技术，适合不同层次的机器人爱好者学习。