中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器人動態(tài)特性及動力學參數(shù)辨識研究 版權(quán)信息
- ISBN：9787810938679
- 條形碼：9787810938679 ; 978-7-81093-867-9
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機器人動態(tài)特性及動力學參數(shù)辨識研究 本書特色
《機器人動態(tài)特性及動力學參數(shù)辨識研究》由合肥工業(yè)大學出版社出版。
機器人動態(tài)特性及動力學參數(shù)辨識研究 內(nèi)容簡介
獲取機械系統(tǒng)的動態(tài)特性對其本身的精確運動和動力控制有著重要的意義和應(yīng)用價值。本書主要研究以工業(yè)機器人為典型代表的機械系統(tǒng)，對機器人系統(tǒng)的脈沖響應(yīng)函數(shù)在提取過程中的一系列問題進行了探討。對現(xiàn)有的時域法、頻域法及小波方法進行了辨析，并研究了適用于機器人的階躍激勵下的時域辨識方法，同時對機器人操作臂慣性參數(shù)辨識中的一些相關(guān)問題進行了研究。本書還研究了將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于系統(tǒng)參數(shù)辨識的方法，并且對時變系統(tǒng)的參數(shù)辨識進行了研究。
機器人動態(tài)特性及動力學參數(shù)辨識研究 目錄
總序
致謝
摘要
第1章 緒論
1.1 工業(yè)機器人概述
1.1.1 工業(yè)機器人
1.1.2 工業(yè)機器人的發(fā)展
1.1.3 工業(yè)機器人的構(gòu)成
1.1.4 機器人用傳感器
1.1.5 機器人機械臂的運動學與動力學分析方法
1.2 工業(yè)機器人動態(tài)特性及動力學參數(shù)辨識
1.2.1 工業(yè)機器人動力學建模與控制
1.2.2 脈沖響應(yīng)函數(shù)辨識是機器人動態(tài)特性分析的關(guān)鍵
1.2.3 階躍激勵是獲取機器人動態(tài)特性的有效途徑
1.2.4 機器人動力學研究中慣性參數(shù)辨識是熱點問題
1.3 系統(tǒng)辨識的分類及主要研究方法
1.3.1 系統(tǒng)辨識的定義
1.3.2 系統(tǒng)辨識的分類
1.3.3 基于人工神經(jīng)網(wǎng)絡(luò)的參數(shù)辨識
1.4 本論文的研究內(nèi)容、目的、意義
1.4.1 課題來源
1.4.2 本論文的主要研究工作
1.4.3 本論文研究的目的、意義
1.5 主要內(nèi)容章節(jié)安排
第2章 提取脈沖響應(yīng)函數(shù)的小波變換方法與時域法分析
2.1 引言
2.2 脈沖響應(yīng)函數(shù)
2.2.1 定義和性質(zhì)
2.2.2 脈沖響應(yīng)函數(shù)與結(jié)構(gòu)系統(tǒng)模態(tài)參數(shù)
2.2.3 現(xiàn)有提取系統(tǒng)脈沖響應(yīng)函數(shù)方法研究
2.2.4 時域法與頻域法的優(yōu)劣分析
2.3 基于小波變換的脈沖響應(yīng)函數(shù)提取方法研究
2.3.1 小波分析歷史回顧及其在振動工程上的應(yīng)用
2.3.2 小波分析理論
2.3.3 提取系統(tǒng)單位脈沖響應(yīng)函數(shù)的小波變換方法研究
2.4 時域法與小波變換方法內(nèi)在關(guān)系分析
2.4.1 循環(huán)小波方法與時域法關(guān)系
2.4.2 相關(guān)小波方法與時域法關(guān)系
2.5 時域方法與小波方法數(shù)值仿真及實驗
2.5.1 仿真模擬分析
2.5.2 實驗驗證
本章小結(jié)
第3章 階躍激勵下的系統(tǒng)動態(tài)特性辨識方法
3.1 引言
3.2 階躍信號的時域特性與頻域特性
3.2.1 時域分析
3.2.2 頻域分析
3.3 階躍信號的測量分析
3.3.1 階躍激勵與力傳感器
3.3.2 階躍信號與矩形脈沖信號
3.4 由階躍響應(yīng)確定階躍力
3.5 使用階躍響應(yīng)辨識系統(tǒng)的傳遞函數(shù)——面積法
3.6 階躍響應(yīng)求脈沖響應(yīng)的時域方法——差分法
3.6.1 原理
3.6.2 仿真算例
本章小結(jié)
第4章 提取系統(tǒng)脈沖響應(yīng)函數(shù)的時域方法研究
4.1 引言
4.2 信號平均方法概述
4.2.1 譜的線性平均方法
4.2.2 時間記錄線性平均
4.2.3 指數(shù)平均
4.2.4 rms平均及rms指數(shù)平均
4.3 時域方法病態(tài)問題解釋
4.3.1 頻域解釋
4.3.2 riemann—lebesgue引理解釋
4.3.3 用矩陣的奇異值解釋
4.3.4 病態(tài)問題數(shù)值實例
4.4 提取脈沖響應(yīng)函數(shù)的偏差補償方法
4.4.1 輸出誤差模型算法
4.4.2 輸入誤差模型算法
4.4.3 階躍激勵下的偏差補償算法
4.4.4 誤差分析
4.4.5 偏差補償算法與傳統(tǒng)時域法的關(guān)系分析
4.4.6 仿真算例
4.4.7 實驗驗證
4.5 提取脈沖響應(yīng)函數(shù)的誤差偏導(dǎo)數(shù)方法
4.5.1 輸出噪聲模型算法
4.5.2 輸入噪聲模型算法
4.5.3 仿真驗證
4.6 對兩種時域平均方法的討論
本章小結(jié)
第5章 機器人操作臂慣性參數(shù)辨識方法研究
5.1 引言
5.1.1 慣性參數(shù)
5.1.2 機器人慣性參數(shù)辨識方法的研究和發(fā)展
5.2 機器人運動學與動力學方程
5.2.1 機器人運動學
5.2.2 機器人動力學遞推方程
5.2.3 連桿組合體
5.2.4 慣性張量的坐標系變換
5.3 機器人六維腕力傳感器
5.3.1 機器人六維腕力傳感器簡要介紹
5.3.2 六維腕力傳感器的結(jié)構(gòu)
5.3.3 六維腕力傳感器微分運動影響
5.4 末端連桿慣性參數(shù)辨識
5.4.1 算法原理
5.4.2 實驗驗證
5.4.3 辨識結(jié)果
5.5 操作臂慣性參數(shù)全辨識方法
5.5.1 用慣性力補償連桿重力的方法
5.5.2 關(guān)節(jié)摩擦特性
5.5.3 辨識連桿質(zhì)量及質(zhì)心坐標
5.5.4 辨識連桿的慣性張量
5.5.5 方法的流程圖
5.5.6 仿真算例
5.5.7 討論
本章小結(jié)
第6章 基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)參數(shù)辨識方法
6.1 人工神經(jīng)網(wǎng)絡(luò)簡述
6.1.1 人工神經(jīng)元的模型
6.1.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形態(tài)
6.1.3 神經(jīng)網(wǎng)絡(luò)的學習規(guī)則
6.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
6.3 神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)辨識
6.3.1 神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識中的優(yōu)越性
6.3.2 神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的并聯(lián)模式與串一并聯(lián)模式
6.4 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識方法研究
6.4.1 問題的提出
6.4.2 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識方法
6.4.3 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識應(yīng)用實例
本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.2 創(chuàng)新點
7.3 有待進一步研究問題的展望
參考文獻
攻讀博士學位期間發(fā)表的論文
致謝
摘要
第1章 緒論
1.1 工業(yè)機器人概述
1.1.1 工業(yè)機器人
1.1.2 工業(yè)機器人的發(fā)展
1.1.3 工業(yè)機器人的構(gòu)成
1.1.4 機器人用傳感器
1.1.5 機器人機械臂的運動學與動力學分析方法
1.2 工業(yè)機器人動態(tài)特性及動力學參數(shù)辨識
1.2.1 工業(yè)機器人動力學建模與控制
1.2.2 脈沖響應(yīng)函數(shù)辨識是機器人動態(tài)特性分析的關(guān)鍵
1.2.3 階躍激勵是獲取機器人動態(tài)特性的有效途徑
1.2.4 機器人動力學研究中慣性參數(shù)辨識是熱點問題
1.3 系統(tǒng)辨識的分類及主要研究方法
1.3.1 系統(tǒng)辨識的定義
1.3.2 系統(tǒng)辨識的分類
1.3.3 基于人工神經(jīng)網(wǎng)絡(luò)的參數(shù)辨識
1.4 本論文的研究內(nèi)容、目的、意義
1.4.1 課題來源
1.4.2 本論文的主要研究工作
1.4.3 本論文研究的目的、意義
1.5 主要內(nèi)容章節(jié)安排
第2章 提取脈沖響應(yīng)函數(shù)的小波變換方法與時域法分析
2.1 引言
2.2 脈沖響應(yīng)函數(shù)
2.2.1 定義和性質(zhì)
2.2.2 脈沖響應(yīng)函數(shù)與結(jié)構(gòu)系統(tǒng)模態(tài)參數(shù)
2.2.3 現(xiàn)有提取系統(tǒng)脈沖響應(yīng)函數(shù)方法研究
2.2.4 時域法與頻域法的優(yōu)劣分析
2.3 基于小波變換的脈沖響應(yīng)函數(shù)提取方法研究
2.3.1 小波分析歷史回顧及其在振動工程上的應(yīng)用
2.3.2 小波分析理論
2.3.3 提取系統(tǒng)單位脈沖響應(yīng)函數(shù)的小波變換方法研究
2.4 時域法與小波變換方法內(nèi)在關(guān)系分析
2.4.1 循環(huán)小波方法與時域法關(guān)系
2.4.2 相關(guān)小波方法與時域法關(guān)系
2.5 時域方法與小波方法數(shù)值仿真及實驗
2.5.1 仿真模擬分析
2.5.2 實驗驗證
本章小結(jié)
第3章 階躍激勵下的系統(tǒng)動態(tài)特性辨識方法
3.1 引言
3.2 階躍信號的時域特性與頻域特性
3.2.1 時域分析
3.2.2 頻域分析
3.3 階躍信號的測量分析
3.3.1 階躍激勵與力傳感器
3.3.2 階躍信號與矩形脈沖信號
3.4 由階躍響應(yīng)確定階躍力
3.5 使用階躍響應(yīng)辨識系統(tǒng)的傳遞函數(shù)——面積法
3.6 階躍響應(yīng)求脈沖響應(yīng)的時域方法——差分法
3.6.1 原理
3.6.2 仿真算例
本章小結(jié)
第4章 提取系統(tǒng)脈沖響應(yīng)函數(shù)的時域方法研究
4.1 引言
4.2 信號平均方法概述
4.2.1 譜的線性平均方法
4.2.2 時間記錄線性平均
4.2.3 指數(shù)平均
4.2.4 rms平均及rms指數(shù)平均
4.3 時域方法病態(tài)問題解釋
4.3.1 頻域解釋
4.3.2 riemann—lebesgue引理解釋
4.3.3 用矩陣的奇異值解釋
4.3.4 病態(tài)問題數(shù)值實例
4.4 提取脈沖響應(yīng)函數(shù)的偏差補償方法
4.4.1 輸出誤差模型算法
4.4.2 輸入誤差模型算法
4.4.3 階躍激勵下的偏差補償算法
4.4.4 誤差分析
4.4.5 偏差補償算法與傳統(tǒng)時域法的關(guān)系分析
4.4.6 仿真算例
4.4.7 實驗驗證
4.5 提取脈沖響應(yīng)函數(shù)的誤差偏導(dǎo)數(shù)方法
4.5.1 輸出噪聲模型算法
4.5.2 輸入噪聲模型算法
4.5.3 仿真驗證
4.6 對兩種時域平均方法的討論
本章小結(jié)
第5章 機器人操作臂慣性參數(shù)辨識方法研究
5.1 引言
5.1.1 慣性參數(shù)
5.1.2 機器人慣性參數(shù)辨識方法的研究和發(fā)展
5.2 機器人運動學與動力學方程
5.2.1 機器人運動學
5.2.2 機器人動力學遞推方程
5.2.3 連桿組合體
5.2.4 慣性張量的坐標系變換
5.3 機器人六維腕力傳感器
5.3.1 機器人六維腕力傳感器簡要介紹
5.3.2 六維腕力傳感器的結(jié)構(gòu)
5.3.3 六維腕力傳感器微分運動影響
5.4 末端連桿慣性參數(shù)辨識
5.4.1 算法原理
5.4.2 實驗驗證
5.4.3 辨識結(jié)果
5.5 操作臂慣性參數(shù)全辨識方法
5.5.1 用慣性力補償連桿重力的方法
5.5.2 關(guān)節(jié)摩擦特性
5.5.3 辨識連桿質(zhì)量及質(zhì)心坐標
5.5.4 辨識連桿的慣性張量
5.5.5 方法的流程圖
5.5.6 仿真算例
5.5.7 討論
本章小結(jié)
第6章 基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)參數(shù)辨識方法
6.1 人工神經(jīng)網(wǎng)絡(luò)簡述
6.1.1 人工神經(jīng)元的模型
6.1.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形態(tài)
6.1.3 神經(jīng)網(wǎng)絡(luò)的學習規(guī)則
6.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
6.3 神經(jīng)網(wǎng)絡(luò)應(yīng)用于系統(tǒng)辨識
6.3.1 神經(jīng)網(wǎng)絡(luò)在系統(tǒng)辨識中的優(yōu)越性
6.3.2 神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的并聯(lián)模式與串一并聯(lián)模式
6.4 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識方法研究
6.4.1 問題的提出
6.4.2 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識方法
6.4.3 神經(jīng)網(wǎng)絡(luò)參數(shù)辨識應(yīng)用實例
本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.2 創(chuàng)新點
7.3 有待進一步研究問題的展望
參考文獻
攻讀博士學位期間發(fā)表的論文
展開全部
機器人動態(tài)特性及動力學參數(shù)辨識研究 節(jié)選
獲取機械系統(tǒng)的動態(tài)特性對其本身的精確運動和動力控制有著重要的意義和應(yīng)用價值。《機器人動態(tài)特性及動力學參數(shù)辨識研究》主要研究以工業(yè)機器人為典型代表的機械系統(tǒng)，對機器人系統(tǒng)的脈沖響應(yīng)函數(shù)在提取過程中的一系列問題進行了探討。對現(xiàn)有的時域法、頻域法及小波方法進行了辨析，并研究了適用于機器人的階躍激勵下的時域辨識方法，同時對機器人操作臂慣性參數(shù)辨識中的一些相關(guān)問題進行了研究。《機器人動態(tài)特性及動力學參數(shù)辨識研究》還研究了將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于系統(tǒng)參數(shù)辨識的方法，并且對時變系統(tǒng)的參數(shù)辨識進行了研究
機器人動態(tài)特性及動力學參數(shù)辨識研究 作者簡介
陳恩偉，1979年生，廣西合浦人，合肥工業(yè)大學機械設(shè)計及理論專業(yè)博士，現(xiàn)于中國科學技術(shù)大學固體力學博士后流動站工作。合肥工業(yè)大學機械與汽車工程學院教師。研究方向為：振動測試與控制、結(jié)構(gòu)動力學系統(tǒng)參數(shù)識別、機器人運動學及動力學。發(fā)表學術(shù)論文20余篇。
書友推薦
- >
中國歷史的瞬間
- >
【精裝繪本】畫給孩子的中國神話
- >
山海經(jīng)
- >
莉莉和章魚
- >
月亮虎
- >
詩經(jīng)-先民的歌唱
- >
隨園食單
- >
自卑與超越
本類暢銷
