內容大鋼
本書以講授機器人智能控制基礎知識為目標，為相關專業提供最新的機器人智能控制理論、方法、演算法及其應用的介紹。全書共分為9章，系統地介紹了機器人智能控制的核心內容。首先，詳細闡述了智能控制的定義、機器人系統的組成、機器人控制的發展歷程與趨勢，為後續內容奠定了基礎。其次，深入探討了機器人軌跡規劃和路徑規劃的基本原理，包括運動學建模、關節空間和笛卡兒空間的軌跡規劃方法，以及基於採樣和基於搜索的路徑規劃及其在多機器人系統中的應用。然後，分析了機器人基礎運動控制的方法，涵蓋了單關節和多關節的控制技術，並介紹了操作空間控制。柔順控制部分詳細介紹了阻抗控制和力位混合控制的原理及其模擬與應用實例，強調了機器人與外界環境的柔順交互能力。在智能自適應控制方面，涵蓋了模型參考自適應控制、自適應神經網路控制和自適應模糊控制等內容，並配有實際模擬實例。機器人學習控制章節探討了強化學習、模仿學習和深度學習在機器人控制中的應用，展示了如何通過學習機器人能夠適應新的環境和任務。機器人視覺控制技術部分覆蓋了手眼標定、視覺伺服控制和視覺－阻抗控制等內容，深入探討了如何利用視覺信息進行精確的機器人控制。最後，對多機器人人協同控制的理論與實踐進行了深入分析，包括一致性演算法、編隊控制等關鍵技術。
本書可作為普通高等院校機器人工程、自動化、人工智慧、電腦等相關專業的教材，也可作為從事機器人、人工智慧等行業開發和應用人員的參考書。
目錄
序
前言
第1章 緒論
1.1 智能控制的定義
1.2 機器人系統的組成
1.3 機器人控制的發展歷程與趨勢
本章小結
參考文獻
第2章 機器人軌跡規劃
2.1 機器人軌跡規劃概述
2.2 基本概念
2.2.1 機械臂位姿的描述方法
2.2.2 機械臂運動學建模（D-H參數法）
2.2.3 正運動學求解
2.2.4 逆運動學求解
2.3 關節空間軌跡規劃
2.3.1 問題描述
2.3.2 三次多項式插值軌跡規劃
2.3.3 高階多項式插值軌跡規劃
2.3.4 梯形速度插值軌跡規劃
2.3.5 三次樣條軌跡規劃
2.3.6 MATLAB模擬實現
2.4 笛卡兒空間軌跡規劃
2.4.1 問題描述
2.4.2 點到點軌跡規劃
2.4.3 連續跟蹤軌跡規劃
2.4.4 運動學約束下的軌跡優化
2.4.5 MATLAB模擬實現
本章小結
參考文獻
第3章 機器人路徑規劃
3.1 機器人路徑規劃概述
3.1.1 引言
3.1.2 路徑規劃的分類
3.1.3 路徑規劃的關鍵技術
3.1.4 路徑規劃的應用與挑戰
3.2 基於採樣的路徑規劃
3.2.1 問題描述
3.2.2 基於RRT演算法的路徑規劃
3.2.3 基於Informed-RRT*演算法的路徑規劃
3.2.4 基於安全通道的FMT*路徑規劃演算法
3.2.5 MATLAB模擬實現
3.3 基於搜索的路徑規劃
3.3.1 問題描述
3.3.2 基於A*演算法的單機器人路徑規劃
3.3.3 基於θ*演算法的單機器人路徑規劃
3.3.4 基於CBS演算法的多機器人路徑規劃
3.3.5 MATLAB模擬實現
3.4 軌跡生成與優化
3.4.1 軌跡生成
3.4.2 軌跡優化
本章小結
參考文獻
第4章 機器人基礎運動控制
4.1 機器人的控制概述
4.2 機器人單關節控制
4.2.1 機器人單關節建模
4.2.2 機器人單關節PID控制
4.2.3 機器人傳動系統動力學控制
4.2.4 機器人單關節控制系統狀態空間設計方法
4.3 機器人多關節控制
4.3.1 機器人重力補償PD控制
4.3.2 機器人分解運動控制
4.3.3 機器人逆動力學控制
4.4 機器人操作空間控制
4.4.1 操作空間總體控制方案
4.4.2 機器人操作空間重力補償PD控制
4.4.3 機器人操作空間逆動力學控制
本章小結
參考文獻
第5章 機器人柔順控制
5.1 機器人柔順控制的基本概念
5.1.1 機器人柔順末端執行器
5.1.2 機器人阻抗控制
5.1.3 機器人力位混合控制
5.2 機器人阻抗控制
5.2.1 阻抗控制
5.2.2 導納控制
5.3 機器人力位混合控制
5.3.1 機器人笛卡兒空間力控制
5.3.2 基於位置的混合控制
5.3.3 基於任務空間線性反饋的力位混合控制
5.3.4 基於速度導納控制的複合控制器
5.4 機器人柔順控制模擬與應用實例
本章小結
參考文獻
第6章 機器人智能自適應控制
6.1 自適應控制理論概述和發展歷程
6.2 模型參考自適應控制
6.2.1 模型參考自適應控制系統的基本架構
6.2.2 自適應參數調整策略
6.3 機器人自適應神經網路控制
6.3.1 神經網路理論基礎
6.3.2 前向神經網路
6.3.3 反饋神經網路
6.3.4 神經網路控制
6.3.5 機器人RBF自適應神經網路控制
6.3.6 機器人自適應神經網路控制設計模擬實例
6.4 機器人自適應模糊控制
6.4.1 模糊控制的基本原理
6.4.2 機器人直接自適應模糊控制器設計
6.4.3 機器人間接自適應模糊控制器設計
6.4.4 機器人自適應模糊控制設計模擬實例
本章小結
參考文獻
第7章 機器人學習控制系統
7.1 機器人強化學習控制演算法
7.1.1 機器人強化學習概述
7.1.2 Q學習控制
7.1.3 Actor-Critic控制
7.1.4 機器人強化學習設計模擬實例
7.2 機器人模仿學習控制
7.2.1 動態運動基元
7.2.2 高斯混合模型
7.2.3 貝葉斯交互基元
7.3 機器人深度學習智能控制與應用
7.3.1 深度學習的發展歷程
7.3.2 深度學習框架
7.3.3 經典深度學習演算法介紹
7.3.4 基於深度學習的機器人抓取設計模擬實例
本章小結
參考文獻
第8章 機器人視覺控制
8.1 機器人視覺控制的基本原理
8.1.1 手眼標定原理
8.1.2 眼在手上的手眼標定
8.1.3 眼在手外的手眼標定
8.2 基於圖像的視覺伺服控制
8.2.1 視覺伺服基本控制
8.2.2 圖像交互矩陣
8.2.3 穩定性分析
8.3 基於位置的視覺伺服控制
8.4 機器人混合視覺伺服控制
8.5 基於圖像的無標定視覺伺服控制
8.5.1 機器人雅可比矩陣
8.5.2 圖像雅可比矩陣
8.5.3 圖像雅可比矩陣的估計
8.6 機器人視覺-阻抗控制
8.6.1 動力學模型
8.6.2 視覺-阻抗控制框架
8.7 機器人視覺伺服模擬實例
本章小結
參考文獻
第9章 多機器人協同控制
9.1 代數圖論基礎
9.1.1 圖的定義
9.1.2 簡單圖
9.1.3 &n
[