第1章　绪论 001

1.1　工业机器人运动学参数标定 003

1.1.1　工业机器人末端位姿测量 003

1.1.2　工业机器人运动学参数辨识 006

1.1.3　工业机器人运动学参数补偿 007

1.2　机器人控制参数智能优化 008

1.3　本书主要内容 009

第2章　面向工业机器人参数优化的典型智能计算 012

2.1　性能指标及约束条件 012

2.2　深度优先搜索算法 015

2.3　粒子群优化算法 016

2.3.1　速度及位置更新公式 016

2.3.2　参数设定规则 016

2.4　差分进化算法 018

2.5　蝙蝠算法 020

2.6　模糊计算 021

2.6.1　模糊系统基本结构 021

2.6.2　Mamdani 型模糊计算 023

第3章　基于粒子群算法的机器人末端测量仪器参数标定 024

3.1　概述 024

3.2　基于粒子群算法的R-test 结构参数标定方法 025

3.2.1　R-test 的结构参数传统标定方法 025

3.2.2　基于正交位移的R-test 026

3.2.3　基于粒子群算法的R-test 非冗余结构参数标定方法 030

3.2.4　R-test 测量工业机器人精度 033

3.3　传感器测量球面误差的测量方法及实验研究 034

3.3.1　基于基准点标定的传感器测量球面误差的测量方法 035

3.3.2　激光位移传感器测量球面实验 038

3.4　基于R-test 的球心三维位移测量方法实验 042

3.4.1　基于粒子群算法的R-test 结构参数标定方法实验 043

3.4.2　R-test 测量工业机器人精度实验 047

第4章　基于LSM-PSO 算法的机器人运动学参数标定 051

4.1　概述 051

4.2　工业机器人运动学正解和反解模型 051

4.2.1　经典DH 法则 051

4.2.2　垂直六关节型工业机器人运动学正解和反解模型 052

4.3　工业机器人运动学参数误差模型 058

4.3.1　单个连杆误差参数模型 058

4.3.2　串联运动链的运动学误差参数模型 060

4.4　基于LSM-PSO 的位置误差模型辨识算法 063

4.4.1　基于手眼位姿参数分离的位置误差辨识模型 063

4.4.2　基于LSM-PSO 的分步辨识算法 065

4.4.3　仿真结果分析 067

第5章　基于约束蝙蝠算法的机器人控制参数离线优化 069

5.1　概述 069

5.2　机器人控制参数离线优化方案 069

5.3　ε 约束处理机制 071

5.4　数据驱动约束蝙蝠算法研究 072

5.4.1　数据驱动约束蝙蝠算法的框架 072

5.4.2　数据驱动约束蝙蝠算法的关键模块设计 074

5.4.3　收敛性验证 078

5.5　数据驱动约束蝙蝠算法的数值仿真实验 081

5.5.1　提议的GDFS 策略的有效性 081

5.5.2　基于CEC2017 基准约束函数的实验 081

第6章　基于模糊计算的机器人控制参数在线优化 089

6.1　概述 089

6.2　机器人控制参数在线优化方案 090

6.2.1　永磁同步伺服驱动系统 090

6.2.2　模糊自适应PI 控制方法 092

6.3　预测型模糊自适应PI 控制结构 093

6.3.1　改进的预测函数控制模块 093

6.3.2　自适应模糊调整器 095

6.3.3　新型自抗扰PI 控制器 097

6.4　基于频率响应的控制参数优化流程 098

6.4.1　基于D-分解理论的稳定性和H∞ 鲁棒性分析 099

6.4.2　基于稳定性和H∞鲁棒性条件的初始参数的设计标准 102

6.5　仿真实验 103

第7章　工业机器人参数标定与优化实践 107

7.1　工业机器人运动学参数标定实践 107

7.1.1　误差建模 107

7.1.2　位置测量 109

7.1.3　误差辨识 110

7.2　工业机器人控制参数优化实践 113

7.2.1　系统描述 113

7.2.2　控制参数优化 114

7.2.3　仿真实例 116

参考文献 128