第1章 绪论
1.1 课题背景和意义
1.2 机器人力控制概述
1.2.1 经典力控制方法
1.2.2 先进力控制方法
1.2.3 智能力控制方法
1.2.4 视觉／力觉混合控制方法
1.2.5 机器人力控制研究的应用前景
1.3 本书主要内容
第2章 预备知识
2.1 数学知识
2.2 稳定性概念
2.3 稳定性理论
2.4 刚体的位姿描述和齐次变换
2.4.1 位置描述——位置矢量
2.4.2 方位描述——旋转矩阵
2.4.3 位姿描述和齐次变换
2.5 雅可比矩阵
2.6 模糊控制的基本原理
模糊控制器的设计方法
2.7 神经网络基本理论及学习算法
2.7.1 神经网络简介
2.7.2 误差反传（BP）网络
2.7.3 径向基函数（RBF）网络
2.7.4 模糊神经网络理论分析
2.8 遗传算法
2.9 仿真知识
第3章 基于神经网络补偿不确定性的机器人力控制研究
3.1 基于神经网络补偿不确定性的机器人灰色预测力控制
3.1.1 神经网络补偿控制器的设计
3.1.2 灰色预测模糊PD调节
3.1.3 仿真实验
3.2 基于模糊CMAC补偿的机器人力／位置鲁棒实时控制
3.2.1 模糊CMAC
3.2.2 鲁棒自适应控制器的设计及其稳定性证明
3.2.3 仿真实验
3.3 基于环境估计的机器人神经网络阻抗控制
3.3.1 环境参数在线估计
3.3.2 神经网络补偿不确定性机器人阻抗控制
3.3.3 阻抗参数自适应调整
3.3.4 仿真分析
3.4 基于神经网络的容错机器人自适应滑模力／位置控制
3.4.1 问题描述
3.4.2 滑模变结构控制器的设计
3.4.3 仿真研究
3.5 本章小结
第4章 未确知环境刚度的位控机器人力控制研究
4.1 基于遗传算法优化模糊控制的灰色预测机器人力控制
4.1.1 基本遗传算法
4.1.2 遗传算法优化的模糊力控制器
4.1.3 灰色预测模糊控制
4.1.4 仿真研究
4.2 基于自适应模糊控制的位控机器人力控制
4.2.1 环境参数的估计
4.2.2 自适应模糊控制器
4.2.3 仿真研究
4.3 基于模糊神经网络的位控机器人力控制研究
4.3.1 模糊神经网络力控制器
4.3.2 环境分类神经网络
4.3.3 力控制器的模糊选择
4.3.4 仿真研究
4.4 模型参考模糊自适应力控制
4.4.1 模型参考自适应控制概述
4.4.2 模糊力控制器
4.4.3 刚度模糊自适应估计
4.4.4 仿真研究
4.5 本章小结
第5章 考虑过渡过程的机器人力控制研究
5.1 机器人模糊滑模阻抗控制
5.1.1 机器人动态模型
5.1.2 滑模控制器的设计
5.1.3 模糊控制器的设计
5.1.4 仿真研究
5.2 基于神经网络的机器人关节转矩力控制研究
5.2.1 机器人位置控制
5.2.2 机器人力控制
5.2.3 仿真研究
5.3 本章小结
第6章 基于视觉的机器人力控制研究
6.1 面向位控机器人的视觉／力觉混合控制
6.1.1 未知约束在线估计
6.1.2 阻抗力控制
6.1.3 仿真研究
6.2 基于图像雅可比矩阵的机器人视觉／力控制
6.2.1 未知环境的法线方向估计
6.2.2 图像雅可比矩阵的估计
6.2.3 视觉／力混合控制
6.2.4 仿真研究
6.3 基于神经网络视觉伺服的机器人模糊自适应阻抗控制
6.3.1 曲线图像特征与机器人关节角度的映射关系
6.3.2 模糊自适应阻抗控制
6.3.3 仿真研究
6.4 本章小结
第7章 基于MATLAB／Simulink的机器人力控制仿真研究
7.1 MATLAB简介
7.1.1 友好的工作平台和编程环境
7.1.2 简单易用的程序语言
7.1.3 强大的科学计算机数据处理能力
7.1.4 出色的图形处理功能
7.1.5 应用广泛的模块集合工具箱
7.1.6 实用的程序接口和发布平台
7.2 S-function简述
7.2.1 建立M文件S-function
7.2.2 定义S-function的初始信息
7.2.3 输入和输出参量说明
7.3 N自由度机器人力控制仿真
7.4 本章小结
第8章 X-Y平台力／位置智能控制
8.1 X-Y平台系统的数学模型
8.2 基于自适应模糊与CMAC并行的X-Y平台力／位置控制
8.2.1 控制系统的设计
8.2.2 仿真研究及结果分析
8.3 基于模糊CMAC的X-Y定位平台自适应力控制
8.3.1 模糊推理规则的实现
8.3.2 仿真研究
8.4 X-Y平台阻抗控制
8.4.1 阻抗控制概念
8.4.2 基于模糊神经网络的阻抗控制
8.4.3 仿真研究
8.5 本章小结
^ 收 起 
