本书是基于MATLAB 6.5环境下开发的。全书以机器人为对象，共分10章，对先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划等方法作了介绍，并且每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

本书系统地介绍了机器人控制的几种先进设计方法，是作者多年来从事机器人控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。

全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑模控制、自适应鲁棒控制、系统辨识和路径规划。每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。

本书各部分内容既相互联系又各自独立，读者可根据需要选择学习。本书适用于从事生产过程自动化、计算机应川、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校丁业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

第1章 绪论

 1.1 机器人控制方法简介

1.1.1 机器人常用的控制方法

1.1.2 不确定机器人系统的控制

 1.2 机器人动力学模型及其结构特性

 1.3 基于S函数的SIMULINK仿真

1.3.1 S函数简介

1.3.2 S函数使用步骤

1.3.3 S函数的基本功能及重要参数设定

第2章 机器人PID控制

 2.1 机器人独立PD控制

2.1.1 控制律设计

2.1.2 收敛性分析

2.1.3 仿真实例

 2.2 基于重力补偿的机器人PD控制

2.2.1 控制律设计

2.2.2 控制律分析

 2.3 机器人鲁棒自适应PD控制

2.3.1 问题的提出

2.3.2 机器人动力学模型及其结构特性

2.3.3 控制器的设计

2.3.4 机器人动态方程的线性化推导

2.3.5 仿真实例

 参考文献

第3章 机器人神经网络自适应控制

 3.1 定理与引理

3.1.1 全局不变集定理

3.1.2 用Barbalat引理作类Lyapunov分析

3.1.3 一种微分方程不等式的收敛性分析

 3.2 RBF网络的逼近

3.2.1 RBF神经网络

3.2.2 网络结构

3.2.3 逼近算法

3.2.4 网络参数对逼近效果的影响

3.2.5 仿真实例

 3.3 基于模型不确定补偿的RBF网络机器人自适应控制

3.3.1 问题的提出

3.3.2 模型不确定部分的RBF网络逼近

3.3.3 控制器的设计

3.3.4 仿真实例

 3.4 基于模型分块逼近的机器人RBF网络自适应控制

 ……

第4章 机器人模糊自适应控制

第5章 机器人迭代学习控制及重复控制

第6章 机器人反演控制

第7章 机器人滑模控制

第8章 机器人自适应鲁棒控制

第9章 机器人参数观测、辨识及控制

第10章 机器人路径规划