在工业机器人系统中，精确恰当的参数是影响综合性能，实现高效化作业的关键。为了充分发挥工业机器人的性能潜力，本书系统讲解工业机器人运动学参数标定和控制参数智能优化方法，即通过辨识精确的模型参数，配置恰当的控制参数，提高工业机器人的运动控制性能，推动工业机器人高自动化、高智能化转型升级。 书中阐释了面向工业机器人参数优化的典型智能计算方法、基于粒子群算法的机器人末端测量仪器参数标定方法、基于LSM-PSO算法的机器人运动学参数标定方法、基于约束蝙蝠算法的机器人控制参数离线优化方法、基于模糊计算的机器人控制参数在线优化方法等，并通过实际案例介绍了工业机器人参数标定与优化的实践。 本书可供机械工程、自动化工程领域的师生学习使用，也可供从事工业机器人相关工作的工程师参考和阅读。

第1章 绪论
1.1 工业机器人运动学参数标定
1.1.1 工业机器人末端位姿测量
1.1.2 工业机器人运动学参数辨识
1.1.3 工业机器人运动学参数补偿
1.2 机器人控制参数智能优化
1.3 本书主要内容
第2章 面向工业机器人参数优化的典型智能计算
2.1 性能指标及约束条件
2.2 深度优先搜索算法
2.3 粒子群优化算法
2.3.1 速度及位置更新公式
2.3.2 参数设定规则
2.4 差分进化算法
2.5 蝙蝠算法
2.6 模糊计算
2.6.1 模糊系统基本结构
2.6.2 Mamdani型模糊计算
第3章 基于粒子群算法的机器人末端测量仪器参数标定
3.1 概述
3.2 基于粒子群算法的R-test结构参数标定方法
3.2.1 R-test的结构参数传统标定方法
3.2.2 基于正交位移的R-test
3.2.3 基于粒子群算法的R-test非冗余结构参数标定方法
3.2.4 R-test测量工业机器人精度
3.3 传感器测量球面误差的测量方法及实验研究
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
3.3.2 激光位移传感器测量球面实验
3.4 基于R-test的球心三维位移测量方法实验
3.4.1 基于粒子群算法的R-test结构参数标定方法实验
3.4.2 R-test测量工业机器人精度实验
第4章 基于LSM-PSO算法的机器人运动学参数标定
4.1 概述
4.2 工业机器人运动学正解和反解模型
4.2.1 经典DH法则
4.2.2 垂直六关节型工业机器人运动学正解和反解模型
4.3 工业机器人运动学参数误差模型
4.3.1 单个连杆误差参数模型
4.3.2 串联运动链的运动学误差参数模型
4.4 基于LSM-PSO的位置误差模型辨识算法
4.4.1 基于手眼位姿参数分离的位置误差辨识模型
4.4.2 基于LSM-PSO的分步辨识算法
4.4.3 仿真结果分析
第5章 基于约束蝙蝠算法的机器人控制参数离线优化
5.1 概述
5.2 机器人控制参数离线优化方案
5.3 ε约束处理机制
5.4 数据驱动约束蝙蝠算法研究
5.4.1 数据驱动约束蝙蝠算法的框架
5.4.2 数据驱动约束蝙蝠算法的关键模块设计
5.4.3 收敛性验证
5.5 数据驱动约束蝙蝠算法的数值仿真实验
5.5.1 提议的GDFS策略的有效性
5.5.2 基于CEC2017基准约束函数的实验
第6章 基于模糊计算的机器人控制参数在线优化
6.1 概述
6.2 机器人控制参数在线优化方案
6.2.1 永磁同步伺服驱动系统
6.2.2 模糊自适应PI控制方法
6.3 预测型模糊自适应PI控制结构
6.3.1 改进的预测函数控制模块
6.3.2 自适应模糊调整器
6.3.3 新型自抗扰PI控制器
6.4 基于频率响应的控制参数优化流程
6.4.1 基于D-分解理论的稳定性和H∞鲁棒性分析
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
6.5 仿真实验
第7章 工业机器人参数标定与优化实践
7.1 工业机器人运动学参数标定实践
7.1.1 误差建模
7.1.2 位置测量
7.1.3 误差辨识
7.2 工业机器人控制参数优化实践
7.2.1 系统描述
7.2.2 控制参数优化
7.2.3 仿真实例
参考文献