刘金琨，辽宁人，1965年生。分别于1989年7月，1994年3月和1997年3月获东北大学工学学士，工学硕士和工学博士学位。1997年3月至1998年12月浙江大学工业控制技术研究所做博士后研究工作。1999年1月至1999年7月在香港科技大学从事合作研究。1999年11月至今在北京航空航天大学自动化学院从事教学与科研工作，现任教授，主讲《智能控制》、《工业过程控制》和《系统辨识》等课程。研究方向为控制与应用。自从事研究工作以来，主持国家自然基金等科研项目10余项，以第一作者发表学术论文70余篇。曾出版北京市高等教育精品教材《智能控制》，《先进PID控制及其MATLAB仿真》和《滑模变结构控制MATLAB仿真》等著作。

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  机器人独立PD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  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
3.4.1  问题的提出
3.4.2  控制律的设计
3.4.3  稳定性分析
3.4.4  仿真实例
3.5  工作空间中机械手的神经网络自适应控制
3.5.1  工作究竟直角坐标与关节角位置的转换
3.5.2  机械手的神经网络建模
3.5.3  控制器的设计
3.5.4  仿真实例
3.6  基于模型整体逼近的机器人RBF网络自适应控制
3.6.1  问题的提出
3.6.2  基于RBF神经网络逼近的控制器
3.6.3  针对f(x)中各项分别进行神经网络逼近
3.6.4  仿真实例
3.7  基于死区补偿的神经网络自适应鲁棒控制
3.7.1  死区非线性特性
3.7.2  系统描述
3.7.3  GL矩阵和GL乘法算子
3.7.4  RBF神经网络死区补偿器的设计
3.7.5  系统的稳定性分析
3.7.6  仿真实例
3.8  机器人神经网络数字控制
……
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