移动机器人原理与设计(原书第2版)

本书介绍设计移动机器人的不同工具和方法，主要内容包括三维建模、反馈线性化、无模型控制、导引、实时定位、辨识、卡尔曼滤波器和贝叶斯滤波器等，涵盖执行器、传感器、导航和控制理论等方面。相比上一版，本版新增了贝叶斯滤波器的内容，在线性和高斯情况下，贝叶斯滤波等价于卡尔曼滤波，了解贝叶斯滤波有助于读者更好地学习卡尔曼滤波。本书适合作为高等院校工程应用型机器人课程的教材，也适合该领域的技术人员参考。

译者序
前言
第1章三维建模
1．1旋转矩阵
1．1．1定义
1．1．2李群
1．1．3李代数
1．1．4旋转向量
1．1．5伴随矩阵
1．1．6罗德里格斯旋转公式
1．1．7坐标系变换
1．2欧拉角
1．2．1定义
1．2．2运动欧拉矩阵的旋转向量
1．3惯性单元
1．4动力学建模
1．4．1原理
1．4．2四旋翼建模
1．5习题
1．6习题参考答案
第2章反馈线性化
2．1控制一个积分链
2．1．1比例-微分控制器
2．1．2比例-积分-微分控制器
2．2引例
2．3反馈线性化方法的原理
2．3．1原理
2．3．2相对次数
2．3．3微分延迟矩阵
2．3．4奇异点
2．4二轮车
2．4．1一阶模型
2．4．2二阶模型
2．5控制三轮车
2．5．1速度和转向模型
2．5．2位置控制
2．5．3选择另一个输出
2．6帆船
2．6．1极坐标曲线
2．6．2微分延迟
2．6．3反馈线性化方法
2．6．4极坐标曲线控制
2．7滑动模态
2．8运动学模型和动力学模型
2．8．1原理
2．8．2倒立摆系统
2．8．3伺服电动机
2．9习题
2．10习题参考答案
第3章无模型控制
3．1无人车的无模型控制
3．1．1方向和速度的比例控制器
3．1．2方向的比例一微分控制器
3．2雪橇车
3．2．1模型
3．2．2正弦驱动控制
3．2．3优选推力控制
3．2．4快速动态特性的简化
3．3帆船
3．3．1问题
3．3．2控制器
3．3．3导航
3．3．4实验
3．4习题
3．5习题参考答案
第4章导引
4．1球面上的导引
4．2路径规划
4．2．1简单示例
4．2．2贝塞尔多项式
4．3维诺图
4．4人工势场法
4．5习题
4．6习题参考答案
第5章实时定位
5．1传感器
5．2测角定位
5．2．1问题描述
5．2．2内接角
5．2．3平面机器人的静态三角测量
5．2．4动态三角测量
5．3多点定位
5．4习题
5．5习题参考答案
第6章辨识
6．1二次函数
6．1．1定义
6．1．2二次型的导数
6．1．3二次函数的特征值
6．1．4二次函数的最小化
6．2最小二乘法
6．2．1线性情形
6．2．2非线性情形
6．3习题
6．4习题参考答案
第7章卡尔曼滤波器
7．1协方差矩阵
7．1．1定义和解释
7．1．2性质
7．1．3置信椭圆
7．1．4生成高斯随机向量
7．2无偏正交估计器
7．3线性估计的应用
7．4卡尔曼滤波器
7．5卡布滤波器
7．6扩展卡尔曼滤波器
7．7习题
7．8习题参考答案
第8章贝叶斯滤波器
8．1引言
8．2概率的基本概念
8．3贝叶斯滤波器
8．4贝叶斯平滑器
8．5卡尔曼平滑器
8．5．1卡尔曼平滑器的方程
8．5．2实现
8．6习题
8．7习题参考答案
参考文献
索引