序
前言
上篇機器人的智能檢測
第1章機器人及其檢測繫統概述2
1.1機器人簡介2
1.1.1機器人的發展3
1.1.2工業機器人的分類4
1.2機器人的組成5
1.3機器人的檢測繫統及其應用7
1.3.1機器人的內部檢測繫統8
1.3.2機器人檢測繫統的應用8
1.4機器人的技術發展方向9
本章小結10
思考與練習題10
第2章機器人的檢測繫統11
2.1機器人的感知11
2.2機器人的內部狀態檢測12
2.2.1位移傳感器13
2.2.2測速發電機14
2.2.3編碼器15
2.3機器人的外部環境檢測18
2.3.1觸覺傳感器18
2.3.2力覺傳感器20
本章小結25
思考與練習題26
第3章機器人的視覺基礎27
3.1機器人的視覺理論基礎27
3.1.1生物視覺通路27
3.1.2Marr的視覺理論28
3.1.3機器視覺研究現狀29
3.2邊緣檢測32
3.2.1邊緣檢測與微分算子32
3.2.2優邊緣檢測濾波器36
3.2.3邊緣檢測快速算法37
3.2.4圖像處理中的一些問題38
3.3攝像機的標定39
本章小結41
思考與練習題41
第4章工業機器人的視覺檢測42
4.1視覺繫統的組成42
4.1.1工業相機42
4.1.2工業光源45
4.1.3圖像采集卡47
4.1.4視覺處理軟件48
4.2圖像處理流程49
4.2.1圖像預處理49
4.2.2數據壓縮52
4.2.3圖像模板匹配53
4.3工業機器人視覺檢測實例54
4.3.1基於機器視覺的金屬表面缺陷檢測55
4.3.2其他的視覺檢測實例57
本章小結59
思考與練習題60
··機器人智能檢測與先進控制基礎目錄··下篇機器人的先進控制基礎第5章機器人控制基礎62
5.1自動控制、自動化和機器人62
5.1.1自動控制與自動化62
5.1.2自動化與機器人64
5.2機器人的控制繫統66
5.2.1機器人控制繫統的結構66
5.2.2機器人的控制特點67
5.2.3機器人的控制方式67
5.3機器人的控制技術69
5.3.1機器人的開環控制69
5.3.2機器人的閉環控制69
5.3.3機器人的PID控制70
5.4機器人的智能控制73
本章小結74
思考與練習題74
第6章機器人的自適應控制76
6.1自適應控制理論概述76
6.1.1自適應控制76
6.1.2兩種重要的自適應繫統78
6.1.3自適應控制的發展歷程79
6.2自適應控制與機器人80
6.2.1協作機器人80
6.2.2自適應機器人81
6.2.3自適應機器人的關鍵技術82
6.3機器人的自適應控制方法85
6.3.1機器人魯棒自適應控制85
6.3.2機器人自適應迭代學習控制88
本章小結90
思考與練習題90
第7章機器人的模糊控制91
7.1模糊控制與機器人91
7.2模糊控制原理92
7.2.1模糊語言變量與模糊集合93
7.2.2隸屬函數94
7.2.3模糊關繫96
7.2.4模糊規則及推理97
7.2.5解模糊98
7.3機器人繫統中模糊控制器的設計99
7.3.1選擇模糊控制器的結構並確定其輸入和輸出100
7.3.2建立模糊規則100
7.3.3建立模糊推理機101
7.3.4選擇解模糊方法102
7.4模糊控制器舉例102
7.4.1Mamdani模糊控制器103
7.4.2T-S模糊控制器103
本章小結104
思考與練習題104
第8章機器人的神經網絡控制105
8.1神經網絡控制與機器人105
8.1.1人工神經網絡的產生與發展105
8.1.2神經網絡控制的特點106
8.1.3神經網絡控制在機器人中的應用107
8.2神經網絡的基本結構和計算基礎107
8.2.1神經網絡的基本結構107
8.2.2神經網絡的計算基礎108
8.2.3神經網絡模型的建立110
8.3神經網絡在機器人中的應用111
8.3.1BP神經網絡在機器人運動控制中的應用111
8.3.2徑向基函數神經網絡在機器人中的應用112
8.3.3深度卷積神經網絡在機器人中的應用114
8.3.4PID神經網絡在機器人中的應用115
本章小結118
思考與練習題119
第9章基於腦機接口的機器人控制基礎120
9.1認識腦機接口120
9.1.1腦機接口的定義120
9.1.2腦機接口的模式類型121
9.1.3基於腦電信號的腦機接口繫統123
9.2腦電信號的采集與處理126
9.2.1EEG信號126
9.2.2EEG信號采集生理信息128
9.2.3腦電數據的預處理129
9.3EEG特征提取方法134
9.4腦機接口繫統的評價指標136
9.5基於SSVEP的機器人控制繫統137
9.5.1基於BCI的機器人控制繫統分類137
9.5.2基於SSVEP的機器人控制繫統組成138
9.5.3機械臂的運動學分析和軌跡規劃139
9.5.4基於SSVEP-BCI的機械臂實驗140
9.6多模態的機器人控制繫統143
本章小結148
思考與練習題148
附錄149
附錄A機械臂的自由度、坐標變換和建模149
A.1機械臂的自由度149
A.2機器人的坐標繫和坐標變換149
A.3機械臂的建模154
附錄B機械臂的運動規劃156
B.1單關節機械臂的路徑規劃156
B.2單關節機械臂的軌跡規劃157
參考文獻161

《機器人學導論》的作者John J.Craig曾說：“科學家常會感到通過自己的研究工作在不斷地認識自我。物理學家在他們的工作中認識到了這一點，同樣，心理學家和化學家也認識到了這一點。”
在機器人學的研究中，研究領域和研究者之間的關繫尤為明顯。這是因為機器人與人本身有著千絲萬縷的聯繫，我們開發機器人就是希望機器人能夠部分替代人甚至超過人在某些領域的工作能力。因此機器人研究與純粹的基礎學科不同，機器人學是一門學科高度交叉的綜合性學科。也正因為如此，這個領域需要大量綜合性的理論與工程人纔。
各種基礎學科和基礎工程領域的進展很大程度上取決於對數學應用的程度，這也奠定了數學在機器人學中的地位。目前的機器人研究需要數學意義上的建模與仿真，研究者要有好的數學基礎。機器人技術還運用了力學理論、傳感器技術、控制理論、計算機繫統等多個學科的知識。因此可以看出，機器人領域的人纔培養是比較困難的。既然是挑戰，就要迎難而上。
機器人技術一般分為三個層面：感知層、認知層（決策層）、執行層。一個完整的機器人繫統應該具備感知、認知和執行能力。現在主流的機器人範式在執行層已經發展得較為成熟，在感知層會涉及機器視覺等多傳感繫統，在認知層將更多地引入人工智能技術。
機器人感知層面的主要表現是使用各種傳感器，既用於機器人的內部檢測與控制，也用於與外部環境的交互。在各種傳感技術中，機器人視覺檢測是本書的一個重點，它和運動控制繫統高度融合。本書的前4章講述了機器人感知層面的智能檢測。
就機器人的執行層面而言，涉及驅動技術、控制策略、本體設計等。因為機器人是一個復雜的多輸入、多輸出的非線性繫統，具有時變、強耦合和非線性的動力學特征，因此帶來了控制的復雜性。目前采用和正在大力研究的先進控制方法包括變結構控制、魯棒控制、自適應控制、模糊控制、神經網絡控制、智能控制等，本書的第5～8章講述了機器人執行層面的先進控制方法。
對於機器人的認知層面，需要人工智能決策、智能語音、智能會話等以人工智能為技術基礎並融合傳統的機器人技術，還需要結合對人腦本身的研究成果。機器人認知層面的技術突破還需要將機器人的感知層面和執行層面結合起來。本書限於篇幅無法將這一部分作為重點，正在考慮將研究成果和應用實例撰寫成新的書籍以饗讀者。
綜上所述，本書內容主要包括兩個方面，即智能檢測和先進控制。書中本著先基本介紹、後理論基礎、再應用事例的順序安排內容和知識點，盡可能讓讀者在閱讀、學習時不會出現知識點和邏輯混亂的情形。當然，如果讀者具備一些高等數學、線性代數、控制論方面的知識，甚至有過一些傳感器的使用經驗（例如圖像處理），閱讀、學習起來會更加自如。
全書共9章。第1～4章介紹機器人的智能檢測。其中，第1章介紹機器人及其發展，並對機器人的檢測繫統進行概述，第2章介紹機器人的內部狀態和外部環境的檢測繫統，第3、4章分別從機器人的視覺基礎和以工業機器人為例對機器人的視覺檢測進行分析。第5～8章為對機器人先進控制的論述。其中，第5章介紹機器人的控制理論基礎，第6、7章分別討論機器人的自適應控制和模糊控制，第8章介紹神經網絡在機器人控制上的理論基礎和應用。後，第9章結合本書的智能檢測與先進控制介紹了的腦機接口控制基礎和一些成果。
本書曾經以講義形式在天津科技大學、河南理工大學、山西大同大學等多所高校使用，並經過多次修改。本書的部分內容和工作獲得2018年高等教育天津市級教學成果二等獎。編寫團隊於2019年獲得天津市級“智能控制與機器人設計核心課程群教學團隊”稱號.本書得到了2021年高等學校電子信息類專業教學指導委員會教改項目（2021-JG-03）的支持。
本書具體編寫分工如下：第1章由戴鳳智、趙繼超編寫，第2章由戴鳳智、葉忠用編寫，第3～4章由溫浩康編寫，第5～6章由喬棟、蘆鵬、郝宏博編寫，第7～8章由喬棟、張添翼編寫，第9章由戴鳳智、尹迪編寫。劉岩、高一婷、王虎誠、李家新、賈芃、戴晟、張佳岫等參與了本書的文字校對等工作。
在本書編寫過程中，編者得到了清華大學自動化繫張濤教授的鼓勵與支持，張濤教授還為本書作序，在此表示感謝。本書在中國人工智能學會智能空天繫統專業委員會、中國自動化學會普及工作委員會和天津市機器人學會的指導下，融入了由天津科技大學戴鳳智、山西大同大學喬棟、河南理工大學宋運忠與劉群坡、湖南科技大學李智靖、江漢大學魏強等高校教師組成的人工智能與機器人教材編寫組的集體智慧。天津科技大學戴鳳智科研團隊成員陳曉艷、劉玉良、王世明、杜萌、楊國威、申雨千、袁亞聖、程宇輝、康如明、高龍雨、肖芷晴、李鵬飛、吳永豪、速楊等人也參與了本書編寫的輔助工作。天津天科智造科技有限公司、博睿康科技（常州）股份有限公司分別為本書第4、9章提供了設備支持和技術指導，清華大學高小榕教授和李曉陽博士審閱了第9章內容。在此表示感謝。
在編寫過程中，編者參考了相關的教材、論著和線上資料，在此一並對原作者致以衷心的感謝。
由於編者水平有限，書中不妥之處在所難免，懇請讀者批評指正。