本书分上下两篇，上篇为机器人的智能检测（第1～4章），下篇为机器人的先进控制基础（第5～9章），介绍了机器人感知层与执行层的核心技术基础以及*新的脑机接口控制基础。书中主要内容包括：机器人及其检测系统概述、机器人的检测系统、机器人的视觉基础、工业机器人的视觉检测、机器人控制基础、机器人的自适应控制、机器人的模糊控制、机器人的神经网络控制、基于脑机接口的机器人控制基础。章后设有“本章小结”和“思考与练习题”。
本书为高等院校机器人工程、自动化类、测控等控制类、电气类、电子信息类、机械类、计算机类等相关专业的教材，也可作为相关专业机器人通识课的教材（可以根据课程计划灵活选择相关内容授课），还可供相关领域的工程技术人员参考。
本书配有PPT电子课件，免费提供给选用本书作为教材的授课教师。需要者请登录机械工业出版社教育服务网（www.cmpedu.com）注册后下载。

序
前言
上篇 机器人的智能检测
第1章 机器人及其检测系统概述
1.1 机器人简介
1.1.1 机器人的发展
1.1.2 工业机器人的分类
1.2 机器人的组成
1.3 机器人的检测系统及其应用
1.3.1 机器人的内部检测系统
1.3.2 机器人检测系统的应用
1.4 机器人的技术发展方向
本章小结
思考与练习题
第2章 机器人的检测系统
2.1 机器人的感知
2.2 机器人的内部状态检测
2.2.1 位移传感器
2.2.2 测速发电机
2.2.3 编码器
2.3 机器人的外部环境检测
2.3.1 触觉传感器
2.3.2 力觉传感器
本章小结
思考与练习题
第3章 机器人的视觉基础
3.1 机器人的视觉理论基础
3.1.1 生物视觉通路
3.1.2 Marr的视觉理论
3.1.3 机器视觉研究现状
3.2 边缘检测
3.2.1 边缘检测与微分算子
3.2.2 优边缘检测滤波器
3.2.3 边缘检测快速算法
3.2.4 图像处理中的一些问题
3.3 摄像机的标定
本章小结
思考与练习题
第4章 工业机器人的视觉检测
4.1 视觉系统的组成
4.1.1 工业相机
4.1.2 工业光源
4.1.3 图像采集卡
4.1.4 视觉处理软件
4.2 图像处理流程
4.2.1 图像预处理
4.2.2 数据压缩
4.2.3 图像模板匹配
4.3 工业机器人视觉检测实例
4.3.1 基于机器视觉的金属表面缺陷检测
4.3.2 其他的视觉检测实例
本章小结
思考与练习题
下篇 机器人的先进控制基础
第5章 机器人控制基础
5.1 自动控制、自动化和机器人
5.1.1 自动控制与自动化
5.1.2 自动化与机器人
5.2 机器人的控制系统
5.2.1 机器人控制系统的结构
5.2.2 机器人的控制特点
5.2.3 机器人的控制方式
5.3 机器人的控制技术
5.3.1 机器人的开环控制
5.3.2 机器人的闭环控制
5.3.3 机器人的PID控制
5.4 机器人的智能控制
本章小结
思考与练习题
第6章 机器人的自适应控制
6.1 自适应控制理论概述
6.1.1 自适应控制
6.1.2 两种重要的自适应系统
6.1.3 自适应控制的发展历程
6.2 自适应控制与机器人
6.2.1 协作机器人
6.2.2 自适应机器人
6.2.3 自适应机器人的关键技术
6.3 机器人的自适应控制方法
6.3.1 机器人鲁棒自适应控制
6.3.2 机器人自适应迭代学习控制
本章小结
思考与练习题
第7章 机器人的模糊控制
7.1 模糊控制与机器人
7.2 模糊控制原理
7.2.1 模糊语言变量与模糊集合
7.2.2 隶属函数
7.2.3 模糊关系
7.2.4 模糊规则及推理
7.2.5 解模糊
7.3 机器人系统中模糊控制器的设计
7.3.1 选择模糊控制器的结构并确定其输入和输出
7.3.2 建立模糊规则
7.3.3 建立模糊推理机
7.3.4 选择解模糊方法
7.4 模糊控制器举例
7.4.1 Mamdani模糊控制器
7.4.2 T-S模糊控制器
本章小结
思考与练习题
第8章 机器人的神经网络控制
8.1 神经网络控制与机器人
8.1.1 人工神经网络的产生与发展
8.1.2 神经网络控制的特点
8.1.3 神经网络控制在机器人中的应用
8.2 神经网络的基本结构和计算基础
8.2.1 神经网络的基本结构
8.2.2 神经网络的计算基础
8.2.3 神经网络模型的建立
8.3 神经网络在机器人中的应用
8.3.1 BP神经网络在机器人运动控制中的应用
8.3.2 径向基函数神经网络在机器人中的应用
8.3.3 深度卷积神经网络在机器人中的应用
8.3.4 PID神经网络在机器人中的应用
本章小结
思考与练习题
第9章 基于脑机接口的机器人控制基础
9.1 认识脑机接口
9.1.1 脑机接口的定义
9.1.2 脑机接口的模式类型
9.1.3 基于脑电信号的脑机接口系统
9.2 脑电信号的采集与处理
9.2.1 EEG信号
9.2.2 EEG信号采集生理信息
9.2.3 脑电数据的预处理
9.3 EEG特征提取方法
9.4 脑机接口系统的评价指标
9.5 基于SSVEP的机器人控制系统
9.5.1 基于BCI的机器人控制系统分类
9.5.2 基于SSVEP的机器人控制系统组成
9.5.3 机械臂的运动学分析和轨迹规划
9.5.4 基于SSVEP-BCI的机械臂实验
9.6 多模态的机器人控制系统
本章小结
思考与练习题
附录
附录A 机械臂的自由度、坐标变换和建模
A.1 机械臂的自由度
A.2 机器人的坐标系和坐标变换
A.3 机械臂的建模
附录B 机械臂的运动规划
B.1 单关节机械臂的路径规划
B.2 单关节机械臂的轨迹规划
参考文献

从第一台商用工业机器人被开发生产，机器人技术
经历了60多年的发展，人类社会已经进入了机器人快速
发展的年代。机器人技术是一门相当复杂的综合性交叉
技术，需要结合机械设计、电气设计、力学分析和建模
、自动控制、计算机编程等学科。控制论、信息论、系
统论都在机器人这个领域中表现出了高度的融合。我们
将机器人的研究大致分为3个方面，即感知、决策与执
行。
许多传统的机器人概论等书籍，主要论述机器人的
控制与执行问题。在“纯控制”时代，机器人表现为一
个“没有环境感知能力的机器”，缺乏智能感知与决策
能力。要想摆脱传统机器人这种“只是一台自动化机器
”的局面，就要使机器人智能化，那么毫无疑问必须要
充分开发机器人的感知与决策能力，才能为机器人装上
各种“感觉器官”和“大脑”。本书的编写目的就在于
此。
本书主编戴凤智从大学本科到博士阶段，乃至目前
作为高校教师，从事的一直是自动化、智能控制与机器
人等方向的研究。我与他在日本留学时就相互认识和了
解，至今已有近20年。他在日本攻读博士学位时的导师
是著名的从事“人工生命与机器人”领域研究的杉坂政
典教授。戴凤智作为专业负责人为天津科技大学申报并
获批了机器人工程专业，在2019年已经招收了第一届本
科生。他也为许多高职和中职院校创立了人工智能专业
和工业机器人专业。
本书是戴凤智主编的《工业机器人技术基础及其应
用》一书的姊妹篇。《工业机器人技术基础及其应用》
对工业机器人的发展、基础知识和一些典型应用做了比
较详细的梳理。在此基础上，本书着重于对机器人的感
知和执行方面的基础理论和应用进行详细论述。在感知
方面，本书主要关注机器人视觉和多传感器融合算法；
在执行方面，本书提出了一些可替换传统PID控制算法
的策略，以改进执行控制的薄弱环节；在决策方面，本
书给出了一些人工智能的决策案例。这既增加了本书的
可读性和吸引力，又能够让读者在收获到知识的同时也
能感受到机器人未来的发展趋势。
清华大学自动化系主任、教授2021年8月