01
Stewart平台概述
什么是Stewart平台、发展历史、典型应用场景（飞行模拟器、并联机床、天文望远镜等）。
基础背景
02
运动学基础（一）
空间坐标系与变换、刚体姿态描述（欧拉角、旋转矩阵）、齐次坐标。
坐标系姿态
03
运动学基础（二）
Stewart平台几何参数定义、位置反解（Inverse Kinematics）推导与实现。
反解几何
04
运动学基础（三）
位置正解（Forward Kinematics）的数值解法（Newton-Raphson法）与实现。
正解数值
05
动力学建模（一）
拉格朗日方程法推导Stewart平台动力学模型、惯量矩阵与科里奥利力项。
拉格朗日惯量
06
动力学建模（二）
牛顿-欧拉法推导、驱动力与负载的关系、动力学模型的简化。
牛顿-欧拉简化
07
动力学建模（三）
考虑关节摩擦与柔性的动力学模型、参数辨识基础。
摩擦辨识
08
控制基础回顾
PID控制原理、在Stewart平台上的应用、局限性分析。
PID基础
09
负载变化的影响
负载质量变化对系统动态特性的影响、负载偏心带来的问题、仿真分析。
负载仿真
10
自适应控制概论
什么是自适应控制、为什么需要自适应控制、主要分类（MRAC、STR等）。
概论分类
11
模型参考自适应控制（MRAC）基础
MIT规则、Lyapunov稳定性理论、设计步骤。
MRACLyapunov
12
MRAC在Stewart平台上的应用
参考模型选择、自适应律设计、仿真验证。
MRAC仿真
13
自校正控制（STR）基础
递推最小二乘法（RLS）、极点配置设计、实现步骤。
STRRLS
14
STR在Stewart平台上的应用
在线参数估计、控制器参数更新、仿真验证。
STR在线
15
基于Lyapunov的自适应控制
直接法与间接法、鲁棒性分析、在平台上的实现。
Lyapunov鲁棒
16
自适应滑模控制
滑模控制原理、自适应滑模面设计、抖振抑制方法。
滑模抖振
17
自适应反步控制
反步法设计步骤、自适应反步法在平台上的应用。
反步递推
18
神经网络自适应控制（一）
RBF神经网络基础、在线学习算法、逼近特性。
RBF神经网络
19
神经网络自适应控制（二）
RBF网络补偿负载变化、权值自适应律设计、仿真。
补偿权值
20
模糊自适应控制
模糊逻辑系统、自适应模糊控制设计、在平台上的应用。
模糊自适应
21
自适应阻抗控制
阻抗控制原理、自适应阻抗参数调节、柔顺控制应用。
阻抗柔顺
22
自适应力/位混合控制
力与位置解耦、自适应策略、在装配任务中的应用。
力位装配
23
多传感器融合与状态估计
卡尔曼滤波、扩展卡尔曼滤波在负载估计中的应用。
卡尔曼融合
24
负载在线辨识
基于RLS的负载质量与质心在线估计、实验验证。
RLS辨识
25
自适应控制器的离散化实现
连续域到离散域的转换、采样时间选择、数字实现注意事项。
离散数字
26
实时系统与硬件在环仿真
xPC Target、dSPACE平台介绍、硬件在环测试流程。
HIL实时
27
实验平台搭建
传感器选型（力传感器、编码器）、执行器选型（伺服电机、液压缸）、数据采集系统。
硬件选型
28
实验案例（一）
空载与满载工况下的PID与自适应控制对比实验。
对比实验
29
实验案例（二）
负载突变工况下的自适应控制响应实验、鲁棒性测试。
突变鲁棒
30
总结与展望
自适应控制优势总结、未来研究方向（深度学习、强化学习与自适应控制的结合）。
展望AI