| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 智能车辆的国内外研究现状 | 第11-13页 |
| 1.2.2 人工神经网络的国内外研究现状 | 第13-14页 |
| 1.2.3 卷积神经网络的国内外研究现状 | 第14页 |
| 1.2.4 自整定PID的国内外研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第2章 人工神经网络相关研究 | 第17-31页 |
| 2.1 人工神经网络基础 | 第17-19页 |
| 2.1.1 神经网络控制结构 | 第17-18页 |
| 2.1.2 神经网络学习方式 | 第18-19页 |
| 2.2 BP神经网络 | 第19-23页 |
| 2.2.1 BP神经网络的原理 | 第19-20页 |
| 2.2.2 BP神经网络的前馈计算 | 第20-21页 |
| 2.2.3 BP神经网络权系数计算 | 第21-23页 |
| 2.3 卷积神经网络 | 第23-30页 |
| 2.3.1 卷积神经网络的特点 | 第23-24页 |
| 2.3.2 卷积神经网络的框架结构 | 第24-27页 |
| 2.3.3 卷积神经网络的训练算法 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 系统的总体方案及硬件设计 | 第31-45页 |
| 3.1 系统的基本控制原理及总体方案 | 第31-36页 |
| 3.1.1 智能平衡车的基本控制原理 | 第31-33页 |
| 3.1.2 平衡车近似数学模型 | 第33-35页 |
| 3.1.3 平衡车控制系统的总体方案 | 第35-36页 |
| 3.2 系统的机械结构 | 第36-37页 |
| 3.3 系统的硬件设计 | 第37-44页 |
| 3.3.1 主控制器选择 | 第38页 |
| 3.3.2 电源电路设计 | 第38-39页 |
| 3.3.3 H桥电机驱动电路设计 | 第39-40页 |
| 3.3.4 姿态传感器模块电路设计 | 第40-42页 |
| 3.3.5 速度采集电路设计 | 第42页 |
| 3.3.6 RS232 调试接口电路设计 | 第42-43页 |
| 3.3.7 其他传感器接口电路设计 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 系统的算法设计与程序实现 | 第45-64页 |
| 4.1 基于BP神经网络PID控制器算法设计 | 第45-49页 |
| 4.1.1 传统PID控制原理 | 第45-46页 |
| 4.1.2 基于BP神经网络PID控制器算法设计 | 第46-49页 |
| 4.2 基于卷积神经网络的赛道类型识别算法设计 | 第49-51页 |
| 4.3 初始化和主循环程序设计 | 第51-53页 |
| 4.4 图像采集和处理程序设计 | 第53-56页 |
| 4.5 实时转速采集程序的设计 | 第56-57页 |
| 4.6 姿态传感器采集程序设计 | 第57-58页 |
| 4.7 智能车PID算法总体程序设计 | 第58-60页 |
| 4.8 基于BP神经网络PID控制器的程序设计 | 第60-62页 |
| 4.9 基于卷积神经网络的赛道类型识别算法的程序设计 | 第62-63页 |
| 4.10 本章小结 | 第63-64页 |
| 第5章 系统的仿真与测试 | 第64-73页 |
| 5.1 BP神经网络PID仿真与测试 | 第64-69页 |
| 5.1.1 BP神经网络PID仿真 | 第64-68页 |
| 5.1.2 智能车测试 | 第68-69页 |
| 5.2 卷积神经网络测试 | 第69-71页 |
| 5.2.1 PC 机端实验 | 第69-70页 |
| 5.2.2 智能车测试 | 第70-71页 |
| 5.3 平衡车赛道综合测试 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79页 |