输电线除冰机器人多传感器信息融合障碍物信息检测方法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·输电线路机器人研究现状 | 第10-12页 |
| ·多传感器数据融合国内外研究现状 | 第12-14页 |
| ·论文的主要研究内容 | 第14-15页 |
| ·论文的结构安排 | 第15-17页 |
| 第2章 多传感器信息融合系统总体设计 | 第17-30页 |
| ·多传感器数据融合技术 | 第17-22页 |
| ·多传感器信息融合的定义和特点 | 第17-19页 |
| ·多传感器信息融合的关键技术和级别层次 | 第19-20页 |
| ·多传感器信息融合算法 | 第20-22页 |
| ·除冰机器人多传感器检测系统构建 | 第22-29页 |
| ·传感器选择 | 第22-25页 |
| ·输电线路除冰机器人设计及障碍物分析 | 第25-27页 |
| ·除冰机器人多传感器障碍物检测系统模型 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于神经网络的多传感器障碍物信息融合 | 第30-41页 |
| ·基于BP神经网络模型的多传感器障碍物信息融合 | 第30-32页 |
| ·基于BP神经网络的多传感器障碍物信息融合模型 | 第30页 |
| ·数据关联 | 第30-32页 |
| ·神经网络结构设计 | 第32-34页 |
| ·神经网络BP学习算法融合实现 | 第34-37页 |
| ·BP神经网络信息融合仿真实验结果分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于卡尔曼滤波的多传感器信息融合 | 第41-53页 |
| ·卡尔曼滤波基本理论 | 第41-45页 |
| ·常规卡尔曼滤波 | 第42-43页 |
| ·扩展卡尔曼滤波 | 第43-45页 |
| ·基于扩展卡尔曼滤波的除冰机器人多传感器系统模型 | 第45-46页 |
| ·基于扩展卡尔曼滤波的多传感器系统信息融合模型 | 第45-46页 |
| ·基于扩展卡尔曼滤波的系统状态模型 | 第46页 |
| ·多传感器障碍物信息异步数据的同步处理 | 第46-49页 |
| ·融合时间差同步处理 | 第46-47页 |
| ·状态转移矩阵和状态估计误差协方差同步更新处理 | 第47-48页 |
| ·同步数据的扩展卡尔曼滤波融合 | 第48-49页 |
| ·数据融合实验仿真结果 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 结论与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
