| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 无人作战移动平台的国内外研究现状及发展趋势 | 第10-12页 |
| 1.3 无人移动平台的关键技术 | 第12-16页 |
| 1.3.1 无人作战系统控制技术 | 第12-13页 |
| 1.3.2 通讯技术 | 第13-14页 |
| 1.3.3 环境感知技术 | 第14页 |
| 1.3.4 路径规划技术 | 第14-16页 |
| 1.4 全文内容安排 | 第16-18页 |
| 2 无人移动平台总体设计方案 | 第18-25页 |
| 2.1 全向移动平台总体结构 | 第18-19页 |
| 2.2 麦克纳姆轮特性 | 第19-20页 |
| 2.3 基于麦克纳姆轮全向移动平台动力学模型 | 第20-22页 |
| 2.4 全向移动平台总体控制系统设计 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 下位机控制系统及算法 | 第25-43页 |
| 3.1 STM32f405主控系统 | 第25-26页 |
| 3.2 底盘电机控制系统 | 第26-31页 |
| 3.2.1 底盘电机RM3510及电子调速器RM820R | 第26-28页 |
| 3.2.2 移动平台计算性能 | 第28-29页 |
| 3.2.3 基于CAN协议的电机通讯方式 | 第29-31页 |
| 3.3 PID控制算法 | 第31-38页 |
| 3.3.1 位置式PID控制算法 | 第31-32页 |
| 3.3.2 增量式PID控制算法 | 第32-33页 |
| 3.3.3 适合电机控制的改进型PID算法 | 第33-34页 |
| 3.3.4 速度外环电流内环的PID算法整定 | 第34-38页 |
| 3.4 里程计信息 | 第38-42页 |
| 3.4.1 上下位机之间串口通信协议设计 | 第38-39页 |
| 3.4.2 里程计信息传输 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于ROS框架的上位机控制系统 | 第43-53页 |
| 4.1 Nvida TXl上位机主控系统 | 第43-44页 |
| 4.2 Ubuntu系统下ROS机器人控制框架 | 第44-45页 |
| 4.3 ROS导航定位包整体框架 | 第45-47页 |
| 4.4 激光雷达 | 第47-50页 |
| 4.5 ROS代价地图 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 基于强化学习的路径规划算法 | 第53-71页 |
| 5.1 常规路径规划算法介绍 | 第53-55页 |
| 5.2 基于强化学习的路径规划 | 第55-58页 |
| 5.2.1 马尔可夫决策过程 | 第56-57页 |
| 5.2.2 强化学习基本要素 | 第57-58页 |
| 5.2.3 Q-learning算法模型 | 第58页 |
| 5.3 基于改进型强化学习算法的全局路径规划 | 第58-63页 |
| 5.3.1 引力势场 | 第59-60页 |
| 5.3.2 陷阱搜索 | 第60-63页 |
| 5.4 基于DDQN算法的局部路径规划 | 第63-70页 |
| 5.4.1 深度强化学习DDQN算法 | 第63-66页 |
| 5.4.2 DDQN算法实现局部路径规划 | 第66-68页 |
| 5.4.3 DDQN算法中神经网络结构设计 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 6 仿真与实验 | 第71-86页 |
| 6.1 利用pygame模块仿真复杂地图的全局路径规划 | 第71-75页 |
| 6.2 利用pygame模块仿真动态地图的局部路径规划 | 第75-79页 |
| 6.3 采用单线雷达的室内自主路径规划实验 | 第79-84页 |
| 6.3.1 静态环境的全局路径规划 | 第79-82页 |
| 6.3.2 未知环境路径规划 | 第82-84页 |
| 6.4 本章小结 | 第84-86页 |
| 7 总结与展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 附录 | 第93页 |
