水下机器人实时路径规划方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-29页 |
| ·引言 | 第13页 |
| ·水下机器人研究概述 | 第13-17页 |
| ·水下机器人研究现状 | 第13-16页 |
| ·水下机器人技术发展趋势 | 第16-17页 |
| ·水下机器人路径规划技术概述 | 第17-20页 |
| ·路径规划技术分类和特点 | 第17-19页 |
| ·水下机器人路径规划问题的特殊性 | 第19-20页 |
| ·水下机器人路径规划方法 | 第20-26页 |
| ·全局路径规划 | 第20-21页 |
| ·实时局部路径规划 | 第21-25页 |
| ·动态时变规划 | 第25-26页 |
| ·存在的问题及解决途径 | 第26-27页 |
| ·课题来源及论文主要研究工作 | 第27-29页 |
| 第2章 基于滚动窗口的模糊运动规划器设计 | 第29-56页 |
| ·问题描述 | 第29页 |
| ·滚动窗口路径规划 | 第29-32页 |
| ·场景模型 | 第31页 |
| ·滚动窗口优化 | 第31-32页 |
| ·反馈初始化 | 第32页 |
| ·模糊控制 | 第32-35页 |
| ·基于模糊逻辑的运动规划器设计 | 第35-45页 |
| ·传感器配置及障碍物的探测 | 第35-37页 |
| ·变量选择与模糊化处理 | 第37-41页 |
| ·实时路径规划算法 | 第41页 |
| ·机器人感知的环境类别划分 | 第41-42页 |
| ·模糊推理规则的建立 | 第42-43页 |
| ·推理过程 | 第43-44页 |
| ·反模糊化 | 第44-45页 |
| ·实虚目标转换方法 | 第45-47页 |
| ·动态障碍物处理方法 | 第47-55页 |
| ·描述动态障碍物的运动模型 | 第48-49页 |
| ·本文对动态障碍物的处理方法 | 第49-50页 |
| ·极大似然估计法 | 第50-52页 |
| ·对障碍物位置不确定性的处理 | 第52-53页 |
| ·主动预测避碰 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第3章 基于模糊神经网络的规则化简及参数优化 | 第56-76页 |
| ·学习样本的获取 | 第56-59页 |
| ·模糊推理系统的模糊神经网络实现 | 第59-75页 |
| ·网络结构及学习算法 | 第59-62页 |
| ·初始化隶属函数 | 第62-64页 |
| ·规则提取 | 第64-69页 |
| ·基于遗传算法的参数调整 | 第69-75页 |
| ·本章小结 | 第75-76页 |
| 第4章 基于减法聚类自适应神经模糊规划器设计 | 第76-91页 |
| ·问题的提出 | 第76-77页 |
| ·ANFIS模型 | 第77-79页 |
| ·模型结构的确定 | 第79-81页 |
| ·基于减法聚类的自适应神经模糊规划器设计 | 第81-89页 |
| ·本章小结 | 第89-91页 |
| 第5章 仿真与实验 | 第91-129页 |
| ·引言 | 第91页 |
| ·仿真系统功能设计 | 第91-92页 |
| ·仿真系统功能实现 | 第92-94页 |
| ·实验平台简介 | 第94-95页 |
| ·静态未知环境下实时路径规划仿真与实验 | 第95-111页 |
| ·动态障碍物环境下实时路径规划仿真与实验 | 第111-121页 |
| ·自适应神经模糊规划器与模糊规划器规划效果比较 | 第121-128页 |
| ·本章小结 | 第128-129页 |
| 结论 | 第129-131页 |
| 参考文献 | 第131-140页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第140-141页 |
| 致谢 | 第141-142页 |
| 个人简历 | 第142页 |
