| 1 综述 | 第1-19页 |
| 1．1 引言 | 第8-9页 |
| 1．2 传统路径规划方法 | 第9-13页 |
| 1．3 智能路径规划方法 | 第13-16页 |
| 1．4 本论文所做的贡献 | 第16-18页 |
| 1．5 论文的框架结构 | 第18-19页 |
| 2 SHAA神经网络实时避障和路径规划算法 | 第19-43页 |
| 2．1 引言 | 第19-20页 |
| 2．2 SHAA神经网络模型 | 第20-28页 |
| 2．2．1 HHNN神经网络模型 | 第20-23页 |
| 2．2．2 SHAA神经网络算法模型 | 第23-25页 |
| 2．2．3 参数的设定 | 第25-26页 |
| 2．2．4 稳定性分析 | 第26-28页 |
| 2．3 SHAA算法的计算机仿真 | 第28-43页 |
| 2．3．1 5×5地图路径规划计算过程示例 | 第28-35页 |
| 2．3．2 多种地图路径规划示例 | 第35-43页 |
| 3 SHAA神经网络实时路径规划的安全考虑 | 第43-52页 |
| 3．1 引言 | 第43-44页 |
| 3．2 带有安全因素考虑的实时的 SHAA神经网络模型 | 第44-47页 |
| 3．3 稳定性分析 | 第47-48页 |
| 3．4 计算机仿真 | 第48-52页 |
| 4 SHAA算法在清洁机器人全路径覆盖规划中的应用 | 第52-63页 |
| 4．1 引言 | 第52-54页 |
| 4．2 清扫机器人路径规划研究 | 第54-57页 |
| 4．3 SHAA清扫机器人全路径覆盖规划算法 | 第57-59页 |
| 4．3．1 状态方程 | 第57-58页 |
| 4．3．2 迭代计算规则 | 第58-59页 |
| 4．4 计算机仿真 | 第59-63页 |
| 5 机器人硬件系统设计 | 第63-76页 |
| 5．1 概述 | 第63-64页 |
| 5．2 机器人视觉子系统 | 第64-70页 |
| 5．2．1 机器人视觉系统构成 | 第64-65页 |
| 5．2．2 机器人视觉工作过程 | 第65-66页 |
| 5．2．3 机器人视觉系统硬件实现方案的选择与分析 | 第66-67页 |
| 5．2．4 机器人视觉中的图像处理与识别 | 第67-70页 |
| 5．3 决策子系统 | 第70页 |
| 5．4 无线通讯子系统 | 第70-71页 |
| 5．5 机器人车体子系统 | 第71-76页 |
| 全文总结 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 科研成果 | 第81-82页 |
| 声明 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附录 | 第84-91页 |
