| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 移动机器人国内外发展概况 | 第11-14页 |
| 1.3 移动机器人环境探索问题的研究现状 | 第14-17页 |
| 1.3.1 移动机器人环境探测的研究现状 | 第14-15页 |
| 1.3.2 移动机器人环境建模的研究现状 | 第15-17页 |
| 1.4 移动机器人全局路径规划与导航定位问题的研究现状 | 第17-19页 |
| 1.4.1 移动机器人路径规划方法的研究现状 | 第17-18页 |
| 1.4.2 移动机器人导航定位问题的研究现状 | 第18-19页 |
| 1.5 论文主要研究内容以及组织结构 | 第19-22页 |
| 第2章 基于有限状态机的移动机器人室内环境探索 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 室内移动机器人的环境探索遍历系统 | 第22-24页 |
| 2.3 室内环境栅格定义 | 第24-25页 |
| 2.4 基于FSAM的移动机器人室内环境遍历 | 第25-32页 |
| 2.4.1 机器人环境探索的FSAM实现 | 第25-26页 |
| 2.4.2 机器人环境探索的状态转换策略设计 | 第26-29页 |
| 2.4.3 算法仿真实验以及对比实验分析 | 第29-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于改进自组织神经网络的环境地图创建 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 动态自组织神经网络 | 第35-40页 |
| 3.2.1 SOM神经网络模型基础 | 第35-38页 |
| 3.2.2 DGSOM网络模型 | 第38-40页 |
| 3.3 阈值可变的动态生长自组织神经网络（VTDGSOM）算法设计 | 第40-45页 |
| 3.3.1 VTDGSOM算法流程 | 第40-42页 |
| 3.3.2 算法仿真实验与分析 | 第42-45页 |
| 3.4 基于VTDGSOM的移动机器人室内环境拓扑地图创建 | 第45-51页 |
| 3.4.1 环境地图创建结果与分析 | 第45-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于已创建环境地图的全局路径规划 | 第52-58页 |
| 4.1 引言 | 第52页 |
| 4.2 基于已创建环境地图的移动机器人全局路径规划 | 第52-54页 |
| 4.2.1 A~*算法 | 第52-53页 |
| 4.2.2 PA_A~*算法设计 | 第53-54页 |
| 4.3 实验仿真结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 基于BPShaping_Q学习的移动机器人启发式导航 | 第58-70页 |
| 5.1 引言 | 第58-59页 |
| 5.2 基于BPShaping_Q学习的启发式导航设计 | 第59-63页 |
| 5.2.1 基于BP网络Q学习的启发式导航学习过程 | 第59-60页 |
| 5.2.2 基于BP神经网络的启发回报函数—Shaping函数 | 第60页 |
| 5.2.3 BP神经网络更新 | 第60-61页 |
| 5.2.4 BPShaping_QL算法流程 | 第61-63页 |
| 5.3 仿真实验与分析 | 第63-68页 |
| 5.3.1 仿真实验环境介绍 | 第63-64页 |
| 5.3.2 实验结果与分析 | 第64-68页 |
| 5.4 本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的学术成果 | 第76-78页 |
| 致谢 | 第78页 |
