基于神经网络的多水下机器人协调控制方法研究
| 第1章 绪论 | 第1-19页 |
| ·概述 | 第11-12页 |
| ·多水下机器人的发展现状和研究动态 | 第12-14页 |
| ·多机器人协调控制理论的研究现状 | 第14-15页 |
| ·本课题的研究背景和意义 | 第15-16页 |
| ·论文的主要工作 | 第16-19页 |
| 第2章 神经网络技术研究 | 第19-41页 |
| ·神经网络 | 第19页 |
| ·神经元模型 | 第19-20页 |
| ·多层前向神经网络 | 第20-22页 |
| ·前向神经网络的学习算法 | 第22-23页 |
| ·BP算法存在的问题 | 第23-24页 |
| ·学习过程收敛速度慢 | 第23-24页 |
| ·学习过程中的“假饱和”现象 | 第24页 |
| ·神经网络作为函数逼近器的工作机理 | 第24-27页 |
| ·关于隐层节点的个数 | 第24-25页 |
| ·关于输出层的非线性激励函数 | 第25-26页 |
| ·对神经网络“泛化能力”的正确认识 | 第26页 |
| ·关于学习过程中“假饱和”现象的正确认识 | 第26-27页 |
| ·神经网络学习算法的研究 | 第27-38页 |
| ·神经网络学习算1 | 第27-30页 |
| ·神经网络学习算法2 | 第30-33页 |
| ·神经网络学习算法3 | 第33-35页 |
| ·神经网络学习算法4 | 第35-38页 |
| ·本章小结 | 第38-41页 |
| 第3章 基于神经网络的水下机器人基础运动控制 | 第41-81页 |
| ·信息融合与控制的关系 | 第41-43页 |
| ·速度估计器 | 第43-44页 |
| ·机器人的运动意志 | 第44-48页 |
| ·神经网络控制器 | 第48-50页 |
| ·信息融合的实现 | 第50-53页 |
| ·海流的估计 | 第53-55页 |
| ·典型试验验证 | 第55-80页 |
| ·本章小结 | 第80-81页 |
| 第4章 多水下机器人仿真系统 | 第81-109页 |
| ·引言 | 第81页 |
| ·仿真系统的研究背景 | 第81-85页 |
| ·仿真系统的需求 | 第81-83页 |
| ·多水下机器人仿真系统的构成 | 第83-85页 |
| ·水下机器人六自由度水动力学仿真 | 第85-97页 |
| ·水下机器人艇体六自由度水动力仿真 | 第85-89页 |
| ·限制水域对水下机器人操纵性能的影响 | 第89-95页 |
| ·推力器仿真 | 第95-96页 |
| ·海流的影响 | 第96页 |
| ·水动力学仿真结果 | 第96-97页 |
| ·传感器系统仿真 | 第97-101页 |
| ·声学传感器系统的仿真 | 第98-100页 |
| ·光学传感器系统的仿真 | 第100-101页 |
| ·基于MAS的多水下机器人仿真系统 | 第101-106页 |
| ·本章小结 | 第106-109页 |
| 第5章 多水下机器人编队协调控制技术 | 第109-127页 |
| ·基于混合结构的多水下机器人控制体系结构 | 第109-116页 |
| ·智能机器人控制结构 | 第109-111页 |
| ·智能水下机器人混合控制模型 | 第111-114页 |
| ·多水下机器人协调控制体系结构 | 第114-116页 |
| ·多水下机器人编队控制 | 第116-120页 |
| ·编队队形设计 | 第117-118页 |
| ·仿真实验结果 | 第118页 |
| ·海上试验结果 | 第118-120页 |
| ·行为融合中的强化学习 | 第120-125页 |
| ·强化学习简介 | 第120-122页 |
| ·强化学习的Q(λ)算法 | 第122-123页 |
| ·基于强化学习的机器人行为选择优化 | 第123-125页 |
| ·本章小结 | 第125-127页 |
| 结论 | 第127-129页 |
| 参考文献 | 第129-139页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第139-141页 |
| 致谢 | 第141-143页 |
| 个人简历 | 第143页 |
