基于多传感器信息融合的移动机器人避障研究
| 1 绪论 | 第1-14页 |
| ·机器人技术发展简介 | 第7-8页 |
| ·多传感器信息融合在移动机器人中的应用研究现状 | 第8-10页 |
| ·移动机器人多传感器信息融合的研究内容 | 第10-13页 |
| ·融合结构 | 第10页 |
| ·融合算法 | 第10-11页 |
| ·传感器测距问题 | 第11页 |
| ·目标识别 | 第11页 |
| ·自主导航和定位 | 第11-12页 |
| ·路径规划和路径跟踪 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| 2 多传感器信息融合技术的基本原理 | 第14-23页 |
| ·引言 | 第14页 |
| ·信息融合的关键问题 | 第14-15页 |
| ·信息融合的分类 | 第15-19页 |
| ·信息融合的一般方法 | 第19-21页 |
| ·信息融合的拓扑结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 移动机器人的避障系统 | 第23-36页 |
| ·引言 | 第23页 |
| ·AS-R移动机器人的体系结构介绍 | 第23-25页 |
| ·移动机器人的避障探测系统 | 第25-33页 |
| ·用于移动机器人避障的传感器 | 第25-26页 |
| ·超声波传感器 | 第26-30页 |
| ·红外传感器 | 第30-33页 |
| ·避障策略 | 第33-34页 |
| ·环境信息分类及其避障行为 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于BP网络的多超声波传感器信息融合 | 第36-43页 |
| ·引言 | 第36页 |
| ·人工神经网络简介 | 第36-37页 |
| ·BP网络 | 第37-41页 |
| ·BP网络的结构 | 第37-38页 |
| ·BP网络的学习算法 | 第38-39页 |
| ·BP网络的算法改进比较 | 第39-41页 |
| ·BP网络在多超声波传感器信息融合中的应用 | 第41-42页 |
| ·多超声波传感器信息融合训练样本的产生 | 第41页 |
| ·BP网络融合结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 多层融合在移动机器人避障中的应用 | 第43-58页 |
| ·引言 | 第43页 |
| ·模糊神经网络算法 | 第43-48页 |
| ·常神经网络和模糊逻辑的结合方式 | 第44-45页 |
| ·基于T-S模型的模糊神经网络结构 | 第45-48页 |
| ·模糊神经网络的混合学习算法 | 第48页 |
| ·多传感器信息两级融合方法 | 第48-50页 |
| ·两级融合原理 | 第49页 |
| ·两种传感器的融合规则 | 第49-50页 |
| ·模糊神经网络在移动机器人避障中的应用 | 第50-57页 |
| ·移动机器人的物理模型 | 第50-51页 |
| ·模糊神经网络控制器的设计 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 6 移动机器人的避障仿真及实物试验 | 第58-64页 |
| ·避障仿真实验 | 第58-61页 |
| ·避障实物试验 | 第61-64页 |
| 总结 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
