基于模糊神经网络的智能车的控制
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 智能车车道检测研究现状 | 第10-11页 |
| 1.2.2 无人驾驶国内研究现状 | 第11-12页 |
| 1.2.3 无人驾驶国外研究现状 | 第12-15页 |
| 1.2.4 模糊控制与神经网络的发展现状 | 第15页 |
| 1.2.5 图像处理的研究现状 | 第15-16页 |
| 1.3 论文研究内容与结构安排 | 第16-17页 |
| 第二章 智能车的硬件电路设计 | 第17-27页 |
| 2.1 系统需求分析 | 第17页 |
| 2.2 系统总体框图 | 第17-18页 |
| 2.3 智能小车系统硬件总体设计 | 第18-26页 |
| 2.3.1 单片机最小系统 | 第18-19页 |
| 2.3.2 电源稳压电路 | 第19-21页 |
| 2.3.3 电机驱动电路 | 第21-23页 |
| 2.3.4 WIFI最小系统电路 | 第23-24页 |
| 2.3.5 其他电路 | 第24-25页 |
| 2.3.6 系统PCB设计 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 图像的采集与预处理 | 第27-49页 |
| 3.1 图像采集 | 第27-28页 |
| 3.2 畸变矫正 | 第28-31页 |
| 3.3 图像二值化 | 第31-36页 |
| 3.3.1 全局二值化 | 第32-33页 |
| 3.3.2 局部自适应二值化 | 第33-35页 |
| 3.3.3 效果对比 | 第35-36页 |
| 3.4 边缘检测 | 第36-47页 |
| 3.4.1 Canny算子边缘检测 | 第36-39页 |
| 3.4.2 BP神经网络边缘检测 | 第39-47页 |
| 3.5 Hough变换 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于模糊滑模的不确定扰动的智能小车控制 | 第49-60页 |
| 4.1 模糊控制理论简介 | 第49页 |
| 4.2 滑模变结构控制 | 第49-51页 |
| 4.3 预瞄机制的车辆横向控制模型 | 第51-52页 |
| 4.4 基于线性化反馈的自适应模糊滑模控制器设计 | 第52-56页 |
| 4.4.1 滑模控制函数设计 | 第53页 |
| 4.4.2 模糊控制器设计 | 第53-56页 |
| 4.5 仿真实验及数据分析 | 第56-59页 |
| 4.5.1 仿真实验一 | 第56-57页 |
| 4.5.2 仿真实验二 | 第57-58页 |
| 4.5.3 仿真实验三 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与讨论 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 讨论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者在校期间获奖情况 | 第68页 |
