摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第1章 绪论 | 第10-25页 |
·引言 | 第10页 |
·机器人的定义及分类 | 第10-14页 |
·移动机器人技术的研究意义 | 第14-15页 |
·移动机器人技术的国内外研究进展 | 第15-17页 |
·移动机器人技术的基本研究方向 | 第17-22页 |
·移动机器人的控制体系结构 | 第18页 |
·导航 | 第18-19页 |
·定位 | 第19-20页 |
·路径规划 | 第20-21页 |
·多传感器信息融合方面的研究 | 第21-22页 |
·多机器人系统与机器人足球 | 第22页 |
·智能计算理论背景 | 第22-24页 |
·本文所开展的研究工作 | 第24-25页 |
第2章 移动机器人体系结构与运动模型 | 第25-40页 |
·机器人硬件结构 | 第25-31页 |
·性能指标与组成 | 第25-26页 |
·移动机构 | 第26-27页 |
·电子系统 | 第27-31页 |
·软件结构 | 第31-34页 |
·软件体系结构 | 第31-32页 |
·Pioneer2 软件系统 | 第32-34页 |
·移动机器人控制结构 | 第34-37页 |
·各个控制层的组成 | 第34-35页 |
·工作原理 | 第35-37页 |
·移动机器人运动模型 | 第37-39页 |
·本章小结 | 第39-40页 |
第3章 基于神经网络的移动机器人全局路径规划 | 第40-50页 |
·引言 | 第40-42页 |
·移动机器人路径规划问题的描述 | 第40页 |
·路径规划研究的主要方法 | 第40-41页 |
·本章的主要研究内容 | 第41-42页 |
·基于人工神经网络的移动机器人路径规划 | 第42-49页 |
·单个障碍物环境的神经网络建模 | 第42-43页 |
·多个障碍物的神经网络建模 | 第43-44页 |
·路径点运动方程 | 第44-46页 |
·路径规划步骤 | 第46页 |
·仿真实验 | 第46-49页 |
·本章小结 | 第49-50页 |
第4章 融合模拟退火算法的人工神经网络路径规划 | 第50-56页 |
·引言 | 第50页 |
·模拟退火算法的基本原理 | 第50-53页 |
·固体退火 | 第50-51页 |
·组合优化问题与固体退火的相似性 | 第51页 |
·问题解决方法的原理分析 | 第51-53页 |
·结合模拟退火算法的神经网络路径规划 | 第53-55页 |
·路径规划步骤 | 第53-54页 |
·仿真实验 | 第54-55页 |
·本章小结 | 第55-56页 |
第5章 融合遗传算法的人工神经网络路径规划 | 第56-65页 |
·引言 | 第56-57页 |
·遗传算法的基本知识 | 第57-61页 |
·遗传算法中的基本概念和术语 | 第57页 |
·遗传算法的基本原理 | 第57-58页 |
·遗传算法的收敛性 | 第58页 |
·遗传算法的设计步骤 | 第58-61页 |
·遗传算法路径规划 | 第61-63页 |
·编码 | 第61页 |
·确定适应度函数 | 第61-62页 |
·遗传操作 | 第62-63页 |
·实验仿真 | 第63-64页 |
·结论 | 第64-65页 |
第6章 基于模糊神经网络算法的移动机器人动态环境路径规划 | 第65-76页 |
·引言 | 第65页 |
·模糊神经网络基本原理 | 第65-68页 |
·模糊控制的基本原理 | 第66-67页 |
·模糊神经网络结构 | 第67-68页 |
·机器人动态避障模型的确立 | 第68-73页 |
·机器人运动学方程 | 第68-69页 |
·碰撞危险度(Risk-degree of Collision) | 第69-70页 |
·模糊神经网络结构 | 第70-71页 |
·模糊神经网络的学习算法 | 第71-73页 |
·实验仿真 | 第73-75页 |
·初始化模糊神经网络模型各权值 | 第73页 |
·在已知环境中训练模糊神经网络模型权值 | 第73-74页 |
·在动态环境中的路径规划步骤 | 第74页 |
·仿真结果分析 | 第74-75页 |
·结论 | 第75-76页 |
结论 | 第76-78页 |
1、论文的主要工作和创新点 | 第76-77页 |
2、研究工作的总结和展望 | 第77-78页 |
参考文献 | 第78-82页 |
附录 A 攻读学位论文期间所发表的学术论文目录 | 第82-83页 |
致谢 | 第83页 |