具有学习能力的AUV局部路径规划研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·路径规划简介 | 第10-12页 |
| ·水下机器人局部路径规划的特点 | 第12-13页 |
| ·几种智能算法 | 第13-20页 |
| ·基于模糊逻辑的路径规划方法 | 第13-14页 |
| ·基于神经网络的路径规划方法 | 第14-15页 |
| ·基于遗传算法的路径规划方法 | 第15-17页 |
| ·基于案例学习的路径规划方法 | 第17-18页 |
| ·基于强化学习的路径规划方法 | 第18-20页 |
| ·主要工作和论文组织 | 第20-21页 |
| 第2章 海流对AUV局部路径规划的影响及能耗分析 | 第21-27页 |
| ·海流简介 | 第21-22页 |
| ·海流对AUV局部路径规划的影响 | 第22-24页 |
| ·一种路径规划能耗计算方法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 考虑海流的模糊局部路径规划器设计 | 第27-34页 |
| ·海洋环境下AUV局部路径规划基本原理 | 第27-29页 |
| ·考虑海流情况下的模糊局部规划器设计 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 具有学习能力的局部路径规划 | 第34-52页 |
| ·强化学习 | 第34-38页 |
| ·强化学习简介 | 第34-35页 |
| ·采用强化学习的几个关键问题 | 第35-38页 |
| ·采用Q学习的局部路径规划基本原理 | 第38-41页 |
| ·Q学习算法描述 | 第38-39页 |
| ·构建水下机器人的Q学习框架图 | 第39-41页 |
| ·采用Q学习的局部路径规划详细设计 | 第41-51页 |
| ·定义Q学习输入状态 | 第41-42页 |
| ·定义Q学习输出状态 | 第42-43页 |
| ·Q学习动作选择策略 | 第43-45页 |
| ·确定外部强化信号 | 第45-49页 |
| ·定义初始Q值表 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 仿真实验及结果分析 | 第52-68页 |
| ·构建环境和AUV建模 | 第52-57页 |
| ·构建环境坐标系 | 第52-53页 |
| ·构建环境地图 | 第53-54页 |
| ·构建AUV模型 | 第54页 |
| ·AUV水动力模型 | 第54-57页 |
| ·采用模糊逻辑法的局部路径规划仿真效果及分析 | 第57-59页 |
| ·采用Q学习的局部路径规划仿真效果及分析 | 第59-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76页 |
