首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文

基于多传感器信息融合的自主车导航研究

第一章 引言第1-15页
 1.1 课题的提出及意义第7-8页
 1.2 移动机器人的国内外研究现状第8-11页
  1.2.1 国外移动机器人的研究现状第8-10页
  1.2.2 国内移动机器人的研究现状第10-11页
 1.3 多传感器信息融合的国内外研究现状第11-14页
  1.3.1 国外多传感器信息融合的研究现状第12-13页
  1.3.2 国内多传感器信息融合的研究现状第13-14页
 1.4 本文的主要研究内容第14-15页
第二章 QDU-Ⅰ自主车的组成及其工作原理第15-25页
 2.1 QDU-Ⅰ自主车的车体结构第15页
 2.2 QDU-Ⅰ自主车的驱动模型第15-17页
 2.3 QDU-Ⅰ自主车传感器的选择与布局第17-21页
  2.3.1 传感器的选择第17-19页
   2.3.1.1 超声波传感器第17-19页
   2.3.1.2 避障传感器第19页
  2.3.2 传感器的布局第19-21页
   2.3.2.1 超声波传感器阵列安装位置第19-21页
   2.3.2.2 避障传感器安装位置第21页
 2.4 QDU-Ⅰ自主车的硬件系统第21-24页
  2.4.1 QDU-Ⅰ自主车硬件系统的组成第21-23页
   2.4.1.1 工控机第21-22页
   2.4.1.2 PMAC控制卡第22-23页
   2.4.1.3 编码器与放大器第23页
  2.4.2 超声波传感器硬件管理模式第23-24页
 2.5 本章小结第24-25页
第三章 基于PMAC的自主车软件系统设计第25-34页
 3.1 软件系统设计简介第25-26页
 3.2 距离信息采集系统模块的设计第26-29页
 3.3 QDU-Ⅰ自主车行走控制模块的设计第29-32页
  3.3.1 基于VC++环境下的PMAC的二次开发第29-30页
  3.3.2 基于两轮差速的行走控制算法开发第30-32页
 3.4 QDU-Ⅰ自主车人机界面模块设计第32-33页
 3.5 本章小结第33-34页
第四章 基于多传感器信息融合的自主车定位与避障研究第34-51页
 4.1 QDU-Ⅰ自主车的定位研究第34-37页
 4.2 基于多传感器信息融合的自主车避障控制算法第37-40页
  4.2.1 自主车避障的模糊控制第37-38页
  4.2.2 自主车避障的神经网络控制第38-39页
  4.2.3 自主车避障的模糊神经网络控制第39-40页
 4.3 基于模糊神经网络的自主车避障第40-49页
  4.3.1 基于模糊Kohonen聚类网络的避障系统第40-41页
  4.3.2 距离层加权向量W_j和原型模式个数c的确定第41-45页
   4.3.2.1 距离层加权向量W_j的确定第43-44页
   4.3.2.2 原型模式个数c的确定第44-45页
  4.3.3 传感器输入INPUT和控制输出R_i映射关系的确定第45-48页
  4.3.4 危险情况下的避障模式第48-49页
 4.4 本章小结第49-51页
第五章 QDU-Ⅰ自主车避障导航控制的实验研究第51-64页
 5.1 QDU-Ⅰ自主车导航仿真实验第51-56页
  5.1.1 仿真软件功能需求分析第51页
  5.1.2 仿真软件设计思想第51-52页
  5.1.3 模块功能实现第52-53页
  5.1.4 动态仿真实现方法第53-54页
  5.1.5 仿真软件功能实现第54页
  5.1.6 仿真软件界面第54-55页
  5.1.7 仿真实验结果第55-56页
 5.2 QDU-Ⅰ自主车的实物实验第56-62页
  5.2.1 超声波传感器标定实验第56-61页
   5.2.1.1 超声波传感器的距离标定第56-59页
   5.2.1.2 超声波传感器的波束角标定第59-61页
  5.2.2 光电编码器测量实验第61页
   5.2.2.1 悬空实验第61页
   5.2.2.2 着地实验第61页
  5.2.3 红外防碰传感器测量实验第61-62页
  5.2.4 QDU-Ⅰ自主车实物导航实验第62页
 5.3 本章小结第62-64页
第六章 全文总结第64-66页
 6.1 全文工作总结第64页
 6.2 存在的问题及工作展望第64-66页
参考文献第66-70页
作者在攻读学位期间的研究成果第70-71页
致谢第71-72页
学位论文独创性声明、学位论文知识产权权属声明第72-73页

论文共73页,点击 下载论文
上一篇:基于WEB技术的教育网站系统设计和数据挖掘
下一篇:基于B/S模式的三层结构的网络办公系统的实现