六足减灾救援仿生机器人多传感器信息融合技术研究
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题来源 | 第8页 |
| ·课题研究的目的和意义 | 第8页 |
| ·机器人多传感器信息融合技术研究现状 | 第8-15页 |
| ·机器人多传感器信息融合技术国外研究现状 | 第8-12页 |
| ·机器人多传感器信息融合技术国内研究现状 | 第12-15页 |
| ·六足减灾救援仿生机器人简介 | 第15-16页 |
| ·六足减灾救援仿生机器人研究背景 | 第15页 |
| ·六足减灾救援仿生机器人 | 第15-16页 |
| ·论文研究的主要内容 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第二章 多传感器信息技术 | 第18-34页 |
| ·引言 | 第18页 |
| ·多传感器信息融合方法 | 第18-20页 |
| ·多传感器信息融合定义 | 第18页 |
| ·信息融合手段 | 第18-19页 |
| ·信息融合的层次 | 第19-20页 |
| ·人工神经网络 | 第20-25页 |
| ·神经网络的起源与发展 | 第20页 |
| ·人工神经网络原理 | 第20-23页 |
| ·神经网络的互联结构分类 | 第23-24页 |
| ·神经网络的学习规则 | 第24-25页 |
| ·误差反传神经网络 (BP) | 第25-28页 |
| ·BP 网络的计算公式 | 第25-28页 |
| ·BP 网络的学习算法步骤 | 第28页 |
| ·遗传算法 | 第28-32页 |
| ·遗传算法研究与发展概述 | 第28-29页 |
| ·遗传算法的基础知识 | 第29-31页 |
| ·遗传算法的基本操作 | 第31页 |
| ·遗传编码 | 第31页 |
| ·基本遗传算法的步骤 | 第31-32页 |
| ·遗传算法和神经网络 | 第32-33页 |
| ·神经网络为什么需要遗传算法 | 第32-33页 |
| ·遗传算法和神经网络的结合方式 | 第33页 |
| ·小结 | 第33-34页 |
| 第三章 六足减灾救援仿生机器人的避障系统 | 第34-46页 |
| ·引言 | 第34页 |
| ·机器人的避障传感器 | 第34-37页 |
| ·超声波传感器 | 第34-35页 |
| ·红外传感器 | 第35-36页 |
| ·传感器的布局 | 第36-37页 |
| ·基于 BP 网络和遗传算法结合的避障算法 | 第37-45页 |
| ·BP 神经网络设计 | 第37-39页 |
| ·遗传算法设计 | 第39-45页 |
| ·小结 | 第45-46页 |
| 第四章 六足减灾救援仿生机器人的导航定位系统 | 第46-59页 |
| ·引言 | 第46-47页 |
| ·机器人的定位方法 | 第47-49页 |
| ·环境地图的表示 | 第47-48页 |
| ·位姿估计 | 第48-49页 |
| ·卡尔曼滤波及扩展卡尔曼滤波 | 第49-52页 |
| ·卡尔曼滤波的基本算法 | 第49-50页 |
| ·扩展卡尔曼滤波方法 | 第50-52页 |
| ·基于 EKF 的六足减灾救援机器人定位 | 第52-55页 |
| ·机器人地图建立及定位 | 第52-53页 |
| ·六足减灾救援仿生机器人的位置模型 | 第53-55页 |
| ·机器人导航定位仿真试验 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| ·引言 | 第59页 |
| ·作者的工作 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 硕士期间论文发表及所获奖项 | 第66-67页 |
| 摘要 | 第67-69页 |
| Abstract | 第69-70页 |
