| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外移动抓取机器人研究现状 | 第11-14页 |
| 1.3 动态运动基元及其应用概述 | 第14-15页 |
| 1.4 强化学习算法及其应用概述 | 第15-17页 |
| 1.5 本文研究内容及论文结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 移动机器人的总体结构 | 第19-27页 |
| 2.1 移动机器人平台介绍和设备选型 | 第19-22页 |
| 2.2 移动机器人控制系统框架设计 | 第22-24页 |
| 2.2.1 硬件框架设计 | 第22-23页 |
| 2.2.2 软件框架设计 | 第23-24页 |
| 2.3 移动平台部分的运动学模型 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于双目视觉的移动机器人运动优化 | 第27-52页 |
| 3.1 双目摄像头定标 | 第27-30页 |
| 3.1.1 双目测距模型和深度图像获取 | 第27-29页 |
| 3.1.2 Bumblee2摄像头图像处理过程 | 第29-30页 |
| 3.2 移动双臂机器人运动学和轨迹规划概述 | 第30-31页 |
| 3.2.1 移动机器人运动学概述 | 第30页 |
| 3.2.2 移动机器人轨迹规划概述 | 第30-31页 |
| 3.3 移动双臂的运动学模型 | 第31-41页 |
| 3.3.1 机器人的坐标变换与位姿描述基础 | 第31-34页 |
| 3.3.2 移动双臂的运动学模型和坐标系系统 | 第34-37页 |
| 3.3.3 移动双臂的雅克比矩阵 | 第37-41页 |
| 3.4 原对偶神经网络对移动双臂机器人的运动优化 | 第41-46页 |
| 3.4.1 在物理限制下移动双臂机器人冗余度的二次型问题 | 第41-43页 |
| 3.4.2 原对偶神经网络对移动双臂的二次型问题优化 | 第43-46页 |
| 3.5 实验设计与实验结果分析 | 第46-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 动态运动基元与强化学习在机械臂上的应用 | 第52-74页 |
| 4.1 动态运动基元算法 | 第52-57页 |
| 4.1.1 动态运动基元算法概述 | 第52-53页 |
| 4.1.2 动态运动基元算法动力学方程 | 第53-57页 |
| 4.2 强化学习算法 | 第57-65页 |
| 4.2.1 强化学习算法概要 | 第57页 |
| 4.2.2 强化学习与曲线形状参数? | 第57-63页 |
| 4.2.3 强化学习与曲线目标参数g和形状参数θ | 第63-64页 |
| 4.2.4 强化学习与序列化DMP | 第64-65页 |
| 4.3 算法参数设置与双臂学习实验结果分析 | 第65-72页 |
| 4.3.1 序列DMP的PI~2算法参数设置 | 第65-67页 |
| 4.3.2 实验结果分析 | 第67-72页 |
| 4.4 本章小结 | 第72-74页 |
| 第五章 仿生手抓取力优化 | 第74-83页 |
| 5.1 多指仿生机械手抓取概述 | 第74-75页 |
| 5.2 仿生机械手的抓取力优化 | 第75-78页 |
| 5.2.1 抓取力优化的二次型问题 | 第75-77页 |
| 5.2.2 递归神经网络对抓取二次型问题优化 | 第77-78页 |
| 5.3 实验设计与结果分析 | 第78-82页 |
| 5.4 本章小结 | 第82-83页 |
| 总结与展望 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |