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--机器人论文

一种基于云模型的两轮平衡车设计

摘要第6-7页
Abstract第7-8页
第1章 绪论第15-23页
    1.1 研究背景与意义第15-16页
        1.1.1 研究背景第15-16页
        1.1.2 研究意义第16页
    1.2 研究现状第16-22页
        1.2.1 国内外研究现状第16-20页
        1.2.2 避障研究现状第20-21页
        1.2.3 云模型研究现状第21页
        1.2.4 发展趋势第21-22页
    1.3 论文研究内容及重难点第22-23页
        1.3.1 研究内容第22页
        1.3.2 研究重难点第22-23页
第2章 两轮平衡车建模及仿真第23-47页
    2.1 引言第23页
    2.2 性能分析第23-24页
        2.2.1 平衡分析第23-24页
        2.2.2 避障分析第24页
    2.3 两轮平衡车建模第24-37页
        2.3.1 运动学模型(牛顿法建模)第25-27页
        2.3.2 动力学模型(拉格朗日法建模)第27-34页
        2.3.3 MATLAB仿真第34-37页
    2.4 姿态信息采集分析第37-41页
        2.4.1 MPU-6050传感器第37-38页
        2.4.2 加速度计分析第38-39页
        2.4.3 陀螺仪分析第39-40页
        2.4.4 姿态测量误差分析第40-41页
    2.5 姿态信号融合滤波第41-45页
        2.5.1 数据融合方案第41页
        2.5.2 卡尔曼滤波设计第41-43页
        2.5.3 仿真验证第43-45页
    2.6 小结第45-47页
第3章 云模型避障控制设计第47-61页
    3.1 引言第47页
    3.2 避障策略设计第47-49页
        3.2.1 障碍物信息分类第47-48页
        3.2.2 避障控制流程第48-49页
    3.3 云模型的控制原理第49-54页
        3.3.1 云模型定义第49-50页
        3.3.2 云模型映射特性第50-52页
        3.3.3 云发生器第52-53页
        3.3.4 不确定性推理第53-54页
    3.4 云模型避障控制器设计第54-56页
        3.4.1 传感器测距方案第54-55页
        3.4.2 云模型控制器第55-56页
    3.5 避障控制云化过程第56-59页
        3.5.1 输入输出云化第56-58页
        3.5.2 推理规则建立第58-59页
    3.6 小结第59-61页
第4章 两轮平衡车系统设计第61-85页
    4.1 引言第61页
    4.2 总体设计第61-62页
    4.3 系统硬件第62-72页
        4.3.1 核心控制模块第64页
        4.3.2 姿态检测模块第64-65页
        4.3.3 无线通讯模块第65-66页
        4.3.4 电机驱动及接口电路第66-67页
        4.3.5 NRF24L01接口电路第67-68页
        4.3.6 避障传感器及接口电路第68-71页
        4.3.7 LED模块接口第71页
        4.3.8 主控板PCB第71-72页
    4.4 系统软件第72-84页
        4.4.1 开发环境第72-73页
        4.4.2 软件流程第73-74页
        4.4.3 PID控制器程序第74-77页
        4.4.4 两轮平衡车直立控制第77-79页
        4.4.5 两轮平衡车速度控制第79-82页
        4.4.6 两轮平衡车转向控制第82-84页
    4.5 小结第84-85页
第5章 云模型避障控制实验第85-101页
    5.1 引言第85页
    5.2 无线通讯实验第85-91页
        5.2.1 蓝牙模块性能测试第85-87页
        5.2.2 APP功能实现第87-91页
    5.3 滤波实验第91-93页
    5.4 避障实验第93-99页
        5.4.1 推理映射仿真第93-96页
        5.4.2 运行实验第96-99页
    5.5 小结第99-101页
第6章 总结和展望第101-103页
参考文献第103-106页
附录第106-108页
    附录1 原理图第106-107页
    附录2 PCB第107-108页
硕士期间成果第108-110页
致谢第110页

论文共110页,点击 下载论文
上一篇:基于深层语义特征增强的细粒度车型识别方法研究
下一篇:基于多特征融合深度网络的低分辨率车型识别研究