基于LWR算法的避障行为学习控制器设计及在机器人上的实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第8-18页 |
| 1.1 本文研究背景和意义 | 第8页 |
| 1.2 移动机器人避障系统概述 | 第8-9页 |
| 1.3 移动机器人避障控制系统概述 | 第9-14页 |
| 1.3.1 现代机器人控制算法的发展现状 | 第9-11页 |
| 1.3.2 移动机器人及其避障算法的发展现状 | 第11-14页 |
| 1.4 LWR 算法概述 | 第14-16页 |
| 1.4.1 LWR 算法的创建 | 第14页 |
| 1.4.2 LWR 算法的发展现状 | 第14-16页 |
| 1.5 本文的内容与结构 | 第16-18页 |
| 2 LWR 算法 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 LWR 算法的概念 | 第18-29页 |
| 2.2.1 普通的全局线性回归 | 第18-20页 |
| 2.2.2 几种相近方法的介绍 | 第20-22页 |
| 2.2.3 LWR 算法的基本思想 | 第22-23页 |
| 2.2.4 LWR 的具体实现步骤 | 第23-24页 |
| 2.2.5 距离函数 | 第24-25页 |
| 2.2.6 接受域半径（带宽）参数 | 第25-28页 |
| 2.2.7 加权函数 | 第28-29页 |
| 2.2.8 局部模型的结构 | 第29页 |
| 2.3 LWR 算法的伪代码 | 第29-30页 |
| 2.4 小结 | 第30-32页 |
| 3 避障控制器的设计 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 KEPRA-Ⅱ实验机器人简介 | 第32-35页 |
| 3.2.1 Kepra-Ⅱ机器人简介 | 第32-34页 |
| 3.2.2 二轮机器人运动学特征简介 | 第34-35页 |
| 3.3 避障策略 | 第35-38页 |
| 3.3.1 避障策略设计 | 第35页 |
| 3.3.2 移动机器人的障碍物情况分类 | 第35-36页 |
| 3.3.3 避障行为设计 | 第36-37页 |
| 3.3.4 跟墙控制策略及行为设计 | 第37-38页 |
| 3.4 LWR 避障控制器 | 第38-49页 |
| 3.4.1 内生控制器的设计实现 | 第38-41页 |
| 3.4.2 LWR 控制器原理 | 第41-43页 |
| 3.4.3 LWR 控制器的设计 | 第43-49页 |
| 3.5 小结 | 第49-50页 |
| 4 实验及分析 | 第50-62页 |
| 4.1 引言 | 第50页 |
| 4.2 实验环境布置 | 第50-52页 |
| 4.2.1 避障实验环境 | 第50-51页 |
| 4.2.2 跟墙实验环境 | 第51页 |
| 4.2.3 机器人传感器读数问题 | 第51-52页 |
| 4.3 样本点的采集 | 第52-54页 |
| 4.4 避障实验 | 第54-57页 |
| 4.5 跟墙实验 | 第57-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 总结及展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72页 |
| 攻读硕士学位期间发表的论文 | 第72页 |
