摘要 | 第1-15页 |
ABSTRACT | 第15-20页 |
缩略词注释表 | 第20-21页 |
第一章 绪论 | 第21-43页 |
·移动机器人智能体混合式体系结构国内外研究现状 | 第22-37页 |
·移动机器人智能体体系结构的发展历程及其特点 | 第22-28页 |
·混合式规划 | 第28-33页 |
·人工智能控制(AI)在移动机器人规划算法中的应用 | 第33-37页 |
·本论文研究内容 | 第37-41页 |
·研究的目的和意义 | 第37-39页 |
·论文的主要工作与技术创新点 | 第39-41页 |
·论文的内容安排 | 第41-43页 |
第二章 移动机器人智能体混合式体系结构的设计 | 第43-55页 |
·智能控制系统的一般结构 | 第43-45页 |
·移动机器人智能体体系结构的设计 | 第45-48页 |
·Saphira体系结构简介 | 第45-46页 |
·基于Saphira的体系结构设计 | 第46-48页 |
·反应/慎思功能的交叉实现 | 第48-53页 |
·具体设计思路 | 第49-50页 |
·反应层行为的执行 | 第50-51页 |
·反应层和慎思层行为的交叉执行 | 第51-52页 |
·仿真与实验 | 第52-53页 |
·本章小结 | 第53-55页 |
第三章 慎思层行为的规划与设计 | 第55-81页 |
·环境表示及地图建立 | 第56-60页 |
·基于四叉树的栅格地图表示 | 第56-57页 |
·激光测距及地图建立 | 第57-60页 |
·路径搜索策略 | 第60-73页 |
·基本算法 | 第60-61页 |
·常用的搜索策略 | 第61-63页 |
·搜索策略SDM | 第63-69页 |
·SDM算法评价 | 第69-73页 |
·算法仿真 | 第73-76页 |
·虚拟环境下的仿真实验 | 第76-79页 |
·本章小结 | 第79-81页 |
第四章 反应层行为的学习与设计 | 第81-111页 |
·QL | 第81-88页 |
·RL | 第81-82页 |
·QL简介 | 第82-83页 |
·确定性回报和动作假定下的QL算法 | 第83-84页 |
·收敛性 | 第84-85页 |
·动态决策 | 第85-86页 |
·非确定性回报和动作假定下的QL算法 | 第86-87页 |
·Q函数的实现方法 | 第87页 |
·强化信号的确定 | 第87-88页 |
·基于QL的反应式行为设计 | 第88-108页 |
·马尔可夫决策过程 | 第89-90页 |
·机器人模型和坐标系 | 第90-92页 |
·输入/输出空间的表示 | 第92-93页 |
·输入/输出空间的离散化 | 第93-95页 |
·QL-LooKUP表格 | 第95-96页 |
·动态决策(动作选择) | 第96-97页 |
·强化信号的确定 | 第97-100页 |
·训练过程 | 第100-104页 |
·控制规则 | 第104-105页 |
·仿真 | 第105-108页 |
·本章小结 | 第108-111页 |
第五章 动态障碍物混合避障算法的研究 | 第111-139页 |
·基于一元线性回归和自回归的预测模型 | 第112-118页 |
·样本采集 | 第112-113页 |
·线性回归分析 | 第113-114页 |
·OLS和模型检验 | 第114-115页 |
·动态障碍物预测模型的建立 | 第115-117页 |
·预测及自回归预测模型 | 第117-118页 |
·结论 | 第118页 |
·基于RBFNN的动态障碍物预测模型的建立 | 第118-130页 |
·数据的采集 | 第120页 |
·采样数据的划分 | 第120-121页 |
·RBFNN拓扑结构 | 第121-123页 |
·网络的训练与测试 | 第123-130页 |
·结论 | 第130页 |
·基于滚动规划的动态预测混合避障算法 | 第130-135页 |
·滚动窗口 | 第131-132页 |
·动态障碍物 | 第132页 |
·滚动规划 | 第132-135页 |
·实验与仿真 | 第135-136页 |
·本章小结 | 第136-139页 |
第六章 结论与展望 | 第139-143页 |
·结论 | 第139-141页 |
·展望 | 第141-143页 |
参考文献 | 第143-153页 |
攻读博士学位期间完成的论文及参加的科研工作 | 第153-155页 |
致谢 | 第155-156页 |
附发表文章 | 第156-172页 |
学位论文评阅及答辩情况表 | 第172页 |