| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 国内外现状及发展趋势 | 第7-9页 |
| 1．2 开发背景 | 第9页 |
| 1．3 研究的要求和内容 | 第9页 |
| 1．4 实现方案 | 第9-10页 |
| 1．5 本文内容与结构 | 第10-11页 |
| 第二章 对静止目标的跟踪 | 第11-18页 |
| 2．1 所用到的机器人简介 | 第11-13页 |
| 2．2 目标识别 | 第13-15页 |
| 2．3 对目标的定位 | 第15-16页 |
| 2．4 静止目标跟踪 | 第16-18页 |
| 第三章 几种算法的研究及比较 | 第18-34页 |
| 3．1 PID算法 | 第18-22页 |
| 3．1．1 离散PID原理 | 第18-19页 |
| 3．1．2 PID算法的应用 | 第19-20页 |
| 3．1．3 用Matlab进行仿真 | 第20-22页 |
| 3．2 迭代学习算法 | 第22-26页 |
| 3．2．1 迭代学习算法原理 | 第22-23页 |
| 3．2．2 迭代学习算法应用 | 第23-26页 |
| 3．2．3 仿真运算结果 | 第26页 |
| 3．3 模糊逻辑算法 | 第26-32页 |
| 3．3．1 模糊逻辑算法原理 | 第26-30页 |
| 3．3．2 模糊算法应用 | 第30-31页 |
| 3．3．3 模糊算法仿真 | 第31-32页 |
| 3．4 三种算法的比较 | 第32-34页 |
| 第四章 神经网络在机器人控制中的应用 | 第34-52页 |
| 4．1 神经网络介绍 | 第34-40页 |
| 4．1．1 学习规则介绍 | 第35-37页 |
| 4．1．2 BP网络的介绍 | 第37-40页 |
| 4．2 神经网络应用 | 第40-49页 |
| 4．2．1 输入输出变量的选择 | 第41页 |
| 4．2．2 输入数据的选取 | 第41-42页 |
| 4．2．3 网络层数的确定 | 第42-43页 |
| 4．2．4 隐层神经元个数的确定 | 第43-45页 |
| 4．2．5 确定训练次数 | 第45-47页 |
| 4．2．6 样本、样本数的选取 | 第47-48页 |
| 4．2．7 选择初始权值 | 第48-49页 |
| 4．3 神经网络仿真 | 第49-51页 |
| 4．3．1 用Matlab的神经网络工具箱进行神经网络控制器设计 | 第49-50页 |
| 4．3．2 用Simulink完成对系统性能的仿真 | 第50-51页 |
| 4．4 与前几种算法的比较 | 第51-52页 |
| 第五章 机器人对运动目标的跟踪 | 第52-69页 |
| 5．1 相关理论介绍 | 第52-56页 |
| 5．1．1 常用导引方法 | 第52-53页 |
| 5．1．2 两点法运动方程 | 第53-54页 |
| 5．1．3 平行接近法介绍 | 第54-56页 |
| 5．2 将平接近法应用于机器人的运动中 | 第56-64页 |
| 5．2．1 目标作匀速直线运动 | 第56-61页 |
| 5．2．2 目标作变速运动 | 第61-64页 |
| 5．3 计算机仿真及试验结果 | 第64-68页 |
| 5．4 小结 | 第68-69页 |
| 第六章 结论 | 第69-71页 |
| 6．1 完成的主要工作 | 第69-70页 |
| 6．2 展望 | 第70-71页 |
| 致谢 | 第71-74页 |