| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 仿生机器鱼运动模式生成理论研究现状 | 第12-13页 |
| 1.2.2 仿生机器鱼实验装置研究现状 | 第13-15页 |
| 1.2.3 移动机器人避障算法研究现状 | 第15-17页 |
| 1.3 论文主要工作及章节安排 | 第17-19页 |
| 第2章 多关节仿生机器鱼设计与制作 | 第19-26页 |
| 2.1 引言 | 第19页 |
| 2.2 多关节仿生机器鱼模型 | 第19-20页 |
| 2.3 多关节仿生机器鱼机械结构 | 第20-21页 |
| 2.4 3D打印技术概述 | 第21-23页 |
| 2.4.1 3D打印的工作原理 | 第21-22页 |
| 2.4.2 3D打印的应用现状 | 第22-23页 |
| 2.5 基于 3D打印的仿生机器鱼设计与制作 | 第23-25页 |
| 2.5.1 仿生机器鱼设计 | 第23-24页 |
| 2.5.2 仿生机器鱼制作 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于GIM的运动模式生成算法 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 鱼的运动行为分析 | 第26-29页 |
| 3.3 人工神经网络概述 | 第29-32页 |
| 3.3.1 生物神经元 | 第29-30页 |
| 3.3.2 人工神经元模型 | 第30-32页 |
| 3.4 基于GIM的运动模式学习 | 第32-37页 |
| 3.4.1 GIM结构 | 第32-33页 |
| 3.4.2 人工神经网络学习算法 | 第33-36页 |
| 3.4.3 仿生运动模式的生成 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-40页 |
| 3.5.1“巡游”运动模式的产生 | 第37-38页 |
| 3.5.2“游动转弯”运动模式的产生 | 第38-39页 |
| 3.5.3“C形急转”运动模式的产生 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于自适应神经模糊控制的机器鱼自主避障算法 | 第41-58页 |
| 4.1 引言 | 第41页 |
| 4.2 模糊控制概述 | 第41-45页 |
| 4.2.1 模糊控制系统结构 | 第41-43页 |
| 4.2.2 基于Takagi-Sugeno模型的神经模糊系统 | 第43-45页 |
| 4.3 基于红外传感器网络的障碍物识别系统 | 第45-50页 |
| 4.3.1 红外传感器校准 | 第45-47页 |
| 4.3.2 红外传感器网络 | 第47-49页 |
| 4.3.3 障碍物识别与数据预处理系统 | 第49-50页 |
| 4.4 机器鱼自主避障系统 | 第50-55页 |
| 4.4.1 机器鱼自主避障系统整体框架图 | 第50-51页 |
| 4.4.2 自适应神经模糊控制系统 | 第51-52页 |
| 4.4.3 自适应神经模糊控制系统的MATLAB实现 | 第52-55页 |
| 4.5 实验结果与分析 | 第55-57页 |
| 4.5.1 MATLAB对比仿真实验 | 第55-56页 |
| 4.5.2 机器鱼避障试验 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结和展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |
