| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 论文的研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究内容及章节安排 | 第12-14页 |
| 第2章 轮式机器人路径规划问题 | 第14-26页 |
| 2.1 全局路径规划 | 第14-15页 |
| 2.2 局部路径规划 | 第15-17页 |
| 2.3 混合方法 | 第17页 |
| 2.4 轮式机器人模型分析 | 第17-24页 |
| 2.4.1 运动学模型 | 第18-21页 |
| 2.4.2 动力学模型 | 第21-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于改进人工势场法的路径规划 | 第26-34页 |
| 3.1 人工势场法概述 | 第26-29页 |
| 3.2 基于人工势场法的改进算法 | 第29-31页 |
| 3.3 Matlab仿真实现及效果分析 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于改进模糊控制的路径规划 | 第34-50页 |
| 4.1 模糊控制 | 第34-36页 |
| 4.1.1 模糊控制概念 | 第34页 |
| 4.1.2 模糊控制的基本原理 | 第34-36页 |
| 4.2 基于模糊控制路径规划 | 第36-42页 |
| 4.2.1 模糊控制器设计 | 第37-38页 |
| 4.2.2 模糊隶属函数的确定 | 第38-39页 |
| 4.2.3 模糊控制规则的建立 | 第39页 |
| 4.2.4 模糊处理过程 | 第39-40页 |
| 4.2.5 基于模糊控制的路径规划仿真 | 第40-42页 |
| 4.3 基于改进模糊控制的移动机器人路径规划 | 第42-48页 |
| 4.3.1 无障碍物情况下移动机器人模糊PID控制 | 第43-46页 |
| 4.3.2 模糊PID与传统PID效果对比 | 第46-47页 |
| 4.3.3 有障碍物情况下改进模糊控制路径规划 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 基于改进T-S型模糊神经网络路径规划 | 第50-58页 |
| 5.1 神经网络控制 | 第50-52页 |
| 5.1.1 神经网络的发展 | 第50页 |
| 5.1.2 神经网络的主要特点 | 第50页 |
| 5.1.3 神经典神经网络 | 第50-52页 |
| 5.2 改进T-S型模糊神经网络 | 第52-57页 |
| 5.2.1 环境信息的获取 | 第52-53页 |
| 5.2.2 T-S模糊神经网络结构 | 第53-55页 |
| 5.2.3 模糊神经网络学习算法的改进 | 第55-56页 |
| 5.2.4 Matlab仿真 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间所发表的论文 | 第64-66页 |
| 致谢 | 第66页 |