| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-23页 |
| ·研究背景 | 第11-12页 |
| ·水下机器人研究现状 | 第12-13页 |
| ·路径规划技术研究概况 | 第13-19页 |
| ·路径规划技术发展趋势 | 第19-21页 |
| ·论文研究内容 | 第21-23页 |
| 第二章 水下机器人系统 | 第23-35页 |
| ·水下机器人动力学模型 | 第23-26页 |
| ·水下机器人系统组成 | 第26-27页 |
| ·体系结构 | 第27-33页 |
| ·水下机器人体系结构研究概况 | 第28-30页 |
| ·分层递阶控制体系结构 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 水下机器人全局路径规划技术 | 第35-55页 |
| ·几种典型的路径规划方法 | 第35-39页 |
| ·用于小范围区域规划的最短切线路径算法 | 第39-42页 |
| ·基于矢量数字海图的大范围全局路径规划 | 第42-53页 |
| ·VCF电子海图浏览器 | 第43-45页 |
| ·环境模型 | 第45-47页 |
| ·基于VCF电子海图的多目标优化遗传算法 | 第47-52页 |
| ·路径的编码 | 第47页 |
| ·路径的适应度评价函数 | 第47-49页 |
| ·初始种群的产生 | 第49-50页 |
| ·基于知识的遗传算子 | 第50-51页 |
| ·种群置换方法 | 第51-52页 |
| ·算法实验 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 基于模糊逻辑的局部路径规划技术 | 第55-69页 |
| ·考虑海流影响的局部路径规划 | 第55-62页 |
| ·海流对水下机器人运动的影响 | 第55-57页 |
| ·基于模糊逻辑的路径规划方法 | 第57-61页 |
| ·仿真实验 | 第61-62页 |
| ·基于传感信息的实时路径规划 | 第62-67页 |
| ·模糊控制路径规划策略 | 第63-65页 |
| ·陷阱问题的解决策略 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 基于Q学习算法的水下机器人避碰规划 | 第69-93页 |
| ·引言 | 第69-70页 |
| ·强化学习 | 第70-72页 |
| ·强化学习的结构模型 | 第70-71页 |
| ·强化学习算法 | 第71-72页 |
| ·Q学习 | 第72-77页 |
| ·Q学习算法 | 第74-75页 |
| ·Q学习中的探索策略 | 第75-77页 |
| ·基于Q学习算法的避碰规划学习系统设计 | 第77-86页 |
| ·环境信息的获取 | 第77-78页 |
| ·输入状态空间及输出动作空间的离散化表示 | 第78-80页 |
| ·强化信号的计算 | 第80-82页 |
| ·动作选择策略 | 第82-83页 |
| ·基于Q学习算法的避碰规划学习 | 第83-85页 |
| ·仿真试验 | 第85-86页 |
| ·针对连续输入输出空间的Fuzzy Q(λ)算法 | 第86-91页 |
| ·Fuzzy Q(λ)算法 | 第88-89页 |
| ·机器人避碰规划的Fuzzy Q(λ)学习算法实现 | 第89-91页 |
| ·本章小结 | 第91-93页 |
| 第六章 基于区域探测任务的路径规划技术 | 第93-113页 |
| ·基本区域的全局路径规划 | 第94-98页 |
| ·权值梯度法 | 第94-96页 |
| ·单元分解法 | 第96-98页 |
| ·一般区域的全局路径规划 | 第98-104页 |
| ·基于关键点的单元分解策略 | 第98-99页 |
| ·邻接图的构造 | 第99-102页 |
| ·子区域的覆盖 | 第102-104页 |
| ·子区域的切换 | 第104页 |
| ·路径跟踪控制策略 | 第104-107页 |
| ·仿真试验 | 第107-111页 |
| ·本章小结 | 第111-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第125-127页 |
| 致谢 | 第127页 |