| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-11页 |
| 第一章 绪论 | 第11-23页 |
| §1-1 移动机器人发展概述 | 第11-15页 |
| 1-1-1 引言 | 第11页 |
| 1-1-2 轮式移动机构的形式与运动 | 第11-14页 |
| 1-1-3 轮式移动机器人的发展历史 | 第14-15页 |
| §1-2 课题的目的、意义及研究背景 | 第15-16页 |
| 1-2-1 课题研究的目的与意义 | 第15页 |
| 1-2-2 课题的研究背景 | 第15-16页 |
| §1-3 移动机器人路径规划技术 | 第16-19页 |
| 1-3-1 移动机器人路径规划技术研究现状 | 第16-17页 |
| 1-3-2 移动机器人路径规划技术发展趋势 | 第17-19页 |
| §1-4 非完整轮式移动机器人的轨迹跟踪 | 第19-21页 |
| 1-4-1 移动机器人的控制 | 第19页 |
| 1-4-2 非完整控制系统 | 第19页 |
| 1-4-3 轮式移动机器人的非完整性 | 第19-20页 |
| 1-4-4 非完整轮式移动机器人轨迹跟踪问题的研究进展 | 第20-21页 |
| §1-5 主要研究内容 | 第21-22页 |
| §1-6 本章小结 | 第22-23页 |
| 第二章 基于神经网络与模拟退火算法的移动机器人路径规划 | 第23-43页 |
| §2-1 引言 | 第23页 |
| §2-2 移动机器人全局路经规划模型的建立 | 第23-26页 |
| 2-2-1 基于神经网络的全局环境描述 | 第23-25页 |
| 2-2-2 移动机器人路经规划问题的数学建模 | 第25-26页 |
| §2-3 模拟退火算法 | 第26-29页 |
| 2-3-1 物理退火过程与Metropolis准则 | 第26页 |
| 2-3-2 模拟退火算法基本原理及求解步骤 | 第26-27页 |
| 2-3-3 计算机仿真实验及分析 | 第27-29页 |
| §2-4 基于改进模拟退火算法的移动机器人路径规划 | 第29-33页 |
| 2-4-1 改进模拟退火算法的基本思想 | 第29-30页 |
| 2-4-2 算法描述 | 第30页 |
| 2-4-3 计算机仿真实验 | 第30-33页 |
| §2-5 复合形法与模拟退火新型混合优化算法及其应用 | 第33-36页 |
| 2-5-1 复合形法的基本思想 | 第33页 |
| 2-5-2 复合形法与模拟退火算法混合优化算法实现 | 第33-34页 |
| 2-5-3 计算机仿真实验及分析 | 第34-36页 |
| §2-6 共轭方向法与模拟退火新型混合优化算法及其应用 | 第36-41页 |
| 2-6-1 共轭方向法基本原理 | 第36-38页 |
| 2-6-2 新型混合优化算法的实现 | 第38-39页 |
| 2-6-3 仿真实验及分析 | 第39-41页 |
| §2-7 三种新型算法比较研究 | 第41-42页 |
| 2-7-1 三种算法对比 | 第41-42页 |
| 2-7-2 优化性能分析 | 第42页 |
| §2-8 本章小结 | 第42-43页 |
| 第三章 基于变尺度和微粒群混合算法的移动机器人全局路径规划 | 第43-52页 |
| §3-1 引言 | 第43页 |
| §3-2 基于变尺度算法的局部路径优化 | 第43-45页 |
| 3-2-1 变尺度法原理与基本格式 | 第43-44页 |
| 3-2-2 局部最优路径获得 | 第44-45页 |
| §3-3 微粒群优化算法 | 第45-47页 |
| 3-3-1 标准PSO算法 | 第45-46页 |
| 3-3-2 算法控制参数分析 | 第46-47页 |
| §3-4 基于PSO算法的全局路径优化 | 第47页 |
| §3-5 路径规划仿真实验与分析 | 第47-49页 |
| §3-6 算法测试 | 第49-51页 |
| §3-7 本章小结 | 第51-52页 |
| 第四章 基于Q强化学习与CMAC的移动机器人局部路径规划 | 第52-59页 |
| §4-1 引言 | 第52页 |
| §4-2 移动机器人Q强化学习思想 | 第52-53页 |
| 4-2-1 强化学习概述 | 第52页 |
| 4-2-2 Q强化学习算法 | 第52-53页 |
| §4-3 基于CMAC的Q强化学习算法实现 | 第53-55页 |
| 4-3-1 CMAC神经网络模型 | 第54页 |
| 4-3-2 Q函数的CMAC神经网络实现 | 第54-55页 |
| §4-4 移动机器人局部路径规划仿真实验 | 第55-58页 |
| 4-4-1 移动机器人模型 | 第55-56页 |
| 4-4-2 克服陷阱行为设计 | 第56页 |
| 4-4-3 避碰行为设计 | 第56-57页 |
| 4-4-4 奖赏函数r及实验参数设计 | 第57-58页 |
| §4-5 本章小结 | 第58-59页 |
| 第五章 非完整轮式移动机器人轨迹跟踪控制 | 第59-88页 |
| §5-1 引言 | 第59-60页 |
| §5-2 基于Lyapunov函数的轮式移动机器人轨迹跟踪 | 第60-67页 |
| 5-2-1 WMR动力学与运动学模型 | 第60-61页 |
| 5-2-2 WMR轨迹跟踪问题描述 | 第61-62页 |
| 5-2-3 跟踪控制器设计 | 第62-64页 |
| 5-2-4 仿真实验 | 第64-67页 |
| §5-3 轮式移动机器人自适应轨迹跟踪 | 第67-73页 |
| 5-3-1 考虑电机动态性能的WMR动力学模型 | 第67-68页 |
| 5-3-2 WMR控制器设计 | 第68-70页 |
| 5-3-3 WMR轨迹跟踪控制仿真实验 | 第70-73页 |
| §5-4 轮式移动机器人轨迹跟踪的最优控制 | 第73-81页 |
| 5-4-1 WMR动态特性分析 | 第73页 |
| 5-4-2 WMR控制系统模型 | 第73-74页 |
| 5-4-3 电机运动学模型 | 第74-75页 |
| 5-4-4 自适应遗传算法 | 第75-76页 |
| 5-4-5 自适应遗传算法实现LQR的优化 | 第76-77页 |
| 5-4-6 实验结果及分析 | 第77-81页 |
| §5-5 轮式移动机器人轨迹跟踪的模糊控制 | 第81-87页 |
| 5-5-1 模糊控制器设计 | 第81-83页 |
| 5-5-2 基于复合形法的模糊控制器优化 | 第83-86页 |
| 5-5-3 仿真实验及分析 | 第86-87页 |
| §5-6 本章小结 | 第87-88页 |
| 第六章 WMR实验样车的研制与实验研究 | 第88-97页 |
| §6-1 引言 | 第88页 |
| §6-2 WMR总体结构及其驱动 | 第88-89页 |
| §6-3 WMR非线性系统的输入—输出线性化 | 第89-93页 |
| 6-3-1 一般非线性系统的输入—输出线性化 | 第89-91页 |
| 6-3-2 WMR的输入—输出线性化 | 第91-93页 |
| §6-4 WMR运动控制系统设计与实现 | 第93-95页 |
| §6-5 WMR轨迹跟踪实验 | 第95-96页 |
| §6-6 本章小结 | 第96-97页 |
| 第七章 结论 | 第97-99页 |
| §7-1 本文的主要研究成果 | 第97-98页 |
| §7-2 展望 | 第98-99页 |
| 参考文献 | 第99-106页 |
| 致谢 | 第106-107页 |
| 攻读博士学位期间发表的学术论文 | 第107页 |
