| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 国内外相关课题研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文的安排 | 第13-15页 |
| 第二章 移动机器人避障系统总体设计 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 旅行家Ⅱ机器人的硬件结构 | 第15-16页 |
| 2.3 旅行家Ⅱ机器人的避障探测系统 | 第16-20页 |
| 2.3.1 测距传感器原理及方法 | 第17-19页 |
| 2.3.2 CCD 视觉传感器 | 第19-20页 |
| 2.4 避障策略 | 第20-22页 |
| 2.5 避障控制器设计 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 传感器信息提取及融合 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 测距系统信息的初级融合 | 第24-33页 |
| 3.2.1 多传感器信息融合技术 | 第24-27页 |
| 3.2.2 BP 神经网络 | 第27-29页 |
| 3.2.3 改进的 BP 神经网络 | 第29-30页 |
| 3.2.4 BP 网络训练样本的产生 | 第30-32页 |
| 3.2.5 神经网络融合结果分析 | 第32-33页 |
| 3.3 视觉图像信息处理 | 第33-39页 |
| 3.3.1 颜色区域提取 | 第35页 |
| 3.3.2 灰度边缘提取 | 第35-38页 |
| 3.3.3 最终提取图像 | 第38页 |
| 3.3.4 图像处理结果 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于模糊神经网络的避障信息融合 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 模糊神经网络算法 | 第40-45页 |
| 4.2.1 神经网络与模糊控制结合方式 | 第40-41页 |
| 4.2.2 基于优化 T-S 模型的模糊神经网络 | 第41-43页 |
| 4.2.3 模糊神经网络学习算法的改进 | 第43-45页 |
| 4.3 模糊神经网络在移动机器人避障中的应用 | 第45-51页 |
| 4.3.1 模糊神经网络参数设定 | 第45-47页 |
| 4.3.2 模糊控制规则的建立 | 第47-48页 |
| 4.3.3 模糊神经网络训练 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 移动机器人避障控制仿真及系统设计 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 系统总体设计 | 第52-54页 |
| 5.3 VC 与 MATLAB 混合编程 | 第54-57页 |
| 5.3.1 MATLAB 引擎 | 第54-55页 |
| 5.3.2 VC 和 MATLAB 混合编程实现步骤 | 第55页 |
| 5.3.3 VC 调用 MATLAB 控制函数 | 第55-57页 |
| 5.4 移动机器人避障实验结果及分析 | 第57-60页 |
| 5.4.1 避障实验 | 第57-59页 |
| 5.4.2 结果分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表文章目录 | 第65-66页 |
| 致谢 | 第66-67页 |
| 中文详细摘要 | 第67-74页 |