基于模糊神经网络的AUV路径规划技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 0 绪论 | 第6-14页 |
| ·引言 | 第6页 |
| ·水下机器人的分类及国内外发展状况 | 第6-8页 |
| ·AUV 路径规划概述 | 第8-10页 |
| ·路径规划的特点 | 第9页 |
| ·路径规划的分类 | 第9-10页 |
| ·AUV 路径规划要解决的问题 | 第10页 |
| ·国内外AUV 路径规划方法的研究现状 | 第10-12页 |
| ·环境模型 | 第10-11页 |
| ·路径规划方法 | 第11-12页 |
| ·AUV 路径规划发展趋势 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| 1 AUV 控制系统及运动模型 | 第14-20页 |
| ·AUV 控制系统结构 | 第14-16页 |
| ·环境信息的获取 | 第16-19页 |
| ·声纳探测过程与探测方式 | 第16-17页 |
| ·声纳测距原理 | 第17-18页 |
| ·测障声纳的布置 | 第18页 |
| ·AUV 路径规划模型 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 2 基于模糊逻辑控制的 AUV 路径规划方法 | 第20-27页 |
| ·模糊控制理论基础 | 第20-22页 |
| ·模糊逻辑系统 | 第20-21页 |
| ·模糊集合论 | 第21页 |
| ·隶属度函数 | 第21页 |
| ·模糊控制规则与模糊推理 | 第21-22页 |
| ·去模糊化 | 第22页 |
| ·基于模糊控制系统的 AUV 规划器设计 | 第22-26页 |
| ·输入输出量的选取与隶属度函数的建立 | 第23-24页 |
| ·模糊控制规则及推理决策 | 第24-25页 |
| ·反模糊化处理 | 第25页 |
| ·仿真结果 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于神经网络的 AUV 路径规划方法 | 第27-37页 |
| ·人工神经网络控制理论 | 第27-30页 |
| ·人工神经元模型 | 第27-28页 |
| ·人工神经网络模型 | 第28-29页 |
| ·神经网络的学习 | 第29-30页 |
| ·BP 神经网络算法 | 第30-33页 |
| ·基于神经网络控制的AUV 路径规划控制器设计 | 第33-35页 |
| ·输入输出层结点数的确定 | 第33-34页 |
| ·隐含层结点数的确定 | 第34页 |
| ·网络权值的初始化 | 第34页 |
| ·学习样本与训练次数的确定 | 第34-35页 |
| ·试验仿真 | 第35页 |
| ·本章小结 | 第35-37页 |
| 4 基于模糊神经网络的 AUV 路径规划方法 | 第37-48页 |
| ·模糊神经网络理论基础 | 第37-42页 |
| ·模糊神经网络的发展意义及历程 | 第37页 |
| ·模糊系统和神经网络的融合方式 | 第37-38页 |
| ·模糊神经元 | 第38-40页 |
| ·模糊神经网络模型 | 第40-42页 |
| ·模糊神经网络规划控制器的设计 | 第42-47页 |
| ·模糊神经网络结构 | 第43-44页 |
| ·模糊神经网络的学习算法 | 第44-46页 |
| ·试验的仿真 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 5 结论与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表论文 | 第52页 |
