首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

基于振动信号的轮式机器人地面分类方法研究

摘要第1-7页
Abstract第7-12页
第1章 绪论第12-24页
   ·轮式机器人地面分类系统第12-13页
   ·研究的目的与意义第13-15页
   ·移动机器人地面分类方法的国内外研究现状第15-20页
     ·移动机器人地面分类方法的国外研究现状第15-19页
     ·移动机器人地面分类方法的国内研究现状第19-20页
   ·轮式机器人地面分类需要解决的两个问题第20-22页
   ·本文的主要研究内容和结构第22-24页
第2章 实验数据的采集第24-37页
   ·实验的目的第24页
   ·实验系统第24-30页
     ·机器人的结构与传感器第25-27页
     ·动态信号测试分析系统与台式电脑第27-29页
     ·实验地面第29-30页
   ·实验方案与数据采集过程第30-34页
   ·实验数据处理与分析第34-35页
   ·本章小结第35-37页
第3章 基于改进的k -近邻方法的地面分类第37-56页
   ·地面特征第37-40页
   ·kNN法存在的问题第40-42页
   ·改进的kNN方法第42-44页
     ·改进的 kNN 法原理第42-43页
     ·改进的 kNN 算法描述第43-44页
   ·基于改进kNN法的地面分类算法流程图第44页
   ·实验结果及分析第44-54页
     ·单一传感器数据的实验结果及分析第44-51页
     ·融合数据的实验结果及分析第51-54页
   ·本章小结第54-56页
第4章 基于改进的概率神经网络方法的地面分类第56-68页
   ·PNN 方法存在的问题第56-58页
   ·改进的 PNN 方法第58-63页
     ·平滑因子σ的迭代寻优方法第58-59页
     ·平滑因子σ对分类准确率的影响第59-63页
     ·改进的 PNN 算法描述第63页
   ·基于改进 PNN 的地面分类算法流程图第63-64页
   ·实验结果及分析第64-67页
   ·本章小结第67-68页
第5章 基于改进的一对一支持向量机方法的地面分类第68-86页
   ·SVM 方法存在的问题第68-74页
   ·改进的一对一 SVM 方法第74-79页
     ·改进的一对一 SVM 方法原理第74-75页
     ·使用 LIBSVM 软件中一对一 SVM 二值分类程序的主要过程第75-78页
     ·改进的一对一 SVM 算法描述第78-79页
   ·基于改进的一对一 SVM 的地面分类算法流程图第79-80页
   ·实验结果及分析第80-82页
   ·改进的kNN、改进的 PNN 及改进的一对一 SVM 方法的比较第82-85页
   ·本章小结第85-86页
第6章 基于奇异值分解的地面分类方法及不同方法的比较第86-115页
   ·基于奇异值分解(SVD)的地面分类第86-91页
     ·基于奇异值分解的特征提取方法第86-88页
     ·基于奇异值分解的特征提取算法描述第88页
     ·基于奇异值分解的地面分类算法流程图第88-89页
     ·实验结果及分析第89-91页
   ·基于快速傅里叶变换(FFT)的地面分类第91-101页
     ·离散傅里叶变换(DFT)第91-92页
     ·快速傅里叶变换(FFT)第92-93页
     ·按时间抽取(DIT)基-2FFT 算法第93-94页
     ·基于 FFT 的特征提取方法第94-97页
     ·基于 FFT 的特征提取算法描述第97-98页
     ·基于 FFT 的地面分类算法流程图第98页
     ·实验结果及分析第98-101页
   ·基于功率谱密度(PSD)的地面分类第101-112页
     ·功率谱估计的经典方法第101-105页
     ·基于 PSD 的特征提取方法第105-108页
     ·基于 PSD 的特征提取算法描述第108-109页
     ·基于 PSD 的地面分类算法流程图第109页
     ·实验结果及分析第109-112页
   ·三种特征提取方法的比较第112-114页
   ·本章小结第114-115页
结论第115-117页
参考文献第117-127页
攻读博士学位期间发表的论文和取得的科研成果第127-128页
致谢第128-129页
个人简历第129页

论文共129页,点击 下载论文
上一篇:竖直窄矩形流道液泛特性研究
下一篇:多种热边界下复合功能梯度板瞬态温度场