基于极限学习机的AUV路径规划的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-23页 |
| 1.1 引言 | 第10页 |
| 1.2 AUV 的发展现状和前景 | 第10-14页 |
| 1.2.1 国内外 AUV 的发展现状 | 第10-13页 |
| 1.2.2 AUV 的发展前景 | 第13-14页 |
| 1.3 AUV 路径规划技术 | 第14-20页 |
| 1.3.1 路径规划的简述和分类 | 第14-15页 |
| 1.3.2 路径规划的方法 | 第15-19页 |
| 1.3.3 路径规划技术研究的现状和趋势 | 第19-20页 |
| 1.4 课题研究的背景和意义 | 第20-21页 |
| 1.5 本文研究内容的章节构架 | 第21-23页 |
| 2 实验平台结构 | 第23-28页 |
| 2.1 自主式水下机器人的硬件设备 | 第23-25页 |
| 2.2 AUV 的上层软件系统 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 AUV 全局路径规划 | 第28-43页 |
| 3.1 声纳传感器 | 第28-30页 |
| 3.2 空间环境的建模 | 第30-33页 |
| 3.3 A*算法 | 第33-39页 |
| 3.4 全局路径规划的仿真 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 AUV 局部路径规划 | 第43-62页 |
| 4.1 动态栅格法的原理 | 第43-46页 |
| 4.2 极限学习机 | 第46-54页 |
| 4.2.1 人工神经网络的机理和特征 | 第47-49页 |
| 4.2.2 极限学习机的基本原理 | 第49-52页 |
| 4.2.3 ELM 算法的学习 | 第52-53页 |
| 4.2.4 ELM 的运用思路 | 第53-54页 |
| 4.3 基于 ELM 的动态栅格法局部路径规划 | 第54-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
