基于模糊神经网络的智能清洁机器人避障系统的研究与设计
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 清洁机器人避障研究的关键技术 | 第10-11页 |
| 1.3 清洁机器人避障技术研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 课题主要研究内容 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 2 模糊神经网络基础理论 | 第17-25页 |
| 2.1 模糊神经元 | 第17-19页 |
| 2.2 模糊神经网络模型 | 第19-21页 |
| 2.3 模糊神经网络BP学习型算法 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 基于模糊神经网络的避障系统总体方案设计 | 第25-35页 |
| 3.1 清洁机器人避障的功能需求 | 第25页 |
| 3.2 避障控制方案比较 | 第25-26页 |
| 3.3 总体方案的确立 | 第26-34页 |
| 3.3.1 控制系统总体结构设计 | 第28-29页 |
| 3.3.2 核心处理模块的分析与选型 | 第29-32页 |
| 3.3.3 控制系统软件总体构架 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 避障控制系统运动模型建立及算法设计 | 第35-51页 |
| 4.1 清洁机器人避障系统运动建模 | 第35-40页 |
| 4.1.1 障碍物的分析及模型建立 | 第35-37页 |
| 4.1.2 机器人坐标系分析及模型建立 | 第37-38页 |
| 4.1.3 机器人运动模型及位姿确定 | 第38-40页 |
| 4.2 避障控制算法模型参量设计 | 第40-42页 |
| 4.2.1 输入输出参量的确定 | 第40-41页 |
| 4.2.2 输入输出参量的模糊化 | 第41-42页 |
| 4.3 模糊神经网络控制规则设计 | 第42-45页 |
| 4.4 模糊控制BP神经网络结构设计 | 第45-48页 |
| 4.5 去模糊化处理 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 5 避障控制系统详细设计 | 第51-79页 |
| 5.1 外部信息采集模块设计 | 第51-57页 |
| 5.1.1 传感器的位置分布 | 第52页 |
| 5.1.2 超声波测距传感器模块设计 | 第52-55页 |
| 5.1.3 反射式红外测距传感器模块设计 | 第55-56页 |
| 5.1.4 陀螺仪传感器模块设计 | 第56-57页 |
| 5.2 多传感器信息融合避障技术拓扑结构 | 第57-61页 |
| 5.3 避障控制系统驱动模块设计 | 第61-65页 |
| 5.3.1 直流电机的PWM调节机制 | 第62页 |
| 5.3.2 清洁机器人的差动驱动方式 | 第62-63页 |
| 5.3.3 驱动模块的H桥电路设计 | 第63-65页 |
| 5.4 最小系统电路设计 | 第65-70页 |
| 5.4.1 电源电路设计 | 第65-66页 |
| 5.4.2 复位电路设计 | 第66-67页 |
| 5.4.3 时钟电路设计 | 第67-68页 |
| 5.4.4 通讯模块设计 | 第68-70页 |
| 5.5 避障控制系统软件设计 | 第70-77页 |
| 5.5.1 软件开发环境 | 第70-71页 |
| 5.5.2 避障系统控制器初始化 | 第71-73页 |
| 5.5.3 超声波传感器程序设计 | 第73-75页 |
| 5.5.4 驱动程序设计 | 第75-76页 |
| 5.5.5 陀螺仪传感器程序设计 | 第76-77页 |
| 5.6 本章小结 | 第77-79页 |
| 6 实验与仿真分析 | 第79-87页 |
| 6.1 环境传感器模块实验 | 第79-82页 |
| 6.1.1 超声波传感器测距实验 | 第79-81页 |
| 6.1.2 陀螺仪传感器角度测试 | 第81-82页 |
| 6.2 基于MATLAB平台的实验仿真 | 第82-83页 |
| 6.3 基于清洁机器人的避障实验 | 第83-85页 |
| 6.4 本章小结 | 第85-87页 |
| 7 总结和展望 | 第87-89页 |
| 7.1 结论 | 第87页 |
| 7.2 展望 | 第87-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 附录A 作者在攻读学位期间主持和参与的科研项目 | 第95页 |
