| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究的背景及意义 | 第11-12页 |
| 1.3 多传感器信息融合的国内外研究现状 | 第12-14页 |
| 1.4 数据融合在机器人领域中的运用 | 第14-20页 |
| 1.4.1 国外数据融合技术在移动机器人研究中的应用 | 第14-19页 |
| 1.4.2 国内数据融合技术在移动机器人研究中的应用 | 第19-20页 |
| 1.5 本文研究的主要内容 | 第20-23页 |
| 第2章 信息融合技术 | 第23-30页 |
| 2.1 引言 | 第23页 |
| 2.2 信息融合的基本内容 | 第23-27页 |
| 2.2.1 信息融合的基本层次 | 第23-25页 |
| 2.2.2 信息融合系统的体系结构 | 第25-27页 |
| 2.3 信息融合的基本方法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 移动机器人系统设计 | 第30-44页 |
| 3.1 移动机器人的系统建模 | 第30-33页 |
| 3.1.1 移动机器人坐标转换 | 第31页 |
| 3.1.2 移动机器人的运动学分析 | 第31-33页 |
| 3.2 移动机器人的体系结构 | 第33-39页 |
| 3.2.1 机器人系统的总体设计 | 第33-34页 |
| 3.2.2 STM32F103ZET6微处理器的简介 | 第34-36页 |
| 3.2.3 电源模块 | 第36-38页 |
| 3.2.4 电机控制模块 | 第38-39页 |
| 3.3 移动机器人避障的传感器系统 | 第39-41页 |
| 3.3.1 超声波 | 第39-40页 |
| 3.3.2 红外传感器 | 第40-41页 |
| 3.3.3 电子罗盘 | 第41页 |
| 3.4 传感器的布局 | 第41-42页 |
| 3.5 环境的分类 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于模糊逻辑控制的避障应用 | 第44-58页 |
| 4.1 模糊控制的简介 | 第44页 |
| 4.2 模糊控制的结构 | 第44-47页 |
| 4.3 模糊控制算法在移动机器人避障的实现 | 第47-57页 |
| 4.3.1 模糊控制器的设计 | 第48-50页 |
| 4.3.2 模糊控制的避障实现 | 第50-57页 |
| 4.3.3 模糊逻辑控制在机器人避障中的特点 | 第57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于模糊神经网络控制的避障应用 | 第58-74页 |
| 5.1 模糊神经网络控制信息融合技术 | 第58-67页 |
| 5.1.1 神经网络技术 | 第58-59页 |
| 5.1.2 神经网络模型 | 第59-60页 |
| 5.1.3 神经网络的学习方法 | 第60-61页 |
| 5.1.4 神经网络与模糊逻辑技术的结合方式 | 第61-62页 |
| 5.1.5 基于T-S模型的神经网络模糊控制 | 第62-67页 |
| 5.2 模糊神经网络控制的移动机器人避障 | 第67-73页 |
| 5.2.1 模糊神经网络控制器的设计 | 第68页 |
| 5.2.2 模糊神经网络的避障实现 | 第68-73页 |
| 5.3 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第80-81页 |
| 致谢 | 第81-83页 |
