面向网络化移动机器人的深度预测控制
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 移动机器人轨迹跟踪研究现状 | 第14-18页 |
| 1.2.2 深度学习在控制中的应用 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 本文组织结构 | 第20-23页 |
| 第二章 相关算法及理论基础 | 第23-35页 |
| 2.1 移动机器人的数学模型 | 第23-26页 |
| 2.1.1 移动机器人的运动学模型 | 第23-24页 |
| 2.1.2 移动机器人的轨迹跟踪误差模型 | 第24-26页 |
| 2.2 网络控制系统丢包特性描述与分析 | 第26-28页 |
| 2.2.1 数据包丢失原因 | 第26页 |
| 2.2.2 网络丢包特性描述与分析 | 第26-28页 |
| 2.3 深度学习网络架构 | 第28-33页 |
| 2.3.1 人工神经网络结构 | 第28-29页 |
| 2.3.2 激活函数 | 第29-31页 |
| 2.3.3 长短时记忆网络 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 非完整约束条件下的移动机器人轨迹重构 | 第35-49页 |
| 3.1 问题描述 | 第35页 |
| 3.2 系统模型 | 第35-40页 |
| 3.2.1 贝塞尔曲线 | 第37-38页 |
| 3.2.2 基于贝塞尔曲线的路径规划 | 第38-39页 |
| 3.2.3 时间最优的轨迹规划 | 第39-40页 |
| 3.3 控制律设计 | 第40-42页 |
| 3.4 仿真实验 | 第42-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 网络化移动机器人轨迹跟踪控制 | 第49-65页 |
| 4.1 问题描述 | 第49-50页 |
| 4.2 系统模型 | 第50-53页 |
| 4.3 深度预测模型 | 第53-55页 |
| 4.3.1 网络结构 | 第53-54页 |
| 4.3.2 训练样本生成及其划分 | 第54-55页 |
| 4.3.3 模型优化 | 第55页 |
| 4.4 仿真实验 | 第55-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-67页 |
| 5.1 本文主要工作与研究成果 | 第65页 |
| 5.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |
