移动机器人视觉伺服模型预测控制
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文主要内容及结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 移动机器人总体方案设计 | 第15-22页 |
| 2.1 移动机器人的设备选型 | 第15-17页 |
| 2.2 移动机器人的系统框架设计 | 第17-19页 |
| 2.2.1 硬件框架设计 | 第17-18页 |
| 2.2.2 软件框架设计 | 第18-19页 |
| 2.3 移动机器人的数学模型 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 移动机器人的视觉镇定 | 第22-48页 |
| 3.1 移动机器人镇定概述 | 第22-23页 |
| 3.2 摄像头成像原理 | 第23-25页 |
| 3.3 移动机器人视觉镇定的系统 | 第25-29页 |
| 3.3.1 移动机器人链式化模型 | 第25-29页 |
| 3.3.2 链式型系统输入的处理 | 第29页 |
| 3.4 视觉控制器设计介绍 | 第29-36页 |
| 3.4.1 模型预测控制方法构建 | 第30-34页 |
| 3.4.2 有界干扰下的鲁棒模型预测控制 | 第34-36页 |
| 3.5 原对偶神经网络优化方法 | 第36-40页 |
| 3.5.1 原对偶神经网络的构建 | 第36-40页 |
| 3.5.2 视觉控制系统运行流程 | 第40页 |
| 3.6 移动机器人视觉镇定实验结果 | 第40-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 移动机器人视觉伺服的管道式模型预测控制 | 第48-66页 |
| 4.1 管道式模型预测控制方法简介 | 第48-49页 |
| 4.2 管道式模型预测控制的视觉系统模型 | 第49-52页 |
| 4.3 管道式模型预测控制器设计 | 第52-61页 |
| 4.3.1 名义模型预测控制设计 | 第52-54页 |
| 4.3.2 动态反馈控制器设计 | 第54-57页 |
| 4.3.3 原对偶神经网络方法应用 | 第57-61页 |
| 4.4 管道式模型预测控制实验结果 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 移动机器人的视觉编队控制 | 第66-83页 |
| 5.1 移动机器人视觉编队控制概述 | 第66-67页 |
| 5.2 移动机器人视觉编队系统数学模型 | 第67-72页 |
| 5.2.1 移动机器人视觉跟踪模型建立 | 第67-69页 |
| 5.2.2 移动机器人视觉跟踪模型 | 第69-72页 |
| 5.3 基于动态反馈的模型预测控制器设计 | 第72-76页 |
| 5.3.1 LPV系统的模型预测控制器设计 | 第73-75页 |
| 5.3.2 动态反馈控制器设计 | 第75-76页 |
| 5.4 动态神经网络求解器 | 第76-78页 |
| 5.5 基于动态反馈的预测模型实验结果 | 第78-82页 |
| 5.6 本章小结 | 第82-83页 |
| 总结与展望 | 第83-86页 |
| 1.论文主要工作总结 | 第83-84页 |
| 2.展望 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 附录 | 第92-95页 |
| 附录1 | 第92-93页 |
| 附录2 | 第93-95页 |
| 攻读硕士学位期间取得的研究成果 | 第95-96页 |
| 致谢 | 第96-97页 |
| 附件 | 第97页 |
