| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 多传感器信息融合技术的研究现状及发展方向 | 第10-11页 |
| 1.2.1 多传感器信息融合技术在国内外的研究现状 | 第10页 |
| 1.2.2 多传感器信息融合技术的发展前景 | 第10-11页 |
| 1.3 AGV的关键研究技术 | 第11-12页 |
| 1.4 本文的主要研究内容 | 第12-15页 |
| 第2章 多传感器信息融合技术研究 | 第15-23页 |
| 2.1 多传感器信息融合的特点 | 第15-16页 |
| 2.2 多传感器信息融合技术的基本内容 | 第16-21页 |
| 2.2.1 多传感器信息融合的拓扑结构 | 第16-19页 |
| 2.2.2 多传感器信息融合技术的层次 | 第19-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第3章 AGV的定位方式 | 第23-35页 |
| 3.1 扩展卡尔曼的定位算法 | 第23-26页 |
| 3.1.1 扩展卡尔曼滤波原理 | 第23页 |
| 3.1.2 扩展卡尔曼滤波算法 | 第23-26页 |
| 3.2 AGV的定位仿真模型 | 第26-31页 |
| 3.2.1 基于扩展卡尔曼滤波算法的AGV的定位 | 第26-27页 |
| 3.2.2 AGV的坐标系统模型 | 第27-29页 |
| 3.2.3 超声传感器的观测模型 | 第29-31页 |
| 3.3 AGV的定位仿真结果 | 第31-32页 |
| 3.4 本章小结 | 第32-35页 |
| 第4章 基于模糊控制算法的避障研究 | 第35-51页 |
| 4.1 模糊控制理论 | 第35-39页 |
| 4.1.1 模糊控制器的基本结构 | 第35-38页 |
| 4.1.2 模糊信息融合的基本思想 | 第38-39页 |
| 4.2 模糊控制避障算法的实现 | 第39-44页 |
| 4.2.1 模糊逻辑信息融合在AGV避障控制中的应用 | 第39-40页 |
| 4.2.2 设计模糊控制器的输入和输出变量以及隶属度函数 | 第40-44页 |
| 4.3 AGV的周围环境分类以及模糊控制规则的编辑 | 第44-48页 |
| 4.3.1 AGV的周围环境分类 | 第44-45页 |
| 4.3.2 模糊控制规则的建立 | 第45-48页 |
| 4.4 仿真与实验 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 基于模糊神经网络算法的避障研究 | 第51-67页 |
| 5.1 模糊神经网络信息融合算法 | 第51-59页 |
| 5.1.1 神经网络和模糊逻辑的结合方式 | 第51-53页 |
| 5.1.2 基于T-S模型的模糊神经网络结构 | 第53-56页 |
| 5.1.3 学习算法 | 第56-59页 |
| 5.2 基于模糊神经网络信息融合算法的避障应用 | 第59-65页 |
| 5.2.1 模糊神经网络避障控制器设计 | 第60-61页 |
| 5.2.2 模糊神经网络避障算法的实现 | 第61页 |
| 5.2.3 隶属度函数的训练 | 第61-65页 |
| 5.3 仿真与验证 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间所发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
