| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 引言 | 第12-19页 |
| ·机器人足球简介 | 第12-15页 |
| ·机器人足球的由来 | 第12-13页 |
| ·机器人足球关键技术 | 第13-14页 |
| ·足球机器人的分类 | 第14-15页 |
| ·国内外研究现状及未来 | 第15-16页 |
| ·足球机器人的研究意义与应用 | 第16-17页 |
| ·论文结构及主要创新工作 | 第17-19页 |
| 第2章 足球机器人仿真系统及数学模型 | 第19-28页 |
| ·足球机器人的仿真系统 | 第19-22页 |
| ·仿真系统介绍 | 第19页 |
| ·仿真比赛环境 | 第19-21页 |
| ·仿真系统的主要目标 | 第21-22页 |
| ·本文采用的仿真平台 | 第22-23页 |
| ·足球机器人运动学模型的建立 | 第23-27页 |
| ·坐标系的确定 | 第23-25页 |
| ·运动学模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 BP 神经网络算法研究与分析 | 第28-40页 |
| ·人工神经网络的起源与发展 | 第28-29页 |
| ·误差反向传播（BP）神经网络 | 第29-32页 |
| ·BP 神经网络的工作过程 | 第29-30页 |
| ·BP 神经网络结构设计方法 | 第30-32页 |
| ·BP 算法 | 第32-37页 |
| ·BP 算法的数学描述 | 第32-36页 |
| ·设计BP 算法的步骤 | 第36页 |
| ·BP 算法的特点 | 第36-37页 |
| ·BP 算法的缺陷 | 第37页 |
| ·主要改进的BP 算法 | 第37-39页 |
| ·附加动量项法 | 第37-38页 |
| ·自适应学习速率法 | 第38-39页 |
| ·附加动量项与自适应学习速率相结合的快速BP 算法 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 改进的BP 神经网络PID 运动控制算法设计 | 第40-60页 |
| ·足球机器人控制方案简介 | 第40-44页 |
| ·足球机器人控制方法概述 | 第40-42页 |
| ·轮式足球机器人基本动作设计 | 第42-44页 |
| ·基于BP 神经网络的PID 控制器的设计 | 第44-48页 |
| ·基于BP 神经网络的PID 控制原理 | 第44-48页 |
| ·基于BP 神经网络的PID 控制算法步骤 | 第48页 |
| ·面向MATLAB 的仿真和分析 | 第48-52页 |
| ·改进的BP PID 算法在足球机器人底层控制中的实现 | 第52-59页 |
| ·BP 神经网络PID 控制器模型的设计 | 第52-54页 |
| ·在机器人到定点运动中的实现 | 第54-57页 |
| ·在机器人圆周运动中的实现 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于SVM 的路径规划算法设计 | 第60-75页 |
| ·支持向量机介绍 | 第60-64页 |
| ·最优分类面 | 第61-63页 |
| ·支持向量机 | 第63-64页 |
| ·障碍物约束的数学表达式 | 第64-65页 |
| ·基于SVM 的路径规划 | 第65-74页 |
| ·SVPP 法则 | 第66-70页 |
| ·实验结果 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 攻读硕士期间公开发表的论文 | 第79页 |
