| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 课题来源和研究的意义 | 第14-16页 |
| 1.1.1 课题来源 | 第14页 |
| 1.1.2 课题研究的意义 | 第14-16页 |
| 1.2 轮式移动机器人控制的研究现状 | 第16-20页 |
| 1.2.1 轮式移动机器人的鲁棒控制 | 第17-18页 |
| 1.2.2 轮式移动机器人的模糊控制 | 第18-19页 |
| 1.2.3 轮式移动机器人的自学习控制 | 第19-20页 |
| 1.3 模型学习方法的研究现状及分析 | 第20-23页 |
| 1.4 轮式移动机器人控制面临的困难分析 | 第23-24页 |
| 1.5 本文的主要内容和结构安排 | 第24-26页 |
| 第2章 轮式移动机器人的系统模型研究 | 第26-44页 |
| 2.1 引言 | 第26-27页 |
| 2.2 轮式移动机器人的运动学建模 | 第27-33页 |
| 2.2.1 非完整轮式移动机器人运动学建模 | 第27-30页 |
| 2.2.2 车轮打滑状态的运动学建模 | 第30-33页 |
| 2.2.2.1 车轮发生纵向滑转的运动学建模 | 第30-32页 |
| 2.2.2.2 车轮发生侧向滑移的运动学建模 | 第32页 |
| 2.2.2.3 车轮纵向滑转与侧向滑移耦合的运动学建模 | 第32-33页 |
| 2.3 轮式移动机器人的动力学建模 | 第33-36页 |
| 2.3.1 非完整轮式移动机器人动力学建模 | 第33-34页 |
| 2.3.2 车轮打滑状态的动力学建模 | 第34-36页 |
| 2.4 基于地面力学的轮式移动机器人动力学建模 | 第36-43页 |
| 2.4.1 轮—地作用力学模型 | 第36-39页 |
| 2.4.2 轮式移动机器人在松软地面上的动力学建模 | 第39-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于神经网络和高斯过程回归的模型学习方法 | 第44-70页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于神经网络的模型在线学习 | 第45-54页 |
| 3.2.1 前馈型神经网络的模型辨识 | 第46-47页 |
| 3.2.2 递归型神经网络的模型辨识 | 第47-54页 |
| 3.2.2.1 递归型神经网络模型 | 第47-48页 |
| 3.2.2.2 递归型神经网络辨识过程的稳定性条件 | 第48-54页 |
| 3.3 基于贝叶斯回归的高斯过程模型离线学习 | 第54-60页 |
| 3.3.1 贝叶斯回归介绍 | 第54-55页 |
| 3.3.2 高斯过程模型介绍 | 第55-56页 |
| 3.3.3 高斯过程模型的均值与方差预测 | 第56-58页 |
| 3.3.4 高斯过程模型的超参数学习 | 第58-59页 |
| 3.3.5 基于Cholesky分解的高斯过程模型更新 | 第59-60页 |
| 3.4 基于局部贝叶斯神经网络的复杂模型离线学习 | 第60-69页 |
| 3.4.1 贝叶斯神经网络模型的权值学习 | 第60-63页 |
| 3.4.2 基于高斯过程的贝叶斯神经网络优化 | 第63-65页 |
| 3.4.3 基于聚类算法的局部贝叶斯回归网络模型学习 | 第65-69页 |
| 3.4.3.1 划分相似密度区域的聚类算法 | 第66-67页 |
| 3.4.3.2 合并相交ε-区域的聚类算法 | 第67-68页 |
| 3.4.3.3 局部加权的贝叶斯回归网络 | 第68-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 基于模型学习的轮式移动机器人硬质地面轨迹跟踪 | 第70-89页 |
| 4.1 引言 | 第70-71页 |
| 4.2 具有模型参数不确定性的神经网络轨迹跟踪控制 | 第71-76页 |
| 4.2.1 参数不确定的轮式移动机器人动力学模型 | 第71-72页 |
| 4.2.2 基于反馈误差学习算法的神经网络控制器设计 | 第72-74页 |
| 4.2.3 控制系统的稳定性分析与仿真验证 | 第74-76页 |
| 4.3 具有未知滑转参数的神经网络轨迹跟踪控制 | 第76-82页 |
| 4.3.1 基于滑转参数估计的误差动力学模型 | 第76-78页 |
| 4.3.2 基于神经网络在线学习的控制律设计 | 第78页 |
| 4.3.3 控制系统的稳定性分析 | 第78-80页 |
| 4.3.4 控制系统的仿真验证 | 第80-82页 |
| 4.4 具有未知滑转和侧滑的局部贝叶斯回归网络轨迹跟踪控制 | 第82-88页 |
| 4.4.1 具有未知滑转和侧滑参数的轮式移动机器人动力学模型 | 第82-84页 |
| 4.4.2 基于局部贝叶斯回归网络的轨迹跟踪和仿真验证 | 第84-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 基于模型学习的轮式移动机器人松软地面路径跟踪 | 第89-112页 |
| 5.1 引言 | 第89-90页 |
| 5.2 基于递归神经网络的松软地面参数辨识 | 第90-96页 |
| 5.2.1 建立松软地面上轮—地力学的模型残差 | 第90页 |
| 5.2.2 利用神经网络动态反向传播算法的地面参数辨识 | 第90-94页 |
| 5.2.3 地面参数辨识与实验参数的对比 | 第94-96页 |
| 5.3 基于高斯过程回归的轮—地作用力学模型辨识 | 第96-103页 |
| 5.3.1 轮—地作用力学模型的数据采集 | 第96-99页 |
| 5.3.2 轮—地作用力学模型的辨识 | 第99-101页 |
| 5.3.3 轮—地作用力学模型辨识结果的测试 | 第101-103页 |
| 5.4 结合地面力学与局部贝叶斯回归网络学习的路径跟踪 | 第103-111页 |
| 5.4.1 松软斜坡上轮式移动机器人的动力学模型分析 | 第103-105页 |
| 5.4.2 松软崎岖地形上轮式移动机器人的路径跟踪控制 | 第105-111页 |
| 5.5 本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-122页 |
| 攻读博士学位期间发表的论文及其它成果 | 第122-124页 |
| 致谢 | 第124-126页 |
| 个人简历 | 第126页 |
