| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 引言 | 第11-15页 |
| ·课题的提出和研究意义 | 第11页 |
| ·课题研究的国内外现状 | 第11-13页 |
| ·本文的主要研究内容和章节安排 | 第13-15页 |
| ·主要研究内容 | 第13页 |
| ·论文章节安排 | 第13-15页 |
| 2 救援机器人任务分配相关理论介绍 | 第15-24页 |
| ·绪论 | 第15页 |
| ·模糊控制理论基础 | 第15-16页 |
| ·模糊控制原理 | 第15-16页 |
| ·BP 神经网络及学习过程 | 第16-18页 |
| ·模糊神经网络理论 | 第18-19页 |
| ·基于Mamdani 模型的模糊神经网络 | 第18-19页 |
| ·救援机器人强化学习 | 第19-23页 |
| ·救援机器人强化学习算法介绍 | 第20-21页 |
| ·神经网络对Q 值的学习 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于效用评价的任务分配算法 | 第24-34页 |
| ·绪论 | 第24页 |
| ·效用评价算法 | 第24-32页 |
| ·效用函数 | 第24-26页 |
| ·状态空间的压缩 | 第26-27页 |
| ·基于Mamdani 模型的模糊-神经Q 学习网络设计 | 第27-29页 |
| ·实现任务分配方案 | 第29-30页 |
| ·矿井救多机器人系统奖励函数实现 | 第30-31页 |
| ·学习算法 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 基于效用评价的任务分配算法的应用 | 第34-42页 |
| ·基于效用评价的任务分配算法的应用 | 第34-38页 |
| ·矿井位置敏感度 | 第34-35页 |
| ·效用评价模块的实现 | 第35-37页 |
| ·任务选择模块的实现 | 第37-38页 |
| ·对奖赏函数的具体描述 | 第38页 |
| ·仿真结果分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 矿井救援机器人系统研究 | 第42-56页 |
| ·基于DSP 的机器人硬件结构 | 第42-44页 |
| ·矿井救援机器人硬件结构 | 第43-44页 |
| ·软件流程图 | 第44页 |
| ·矿井机器人导航算法的实现 | 第44-51页 |
| ·基于D-S 证据理论的瓦斯灾害信息决策 | 第44-45页 |
| ·D-S 证据理论的融合规则 | 第45-51页 |
| ·矿井救援机器人对目标的探测 | 第51-52页 |
| ·救援多机器人仿真系统解决方案 | 第52-53页 |
| ·救援多机器人系统的软件结构 | 第53页 |
| ·救援机器人仿真系统的核心技术 | 第53-55页 |
| ·救援多机器人系统任务模块 | 第53-54页 |
| ·救援多机器人系统任务算法模块 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62-63页 |