机器人室内未知环境探测与规划研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状与发展趋势 | 第11-15页 |
| ·移动机器人研究现状 | 第11-13页 |
| ·强化学习研究现状 | 第13-14页 |
| ·未来发展趋势 | 第14-15页 |
| ·本文主要内容与安排 | 第15-17页 |
| 第2章 机器人未知环境目标探测系统 | 第17-35页 |
| ·图像预处理 | 第17-24页 |
| ·颜色模型转换 | 第17-20页 |
| ·二值化处理 | 第20-22页 |
| ·形态学运算 | 第22-24页 |
| ·基于视觉的目标状态探测方法 | 第24-30页 |
| ·常用目标检测方法 | 第24-25页 |
| ·基于CLSA的目标拟合检测 | 第25-28页 |
| ·基于差额奖励的目标状态探测 | 第28-30页 |
| ·机器人未知环境目标探测系统 | 第30-34页 |
| ·目标状态探测系统的搭建 | 第30-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 移动机器人路径规划方法 | 第35-49页 |
| ·模糊神经网络 | 第35-39页 |
| ·人工神经网络与模糊逻辑系统 | 第35-36页 |
| ·T-S模型的模糊逻辑系统 | 第36-38页 |
| ·T-S模糊神经网络 | 第38-39页 |
| ·基于AFNN的机器人路径规划方法 | 第39-47页 |
| ·AFNN的模型结构 | 第39-41页 |
| ·AFNN的学习算法 | 第41-43页 |
| ·基于AFNN的路径规划方法 | 第43-47页 |
| ·基于AFNN的机器人路径规划实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 移动机器人强化学习决策系统 | 第49-62页 |
| ·强化学习 | 第49-52页 |
| ·强化学习的结构与模型 | 第49-50页 |
| ·强化学习的任务 | 第50-51页 |
| ·时序差分算法 | 第51-52页 |
| ·基于AFNN的强化学习决策方法 | 第52-57页 |
| ·AFNN强化学习决策方法 | 第52-54页 |
| ·状态空间和动作空间 | 第54-56页 |
| ·奖励信号定义 | 第56页 |
| ·状态-动作选择策略 | 第56-57页 |
| ·基于AFNN的强化学习决策系统实验 | 第57-61页 |
| ·决策系统的输入输出 | 第57页 |
| ·奖励信号的设计 | 第57-58页 |
| ·实验结果与分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |
