| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 移动机器人的关键技术 | 第11-13页 |
| 1.3 移动机器人国内外现状及发展趋势 | 第13-15页 |
| 1.4 本文研究内容及内容安排 | 第15-16页 |
| 第2章 移动机器人系统结构与建模 | 第16-26页 |
| 2.1 MT-UROBOT硬件基础 | 第16-21页 |
| 2.1.1 控制部分 | 第16-17页 |
| 2.1.2 传感器部分 | 第17-21页 |
| 2.1.3 执行部分 | 第21页 |
| 2.1.4 移动机器人的通信 | 第21页 |
| 2.2 移动机器人结构模型 | 第21-22页 |
| 2.3 MT-UROBOT的动力及驱动 | 第22-24页 |
| 2.3.1 MT-UROBOT的动力 | 第22页 |
| 2.3.2 MT-UROBOT的直流电机特性 | 第22-23页 |
| 2.3.3 MT-UROBOT的直流电机的PWM调制 | 第23-24页 |
| 2.3.4 MT-UROBOT的驱动方式 | 第24页 |
| 2.4 MT-UROBOT的驱动和转向控制系统模型 | 第24页 |
| 2.5 MT-UROBOT的动力学模型 | 第24-26页 |
| 第3章 移动机器人路径规划基础 | 第26-42页 |
| 3.1 移动机器人路径规划概述 | 第26-30页 |
| 3.1.1 路径规划的定义 | 第26页 |
| 3.1.2 路径规划的分类 | 第26-27页 |
| 3.1.3 路径规划的方法 | 第27-30页 |
| 3.2 路径规划算法基础 | 第30-36页 |
| 3.2.1 模糊神经网络控制系统概况 | 第30页 |
| 3.2.2 模糊控制原理 | 第30-32页 |
| 3.2.3 神经网络控制原理 | 第32-35页 |
| 3.2.4 模糊控制与神经网络的融合 | 第35-36页 |
| 3.3 模糊神经网络 | 第36-37页 |
| 3.4 模糊神经网络结构 | 第37-38页 |
| 3.5 模糊神经网络的BP学习算法 | 第38-42页 |
| 第4章 基于FNN的移动机器人路径规划 | 第42-54页 |
| 4.1 移动机器人工作空间的建模方法 | 第42-43页 |
| 4.2 路径规划空间的网格表示 | 第43-45页 |
| 4.2.1 路径规划空间的网格表示方法 | 第43-44页 |
| 4.2.2 路径规划空间的网格大小的选取 | 第44-45页 |
| 4.2.3 路径规划空间网格的不唯一性 | 第45页 |
| 4.3 移动机器人位姿表示 | 第45-47页 |
| 4.4 路径规划性能指标的选取 | 第47-49页 |
| 4.4.1 障碍代价的选取 | 第48页 |
| 4.4.2 费用代价的选取 | 第48页 |
| 4.4.3 加权因子的选取及意义 | 第48页 |
| 4.4.4 边的代价计算 | 第48-49页 |
| 4.5 移动机器人路径规划的系统结构 | 第49-51页 |
| 4.5.1 模糊神经网络控制器 | 第49-50页 |
| 4.5.2 电机的控制 | 第50-51页 |
| 4.6 移动机器人的基本工作模式 | 第51-54页 |
| 4.6.1 移动机器人工作模式流程图 | 第52页 |
| 4.6.2 移动机器人寻踪模式流程图 | 第52-53页 |
| 4.6.3 移动机器人避障模式流程图 | 第53-54页 |
| 第5章 移动机器人控制算法的实现 | 第54-70页 |
| 5.1 模糊神经网络的输入输出变量 | 第54-55页 |
| 5.1.1 模糊神经网络的输入输出变量的选取 | 第54页 |
| 5.1.2 输入量的模糊化 | 第54-55页 |
| 5.1.3 输出量的解模糊 | 第55页 |
| 5.2 模糊神经网络的控制规则 | 第55-56页 |
| 5.3 模糊神经网络的总体设计 | 第56-58页 |
| 5.4 参数优化的混合学习算法 | 第58-60页 |
| 5.5 模糊神经网络的仿真 | 第60-65页 |
| 5.6 基于FNN的路径规划仿真 | 第65-70页 |
| 5.6.1 移动机器人路径规划仿真平台的设计 | 第65-66页 |
| 5.6.2 没有障碍物情况下路径规划仿真 | 第66-67页 |
| 5.6.3 有障碍物情况下路径规划仿真 | 第67-70页 |
| 第6章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间发表的学术论文 | 第78页 |