水下机器人系统体系结构及避障控制技术研究
摘要 | 第1-7页 |
Abstract | 第7-17页 |
第1章 绪论 | 第17-26页 |
·概述 | 第17页 |
·水下机器人的发展概况和研究趋势 | 第17-20页 |
·水下机器人体系结构研究概述 | 第20-23页 |
·论文研究背景和意义 | 第23-24页 |
·论文主要内容 | 第24-26页 |
第2章 水下机器人混合体系结构设计 | 第26-43页 |
·引言 | 第26页 |
·体系结构研究概述 | 第26-31页 |
·分层递阶体系结构 | 第26-27页 |
·反应式体系结构 | 第27-28页 |
·混合体系结构 | 第28-31页 |
·水下机器人混合体系结构设计 | 第31-38页 |
·任务管理器 | 第32-34页 |
·感知器 | 第34-36页 |
·行为管理器 | 第36-38页 |
·仿真研究 | 第38-42页 |
·本章小结 | 第42-43页 |
第3章 水下机器人动态障碍物感知技术 | 第43-63页 |
·引言 | 第43页 |
·目标运动模型 | 第43-48页 |
·CV 模型 | 第44-45页 |
·CA 模型 | 第45-46页 |
·Singer 模型 | 第46-48页 |
·卡尔曼滤波 | 第48-56页 |
·离散型卡尔曼滤波 | 第48-50页 |
·自适应卡尔曼滤波 | 第50-56页 |
·仿真试验研究 | 第56-62页 |
·本章小结 | 第62-63页 |
第4章 水下机器人避障行为规划及控制 | 第63-99页 |
·引言 | 第63页 |
·水下机器人避障规划算法 | 第63-76页 |
·问题描述 | 第64页 |
·大地坐标系与艇体坐标系 | 第64-66页 |
·声呐数据与障碍物描述 | 第66页 |
·碰撞预测模型 | 第66-67页 |
·速度矢量坐标系内AUV 期望速度求解 | 第67-70页 |
·避障策略 | 第70-71页 |
·仿真研究 | 第71-76页 |
·基于避障行为的水下机器人有限时间模糊PD 控制 | 第76-84页 |
·有限时间控制基本概念 | 第76-77页 |
·有限时间 PD 控制器在水下机器人控制中的应用 | 第77-81页 |
·仿真试验结果分析 | 第81-84页 |
·模糊参数自适应有限时间PD 控制器 | 第84-98页 |
·模糊自适应有限时间 PD 控制器设计 | 第85-90页 |
·纵向与艏向控制协调器设计 | 第90-93页 |
·仿真试验结果 | 第93-98页 |
·本章小结 | 第98-99页 |
第5章 水下机器人全局路径规划技术 | 第99-133页 |
·引言 | 第99页 |
·水下机器人全局路径规划概述 | 第99-101页 |
·粒子群算法 | 第101-109页 |
·粒子群算法概述 | 第101-102页 |
·基本 PSO 算法 | 第102-104页 |
·PSO 算法的改进 | 第104-109页 |
·粒子群算法在水下机器人全局路径规划的应用 | 第109-124页 |
·海洋环境表达 | 第109-112页 |
·PSO 算法路径规划的实现 | 第112-117页 |
·仿真试验结果与分析 | 第117-124页 |
·多障碍物海洋环境中粒子群优化全局路径规划 | 第124-131页 |
·主干线二叉树法 | 第125-127页 |
·A*算法路径搜索 | 第127-128页 |
·PSO 算法路径优化的实现 | 第128-129页 |
·仿真实验及结果分析 | 第129-131页 |
·本章小结 | 第131-133页 |
第6章 水下机器人基础运动控制器 | 第133-150页 |
·引言 | 第133-134页 |
·控制问题描述 | 第134页 |
·神经网络并行自学习控制器设计 | 第134-143页 |
·控制器结构及工作原理 | 第134-137页 |
·自适应神经网络模型(ANNM )及其训练 | 第137-139页 |
·神经网络控制器(NNC)及其训练 | 第139-142页 |
·运行监控器 | 第142页 |
·鲁棒控制器 | 第142-143页 |
·神经网络并行自学习控制器的水下机器人控制应用 | 第143-146页 |
·水下机器人的动力学辨识 | 第143-144页 |
·目标规划器 | 第144-145页 |
·水下机器人的运动控制 | 第145-146页 |
·海上试验结果 | 第146-149页 |
·本章小结 | 第149-150页 |
结论 | 第150-153页 |
参考文献 | 第153-165页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第165-166页 |
致谢 | 第166页 |