基于BP网络的水下机器人（AUV）路径规划研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 前言 | 第8-17页 |
| ·引言 | 第8页 |
| ·AUV 的发展现状 | 第8-10页 |
| ·AUV 路径规划研究 | 第10-15页 |
| ·路径规划的任务及分类 | 第10-11页 |
| ·环境模型的建立 | 第11-13页 |
| ·路径规划方法 | 第13-15页 |
| ·本文研究的意义及内容 | 第15-17页 |
| 1 BP 网络及其初始权值优化技术 | 第17-31页 |
| ·BP 网络简介 | 第17-22页 |
| ·BP 神经网络结构 | 第17-18页 |
| ·BP 算法的基本思想 | 第18-19页 |
| ·BP 算法的学习流程 | 第19-21页 |
| ·BP 网络的局部极小值问题 | 第21-22页 |
| ·BP 网络设计 | 第22-24页 |
| ·K—L 变换在初始权值优化中的应用 | 第24-30页 |
| ·现有方法介绍 | 第24页 |
| ·K—L 变换 | 第24-25页 |
| ·仿真实验 | 第25-29页 |
| ·结论 | 第29-30页 |
| ·小结 | 第30-31页 |
| 2 AUV 的系统模型 | 第31-36页 |
| ·AUV 结构框架 | 第31-33页 |
| ·AUV 路径规划的硬件设备 | 第33-35页 |
| ·测深声纳 | 第33页 |
| ·避障声纳 | 第33-34页 |
| ·基线定位模块 | 第34-35页 |
| ·压力传感器和深度测试仪 | 第35页 |
| ·小结 | 第35-36页 |
| 3 AUV 路径规划研究 | 第36-48页 |
| ·基于BP 网络的全局路径规划 | 第36-41页 |
| ·BP 网络的建立 | 第36-37页 |
| ·数学模型的建立 | 第37-38页 |
| ·避免局部极小值问题的模拟退火方法 | 第38-40页 |
| ·仿真实验 | 第40-41页 |
| ·基于BP 网络的局部路径规划 | 第41-45页 |
| ·环境表示 | 第41-42页 |
| ·学习样本的选取 | 第42页 |
| ·BP 网络的建立 | 第42-43页 |
| ·仿真实验 | 第43-45页 |
| ·海洋环境对AUV 路径规划的影响 | 第45-47页 |
| ·AUV 路径规划采用的坐标系 | 第45-46页 |
| ·海洋环境特点 | 第46页 |
| ·海流对AUV 运动的影响 | 第46-47页 |
| ·小结 | 第47-48页 |
| 4 总结与展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士学位期间发表的论文 | 第52页 |
