基于忆阻神经网络的机器人路径规划研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 移动机器人国内外研究现状 | 第11-12页 |
| 1.3 移动机器人路径规划发展现状与发展趋势 | 第12-14页 |
| 1.3.1 移动机器人路径规划发展现状 | 第12-13页 |
| 1.3.2 移动机器人路径规划发展趋势 | 第13-14页 |
| 1.4 本文研究的目的和研究内容 | 第14-16页 |
| 1.4.1 本文研究的目的 | 第14页 |
| 1.4.2 本文研究的内容 | 第14-16页 |
| 第2章 移动机器人系统概述 | 第16-24页 |
| 2.1 移动机器人体系结构 | 第16-18页 |
| 2.1.1 移动机器人控制系统结构 | 第16-17页 |
| 2.1.2 移动机器人行驶机构研究 | 第17-18页 |
| 2.2 移动机器人感知系统 | 第18-20页 |
| 2.3 移动机器人路径规划技术 | 第20-22页 |
| 2.3.1 移动机器人的全局路径规划 | 第21-22页 |
| 2.3.2 移动机器人的局部路径规划 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 忆阻器模型及其仿真 | 第24-28页 |
| 3.1 引言 | 第24-25页 |
| 3.2 忆阻器的定义 | 第25页 |
| 3.3 忆阻器模型 | 第25-26页 |
| 3.4 惠普忆阻器的建模 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 机器人系统的设计与实现 | 第28-40页 |
| 4.1 总体概述 | 第28-30页 |
| 4.2 移动机器人的硬件系统 | 第30-32页 |
| 4.2.1 车体结构 | 第30-31页 |
| 4.2.2 控制器结构 | 第31-32页 |
| 4.2.3 超声波传感器 | 第32页 |
| 4.2.4 图像传感器 | 第32页 |
| 4.3 移动机器人的软件系统 | 第32-35页 |
| 4.3.1 移动机器人的控制系统 | 第32-34页 |
| 4.3.2 感知层的软件设计 | 第34-35页 |
| 4.3.3 超声波传感器软件设计 | 第35页 |
| 4.4 决策层的控制算法 | 第35-38页 |
| 4.4.1 人工神经网络概述 | 第35页 |
| 4.4.2 模糊控制理论概述 | 第35-37页 |
| 4.4.3 神经网络和模糊算法的结合 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 多超声波传感器定位与导航 | 第40-46页 |
| 5.1 超声波定位原理 | 第40-42页 |
| 5.2 超声波定位算法 | 第42-43页 |
| 5.3 参考点位置的选取 | 第43-44页 |
| 5.4 实验结果及仿真分析 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第6章 路径规划算法设计及实现 | 第46-60页 |
| 6.1 BP神经网络模型结构 | 第46-48页 |
| 6.2 忆阻神经网络 | 第48-50页 |
| 6.2.1 忆阻器神经突触 | 第48-49页 |
| 6.2.2 忆阻器神经网络结构 | 第49-50页 |
| 6.3 基于贝叶斯算法的忆阻神经网络 | 第50-51页 |
| 6.4 忆阻神经网络分类器的设计 | 第51-52页 |
| 6.5 模糊控制器的设计 | 第52-55页 |
| 6.5.1 确立输入量和输出量及其模糊语言描述 | 第52-53页 |
| 6.5.2 确定输入输出量的隶属度函数 | 第53页 |
| 6.5.3 建立模糊控制规则 | 第53-54页 |
| 6.5.4 模糊推理 | 第54-55页 |
| 6.5.5 解模糊 | 第55页 |
| 6.6 仿真实验 | 第55-58页 |
| 6.7 本章小结 | 第58-60页 |
| 第7章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |
