| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| contents | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·移动机器人导航的研究及其发展现状 | 第13-17页 |
| ·移动机器人路径规划(即导航)的定义 | 第13页 |
| ·移动机器人路径规划的国内外发展现状 | 第13-17页 |
| ·移动机器人导航技术的研究背景及意义 | 第17-18页 |
| ·论文主要研究内容 | 第18-20页 |
| 第二章 机器人避碰几何学分析 | 第20-28页 |
| ·引言 | 第20页 |
| ·移动机器人对当前环境的感知 | 第20-27页 |
| ·当前环境的感知方法 | 第21-22页 |
| ·当前环境的特征抽取 | 第22-23页 |
| ·移动机器人安全避障距离几何学分析及可行性验证 | 第23-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于模糊逻辑移动机器人导航控制器设计 | 第28-46页 |
| ·引言 | 第28页 |
| ·模糊理论简介 | 第28-35页 |
| ·模糊变量的模糊化(Fuzzification) | 第29-31页 |
| ·模糊知识库(Knowledge Base) | 第31-32页 |
| ·模糊推理(Inference Engine)规则 | 第32-33页 |
| ·模糊输出变量解模糊化(Defuzzification) | 第33-35页 |
| ·移动机器人避障的模糊控制器的设计 | 第35-44页 |
| ·移动机器人避障模糊控制器结构设计 | 第35-37页 |
| ·输入输出变量及其模糊化 | 第37-41页 |
| ·移动机器人的模糊推理机 | 第41-43页 |
| ·模糊控制器输出的清晰化处理 | 第43-44页 |
| ·输出曲面以及典型工作环境下的仿真。 | 第44-46页 |
| 第四章 神经网络模糊逻辑融合算法的机器人导航 | 第46-61页 |
| ·引言 | 第46-47页 |
| ·人工神经网络(artificial Neural Networks)简述 | 第47-50页 |
| ·神经元模型 | 第47-48页 |
| ·人工神经网络 | 第48-49页 |
| ·神经网络的学习方法 | 第49-50页 |
| ·模糊神经网络原理简述 | 第50-56页 |
| ·模糊神经网络控制器的结构 | 第51-53页 |
| ·各层节点的函数功能 | 第53-54页 |
| ·模糊神经网络的学习算法 | 第54-56页 |
| ·模糊神经避障控制器设计 | 第56-59页 |
| ·模糊神经网络结构 | 第56页 |
| ·模糊神经网络的训练 | 第56-59页 |
| ·仿真实验 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第五章 基于遗传模糊逻辑混合算法的机器人导航 | 第61-77页 |
| ·前言 | 第61-62页 |
| ·遗传算法简介 | 第62-66页 |
| ·遗传算法的基本特点 | 第66页 |
| ·模糊逻辑与遗传算法融合的路径规划算法 | 第66-76页 |
| ·用遗传算法设计最优避障模糊控制器 | 第67-72页 |
| ·最佳避障模糊控制器设计步骤及matlab仿真 | 第72-75页 |
| ·结论与分析 | 第75-76页 |
| ·小结 | 第76-77页 |
| 第六章 结论 | 第77-80页 |
| 参考文献 | 第80-82页 |
| 攻读学位期间发表的论文 | 第82-84页 |
| 致谢 | 第84页 |
