基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃

第1章 　緒論
1.1 　移動機(jī)器人運(yùn)動規(guī)劃綜述及研究現(xiàn)狀
1.1.1 　運(yùn)動規(guī)劃簡介
1.1.2 　運(yùn)動規(guī)劃的分類
1.1.3 各種運(yùn)動規(guī)劃方法簡介
1.1.4 運(yùn)動規(guī)劃算法的評價(jià)指標(biāo)
1.2 神經(jīng)網(wǎng)絡(luò)綜述及研究現(xiàn)狀
第2章 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)及其在靜態(tài)環(huán)境運(yùn)動規(guī)劃中的應(yīng)用
2.1 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)模型
2.1.1 地圖映射
2.1.2 神經(jīng)元動力學(xué)
2.1.3 路徑生成
2.1.4 路徑搜索終止條件
2.1.5 不存在可行路徑情況的識別
2.1.6 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)進(jìn)入穩(wěn)態(tài)的判據(jù)
2.2 離散的 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)
2.3 利用啟發(fā)式信息加快 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)收斂速度
2.4 仿真研究
2.4.1 U形障礙物環(huán)境
2.4.2 迷宮環(huán)境
2.4.3 在沒有可行路徑的環(huán)境中進(jìn)行規(guī)劃
2.4.4 利用啟發(fā)式信息加快 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)收斂速度的仿真驗(yàn)證
2.5 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)的改進(jìn)
2.5.1 改進(jìn)背景與改進(jìn)方法
2.5.2 改進(jìn)一：考慮安全性的路徑規(guī)劃
2.5.3 改進(jìn)二：具有不同穿越難度的地圖情況下的路徑規(guī)劃
2.6 小結(jié)
第3章 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)及其在移動機(jī)器人運(yùn)動規(guī)劃中的應(yīng)用
3.1 問題提出
3.2 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)動力學(xué)模型
3.2.1 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
3.2.2 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)神經(jīng)元動力學(xué)
3.2.3 神經(jīng)元初始狀態(tài)設(shè)置
3.2.4 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)進(jìn)入穩(wěn)態(tài)的判據(jù)
3.3 基于有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)的運(yùn)動規(guī)劃
3.3.1 地圖映射
3.3.2 輸入接口部分
3.3.3 輸出接口部分
3.4 　仿真研究
3.4.1 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)在復(fù)雜環(huán)境中的路徑規(guī)劃
3.4.2 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)與有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)的對比
3.4.3 有框 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)在考慮地圖穿越難度情況下的規(guī)劃
3.5 小結(jié)與展望
第4章 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)運(yùn)動規(guī)劃在機(jī)械臂及非完整約束移動機(jī)器人中的
應(yīng)用研究
4.1 短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)在二連桿機(jī)械臂運(yùn)動規(guī)劃中的應(yīng)用
4.1.1 問題背景
4.1.2 二連桿機(jī)構(gòu)運(yùn)動學(xué)
4.1.3 優(yōu)化目標(biāo)的確定
4.1.4 工作空間到構(gòu)形空間的變換 …… 第5章最短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)在動態(tài)環(huán)境與未知環(huán)境中的運(yùn)動規(guī)劃研究 第6章最短路徑細(xì)胞神經(jīng)網(wǎng)絡(luò)相關(guān)模型及理論分析 參考文獻(xiàn)