论文目录 | |
| 摘要 | 第1-10页 |
| Abstract | 第10-11页 |
| 致谢 | 第12-19页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 智能控制与识别理论方法的研究意义 | 第19-20页 |
| 1.2 智能控制与识别理论方法的发展与现状 | 第20-31页 |
| 1.2.1 智能控制与识别的研究对象、主要特征以及研究的数学工具 | 第22-27页 |
| 1.2.2 智能控制与识别理论的发展趋势 | 第27-31页 |
| 1.3 本课题研究的意义及论文的内容 | 第31-33页 |
| 第二章 三层三段仿人智能控制与识别器的设计 | 第33-44页 |
| 2.1 多层次多阶段智能控制与识别器的结构和功能分析 | 第33-34页 |
| 2.2 三层三段仿人智能控制与识别器的功能和结构设计 | 第34-38页 |
| 2.2.1 三级层次递阶结构的设计理论方法 | 第34-35页 |
| 2.2.2 三段过程专家控制功能的设计理论方法 | 第35-36页 |
| 2.2.3 三层三段仿人智能控制与识别器模型 | 第36-38页 |
| 2.3 设计规范和运行机制 | 第38-43页 |
| 2.4 系统稳定性监控机制 | 第43页 |
| 2.5 小结 | 第43-44页 |
| 第三章 交流矢量控制负载转矩(M|^)_f智能观测器设计方法及其应用的研究 | 第44-62页 |
| 3.1 智能观测器设计方法 | 第44-47页 |
| 3.1.1 智能观测器的结构和功能 | 第44-45页 |
| 3.1.2 智能观测器特征模型的构造与辨识 | 第45-46页 |
| 3.1.3 智能观测器状态和参数多观测模式的表示与获取 | 第46页 |
| 3.1.4 智能观测器观测策略的决策与推理 | 第46-47页 |
| 3.2 交流矢量控制负载转矩(M|^)_f智能观测器设计实例 | 第47-52页 |
| 3.2.1 负载扰动的非线性状态观测 | 第47-48页 |
| 3.2.2 (M|^)_f的智能观测器多观测模式获取与表示 | 第48-49页 |
| 3.2.3 (M|^)_f的智能观测器观测级设计 | 第49-51页 |
| 3.2.4 (M|^)_f的智能观测器参数校正级设计 | 第51-52页 |
| 3.3 交流矢量控制负载转矩(M|^)_f智能观测器实验系统 | 第52-59页 |
| 3.3.1 系统传递函数 | 第53-57页 |
| 3.3.2 系统仿真 | 第57-59页 |
| 3.4 系统实验 | 第59-61页 |
| 3.5 小结 | 第61-62页 |
| 第四章 机器人视觉检测与目标跟踪的智能识别与控制机设计及其应用的研究 | 第62-78页 |
| 4.1 引言 | 第62页 |
| 4.2 移动机器人运动目标自动跟踪的智能识别与控制机模型结构设计 | 第62-64页 |
| 4.3 运动目标特征检测算方法 | 第64-66页 |
| 4.3.1 运动目标图像HSI差值模型 | 第64-65页 |
| 4.3.2 运动目标图像噪声的处理 | 第65页 |
| 4.3.3 运动目标阴影部分自适应分割 | 第65-66页 |
| 4.3.4 运动目标的自适应分割提取 | 第66页 |
| 4.4 执行级知识模型表示与获取 | 第66-69页 |
| 4.4.1 运动目标的模式特征提取 | 第66-67页 |
| 4.4.2 执行级模式特征模型 | 第67-68页 |
| 4.4.3 执行级检测模式算法 | 第68-69页 |
| 4.5 任务级知识模型表示与获取 | 第69页 |
| 4.5.1 任务级模式特征表示与获取 | 第69页 |
| 4.5.2 任务级多任务分配模式集的表示与建立 | 第69页 |
| 4.6 运动目标的预测跟踪控制 | 第69-72页 |
| 4.6.1 运动目标的运动轨迹估计 | 第69-71页 |
| 4.6.2 自主机器人运动控制策略 | 第71-72页 |
| 4.7 实验结果分析 | 第72-76页 |
| 4.7.1 运动目标检测和识别实验 | 第72-74页 |
| 4.7.2 运动目标检测和识别跟踪实验 | 第74-76页 |
| 4.8 小结 | 第76-78页 |
| 第五章 汉字图像智能识别机设计方法的研究与应用 | 第78-119页 |
| 5.1 汉字图像智能识别机的提出 | 第78-80页 |
| 5.2 汉字图像智能识别机的设计 | 第80-89页 |
| 5.2.1 汉字图像智能识别机的结构设计 | 第80-82页 |
| 5.2.2 决策控制级的多模态定性识别 | 第82-85页 |
| 5.2.3 模式识别级的候选字加权多分类器结果融合识别 | 第85-87页 |
| 5.2.4 识别结果的可信度判断与反馈校正 | 第87-88页 |
| 5.2.5 识别机的参数选取及应用 | 第88-89页 |
| 5.2.6 汉字图像智能识别机的识别特点 | 第89页 |
| 5.3 汉字图像智能识别机应用实例 | 第89-95页 |
| 5.3.1 汉字图像小波特征识别应用实例 | 第90-94页 |
| 5.3.2 汉字图像编码特征识别应用实例 | 第94-95页 |
| 5.4 脱机手写体汉字的仿生模式识别方法 | 第95-105页 |
| 5.4.1 手写体汉字的笔段提取和笔段图形神经元获取 | 第95-98页 |
| 5.4.2 汉字笔划的笔段合成及其容错形状 | 第98-99页 |
| 5.4.3 汉字笔划的神经元网络合成 | 第99页 |
| 5.4.4 汉字笔划相合相交结构类型判断 | 第99-100页 |
| 5.4.5 手写体汉字的特征知识获取 | 第100-101页 |
| 5.4.6 手写体汉字的识别方法 | 第101-102页 |
| 5.4.7 手写体汉字的识别步骤 | 第102-104页 |
| 5.4.8 手写体汉字的识别实验分析 | 第104-105页 |
| 5.5 车牌字符识别应用平台 | 第105-111页 |
| 5.6 小结 | 第111-112页 |
| 5.7 附录 | 第112-119页 |
| 第六章 总结与展望 | 第119-121页 |
| 6.1 总结 | 第119-120页 |
| 6.2 展望 | 第120-121页 |
| 参考文献 | 第121-126页 |
| 攻读博士学位期间发表的论文 | 第126 |
