| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 引言 | 第11页 |
| 1.2 多机器人系统的特点及应用 | 第11-14页 |
| 1.3 多机器人运动控制的研究现状 | 第14-17页 |
| 1.3.1 避障方法 | 第14-15页 |
| 1.3.2 一致性运动 | 第15页 |
| 1.3.3 编队控制 | 第15-16页 |
| 1.3.4 群智能算法 | 第16-17页 |
| 1.4 小结 | 第17页 |
| 1.5 本文的主要工作 | 第17-18页 |
| 1.6 本文的组织结构 | 第18-20页 |
| 第二章 粒子群优化的原理及应用 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 粒子群优化的基本原理 | 第20-21页 |
| 2.3 粒子群优化与其他经典智能优化算法 | 第21-23页 |
| 2.3.1 蚁群算法与PSO学习 | 第21-22页 |
| 2.3.2 遗传算法与PSO | 第22-23页 |
| 2.3.3 神经网络算法与PSO分析 | 第23页 |
| 2.4 粒子群优化多机器人研究 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于粒子群优化的多机器人目标一致性运动控制 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 环境感知 | 第27-29页 |
| 3.3 改进粒子群优化 | 第29-33页 |
| 3.4 目标一致性运动 | 第33-34页 |
| 3.5 实验验证 | 第34-35页 |
| 3.6 结论 | 第35-37页 |
| 第四章 基于改进虚拟结构法的多机器人队形控制 | 第37-50页 |
| 4.1 引言 | 第37-38页 |
| 4.2 虚拟结构法 | 第38-40页 |
| 4.2.1 状态感知 | 第38页 |
| 4.2.2 虚拟队形 | 第38-40页 |
| 4.3 基于粒子群优化的多机器人编队 | 第40-45页 |
| 4.3.1 多机器人队形的初始生成 | 第40-41页 |
| 4.3.2 障碍环境下的多机器人避障 | 第41-44页 |
| 4.3.3 编队队形的恢复 | 第44-45页 |
| 4.4 实验仿真 | 第45-49页 |
| 4.5 结论 | 第49-50页 |
| 第五章 基于社区感知网络的多机器人编队控制 | 第50-60页 |
| 5.1 引言 | 第50-51页 |
| 5.2 社区的架构 | 第51页 |
| 5.3 基于改进人工势场的实体机器人避障 | 第51-52页 |
| 5.4 基于社区感知网络的改进粒子群的编队策略 | 第52-55页 |
| 5.4.1 感知社区网络的多机器人粒子子群 | 第52-53页 |
| 5.4.2 社区的粒子子队形 | 第53-54页 |
| 5.4.3 多机器人系统编队合成 | 第54-55页 |
| 5.5 实验仿真 | 第55-58页 |
| 5.6 总结 | 第58-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 进一步的研究工作 | 第61-62页 |
| 参考文献 | 第62-73页 |
| 致谢 | 第73-74页 |
| 附录 | 第74-75页 |