多自主机器人对未知环境的探索和地图构建
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第13-32页 |
| 1.1 课题背景与意义 | 第13-15页 |
| 1.2 研究现状与研究趋势 | 第15-24页 |
| 1.2.1 研究现状 | 第15-22页 |
| 1.2.2 研究趋势 | 第22-24页 |
| 1.3 多机器人探索相关问题 | 第24-29页 |
| 1.3.1 定位 | 第24-26页 |
| 1.3.2 多机器人系统的协作协调机制 | 第26-28页 |
| 1.3.3 多机器人系统通信 | 第28-29页 |
| 1.4 本文内容与框架 | 第29-32页 |
| 2 多机器人系统与机器人系统仿真建模 | 第32-47页 |
| 2.1 多机器人系统 | 第32-37页 |
| 2.2 机器人系统仿真建模 | 第37-46页 |
| 2.2.1 机器人系统介绍 | 第37-41页 |
| 2.2.2 机器人系统仿真建模 | 第41-46页 |
| 2.3 本章小结 | 第46-47页 |
| 3 机器人达尔文粒子群优化算法 | 第47-63页 |
| 3.1 粒子群优化算法 | 第47-50页 |
| 3.2 改进的粒子群优化算法 | 第50-54页 |
| 3.2.1 几种 PSO 改进算法介绍 | 第50-51页 |
| 3.2.2 达尔文粒子群优化算法 | 第51-54页 |
| 3.3 机器人达尔文粒子群优化算法 | 第54-60页 |
| 3.3.1 机器人达尔文优化算法公式 | 第54-55页 |
| 3.3.2 算法相关项介绍 | 第55-58页 |
| 3.3.3 机器人达尔文优化算法流程 | 第58-60页 |
| 3.4 移动机器人底层控制结构 | 第60-62页 |
| 3.5 本章小结 | 第62-63页 |
| 4 机器人分数阶达尔文粒子群优化算法 | 第63-89页 |
| 4.1 分数阶微积分 | 第63页 |
| 4.2 机器人分数阶达尔文优化算法 | 第63-66页 |
| 4.3 算法参数取值研究 | 第66-68页 |
| 4.4 算法参数自适应模糊控制 | 第68-72页 |
| 4.4.1 模糊控制输入量度量标准 | 第68-70页 |
| 4.4.2 模糊控制器设计 | 第70-72页 |
| 4.5 仿真实验 | 第72-87页 |
| 4.5.1 仿真环境与参数设置 | 第72-75页 |
| 4.5.2 仿真实验结果 | 第75-84页 |
| 4.5.3 实验结论分析 | 第84-87页 |
| 4.6 本章小结 | 第87-89页 |
| 5 总结与展望 | 第89-92页 |
| 5.1 全文总结 | 第89-90页 |
| 5.2 展望 | 第90-92页 |
| 参考文献 | 第92-95页 |
| 致谢 | 第95-96页 |
| 个人简介、在学期间发表的学术论文与研究成果 | 第96页 |
