| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 配送中心布局研究现状 | 第11页 |
| 1.2.2 多机器人任务分配研究现状 | 第11-13页 |
| 1.2.3 智能机器人路径规划研究现状 | 第13-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-19页 |
| 第2章 Kiva系统与Kiva机器人路径规划问题分析 | 第19-35页 |
| 2.1 Kiva系统布局 | 第19-21页 |
| 2.2 Kiva系统组成与Kiva机器人 | 第21-27页 |
| 2.2.1 Kiva系统组成 | 第21-24页 |
| 2.2.2 Kiva机器人组成 | 第24-26页 |
| 2.2.3 Kiva机器人与传统AGV小车的比较 | 第26-27页 |
| 2.3 Kiva系统拣选作业流程 | 第27-32页 |
| 2.4 Kiva机器人路径规划亟待解决的问题 | 第32-34页 |
| 2.4.1 货架的存放及选取问题 | 第32页 |
| 2.4.2 订单分配问题 | 第32-33页 |
| 2.4.3 Kiva机器人路径规划问题 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 Kiva机器人路径规划算法分析与选择 | 第35-42页 |
| 3.1 Kiva机器人的路径规划问题 | 第35-36页 |
| 3.1.1 全局路径规划 | 第35页 |
| 3.1.2 局部路径规划 | 第35-36页 |
| 3.1.3 混合路径规划 | 第36页 |
| 3.2 机器人路径规划算法分析 | 第36-40页 |
| 3.2.1 传统的A*算法 | 第36-37页 |
| 3.2.2 人工势场法 | 第37页 |
| 3.2.3 遗传算法 | 第37-38页 |
| 3.2.4 蚁群算法 | 第38-39页 |
| 3.2.5 粒子群算法 | 第39-40页 |
| 3.3 机器人路径规划算法比较与选择 | 第40-41页 |
| 3.3.1 路径规划问题描述 | 第40页 |
| 3.3.2 算法比较与选择 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于改进粒子群算法的Kiva机器人路径规划问题研究 | 第42-54页 |
| 4.1 Kiva机器人工作环境建模 | 第42-45页 |
| 4.1.1 栅格粒度的选取 | 第43页 |
| 4.1.2 环境的数学模型 | 第43-44页 |
| 4.1.3 栅格填充 | 第44-45页 |
| 4.2 粒子群算法分析 | 第45-46页 |
| 4.2.1 路径规划问题粒子群算法描述 | 第45-46页 |
| 4.2.2 粒子适应度函数构建 | 第46页 |
| 4.3 多机器人间的冲突预防 | 第46-48页 |
| 4.3.1 优先级规则 | 第46-47页 |
| 4.3.2 适应度函数调整 | 第47页 |
| 4.3.3 拥堵情况的处理 | 第47-48页 |
| 4.4 参数选取 | 第48-49页 |
| 4.5 粒子群算法的改进 | 第49-53页 |
| 4.5.1 早熟收敛的改进 | 第49-50页 |
| 4.5.2 惯性权重取值的改进 | 第50-51页 |
| 4.5.3 边界条件的改进 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 MATLAB仿真与结果分析 | 第54-63页 |
| 5.1 单Kiva机器人行走路径仿真 | 第54-55页 |
| 5.2 双Kiva机器人冲突行走路径仿真 | 第55-56页 |
| 5.3 多Kiva机器人路径规划仿真 | 第56-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 论文展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第71页 |