| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 绪论 | 第11-29页 |
| ·课题背景和意义 | 第11-13页 |
| ·气味源定位应用的环境 | 第13-14页 |
| ·气味源定位策略 | 第14-26页 |
| ·烟羽发现 | 第15页 |
| ·烟羽跟踪 | 第15-25页 |
| ·扩散主控环境 | 第16-17页 |
| ·湍流主控环境 | 第17-23页 |
| ·湍流主控微弱流体环境 | 第23-25页 |
| ·气味源确认 | 第25-26页 |
| ·气味源定位面临的问题 | 第26-27页 |
| ·本文研究的主要内容 | 第27-29页 |
| 第二章 气味源定位仿真环境构建 | 第29-43页 |
| ·用于气味源定位研究的烟羽模型概述 | 第29-35页 |
| ·Farrell 基于细丝的大气扩散模型 | 第29-31页 |
| ·Farrell 烟羽模型中流场的计算 | 第30-31页 |
| ·Farrell 烟羽模型中浓度的计算 | 第31页 |
| ·Farrell 烟羽模型的可信度 | 第31页 |
| ·Li Wei 三维烟羽模型（CPT_M3D） | 第31-32页 |
| ·Ishida 静态烟羽模型 | 第32页 |
| ·Balkovsky 的格构（Lattice）烟羽模型 | 第32-33页 |
| ·CofinBox 烟羽模型 | 第33-34页 |
| ·Liu 基于CFD 的连续烟羽模型 | 第34页 |
| ·目前烟羽模型存在的不足 | 第34-35页 |
| ·室内通风环境下的二维烟羽模型 | 第35-39页 |
| ·烟羽模型的构建 | 第35-36页 |
| ·基于CFD 计算对流风速 | 第36-38页 |
| ·定义仿真区域 | 第36-37页 |
| ·设置边界条件 | 第37页 |
| ·选择求解器 | 第37页 |
| ·模型的选择 | 第37-38页 |
| ·运行仿真求解 | 第38页 |
| ·速度脉动与浓度计算 | 第38-39页 |
| ·基于FLUENT 模型的局限性 | 第39页 |
| ·气体传感器响应和恢复模型 | 第39-41页 |
| ·基于烟羽模型和气味传感器模型的仿真环境框架 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第三章 多机器人发现、跟踪烟羽和确认气味源算法 | 第43-61页 |
| ·基于多机器人的烟羽发现算法 | 第43-44页 |
| ·基于多机器人的烟羽跟踪算法 | 第44-55页 |
| ·改进ACO 结合逆风运动的多机器人烟羽跟踪算法 | 第44-46页 |
| ·基于概率PSO 算法的多机器人烟羽跟踪算法 | 第46-55页 |
| ·算法概述 | 第46-47页 |
| ·对流-扩散烟羽的特性 | 第47-49页 |
| ·气味源概率估计的原理 | 第49-50页 |
| ·分散气味源概率估计 | 第50-53页 |
| ·联合气味源概率估计 | 第53-54页 |
| ·P-PSO 算法 | 第54-55页 |
| ·基于多机器人的气味源确认算法 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 多机器人气味源定位实验 | 第61-91页 |
| ·仿真实验 | 第61-78页 |
| ·仿真实验环境设置 | 第61-63页 |
| ·气味源定位控制结构的建立 | 第63-65页 |
| ·基于传感器检测信息的多机器人气味源定位控制结构 | 第63-64页 |
| ·基于概率估计的多机器人气味源定位控制结构 | 第64-65页 |
| ·烟羽发现/跟踪仿真实验 | 第65-75页 |
| ·U-MACO 算法在室外烟羽模型下的仿真实验 | 第66-69页 |
| ·U-MACO 算法在室内烟羽模型下的仿真实验 | 第69-71页 |
| ·P-PSO 算法的在室外烟羽模型下的仿真实验 | 第71-73页 |
| ·P-PSO 算法的在室内烟羽模型下的仿真实验 | 第73-75页 |
| ·气味源确认仿真实验 | 第75-77页 |
| ·仿真实验总结 | 第77-78页 |
| ·真实机器人实验 | 第78-89页 |
| ·真实实验环境设置 | 第78-81页 |
| ·流场测量 | 第81-83页 |
| ·烟羽发现/跟踪真实机器人实验 | 第83-87页 |
| ·基于U-MACO 算法的烟羽跟踪实验 | 第83-85页 |
| ·基于P-PSO 算法的烟羽跟踪实验 | 第85-87页 |
| ·气味源确认真实机器人实验 | 第87-88页 |
| ·真实机器人实验总结 | 第88-89页 |
| ·本章小结 | 第89-91页 |
| 第五章 多机器人气味源定位的探索和利用平衡 | 第91-101页 |
| ·E－E 平衡概述 | 第91-92页 |
| ·多机器人气味源定位过程的E－E 平衡 | 第92-95页 |
| ·搜索算法本身的E－E 性能 | 第92-93页 |
| ·基于多机器人气味源定位的E－E 平衡分类法 | 第93-95页 |
| ·E－E 平衡指标 | 第95页 |
| ·基于E－E 平衡的多机器人气味源定位算法 | 第95-98页 |
| ·同步E－E 平衡模式下的定位算法 | 第95-97页 |
| ·标准PSO+同步平衡 | 第95-96页 |
| ·MACO+同步平衡 | 第96-97页 |
| ·异步E－E 平衡模式下的定位算法 | 第97-98页 |
| ·标准PSO+异步平衡 | 第97页 |
| ·MACO+异步平衡 | 第97-98页 |
| ·仿真实验 | 第98-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 总结与展望 | 第101-104页 |
| 参考文献 | 第104-114页 |
| 发表论文和科研情况说明 | 第114-116页 |
| 附录：第三章3.2.2 节主要符号解释 | 第116-118页 |
| 致谢 | 第118页 |