基于内分泌算法的机器人行为控制
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-26页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 机器人行为研究现状 | 第13-23页 |
| 1.2.1 主要方法 | 第14-19页 |
| 1.2.2 研究趋势 | 第19-23页 |
| 1.3 论文的主要研究内容和创新点 | 第23-24页 |
| 1.4 论文的章节安排 | 第24-26页 |
| 2 人工内分泌算法 | 第26-33页 |
| 2.1 引言 | 第26页 |
| 2.2 人体生物学基础 | 第26-30页 |
| 2.2.1 内分泌学的发展简史 | 第26-27页 |
| 2.2.2 基本概念和术语 | 第27-28页 |
| 2.2.3 内分泌系统的组织结构 | 第28页 |
| 2.2.4 生物激素的特性 | 第28-30页 |
| 2.3 内分泌系统模型 | 第30-31页 |
| 2.3.1 内分泌系统模型 | 第30页 |
| 2.3.2 人工内分泌系统 | 第30页 |
| 2.3.3 仿激素机制 | 第30-31页 |
| 2.3.4 数字激素模型 | 第31页 |
| 2.4 人工内分泌系统的发展方向 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 3 内分泌算法在移动机器人避障的研究 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 人工势场法 | 第33-35页 |
| 3.2.1 引力函数 | 第34页 |
| 3.2.2 斥力函数 | 第34页 |
| 3.2.3 全局受力分析 | 第34-35页 |
| 3.2.4 人工势场法的优缺点 | 第35页 |
| 3.3 基于内分泌算法机器人避障算法 | 第35-38页 |
| 3.3.1 机器人激素建模 | 第36页 |
| 3.3.2 机器人行为控制器 | 第36-37页 |
| 3.3.3 基于内分泌算法的改进 | 第37页 |
| 3.3.4 算法流程 | 第37-38页 |
| 3.4 仿真实验 | 第38-42页 |
| 3.4.1 实验环境建模 | 第38-39页 |
| 3.4.2 实验仿真 | 第39-41页 |
| 3.4.3 对比实验 | 第41-42页 |
| 3.4.4 实验结论 | 第42页 |
| 3.5 小结 | 第42-43页 |
| 4 基于内分泌系统的移动机器人行为选择机制 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 机器人环境与行为建模 | 第43-44页 |
| 4.2.1 机器人运行环境 | 第44页 |
| 4.2.2 机器人行为建模 | 第44页 |
| 4.3 基于内分泌算法的机器人行为选择(EBS) | 第44-47页 |
| 4.3.1 机器人激素建模 | 第44-45页 |
| 4.3.2 机器人行为控制器建模 | 第45-46页 |
| 4.3.3 算法流程 | 第46-47页 |
| 4.4 仿真实验及结果 | 第47-52页 |
| 4.4.1 环境建模及参数设置 | 第47页 |
| 4.4.2 实验仿真 | 第47-50页 |
| 4.4.3 对比试验 | 第50-52页 |
| 4.5 小结 | 第52-53页 |
| 5. 区域多机器人任务自适应分配 | 第53-60页 |
| 5.1 引言 | 第53页 |
| 5.2 多机器人任务分配方法 | 第53-54页 |
| 5.3 基于内分泌算法的自适应任务处理算法 | 第54-55页 |
| 5.3.1 算法背景 | 第54页 |
| 5.3.2 系统描述 | 第54-55页 |
| 5.4 算法建模 | 第55-58页 |
| 5.4.1 场景设定 | 第55-56页 |
| 5.4.2 系统激素 | 第56页 |
| 5.4.3 促进/抑制激素 | 第56页 |
| 5.4.4 行为控制器 | 第56页 |
| 5.4.5 算法流程 | 第56-58页 |
| 5.5 仿真实验 | 第58-59页 |
| 5.5.1 实验环境和参数设置 | 第58页 |
| 5.5.2 对比实验 | 第58-59页 |
| 5.6 小结 | 第59-60页 |
| 6. 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 致谢 | 第69-71页 |
| 附录：攻读硕士期间参加的项目及成果 | 第71页 |
