基于群智能算法的多机器人编队技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-19页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·多机器人编队技术研究现状 | 第10页 |
| ·多机器人系统 | 第10-13页 |
| ·个体体系结构 | 第11-12页 |
| ·群体体系结构 | 第12-13页 |
| ·多机器人编队技术概述 | 第13-16页 |
| ·基本队形 | 第13页 |
| ·队形参考点 | 第13页 |
| ·编队控制方法 | 第13-15页 |
| ·编队控制算法性能评估 | 第15-16页 |
| ·多机器人编队中的研究问题 | 第16页 |
| ·群智能算法 | 第16-17页 |
| ·本文主要内容及安排 | 第17-19页 |
| 2 多机器人编队系统建模 | 第19-24页 |
| ·相关定义 | 第19页 |
| ·机器人传感模型 | 第19-20页 |
| ·形成队形任务中的机器人传感模型 | 第19-20页 |
| ·队形控制任务中的机器人传感模型 | 第20页 |
| ·环境建模 | 第20-22页 |
| ·已知环境模型 | 第21-22页 |
| ·未知环境模型 | 第22页 |
| ·通信模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于GACO的多机器人队形控制路径规划 | 第24-40页 |
| ·蚁群算法 | 第24-28页 |
| ·基本蚁群算法 | 第24-26页 |
| ·广义蚁群算法 | 第26-28页 |
| ·已知静态环境下的多机器人编队路径 | 第28-29页 |
| ·机器人模型假定条件 | 第28页 |
| ·编队路径选择策略 | 第28-29页 |
| ·已知静态环境下的多机器人保持队形 | 第29-34页 |
| ·基于栅格关联矩阵的避静态障碍物策略 | 第29-30页 |
| ·基于GACO的多机器人编队全局路径规划 | 第30-31页 |
| ·仿真 | 第31-34页 |
| ·未知动态已知静态环境下的多机器人保持队形 | 第34-39页 |
| ·多机器人与动态障碍物相碰预测 | 第35页 |
| ·躲避动态障碍物策略 | 第35-36页 |
| ·基于GACO的多机器人编队全局与局部路径规划 | 第36-37页 |
| ·仿真 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于PSO的多机器人形成队形滚动优化 | 第40-53页 |
| ·粒子群优化算法 | 第40-42页 |
| ·PSO算法的基本原理 | 第40-41页 |
| ·PSO算法的参数选择 | 第41页 |
| ·PSO算法实现步骤 | 第41-42页 |
| ·编队中基本行为的代价函数 | 第42-46页 |
| ·奔向目标函数 | 第42页 |
| ·队形误差函数 | 第42-44页 |
| ·避碰惩罚函数 | 第44-45页 |
| ·避静态障碍物惩罚函数 | 第45-46页 |
| ·基于PSO的多机器人形成队形 | 第46-49页 |
| ·基于滚动窗口的路径规划 | 第46-47页 |
| ·基于PSO的多机器人形成队形优化模型 | 第47-48页 |
| ·基于PSO的多机器人形成队形滚动优化算法 | 第48-49页 |
| ·形成队形仿真 | 第49-52页 |
| ·形成三角队形仿真 | 第49-51页 |
| ·形成线形队形仿真 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 基于PSO的多机器人队形控制滚动优化 | 第53-65页 |
| ·多种避静态障碍物策略 | 第53-54页 |
| ·基于PSO的多机器人队形控制 | 第54-56页 |
| ·基于PSO的多机器人队形控制优化模型 | 第54-55页 |
| ·基于PSO的多机器人队形控制滚动优化算法 | 第55-56页 |
| ·未知静态环境下的队形控制仿真 | 第56-60页 |
| ·保持队形仿真 | 第56-58页 |
| ·队形变换仿真 | 第58-60页 |
| ·未知动态环境下的多机器人保持队形 | 第60-64页 |
| ·动态障碍物大小及运动轨迹 | 第60-61页 |
| ·基于惩罚函数的避动态障碍物策略 | 第61-62页 |
| ·仿真 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
