| 图目录 | 第1-7页 |
| 表目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10页 |
| ·自主式移动机器人 | 第10-12页 |
| ·自主式移动机器人概念 | 第10-11页 |
| ·自主式移动机器人的关键技术 | 第11-12页 |
| ·本课题研究的来源、背景和意义 | 第12页 |
| ·国内外发展状况和主要方法介绍 | 第12-15页 |
| ·定位 | 第12-13页 |
| ·路径规划 | 第13-15页 |
| ·本文的主要内容和结构安排 | 第15-17页 |
| 第二章 坦克车移动机器人的系统组成 | 第17-24页 |
| ·坦克车移动机器人的结构组成 | 第17-18页 |
| ·坦克车移动机器人的性能指标 | 第17页 |
| ·坦克车移动机器人系统组成 | 第17-18页 |
| ·坦克车移动机器人的传感系统 | 第18-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 坦克式移动机器人室外定位 | 第24-34页 |
| ·基于GPS 的绝对定位技术 | 第24-26页 |
| ·GPS 数据的Kalman 滤波 | 第26-30页 |
| ·目标的运动模型 | 第27-28页 |
| ·机动检测 | 第28-29页 |
| ·高斯投影变换 | 第29-30页 |
| ·基于光电编码器的相对定位 | 第30-31页 |
| ·最佳线性数据融合 | 第31-32页 |
| ·实验结果及分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于人工势场法的路径规划 | 第34-44页 |
| ·移动机器人路径规划的描述 | 第34-37页 |
| ·势场的描述 | 第34-35页 |
| ·传统人工势场法 | 第35-36页 |
| ·传统人工势场法存在问题及产生原因 | 第36-37页 |
| ·基于人工势场法的算法改进 | 第37-41页 |
| ·针对机器人不能到达目标点问题的算法改进 | 第37-39页 |
| ·针对机器人陷入局部最小值的算法改进 | 第39-41页 |
| ·仿真实验 | 第41-43页 |
| ·仿真系统 | 第41页 |
| ·实验结果及分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 复杂环境下基于遗传算法的路径规划 | 第44-54页 |
| ·遗传算法简介 | 第44-47页 |
| ·复杂环境下基于遗传算法的路径规划算法设计 | 第47-50页 |
| ·个体编码 | 第47页 |
| ·初始化种群 | 第47页 |
| ·评价函数和适应度函数的确定 | 第47-48页 |
| ·遗传算子的确定 | 第48-50页 |
| ·仿真实验 | 第50-53页 |
| ·仿真系统GAP | 第50-51页 |
| ·仿真结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 基于人工势场法和Ad-hoc 网络多机器人编队控制 | 第54-63页 |
| ·多机器人系统编队控制 | 第54-55页 |
| ·人工势场法改进后的多机器人系统的编队控制算法 | 第55-59页 |
| ·基于Ad-hoc 网络下的机器人外界环境模型 | 第55-56页 |
| ·改进的环境势场模型 | 第56-57页 |
| ·队形控制仿真 | 第57-59页 |
| ·实验及分析 | 第59-62页 |
| ·仿真实验一 | 第59-61页 |
| ·仿真实验二 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 结束语 | 第63-65页 |
| 论文主要工作 | 第63页 |
| 下一步的研究工作 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者在学期间取得的学术成果 | 第69页 |