| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 选题背景 | 第13-14页 |
| 1.2 国内外研究现状和水平 | 第14-19页 |
| 1.2.1 国外水下机器人研究现状 | 第14-15页 |
| 1.2.2 国内水下机器人研究现状 | 第15-17页 |
| 1.2.3 编队控制研究现状 | 第17-18页 |
| 1.2.4 任务分配问题研究现状 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-21页 |
| 第2章 多AUV系统体系结构与任务分配模型 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 体系结构 | 第21-25页 |
| 2.2.1 个体体系结构 | 第21-22页 |
| 2.2.2 群体体系结构 | 第22-24页 |
| 2.2.3 基于分层式体系结构的多AUV协作系统 | 第24-25页 |
| 2.3 建立任务分配模型 | 第25-29页 |
| 2.3.1 任务问题描述 | 第25页 |
| 2.3.2 任务分配的评价指标 | 第25-26页 |
| 2.3.3 任务分配的模型分析 | 第26页 |
| 2.3.4 任务分配中的约束条件 | 第26-27页 |
| 2.3.5 数学模型 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于改进蚁群算法的多AUV任务分配 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 基本蚁群算法 | 第31-34页 |
| 3.2.1 蚁群算法的生物学原理 | 第31-32页 |
| 3.2.2 基本蚁群算法及其实现 | 第32-33页 |
| 3.2.3 蚁群算法的信息素更新 | 第33-34页 |
| 3.3 蚁群算法存在的问题 | 第34页 |
| 3.3.1 任务选择的局限性 | 第34页 |
| 3.3.2 信息素更新过程的局限性 | 第34页 |
| 3.3.3 局部搜索的局限性 | 第34页 |
| 3.4 改进蚁群算法 | 第34-40页 |
| 3.4.1 蚁群协调机制 | 第35-36页 |
| 3.4.2 全局动态信息素更新 | 第36页 |
| 3.4.3 局部搜索策略 | 第36-37页 |
| 3.4.4 算法收敛性证明 | 第37-38页 |
| 3.4.5 任务分配仿真 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于PSO的多水下机器人队形形成 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 机器人和环境模型构建 | 第41-43页 |
| 4.2.1 机器人模型 | 第41页 |
| 4.2.2 环境建模 | 第41-42页 |
| 4.2.3 队形参考点的选取 | 第42-43页 |
| 4.3 粒子群算法 | 第43-45页 |
| 4.4 编队基本行为的代价函数 | 第45-48页 |
| 4.4.1 奔向目标函数 | 第45页 |
| 4.4.2 队形误差函数 | 第45-47页 |
| 4.4.3 避碰惩罚函数 | 第47页 |
| 4.4.4 避静态障碍物惩罚函数 | 第47-48页 |
| 4.5 基于PSO多水下机器人队形形成 | 第48-52页 |
| 4.5.1 基于滚动窗口的路径规划 | 第48-49页 |
| 4.5.2 基于PSO的多机器人队形形成模型 | 第49-51页 |
| 4.5.3 基于PSO的多机器人队形形成滚动优化算法 | 第51-52页 |
| 4.6 队形形成仿真 | 第52-54页 |
| 4.6.1 菱形队形形成 | 第53页 |
| 4.6.2 三角形队形形成 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第5章 多水下机器人编队控制研究 | 第55-66页 |
| 5.1 引言 | 第55页 |
| 5.2 多种避静态障碍物策略 | 第55-57页 |
| 5.3 基于PSO的队形控制优化算法 | 第57-58页 |
| 5.4 未知环境下的队形控制仿真 | 第58-64页 |
| 5.4.1 队形保持仿真 | 第59-60页 |
| 5.4.2 队形变换仿真 | 第60-64页 |
| 5.5 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 攻读硕士学位期间所发表的学术论文及科研成果 | 第70-72页 |
| 致谢 | 第72页 |