摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第10-21页 |
1.1 选题意义与背景 | 第10-11页 |
1.2 UUV路径规划研究现状 | 第11-18页 |
1.2.1 UUV发展现状 | 第11-13页 |
1.2.2 UUV路径规划特点 | 第13-15页 |
1.2.3 UUV路径规划方法研究现状 | 第15-18页 |
1.3 论文的主要研究工作 | 第18-21页 |
第二章 UUV路径规划建模 | 第21-27页 |
2.1 引言 | 第21页 |
2.2 典型的环境地图建模方法 | 第21-23页 |
2.2.1 几何建模法 | 第21-22页 |
2.2.2 单元分解建模法 | 第22页 |
2.2.3 拓扑建模方法 | 第22-23页 |
2.3 UUV环境地图建模 | 第23-25页 |
2.3.1 二维环境地图模型 | 第23-24页 |
2.3.2 三维环境地图模型 | 第24-25页 |
2.4 UUV路径规划数学模型 | 第25-26页 |
2.4.1 路径表示方法 | 第25-26页 |
2.4.2 规划数学模型 | 第26页 |
2.5 本章小结 | 第26-27页 |
第三章 蚁群算法基础及其进一步改进 | 第27-47页 |
3.1 引言 | 第27页 |
3.2 蚁群算法的基础理论 | 第27-33页 |
3.2.1 蚁群算法的原理及内容 | 第27-30页 |
3.2.2 蚁群算法的特点及典型改进 | 第30-33页 |
3.3 改进的蚁群算法 | 第33-46页 |
3.3.1 改进策略的提出 | 第33-39页 |
3.3.2 主要参数选取 | 第39-42页 |
3.3.3 改进蚁群算法验证及性能分析 | 第42-46页 |
3.4 本章小结 | 第46-47页 |
第四章 UUV离线路径规划方法研究 | 第47-56页 |
4.1 引言 | 第47页 |
4.2 改进蚁群算法应用于UUV离线路径规划 | 第47-49页 |
4.2.1 UUV离线路径规划描述 | 第47页 |
4.2.2 环境信息初始化 | 第47-48页 |
4.2.3 信息素表示 | 第48页 |
4.2.4 状态转移规则 | 第48-49页 |
4.2.5 信息素更新规则 | 第49页 |
4.3 UUV离线路径规划方法 | 第49-53页 |
4.3.1 目标函数及约束条件 | 第49-50页 |
4.3.2 路径平滑思想 | 第50-52页 |
4.3.3 算法描述 | 第52-53页 |
4.4 UUV离线路径规划仿真及性能分析 | 第53-55页 |
4.5 本章小结 | 第55-56页 |
第五章 UUV在线实时路径规划方法研究 | 第56-72页 |
5.1 引言 | 第56页 |
5.2 滚动窗口路径规划方法 | 第56-58页 |
5.2.1 滚动窗口路径规划方法描述 | 第56-57页 |
5.2.2 窗口子目标点的确定方法 | 第57-58页 |
5.3 UUV在线实时路径规划方法 | 第58-70页 |
5.3.1 动态障碍物运动模型 | 第58-62页 |
5.3.2 动态环境避障模型 | 第62-65页 |
5.3.3 动态环境下的避障方法 | 第65-66页 |
5.3.4 全局规划与局部规划权衡策略 | 第66-69页 |
5.3.5 算法描述 | 第69-70页 |
5.4 仿真实验及结果分析 | 第70-71页 |
5.5 本章小结 | 第71-72页 |
第六章 UUV完全遍历路径规划方法研究 | 第72-80页 |
6.1 引言 | 第72页 |
6.2 完全遍历路径规划方法 | 第72-74页 |
6.2.1 完全遍历路径规划方法研究现状 | 第72-73页 |
6.2.2 生物激励神经网络方法 | 第73-74页 |
6.3 本文完全遍历路径规划方法 | 第74-77页 |
6.3.1 改进蚁群算法与生物激励神经网络算法融合 | 第74-75页 |
6.3.2 目标函数及约束条件 | 第75页 |
6.3.3 遍历跳出“死角”方法 | 第75-76页 |
6.3.4 算法描述 | 第76-77页 |
6.4 仿真实验及结果分析 | 第77-79页 |
6.5 本章小结 | 第79-80页 |
第七章 总结与展望 | 第80-83页 |
7.1 本文工作总结 | 第80-81页 |
7.2 本文主要创新点 | 第81页 |
7.3 后续工作展望 | 第81-83页 |
致谢 | 第83-84页 |
参考文献 | 第84-89页 |
攻读硕士学位期间发表的论文及参加科研工作情况 | 第89-90页 |
附录 | 第90页 |