| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-22页 |
| ·机器人的发展简史 | 第12-14页 |
| ·机器人的定义 | 第14-15页 |
| ·机器人的分类 | 第15-19页 |
| ·工业机器人 | 第15-16页 |
| ·特种机器人 | 第16-19页 |
| ·机器人学的发展 | 第19-20页 |
| ·移动机器人技术 | 第20页 |
| ·本文的主要工作 | 第20-22页 |
| 第二章 移动机器人路径规划研究 | 第22-30页 |
| ·引言 | 第22-23页 |
| ·传统路径规划方法 | 第23-26页 |
| ·自由空间法(Free Space Approach) | 第23页 |
| ·栅格法(Grids) | 第23-24页 |
| ·可视图法 | 第24-25页 |
| ·人工势场法 | 第25-26页 |
| ·其他智能路径规划方法 | 第26-30页 |
| ·基于神经网络的路径规划 | 第26页 |
| ·模拟退火算法(Simulated Annealing) | 第26-27页 |
| ·蚁群算法 | 第27-30页 |
| 第三章 遗传算法、免疫算法与免疫遗传算法 | 第30-42页 |
| ·遗传算法的简介 | 第30-31页 |
| ·遗传算法基本原理 | 第31-35页 |
| ·编码、初始种群的产生 | 第31-32页 |
| ·适应度函数(fitness function) | 第32-33页 |
| ·选择(selection/reproduction) | 第33-34页 |
| ·交叉(crossover) | 第34页 |
| ·变异(mutation) | 第34-35页 |
| ·免疫算法的自然机理 | 第35-37页 |
| ·免疫算法 | 第37-40页 |
| ·免疫遗传算法简介 | 第40-42页 |
| 第四章 基于免疫遗传算法的机器人全局路径规划 | 第42-53页 |
| ·引言 | 第42页 |
| ·环境信息的描述 | 第42-44页 |
| ·抗体编码与初始抗体的产生 | 第44-45页 |
| ·适应度函数设计 | 第45-46页 |
| ·路径安全性适应度函数 | 第46页 |
| ·平滑度适应度函数 | 第46页 |
| ·路径长度适应度函数 | 第46页 |
| ·抗体浓度计算 | 第46-47页 |
| ·Euclidean浓度 | 第47页 |
| ·矢量距浓度 | 第47页 |
| ·抗体的促进、抑制与产生新抗体 | 第47-48页 |
| ·免疫算子 | 第48页 |
| ·接种疫苗 | 第48页 |
| ·免疫选择 | 第48页 |
| ·仿真实验 | 第48-52页 |
| ·结论 | 第52-53页 |
| 第五章 移动机器人路径规划综合实验 | 第53-67页 |
| ·实验平台简介 | 第53-57页 |
| ·AS-R主要特点 | 第53页 |
| ·AS-R基本配置功能模块 | 第53-54页 |
| ·AS-R的主要应用 | 第54-55页 |
| ·机器人传感器 | 第55-57页 |
| ·ASR接口 | 第57-59页 |
| ·CASRSystem概述 | 第57-58页 |
| ·设备层概述 | 第58-59页 |
| ·实验综述 | 第59-61页 |
| ·基于一阶直方图特征的字母识别 | 第61-64页 |
| ·图像预处理 | 第62页 |
| ·灰度直方图特征的提取 | 第62-64页 |
| ·实验结果分析 | 第64-67页 |
| ·路径规划结果分析 | 第64-65页 |
| ·字母识别结果分析 | 第65-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 硕士期间发表论文 | 第72页 |
