| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于改进人工势场法的机器人导航研究现状与发展趋势 | 第11-13页 |
| 1.2.2 未知环境下移动机器人环境建模研究现状与发展趋势 | 第13-16页 |
| 1.3 研究内容 | 第16-18页 |
| 第二章 基于旋转力的改进人工势场法移动机器人导航 | 第18-32页 |
| 2.1 阿克曼机器人运动学模型 | 第18-20页 |
| 2.2 传统人工势场法 | 第20-23页 |
| 2.2.1 传统人工势场法介绍 | 第20页 |
| 2.2.2 传统人工势场法原理 | 第20-23页 |
| 2.2.3 传统人工势场法的优缺点 | 第23页 |
| 2.3 基于旋转力的改进人工势场法 | 第23-26页 |
| 2.3.1 普通的改进人工势场法 | 第23页 |
| 2.3.2 改进势场函数 | 第23-25页 |
| 2.3.3 添加旋转力 | 第25-26页 |
| 2.4 基于旋转力的改进人工势场法移动机器人导航仿真 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于BF-PSO算法的人工势场参数优化 | 第32-48页 |
| 3.1 PSO算法 | 第32-34页 |
| 3.1.1 PSO算法的原理 | 第32-34页 |
| 3.2 BFA算法 | 第34-36页 |
| 3.2.1 BFA算法原理 | 第34-36页 |
| 3.3 BF-PSO算法 | 第36-44页 |
| 3.3.1 BF-PSO算法原理 | 第36页 |
| 3.3.2 BF-PSO算法实现 | 第36-43页 |
| 3.3.3 适应度函数的构建 | 第43-44页 |
| 3.4 移动机器人导航参数优化仿真 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 未知环境中移动机器人环境建模 | 第48-68页 |
| 4.1 EKF算法原理 | 第48-49页 |
| 4.1.1 系统模型 | 第48-49页 |
| 4.1.2 预测过程 | 第49页 |
| 4.1.3 更新过程 | 第49页 |
| 4.2 EKF的环境建模算法 | 第49-53页 |
| 4.2.1 系统建模 | 第50-51页 |
| 4.2.2 预测方程 | 第51页 |
| 4.2.3 观测方程 | 第51-52页 |
| 4.2.4 数据关联 | 第52页 |
| 4.2.5 更新方程 | 第52-53页 |
| 4.3 UT变换 | 第53-54页 |
| 4.4 UKF的环境建模算法 | 第54-56页 |
| 4.4.1 初始化 | 第54页 |
| 4.4.2 预测 | 第54-55页 |
| 4.4.3 观测更新 | 第55页 |
| 4.4.4 状态更新 | 第55-56页 |
| 4.5 未知环境中移动机器人环境建模仿真 | 第56-67页 |
| 4.5.1 基于EKF算法的移动机器人环境建模仿真 | 第58-61页 |
| 4.5.2 基于UKF的移动机器人环境建模仿真 | 第61-65页 |
| 4.5.3 未知环境下移动机器人环境建模实验分析 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 论文总结 | 第68-69页 |
| 5.1.1 导航研究 | 第68-69页 |
| 5.1.2 环境建模研究 | 第69页 |
| 5.2 未来研究与展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 在学期间发表过的学术论文和研究成果 | 第75页 |
