多机器人烟羽跟踪算法实验研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 图表目录 | 第7-8页 |
| 第一章 绪论 | 第8-22页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 气味源定位策略 | 第9-20页 |
| 1.2.1 气味传播特性 | 第9-10页 |
| 1.2.2 烟羽发现 | 第10-11页 |
| 1.2.3 烟羽跟踪 | 第11-15页 |
| 1.2.3.1 化学趋向性算法 | 第11-12页 |
| 1.2.3.2 风趋向性算法 | 第12-14页 |
| 1.2.3.3 信息趋向性算法 | 第14-15页 |
| 1.2.4 气味源确认 | 第15页 |
| 1.2.5 嗅/视觉结合的气味源定位策略 | 第15-16页 |
| 1.2.6 多机器人气味源定位策略 | 第16-20页 |
| 1.2.6.1 PSO算法 | 第16-18页 |
| 1.2.6.2 通量趋向性算法 | 第18页 |
| 1.2.6.3 Spiral算法 | 第18-19页 |
| 1.2.6.4 ACO算法 | 第19-20页 |
| 1.2.6.5 Chemo-BRW策略 | 第20页 |
| 1.3 本文主要研究内容 | 第20页 |
| 1.4 本章小结 | 第20-22页 |
| 第二章 多机器人视觉定位与避障 | 第22-32页 |
| 2.1 多机器人视觉定位 | 第22-28页 |
| 2.1.1 定位方式的选择 | 第22-23页 |
| 2.1.2 机器人标识识别 | 第23-25页 |
| 2.1.3 结合航位推算的容错机制 | 第25-28页 |
| 2.2 多机器人避障 | 第28-31页 |
| 2.2.1 包容式体系结构 | 第28-29页 |
| 2.2.2 多机器人避障 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 多机器人烟羽跟踪算法 | 第32-42页 |
| 3.1 蚁群算法 | 第32-34页 |
| 3.2 多机器人烟羽跟踪算法 | 第34-39页 |
| 3.2.1 对传统ACO算法的改进 | 第34-36页 |
| 3.2.2 改进的ACO算法 | 第36-39页 |
| 3.2.2.1 信息素计算 | 第36页 |
| 3.2.2.2 可行解构建 | 第36-37页 |
| 3.2.2.3 信息素更新 | 第37-38页 |
| 3.2.2.4 禁忌表更新 | 第38页 |
| 3.2.2.5 改进的ACO算法伪代码 | 第38-39页 |
| 3.3 Spiral Surge算法 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 多机器人烟羽跟踪实验 | 第42-61页 |
| 4.1 嗅觉机器人 | 第42-43页 |
| 4.2 气体传感器标定 | 第43-48页 |
| 4.3 实验场地及流场测量 | 第48-51页 |
| 4.4 实验结果及分析 | 第51-60页 |
| 4.4.1 实验设置 | 第51-52页 |
| 4.4.2 实验结果 | 第52-57页 |
| 4.4.3 分析与讨论 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 发表论文和参加科研情况说明 | 第68-69页 |
| 致谢 | 第69页 |
