改进A*算法在钢铁企业安全巡检机器人路径规划的研究
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1.绪论 | 第10-18页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 机器人发展现状及趋势 | 第12-14页 |
| 1.2.1 国外发展现状 | 第13页 |
| 1.2.2 国内发展现状 | 第13-14页 |
| 1.3 路径规划发展现状及趋势 | 第14-15页 |
| 1.4 巡检机器人路径搜索分析 | 第15-16页 |
| 1.5 本文研究的主要内容 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 2.安全巡检机器人概述 | 第18-22页 |
| 2.1 巡检机器人的系统 | 第18-21页 |
| 2.1.1 机器人本体模块 | 第18页 |
| 2.1.2 控制检测模块 | 第18-19页 |
| 2.1.3 巡检机器人运动学模型 | 第19-21页 |
| 2.2 本章小结 | 第21-22页 |
| 3.设备点检 | 第22-30页 |
| 3.1 设备点检概述 | 第22页 |
| 3.2 设备点检 | 第22-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4.巡检机器人的全局路径规划 | 第30-39页 |
| 4.1 环境建模方法 | 第31-33页 |
| 4.1.1 自由空间法 | 第31-32页 |
| 4.1.2 可视图法 | 第32页 |
| 4.1.3 Voronoi图法 | 第32页 |
| 4.1.4 拓扑法 | 第32页 |
| 4.1.5 栅格法 | 第32-33页 |
| 4.2.全局路径规划算法 | 第33-38页 |
| 4.2.1 Dijkstra算法 | 第33-34页 |
| 4.2.2 神经网络算法 | 第34-35页 |
| 4.2.3 模糊控制 | 第35-36页 |
| 4.2.4 蚁群算法 | 第36-37页 |
| 4.2.5 A*算法 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 5.巡检机器人的局部路径规划 | 第39-43页 |
| 5.1 局部路径规划方法 | 第39-42页 |
| 5.1.1 人工势场法 | 第39页 |
| 5.1.2 遗传算法(GA) | 第39-40页 |
| 5.1.3 模拟退火算法 | 第40-41页 |
| 5.1.4 粒子群算法 | 第41-42页 |
| 5.2 本章小结 | 第42-43页 |
| 6.A*算法的改进 | 第43-49页 |
| 6.1 A*算法的基本思想 | 第43-45页 |
| 6.2 A*算法的改进 | 第45-48页 |
| 6.2.1 启发函数 | 第45-47页 |
| 6.2.2 OPEN表和CLOSED表 | 第47-48页 |
| 6.3 本章小结 | 第48-49页 |
| 7.仿真实验 | 第49-59页 |
| 7.1 仿真环境 | 第49页 |
| 7.2 仿真结果 | 第49-58页 |
| 7.3 本章小结 | 第58-59页 |
| 8.总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
