首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

综合管廊巡检机器人控制系统设计与实现

摘要第5-6页
Abstract第6页
第一章 绪论第10-20页
    1.1 研究背景第10页
    1.2 巡检机器人研究现状第10-13页
        1.2.1 人机协作式巡检机器人第11-12页
        1.2.2 无人值守式巡检机器人第12-13页
    1.3 综合管廊巡检机器人控制系统关键技术研究现状第13-17页
        1.3.1 传感器技术第14页
        1.3.2 无线通信技术第14-15页
        1.3.3 机器人定位技术第15-16页
        1.3.4 远程操控技术第16-17页
    1.4 课题内容第17页
    1.5 论文组织结构第17-20页
第二章 综合管廊巡检机器人控制系统总体方案设计第20-30页
    2.1 综合管廊现场环境第20-21页
    2.2 综合管廊巡检机器人控制系统功能与需求分析第21-23页
        2.2.1 机器人的功能要求第21-22页
        2.2.2 控制系统功能需求第22-23页
        2.2.3 机器人机构第23页
    2.3 综合管廊巡检机器人控制系统整体方案第23-24页
    2.4 综合管廊巡检机器人本地控制系统方案第24-28页
        2.4.1 本地控制系统方案设计第24页
        2.4.2 本地控制系统硬件设计第24-27页
        2.4.3 本地控制系统软件设计第27-28页
    2.5 综合管廊巡检机器人远程操控系统方案第28-29页
        2.5.1 远程操控系统需求分析第28-29页
        2.5.2 远程操控系统方案设计第29页
    2.6 本章小结第29-30页
第三章 综合管廊巡检机器人本地控制系统软件设计与实现第30-38页
    3.1 综合管廊巡检机器人本地控制系统软件架构第30页
    3.2 网络通信模块第30-33页
        3.2.1 网络通信设计第31-32页
        3.2.2 机器人通信协议第32-33页
    3.3 信息感知模块第33-36页
        3.3.1 音视频数据采集第33-34页
        3.3.2 热成像信息采集第34-35页
        3.3.3 环境信息与机器人本地信息采集第35-36页
    3.4 运动规划控制模块第36-37页
    3.5 小结第37-38页
第四章 综合管廊巡检机器人自主定位功能设计与实现第38-52页
    4.1 自主定位概述第38页
    4.2 机器人感知系统的设计与实现第38-44页
        4.2.1 信息采集板硬件电路设计第39-42页
        4.2.2 信息采集板软件的实现第42-44页
    4.3 粒子滤波算法的实现第44-48页
        4.3.1 粒子滤波定位原理第44-46页
        4.3.2 粒子滤波定位的实现第46-48页
    4.4 全局地图的构建第48-49页
    4.5 仿真实验第49-51页
        4.5.1 定位仿真第50-51页
        4.5.2 仿真结果分析第51页
    4.6 小结第51-52页
第五章 综合管廊巡检机器人远程操控系统设计与实现第52-70页
    5.1 基于B/S的监控网站设计与实现第52-66页
        5.1.1 监控网站开发环境的搭建第52-55页
        5.1.2 服务器端的设计第55-61页
        5.1.3 前端界面的设计与实现第61-66页
    5.2 基于Android应用软件的设计与实现第66-69页
        5.2.1 系统开发环境的搭建第66-67页
        5.2.2 关键模块的实现第67-69页
    5.3 小结第69-70页
第六章 系统实现与调试第70-77页
    6.1 综合管廊巡检机器人功能测试第70-73页
        6.1.1 信息采集板的调试第70-71页
        6.1.2 机器人调试工具设计第71-72页
        6.1.3 机器人运动控制测试第72-73页
    6.2 监控网站与机器人的联调第73-75页
        6.2.1 监控网站的信息显示第73-74页
        6.2.2 监控网站对机器人的远程控制第74-75页
    6.3 Android应用软件与机器人的联调第75-77页
第七章 总结与展望第77-80页
    7.1 总结第77-78页
    7.2 展望第78-80页
致谢第80-82页
参考文献第82-84页
作者简介第84页

论文共84页,点击 下载论文
上一篇:基于表示学习的浏览行为分析
下一篇:基于深度学习的共享电动汽车碰撞检测与预警研究