| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要创新点 | 第10-11页 |
| 1.4 论文的研究内容及结构安排 | 第11-12页 |
| 2 相关理论基础 | 第12-18页 |
| 2.1 基于合同网的多智能机器人协同模型 | 第12-13页 |
| 2.2 BP神经网络的基础理论 | 第13-18页 |
| 2.2.1 BP神经网络的结构 | 第14-16页 |
| 2.2.2 BP学习算法 | 第16-18页 |
| 3 多机器人协同控制模型的建立 | 第18-23页 |
| 3.1 改进的分布式合同网模型 | 第18-20页 |
| 3.2 协商评价规则 | 第20-21页 |
| 3.3 系统总体设计 | 第21页 |
| 3.4 小结 | 第21-23页 |
| 4 多机器人系统设计与实现 | 第23-30页 |
| 4.1 服务器的设计与实现 | 第23-24页 |
| 4.1.1 路径规划模块 | 第23-24页 |
| 4.1.2 指令传输模块 | 第24页 |
| 4.2 智能机器人的设计与实现 | 第24-29页 |
| 4.2.1 整体机身设计 | 第24-25页 |
| 4.2.2 主控模块 | 第25-26页 |
| 4.2.3 避障模块 | 第26-27页 |
| 4.2.4 运动传感器模块 | 第27-28页 |
| 4.2.5 射频识别模块 | 第28-29页 |
| 4.3 小结 | 第29-30页 |
| 5 无轨机器人路径跟踪控制 | 第30-43页 |
| 5.1 无轨机器人运动相关模型 | 第30-37页 |
| 5.1.1 转向模型 | 第30-31页 |
| 5.1.2 智能避障模型 | 第31-33页 |
| 5.1.3 规划路径跟随模型 | 第33-37页 |
| 5.2 基于BP神经网络的双闭环PID路径跟踪控制策略 | 第37-42页 |
| 5.2.1 增量式PID模型 | 第37-39页 |
| 5.2.2 BP神经网络PID控制器的原理 | 第39页 |
| 5.2.3 在线BP神经网络PID模型的设计 | 第39-41页 |
| 5.2.4 双闭环PID控制模型 | 第41-42页 |
| 5.3 小结 | 第42-43页 |
| 6 实验数据分析 | 第43-49页 |
| 6.1 电机性能测试 | 第43-44页 |
| 6.2 机器人模型搭建 | 第44-45页 |
| 6.3 转向误差 | 第45-47页 |
| 6.4 双闭环PID路径跟踪 | 第47-48页 |
| 6.5 多机器人协同控制 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-56页 |