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--智能机器人论文

双轮驱动AGV路径规划及运动控制

摘要第4-5页
Abstract第5页
第1章 绪论第10-16页
    1.1 课题的研究背景及意义第10-11页
        1.1.1 课题研究的背景第10-11页
        1.1.2 课题研究的意义第11页
    1.2 国内外AGV的发展第11-13页
        1.2.1 国外AGV的发展趋势第11-12页
        1.2.2 国内AGV的发展趋势第12-13页
    1.3 本课题主要研究内容第13-16页
第2章 AGV总体结构设计第16-26页
    2.1 AGV主要分类及实际应用优点第16-18页
    2.2 AGV系统机构及主要功能概述第18-19页
    2.3 AGV导引方式第19-20页
    2.4 驱动与转向机构第20-22页
    2.5 Discovery Q2 AGV平台第22-24页
        2.5.1 AGV的外部结构第22页
        2.5.2 AGV的内部结构第22-23页
        2.5.3 规格参数第23-24页
        2.5.4 AGV控制器第24页
    2.6 AGV车体结构设计第24-25页
    2.7 本章小结第25-26页
第3章 AGV的路径规划第26-32页
    3.1 AGV的路径规划方法第26-27页
    3.2 全局路径规划第27-28页
    3.3 局部路径规划方法第28页
    3.4 基于智能算法的AGV路径规划第28-30页
    3.5 本章小结第30-32页
第4章 基于蚁群算法路径规划的研究第32-50页
    4.1 蚂蚁的生物学特性第32-35页
        4.1.1 蚂蚁的社会形态第32页
        4.1.2 蚁群行为描述第32-34页
        4.1.3 蚁群算法的提出及发展历程第34-35页
    4.2 蚁群算法的原理第35-37页
    4.3 蚁群算法的系统学特性第37页
    4.4 蚁群算法的模型建立第37-38页
        4.4.1 蚂蚁个体的抽象第37页
        4.4.2 问题空间的描述第37页
        4.4.3 对寻找路径进行抽象第37-38页
        4.4.4 信息素挥发抽象第38页
        4.4.5 启发因子的引入第38页
    4.5 蚁群算法的数学模型第38-40页
    4.6 蚁群算法的具体实现第40-42页
        4.6.1 蚁群算法实现步骤第40-41页
        4.6.2 蚁群算法程序结构流程第41页
        4.6.3 算法的性能评价指标第41-42页
    4.7 基于蚁群算法的路径规划第42-45页
        4.7.1 根据环境要求建立模型第42-44页
        4.7.2 路径规划的具体步骤第44页
        4.7.3 路径规划的结果分析第44-45页
    4.8 基于改进蚁群算法的路径规划第45-49页
        4.8.1 混合信息素更新策略第46页
        4.8.2 改变算法的状态转移规则第46页
        4.8.3 改变信息素的更新规则第46-47页
        4.8.4 AGV路径规划结果分析第47-49页
    4.9 本章小结第49-50页
第5章 AGV运动控制研究第50-58页
    5.1 AGV控制方法分析第50-51页
        5.1.1 PID控制第50页
        5.1.2 自适应控制第50页
        5.1.3 基于模型的控制方法第50-51页
        5.1.4 模糊控制与神经网络控制第51页
        5.1.5 迭代学习控制方法第51页
        5.1.6 反演控制方法第51页
    5.2 基于反演控制的AGV运动控制第51-54页
        5.2.1 控制算法第51-52页
        5.2.2 运动模型建立第52页
        5.2.3 运动方程建立第52-53页
        5.2.4 AGV的反演控制器设计第53-54页
    5.3 轨迹跟踪第54-55页
    5.4 实验仿真及结果分析第55-56页
    5.5 本章小结第56-58页
结论第58-60页
参考文献第60-66页
攻读硕士学位期间所发表的论文第66-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:光伏面板清洁机器人能量优化的研究
下一篇:基于暗通道先验的图像快速去雾及增强算法研究