| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 移动机器人概述 | 第11-12页 |
| 1.1.1 机器人定义及分类 | 第11页 |
| 1.1.2 移动机器人的发展历程 | 第11-12页 |
| 1.2 导航与定位 | 第12-14页 |
| 1.2.1 机器人导航方式 | 第13页 |
| 1.2.2 机器人导航技术发展 | 第13-14页 |
| 1.3 路径规划概述 | 第14-19页 |
| 1.3.1 路径规划方法分类 | 第14-15页 |
| 1.3.2 路径规划方法 | 第15-18页 |
| 1.3.3 移动机器人路径规划技术发展趋势 | 第18-19页 |
| 1.4 本文主要工作 | 第19-23页 |
| 第2章 基于人工势场算法的静态路径规划研究 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 环境建模 | 第23-26页 |
| 2.2.1 环境建模概述 | 第23页 |
| 2.2.2 环境建模方法 | 第23-26页 |
| 2.3 移动机器人栅格空间建模 | 第26-31页 |
| 2.3.1 栅格粒度的确定 | 第26-27页 |
| 2.3.2 栅格空间的表示 | 第27-30页 |
| 2.3.3 改进的栅格编码新方法 | 第30-31页 |
| 2.4 传统人工势场法的阐述 | 第31-34页 |
| 2.4.1 人工势场法基本原理 | 第31页 |
| 2.4.2 人工势场模型 | 第31-34页 |
| 2.5 改进人工势场法 | 第34-36页 |
| 2.5.1 改进斥力势场函数 | 第34-35页 |
| 2.5.2 设置子目标点法 | 第35-36页 |
| 2.6 仿真实验及其对比 | 第36-37页 |
| 2.7 本章小结 | 第37-39页 |
| 第3章 一种改进的粒子群算法 | 第39-53页 |
| 3.1 引言 | 第39页 |
| 3.2 群体智能概述 | 第39-41页 |
| 3.2.1 群智能 | 第39-40页 |
| 3.2.2 群智能行为的基本原则与特点 | 第40-41页 |
| 3.2.3 群智能优化算法 | 第41页 |
| 3.3 粒子群优化算法 | 第41-45页 |
| 3.3.1 粒子群优化算法的数学模型 | 第42-44页 |
| 3.3.2 粒子群优化算法流程 | 第44-45页 |
| 3.4 粒子群算法的改进 | 第45-48页 |
| 3.4.1 带惯性权重系数的PSO算法模型 | 第45-47页 |
| 3.4.2 压缩因子法 | 第47页 |
| 3.4.3 离散的PSO算法模型 | 第47-48页 |
| 3.5 粒子群优化算法和遗传算法的比较 | 第48页 |
| 3.6 仿真实验及其对比分析 | 第48-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 基于改进势场法和粒子群融合算法的动态机器人路径规划 | 第53-65页 |
| 4.1 引言 | 第53页 |
| 4.2 改进的人工势场法 | 第53-59页 |
| 4.2.1 改进势场函数及其推导 | 第53-56页 |
| 4.2.2 局部最小问题分析 | 第56-58页 |
| 4.2.3 引入“逃脱力 | 第58-59页 |
| 4.3 改进势场法与粒子群算法的融合 | 第59-60页 |
| 4.4 仿真实验及分析 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 结论 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的论文 | 第75页 |