| 摘要 | 第5-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第19-35页 |
| 1.1 群机器人学研究概况 | 第19-23页 |
| 1.1.1 群机器人学 | 第19-20页 |
| 1.1.2 群机器人实现的主要任务以及研究的关键问题 | 第20-23页 |
| 1.2 围捕研究概况 | 第23-32页 |
| 1.2.1 多机器人围捕研究现状 | 第23-27页 |
| 1.2.2 群机器人围捕研究意义及现状 | 第27-32页 |
| 1.3 本文的主要内容与安排 | 第32-35页 |
| 第2章 未知动态凸障碍物环境下非完整移动群机器人协作自组织围捕 | 第35-59页 |
| 2.1 引言 | 第35-36页 |
| 2.2 模型构建 | 第36-39页 |
| 2.2.1 群机器人运动模型及相关函数 | 第36-37页 |
| 2.2.2 围捕任务模型 | 第37-39页 |
| 2.3 围捕算法 | 第39-42页 |
| 2.3.1 简化虚拟受力模型 | 第39-41页 |
| 2.3.2 基于简化虚拟受力模型的个体控制输入设计 | 第41-42页 |
| 2.3.3 围捕算法步骤 | 第42页 |
| 2.4 稳定性分析 | 第42-50页 |
| 2.4.1 无障碍物环境下稳定性分析 | 第43-46页 |
| 2.4.2 凸障碍物环境下稳定性分析 | 第46-50页 |
| 2.5 无障碍物环境下仿真与分析 | 第50-53页 |
| 2.5.1 仿真结果 | 第51-52页 |
| 2.5.2 偏差收敛分析 | 第52-53页 |
| 2.6 未知动态凸障碍物环境下仿真与分析 | 第53-54页 |
| 2.7 SVF-Model与LP-Rule的比较分析 | 第54-57页 |
| 2.8 本章小结 | 第57-59页 |
| 第3章 未知动态非凸障碍物环境下群机器人协作自组织围捕 | 第59-72页 |
| 3.1 引言 | 第59页 |
| 3.2 模型构建 | 第59-60页 |
| 3.2.1 群机器人运动模型及相关函数 | 第59-60页 |
| 3.2.2 围捕任务模型 | 第60页 |
| 3.3 围捕算法 | 第60-63页 |
| 3.3.1 简化虚拟受力模型 | 第60-61页 |
| 3.3.2 基于简化虚拟受力模型的个体控制输入设计 | 第61页 |
| 3.3.3 围捕算法步骤 | 第61-63页 |
| 3.4 稳定性分析 | 第63-66页 |
| 3.5 无障碍物环境下仿真与分析 | 第66-68页 |
| 3.5.1 仿真结果 | 第66-67页 |
| 3.5.2 偏差收敛分析 | 第67-68页 |
| 3.6 未知动态非凸障碍物环境下仿真与分析 | 第68-69页 |
| 3.7 本章基于SVF-Model的围捕算法与其它算法的比较分析 | 第69-71页 |
| 3.8 本章小结 | 第71-72页 |
| 第4章 未知动态变形障碍物环境下群机器人自组织协作围捕 | 第72-89页 |
| 4.1 引言 | 第72页 |
| 4.2 模型构建 | 第72-73页 |
| 4.2.1 群机器人运动模型及相关函数 | 第72-73页 |
| 4.2.2 围捕任务模型 | 第73页 |
| 4.3 围捕算法 | 第73-75页 |
| 4.3.1 简化虚拟受力模型 | 第73-74页 |
| 4.3.2 基于简化虚拟受力模型的个体控制输入设计 | 第74-75页 |
| 4.3.3 围捕算法流程图 | 第75页 |
| 4.4 稳定性分析 | 第75-81页 |
| 4.4.1 基本定理 | 第77-79页 |
| 4.4.2 特殊情况 1 | 第79页 |
| 4.4.3 特殊情况 2 | 第79-81页 |
| 4.4.4 特殊情况 3 | 第81页 |
| 4.5 无障碍物环境下仿真与分析 | 第81-84页 |
| 4.5.1 仿真结果 | 第82-83页 |
| 4.5.2 偏差收敛分析 | 第83-84页 |
| 4.6 未知动态变形障碍物环境下仿真与分析 | 第84-88页 |
| 4.7 本章基于SVF-Model的围捕算法与其它算法的比较分析 | 第88页 |
| 4.8 本章小结 | 第88-89页 |
| 第5章 未知动态复杂障碍物环境下群机器人自组织协同多层围捕 | 第89-109页 |
| 5.1 引言 | 第89页 |
| 5.2 模型构建 | 第89-90页 |
| 5.2.1 群机器人运动模型及相关函数 | 第89-90页 |
| 5.2.2 围捕任务模型 | 第90页 |
| 5.3 围捕算法 | 第90-93页 |
| 5.3.1 简化虚拟受力模型 | 第90-91页 |
| 5.3.2 基于简化虚拟受力模型的个体控制输入设计 | 第91页 |
| 5.3.3 多层围捕算法流程图 | 第91-93页 |
| 5.4 稳定性分析 | 第93-98页 |
| 5.4.1 层与层之间移动稳定性分析 | 第93-94页 |
| 5.4.2 基本定理 | 第94-98页 |
| 5.4.3 特殊情况 | 第98页 |
| 5.5 无障碍物环境下仿真与分析 | 第98-102页 |
| 5.5.1 仿真结果 | 第99-101页 |
| 5.5.2 偏差收敛分析 | 第101-102页 |
| 5.6 未知动态变形障碍物环境下仿真与分析 | 第102-107页 |
| 5.6.1 含“Z”形障碍物环境下仿真与分析 | 第102-103页 |
| 5.6.2 含“米”形障碍物环境下仿真与分析 | 第103-107页 |
| 5.7 本章基于SVF-Model的围捕算法与其它算法的比较分析 | 第107-108页 |
| 5.8 本章小结 | 第108-109页 |
| 第6章 未知动态凸障碍物环境下群机器人协同多目标围捕 | 第109-148页 |
| 6.1 引言 | 第109-111页 |
| 6.2 模型构建 | 第111-113页 |
| 6.2.1 群机器人运动模型及相关函数 | 第111页 |
| 6.2.2 围捕任务模型 | 第111-113页 |
| 6.3 围捕算法 | 第113-116页 |
| 6.3.1 简化虚拟受力模型 | 第114-115页 |
| 6.3.2 基于简化虚拟受力模型的个体控制输入设计 | 第115页 |
| 6.3.3 围捕算法步骤 | 第115-116页 |
| 6.4 稳定性分析 | 第116-138页 |
| 6.4.1 任务分配算法的稳定性分析 | 第116-129页 |
| 6.4.2 无障碍物环境下稳定性分析 | 第129-134页 |
| 6.4.3 未知动态凸障碍物环境下稳定性分析 | 第134-138页 |
| 6.5 无障碍物环境下仿真与分析 | 第138-143页 |
| 6.5.1 仿真结果 | 第139-140页 |
| 6.5.2 偏差收敛分析 | 第140-143页 |
| 6.6 未知动态凸障碍物环境下仿真与分析 | 第143-147页 |
| 6.7 本章基于SVF-Model的围捕算法与其它算法的比较分析 | 第147页 |
| 6.8 本章小结 | 第147-148页 |
| 第7章 群机器人围捕物理试验 | 第148-173页 |
| 7.1 引言 | 第148页 |
| 7.2 群机器人试验平台 | 第148-153页 |
| 7.2.1 围捕群机器人 | 第148-150页 |
| 7.2.2 通信模块 | 第150-153页 |
| 7.3 传感器与UWB室内定位系统 | 第153-155页 |
| 7.3.1 光电编码器 | 第153页 |
| 7.3.2 陀螺仪和电子罗盘 | 第153-154页 |
| 7.3.3 UWB定位系统 | 第154-155页 |
| 7.4 目标静止时的围捕试验 | 第155-164页 |
| 7.4.1 无障碍物环境下围捕试验 | 第157-162页 |
| 7.4.2 凸障碍物环境下围捕试验 | 第162-164页 |
| 7.5 动态目标围捕试验 | 第164-172页 |
| 7.5.1 无障碍物环境下围捕试验 | 第165-168页 |
| 7.5.2 凸障碍物环境下围捕试验 | 第168-172页 |
| 7.6 本章小结 | 第172-173页 |
| 结论 | 第173-177页 |
| 参考文献 | 第177-195页 |
| 致谢 | 第195-196页 |
| 附录A 攻读学位期间完成的学术论文目录 | 第196-198页 |
| 附录B 攻读学位期间参与的科研项目目录 | 第198-199页 |
| 附录C 攻读学位期间获得的科研奖励 | 第199页 |
