移动机器人的路径规划及其运动控制器的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| 1．1 移动机器人技术 | 第9-12页 |
| 1．1．1 移动机器人的发展概况 | 第9-11页 |
| 1．1．2 移动机器人的分类 | 第11页 |
| 1．1．3 移动机器人的几个研究方向 | 第11-12页 |
| 1．2 移动机器人路径规划技术 | 第12-17页 |
| 1．2．1 静态环境下路径规划的研究现状 | 第13-16页 |
| 1．2．2 动态环境下路径规划的研究现状 | 第16-17页 |
| 1．3 课题的研究意义 | 第17-18页 |
| 1．4 课题的主要内容 | 第18-19页 |
| 第二章 遗传模拟退火算法 | 第19-30页 |
| 2．1 遗传算法 | 第19-26页 |
| 2．1．1 遗传算法的特点和步骤 | 第19-21页 |
| 2．1．2 遗传算法的组成 | 第21-26页 |
| 2．2 模拟退火算法 | 第26-27页 |
| 2．3 遗传模拟退火算法 | 第27-30页 |
| 第三章 基于遗传模拟退火的静态环境路径规划 | 第30-42页 |
| 3．1 机器人静态工作环境模型的建立 | 第31-32页 |
| 3．2 遗传模拟退火算法的参数设置 | 第32-38页 |
| 3．2．1 路径编码方法 | 第32-33页 |
| 3．2．2 初始化 | 第33页 |
| 3．2．3 适应度函数的选择 | 第33-35页 |
| 3．2．4 遗传算子的选择 | 第35-36页 |
| 3．2．5 随机移动准则 | 第36-37页 |
| 3．2．6 温度更新函数 | 第37页 |
| 3．2．7 路径平滑方法 | 第37-38页 |
| 3．3 静态环境下基于遗传模拟退火的路径规划方法 | 第38-40页 |
| 3．4 仿真结果 | 第40页 |
| 3．5 本章小结 | 第40-42页 |
| 第四章 基于遗传算法的动态环境路径规划 | 第42-51页 |
| 4．1 机器人动态工作环境模型的建立 | 第42-43页 |
| 4．2 动态环境下路径规划算法的参数设置 | 第43-47页 |
| 4．2．1 中间目标点求取 | 第43-44页 |
| 4．2．2 路径编码方法 | 第44-45页 |
| 4．2．3 适应度函数的选择 | 第45-46页 |
| 4．2．4 路径平滑方法 | 第46-47页 |
| 4．3 动态环境下基于遗传算法的路径规划方法 | 第47-48页 |
| 4．4 仿真结果 | 第48-50页 |
| 4．5 本章小结 | 第50-51页 |
| 第五章 移动机器人运动控制器 | 第51-59页 |
| 5．1 移动机器人的本体 | 第51-52页 |
| 5．2 机器人控制器的结构 | 第52-54页 |
| 5．3 CAN总线 | 第54-55页 |
| 5．4 运动控制器的结构设计 | 第55-57页 |
| 5．5 运动控制器的功能设计 | 第57-58页 |
| 5．6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6．1 课题总结 | 第59-60页 |
| 6．2 课题展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者攻读硕士期间发表的论文 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |
