| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·机器人的发展进程 | 第11-13页 |
| ·机器人的定义 | 第13页 |
| ·机器人的分类 | 第13-17页 |
| ·移动机器人技术 | 第17-21页 |
| ·导航 | 第17-18页 |
| ·定位 | 第18-19页 |
| ·路径规划 | 第19-20页 |
| ·多传感器信息融合方面的研究 | 第20-21页 |
| ·多机器人系统与机器人足球 | 第21页 |
| ·本文所开展的研究工作 | 第21-23页 |
| 第2章 移动机器人体系结构与运动模型 | 第23-37页 |
| ·机器人硬件结构 | 第23-29页 |
| ·性能指标与组成 | 第23-24页 |
| ·移动机构 | 第24-25页 |
| ·电子系统 | 第25-29页 |
| ·软件结构 | 第29-31页 |
| ·软件体系结构 | 第29-30页 |
| ·Pioneer 2 软件系统 | 第30-31页 |
| ·移动机器人控制结构 | 第31-33页 |
| ·各个控制层的组成 | 第31-32页 |
| ·工作原理 | 第32-33页 |
| ·移动机器人运动模型 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于人工势场的移动机器人路径规划 | 第37-49页 |
| ·引言 | 第37-39页 |
| ·移动机器人路径规划问题的描述 | 第37页 |
| ·路径规划研究的主要方法 | 第37-38页 |
| ·本章的主要研究内容 | 第38-39页 |
| ·移动机器人人工势场模型 | 第39-43页 |
| ·场强的基本模型 | 第39页 |
| ·人工势场模型 | 第39-41页 |
| ·移动机器人的受力分析 | 第41-43页 |
| ·基于人工势场的移动机器人路径规划 | 第43-48页 |
| ·路径规划步骤 | 第43-44页 |
| ·仿真实验 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于改进人工势场的移动机器人路径规划 | 第49-58页 |
| ·引言 | 第49页 |
| ·势场模型存在的缺陷 | 第49-51页 |
| ·势场模型的改进 | 第51-53页 |
| ·不可到达问题的解决 | 第53-54页 |
| ·不可到达问题的仿真 | 第53-54页 |
| ·改进人工势场模型的路径规划 | 第54页 |
| ·动态环境下的路径规划 | 第54-57页 |
| ·单个运动障碍物环境下的路径规划 | 第55-56页 |
| ·多运动障碍物环境下的路径规划 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于混合算法的移动机器人路径规划 | 第58-71页 |
| ·引言 | 第58页 |
| ·遗传算法的基本知识 | 第58-62页 |
| ·遗传算法中的基本概念和术语 | 第58-59页 |
| ·遗传算法的基本原理 | 第59页 |
| ·遗传算法的收敛性 | 第59-60页 |
| ·遗传算法的设计步骤 | 第60-62页 |
| ·改进的人工势场模型中的局部最小值 | 第62-64页 |
| ·混合遗传算法的路径规划 | 第64-66页 |
| ·参数的编码方案 | 第64-65页 |
| ·自适应选择 | 第65页 |
| ·交叉和变异 | 第65-66页 |
| ·个体适应度函数的选择 | 第66页 |
| ·仿真实验及结果 | 第66-70页 |
| ·障碍物重新建模 | 第66-68页 |
| ·仿真实验 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 基于蚁群算法的移动机器人路径规划 | 第71-82页 |
| ·引言 | 第71-73页 |
| ·蚁群算法的生物学基础 | 第71-72页 |
| ·算法起源 | 第72-73页 |
| ·蚁群算法基本模型 AS(Ant System)的描述 | 第73-76页 |
| ·基本模型的原理 | 第73-75页 |
| ·蚁群算法的特点 | 第75-76页 |
| ·基于蚁群算法的规划算法 | 第76-79页 |
| ·规划环境模型 | 第76-77页 |
| ·算法原理 | 第77页 |
| ·规划算法步骤 | 第77-79页 |
| ·仿真实验 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 附录 A（攻读学位论文期间所发表的学术论文目录） | 第88-89页 |
| 致谢 | 第89页 |