| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-14页 |
| 第一章 绪论 | 第14-34页 |
| ·引言 | 第14-15页 |
| ·机器人的发展历史 | 第15-16页 |
| ·移动机器人 | 第16-17页 |
| ·移动机器人的特点 | 第16页 |
| ·移动机器人的分类 | 第16-17页 |
| ·移动机器人的关键技术 | 第17-31页 |
| ·移动机器人的体系结构 | 第17-18页 |
| ·多传感器信息融合 | 第18-21页 |
| ·移动机器人的定位 | 第21-23页 |
| ·移动机器人的路径规划 | 第23-30页 |
| ·轨迹跟踪控制 | 第30-31页 |
| ·论文的主要内容 | 第31-34页 |
| 第二章 自主移动机器人自定位技术 | 第34-44页 |
| ·引言 | 第34页 |
| ·自主移动机器人自定位相关模型的建立 | 第34-38页 |
| ·自主移动机器人的运动模型 | 第34-36页 |
| ·摄像机的观测模型 | 第36-37页 |
| ·超声波传感器的观测模型 | 第37-38页 |
| ·基于异质传感器信息融合的自主移动机器人自定位 | 第38-40页 |
| ·基于扩展卡尔曼滤波器的移动机器人自定位 | 第38-40页 |
| ·异质传感器信息融合 | 第40页 |
| ·仿真实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 静态确定性环境下移动机器人路径规划 | 第44-62页 |
| ·引言 | 第44-45页 |
| ·基于遗传算法的移动机器人全局路径规划 | 第45-53页 |
| ·遗传算法的基本描述 | 第45-48页 |
| ·一种改进编码机制在机器人路径规划中的应用 | 第48-52页 |
| ·仿真实验 | 第52-53页 |
| ·基于蚁群算法的移动机器人路径规划仿真研究 | 第53-59页 |
| ·环境描述 | 第53-54页 |
| ·蚁群算法的基本原理与问题定义 | 第54-57页 |
| ·算法实现步骤 | 第57-59页 |
| ·仿真实验 | 第59页 |
| ·本章小结 | 第59-62页 |
| 第四章 动态环境下移动机器人路径规划 | 第62-88页 |
| ·引言 | 第62-63页 |
| ·基于粒子群优化算法的移动机器人动态避障路径规划 | 第63-81页 |
| ·动态环境信息的神经网络描述 | 第63-65页 |
| ·问题描述 | 第65-66页 |
| ·粒子群优化算法 | 第66-73页 |
| ·算法实现 | 第73-77页 |
| ·仿真实验 | 第77-78页 |
| ·实验验证 | 第78-81页 |
| ·基于距离传播算法的移动机器人动态路径规划 | 第81-87页 |
| ·距离传播算法的基本原理 | 第81-83页 |
| ·移动机器人的路径规划 | 第83-84页 |
| ·仿真实验 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第五章 自主移动机器人轨迹跟踪的最优状态反馈控制 | 第88-102页 |
| ·引言 | 第88-89页 |
| ·四轮全方位移动机器人的数学模型 | 第89-93页 |
| ·运动学模型 | 第89-91页 |
| ·动力学方程 | 第91-93页 |
| ·轨迹生成 | 第93页 |
| ·轨迹跟踪最优控制器的设计 | 第93-98页 |
| ·卡尔曼滤波器的状态估计 | 第94-95页 |
| ·基于Lyapunov稳定性的最优状态反馈控制器设计 | 第95-97页 |
| ·输入信号随机干扰的自适应校正 | 第97-98页 |
| ·仿真实验 | 第98-101页 |
| ·仿真研究结构图 | 第98-99页 |
| ·算法流程 | 第99页 |
| ·仿真结果 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 总结与展望 | 第102-104页 |
| ·总结 | 第102-103页 |
| ·展望 | 第103-104页 |
| 参考文献 | 第104-118页 |
| 攻读博士学位期间发表的论文 | 第118页 |