智能仓库多移动机器人的路径规划研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·选题的背景、目的及意义 | 第10-11页 |
| ·选题的背景 | 第10-11页 |
| ·选题的目的及意义 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-15页 |
| ·国内外现状评述 | 第15页 |
| ·本文的主要工作及结构安排 | 第15-16页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的结构安排 | 第16页 |
| 本章小结 | 第16-17页 |
| 第二章 智能仓库多移动机器人系统 | 第17-28页 |
| ·智能仓库的工作环境介绍 | 第17-18页 |
| ·智能仓库环境简化图 | 第17-18页 |
| ·工作环境描述 | 第18页 |
| ·智能仓库中障碍物描述 | 第18页 |
| ·仓库多移动机器人系统 | 第18-26页 |
| ·仓库多移动机器人系统控制体系结构 | 第18-20页 |
| ·仓库机器人的主要构成 | 第20-24页 |
| ·系统的硬件配置 | 第24-26页 |
| ·多机器人路径规划的问题描述 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第三章 改进遗传算法的多机器人全局路径规划 | 第28-43页 |
| ·遗传算法简介 | 第28-32页 |
| ·遗传算法的起源 | 第28页 |
| ·遗传算法的基本原理 | 第28-31页 |
| ·遗传算法的优点 | 第31-32页 |
| ·单机器人遗传算法的路径规划 | 第32-34页 |
| ·栅格法建立空间模型 | 第32-33页 |
| ·遗传算法解决单机器人路径规划问题 | 第33-34页 |
| ·智能仓库多移动机器人遗传算法规划全局路径 | 第34-42页 |
| ·智能仓库全局环境模型的建立 | 第35-36页 |
| ·基于改进的遗传算法的全局路径规划 | 第36-41页 |
| ·改进遗传算法的部分代码 | 第41-42页 |
| 本章小结 | 第42-43页 |
| 第四章 基于改进SHAA的局部动态路径规划 | 第43-65页 |
| ·SHAA神经网络简介 | 第43-47页 |
| ·SHAA神经网络的简介 | 第43-46页 |
| ·SHAA神经网络的优点 | 第46-47页 |
| ·SHAA模型改进的动态局部路径规划 | 第47-55页 |
| ·基于SHAA模型的动态局部路径规划 | 第47-49页 |
| ·动态SHAA神经网络算法参数的确定 | 第49-50页 |
| ·动态SHAA神经网络算法在智能仓库中的应用 | 第50-55页 |
| ·合作SHAA多机器人动态路径规划 | 第55-61页 |
| ·三维时空地图 | 第56页 |
| ·预约表 | 第56-59页 |
| ·基于合作的SHAA多机器人路径规划 | 第59-61页 |
| ·全局与局部路径规划的衔接 | 第61-63页 |
| ·地图转化的原理 | 第61-62页 |
| ·转换算法的实现 | 第62-63页 |
| ·算法比较 | 第63-64页 |
| 本章小结 | 第64-65页 |
| 第五章 多移动机器人路径规划仿真 | 第65-76页 |
| ·仿真系统的介绍 | 第65-69页 |
| ·设计仿真系统的简单介绍 | 第65-66页 |
| ·仿真系统的构成 | 第66-69页 |
| ·多机器人全局路径规划仿真 | 第69-72页 |
| ·利用全局路径规划算的仿真 | 第69-70页 |
| ·未利用全局路径规划算法的仿真 | 第70-71页 |
| ·仿真结果对比 | 第71-72页 |
| ·多机器人局部路径规划仿真 | 第72-73页 |
| ·算法整体比较 | 第73-75页 |
| 本章小结 | 第75-76页 |
| 第六章 结论与展望 | 第76-78页 |
| 结论 | 第76-77页 |
| 研究展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81页 |
