| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第10-14页 |
| 主要缩略语 | 第14-15页 |
| 第一章 绪论 | 第15-34页 |
| 1.1 本文的研究动机 | 第15-18页 |
| 1.2 文献回顾 | 第18-31页 |
| 1.2.1 机器人路径规划与轨迹规划算法的研究现状 | 第18-23页 |
| 1.2.2 机器人运动控制仿真的研究现状 | 第23-24页 |
| 1.2.3 虚拟现实技术在机器人控制中的应用情况 | 第24-31页 |
| 1.3 本文主要研究工作及内容安排 | 第31-34页 |
| 第二章 面向机器人控制的投射式虚拟现实技术理论 | 第34-42页 |
| 2.1 问题的提出 | 第34页 |
| 2.2 实现原理及关键技术 | 第34-38页 |
| 2.3 国内外应用状况 | 第38-39页 |
| 2.4 主要研究问题 | 第39-41页 |
| 2.5 研究展望 | 第41页 |
| 2.6 结论 | 第41-42页 |
| 第三章 基于投射式虚拟现实技术的机器人运动控制仿真系统设计 | 第42-53页 |
| 3.1 引言 | 第42页 |
| 3.2 系统的结构及主要功能描述 | 第42-44页 |
| 3.3 系统中场景处理器的组件化设计 | 第44-48页 |
| 3.3.1 场景处理器的总体结构 | 第44-45页 |
| 3.3.2 场景处理中的关键技术 | 第45-48页 |
| 3.3.2.1 核心结构 | 第45页 |
| 3.3.2.2 工作原理 | 第45-46页 |
| 3.3.2.3 事件处理过程 | 第46页 |
| 3.3.2.4 组件描述与实现算法 | 第46-48页 |
| 3.4 系统实现中的其它关键技术 | 第48-52页 |
| 3.4.1 避碰检测的实现 | 第48页 |
| 3.4.2 模式数据库的引入 | 第48页 |
| 3.4.3 机器人几何模型的建立与虚拟环境的生成 | 第48-49页 |
| 3.4.4 虚拟仿真过程 | 第49-50页 |
| 3.4.5 在投射式虚拟现实技术中引入交互式操作 | 第50-51页 |
| 3.4.6 机器人在实际工作空间中的运行 | 第51-52页 |
| 3.5 仿真结果 | 第52页 |
| 3.6 结论 | 第52-53页 |
| 第四章 基于ECA规则机制的系统接口扩展及分布式实现 | 第53-64页 |
| 4.1 引言 | 第53页 |
| 4.2 ECA规则简介 | 第53-54页 |
| 4.3 软件框架TD&AP_ECA的提出 | 第54-58页 |
| 4.3.1 “任务演绎及设计”部件的处理流程 | 第55-57页 |
| 4.3.2 “规则管理器”的功能 | 第57页 |
| 4.3.3 其它的一些部件 | 第57-58页 |
| 4.4 系统分布式实现中的关键技术 | 第58-59页 |
| 4.4.1 EJB／CORBA技术简介 | 第58-59页 |
| 4.4.2 ECA规则的接口描述 | 第59页 |
| 4.4.3 分布式实现中的EJB开发过程 | 第59页 |
| 4.5 实例研究 | 第59-63页 |
| 4.6 结论 | 第63-64页 |
| 第五章 机器人轨迹规划的综合优化算法设计与投射式实现 | 第64-91页 |
| 5.1 引言 | 第64-65页 |
| 5.2 进化规划简介 | 第65-66页 |
| 5.3 最优时间轨迹规划(MTTP)算法设计 | 第66-75页 |
| 5.3.1 机械手移动的轨迹优化设计 | 第66-69页 |
| 5.3.2 移动轨迹上关键点的产生方法 | 第69-71页 |
| 5.3.3 MTTP问题的再描述 | 第71-72页 |
| 5.3.4 基于加强型进化规划的轨迹规划算法 | 第72-75页 |
| 5.3.4.1 适应度函数的设计 | 第72-73页 |
| 5.3.4.2 变异算子的设计 | 第73页 |
| 5.3.4.3 选择算子的设计 | 第73-74页 |
| 5.3.4.4 交叉算子的引入 | 第74页 |
| 5.3.4.5 算法的框架 | 第74-75页 |
| 5.4 轨迹规划的综合优化算法设计 | 第75-78页 |
| 5.4.1 优化目标描述 | 第75-76页 |
| 5.4.2 约束条件描述 | 第76页 |
| 5.4.2.1 运动学的约束 | 第76页 |
| 5.4.2.2 动力学的约束 | 第76页 |
| 5.4.2.3 避障的约束 | 第76页 |
| 5.4.3 问题的优化模型 | 第76-77页 |
| 5.4.4 基于加强型进化规划的轨迹规划算法 | 第77-78页 |
| 5.5 算法的收敛性分析 | 第78-80页 |
| 5.6 数值仿真结果及分析 | 第80-84页 |
| 5.6.1 最优时间轨迹规划算法的数值仿真 | 第80-83页 |
| 5.6.2 轨迹规划综合优化算法的数值仿真 | 第83-84页 |
| 5.7 虚拟仿真结果 | 第84-85页 |
| 5.8 结论 | 第85-91页 |
| 第六章 机器人最优时间动作路径规划算法的设计与投射式实现 | 第91-121页 |
| 6.1 引言 | 第91-92页 |
| 6.2 问题的提出 | 第92-94页 |
| 6.2.1 旅行商问题(TSP)的描述 | 第92-93页 |
| 6.2.2 TSP在面向点到点(P-P)任务的路径规划问题中的应用 | 第93-94页 |
| 6.3 混合式进化计算模拟退火算法简介 | 第94-96页 |
| 6.3.1 进化计算 | 第94页 |
| 6.3.2 模拟退火算法 | 第94-95页 |
| 6.3.3 混合式进化计算模拟退火算法 | 第95-96页 |
| 6.4 面向P-P任务的最优时间动作路径规划算法 | 第96-108页 |
| 6.4.1 在每个工作点处仅有唯一对应的机械手工作参数情况下的算法 | 第96-99页 |
| 6.4.2 在每个工作点处具有多个对应的机械手工作参数情况下的算法 | 第99-101页 |
| 6.4.3 实现一类特殊工作任务的算法 | 第101-104页 |
| 6.4.4 考虑障碍物影响的复杂环境下的对应算法 | 第104-108页 |
| 6.5 算法的收敛性分析 | 第108-110页 |
| 6.6 数值仿真结果及分析 | 第110-114页 |
| 6.6.1 第一类算法的数值仿真 | 第111页 |
| 6.6.2 第二类算法的数值仿真 | 第111-112页 |
| 6.6.3 第三类算法的数值仿真 | 第112页 |
| 6.6.4 第四类算法的数值仿真 | 第112-114页 |
| 6.7 虚拟仿真结果 | 第114页 |
| 6.8 结论 | 第114-121页 |
| 第七章 基于蚁群优化的机器人路径规划算法 | 第121-141页 |
| 7.1 引言 | 第121页 |
| 7.2 蚁群优化(ACO)算法简介 | 第121-130页 |
| 7.2.1 ACO算法的生物机理 | 第121-123页 |
| 7.2.2 ACO算法实现的描述 | 第123-124页 |
| 7.2.3 ACO算法的应用情况 | 第124-127页 |
| 7.2.3.1 在离散型组合优化问题中的应用 | 第124-126页 |
| 7.2.3.2 在连续型函数优化问题中的应用 | 第126页 |
| 7.2.3.3 ACO算法在执行中的不足 | 第126-127页 |
| 7.2.4 ACO算法的扩展与修正 | 第127-129页 |
| 7.2.5 ACO算法的研究动向 | 第129-130页 |
| 7.3 基于ACO算法的机器人路径规划 | 第130-134页 |
| 7.3.1 预备工作 | 第130-132页 |
| 7.3.2 算法描述 | 第132-134页 |
| 7.4 算法收敛性的初步分析与证明 | 第134-137页 |
| 7.5 仿真研究 | 第137-138页 |
| 7.6 结论 | 第138-141页 |
| 第八章 结束语 | 第141-148页 |
| 8.1 本文开展的工作 | 第141-142页 |
| 8.2 后续的研究工作 | 第142-147页 |
| 8.3 展望 | 第147-148页 |
| 参考文献 | 第148-164页 |
| 致谢 | 第164-166页 |
| 攻读博士学位期间参与科研情况 | 第166-167页 |
| 攻读博士学位期间获奖情况 | 第167-169页 |
| 攻读博士学位期间发表和完成的学术论文情况 | 第169-171页 |
| 攻读博士学位期间参加学术会议情况 | 第171页 |
