| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容及章节安排 | 第13-15页 |
| 1.3.1 论文主要研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第2章 基本粒子群算法在路径规划中的应用 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 基本粒子群算法及改进 | 第15-19页 |
| 2.2.1 基本粒子群算法原理 | 第15-16页 |
| 2.2.2 基本粒子群的算法流程 | 第16-18页 |
| 2.2.3 粒子群算法的改进 | 第18-19页 |
| 2.3 粒子群算法在路径规划中的应用 | 第19-25页 |
| 2.3.1 AGV工作空间的环境建模 | 第20-23页 |
| 2.3.2 粒子群路径规划问题描述 | 第23页 |
| 2.3.3 粒子的有效性 | 第23-24页 |
| 2.3.4 粒子适应值的计算及如何转化为完整的路径 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于障碍物规避粒子群算法的全局静态路径规划 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 基于障碍物分解图法的环境建模方法 | 第26-28页 |
| 3.3 障碍物规避粒子群算法路径规划 | 第28-33页 |
| 3.3.1 障碍物规避粒子群算法的基本思想 | 第28-30页 |
| 3.3.2 路径有效性判定 | 第30-32页 |
| 3.3.3 粒子适应度的计算 | 第32-33页 |
| 3.4 基于最优粒子dijkstra的路径平滑算法 | 第33-37页 |
| 3.4.1 基本dijkstra算法 | 第33-34页 |
| 3.4.2 最优粒子dijkstra算法 | 第34-35页 |
| 3.4.3 最优粒子dijkstra的路径平滑算法 | 第35-37页 |
| 3.5 仿真结果与分析 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于全局引导的人工势场动态路径规划 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 传统人工势场法的原理 | 第41-43页 |
| 4.3 全局引导人工势场法 | 第43-47页 |
| 4.3.1 斥力场函数描述 | 第43-45页 |
| 4.3.2 引力场函数描述 | 第45-46页 |
| 4.3.3 人工势场路径转化 | 第46-47页 |
| 4.4 全局引导混合方法描述 | 第47-48页 |
| 4.5 仿真实验 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于AGV的路径规划应用系统设计与实现 | 第52-68页 |
| 5.1 引言 | 第52-53页 |
| 5.2 软件系统总体设计 | 第53-55页 |
| 5.2.1 软件平台及开发工具 | 第53页 |
| 5.2.2 系统功能模块划分 | 第53-54页 |
| 5.2.3 系统软件总体模块关系流程 | 第54-55页 |
| 5.3 上位机系统模块设计 | 第55-64页 |
| 5.3.1 通信管理模块 | 第55-56页 |
| 5.3.2 地图管理模块 | 第56-57页 |
| 5.3.3 路径规划模块 | 第57-62页 |
| 5.3.4 监控模块 | 第62页 |
| 5.3.5 任务管理模块 | 第62-64页 |
| 5.3.6 数据库 | 第64页 |
| 5.4 系统软件试验运行 | 第64-67页 |
| 5.4.1 软件运行流程 | 第64-66页 |
| 5.4.2 软件运行试验 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
