首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--机器人技术论文--机器人论文

改进型人工免疫算法的移动机器人路径规划研究

摘要第1-4页
ABSTRACT第4-9页
1 绪论第9-16页
   ·课题的研究背景及意义第9-11页
     ·引言第9-10页
     ·背景及研究的意义第10-11页
   ·移动机器人的发展及研究现状第11-14页
     ·移动机器人在国外发展历史及研究现状第11-12页
     ·移动机器人在国内发展历史及研究现状第12-14页
   ·论文工作及结构安排第14-16页
     ·论文结构框架第14-15页
     ·论文主要内容第15-16页
2 移动机器人系统平台第16-35页
   ·移动机器人硬件结构第16-24页
   ·移动机器人动力系统第24-28页
     ·动力系统的分析第25-26页
     ·动力系统的改造第26-28页
   ·移动机器人软件平台第28-33页
     ·软件平台核心—RTC第28-30页
     ·Simulator2D 仿真平台第30-31页
     ·视觉平台第31页
     ·监控平台第31-33页
   ·移动机器人路径规划分析第33-34页
     ·路径规划总体方案第33页
     ·软件总体方案设计第33-34页
   ·本章小结第34-35页
3 移动机器人路径规划研究第35-41页
   ·路径规划问题概述第35-36页
   ·传统路径规划算法第36-37页
     ·自由空间法(Free SpaceApproach)第36页
     ·人工势场法第36-37页
     ·栅格建模法第37页
   ·智能规划算法第37-40页
     ·基于神经网络的移动机器人路径规划方法第37页
     ·基于遗传算法的移动机器人路径规划方法第37-38页
     ·基于蚁群算法的移动机器人路径规划方法第38-40页
   ·本文提出的路径规划算法第40页
   ·本章小结第40-41页
4 人工免疫算法第41-50页
   ·人工免疫算法主要思想第41-43页
   ·人工免疫算法免疫疫苗第43-44页
   ·人工免疫算法主要算子第44-45页
     ·亲和度评价算子第44页
     ·抗体浓度评价算子第44页
     ·激励度计算算子第44-45页
     ·免疫选择算子第45页
     ·克隆与变异算子第45页
     ·克隆抑制算子第45页
     ·种群更新算子第45页
   ·人工免疫算法流程第45-47页
   ·人工免疫算法收敛性分析第47-49页
   ·本章小结第49-50页
5 基于人工免疫势场算法的移动机器人静态路径规划第50-59页
   ·移动机器人空间建模第50-52页
     ·栅格大小的确定第51页
     ·模型建立第51-52页
   ·免疫势场算法的静态路径规划第52-56页
     ·免疫算法中个体的编码第52-53页
     ·免疫算法中种群的初始化第53-54页
     ·免疫算法中亲和度函数的确定第54页
     ·免疫算法中疫苗接种第54-55页
     ·免疫算法中的交叉和变异第55页
     ·免疫选择第55-56页
   ·人工免疫势场算法的移动机器人路径规划流程第56页
   ·仿真实验第56-58页
   ·本章小结第58-59页
6 基于人工免疫势场算法的移动机器人动态路径规划第59-65页
   ·移动机器人空间建模第59-61页
     ·栅格障碍分类第59-60页
     ·栅格障碍属性分析第60-61页
   ·免疫势场算法的动态路径规划第61-62页
     ·亲和度函数的确定第61-62页
     ·疫苗接种第62页
     ·交叉与变异第62页
   ·仿真实验第62-64页
   ·本章小结第64-65页
7 移动机器人实验分析第65-74页
   ·实验平台和实验环境第65-66页
   ·移动足球机器人实验室配置第66-70页
     ·网络配置第66页
     ·场地信息配置第66-67页
     ·摄像头配置第67-68页
     ·串口卡通信设置第68-69页
     ·距离表标定第69页
     ·设定机器人初始角色第69-70页
   ·静态环境下移动机器人路径规划实验第70-71页
   ·动态环境下移动机器人路径规划实验第71-72页
   ·实验分析第72-73页
   ·本章小结第73-74页
8 结论与展望第74-76页
   ·结论第74页
   ·展望第74-76页
致谢第76-77页
参考文献第77-81页
附录第81-83页

论文共83页,点击 下载论文
上一篇:基于ARM Cortex-M3的迷宫电脑鼠设计与实现
下一篇:无模型自适应控制的研究