摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 研究的目的和意义 | 第10-12页 |
1.2 国内外研究的现状 | 第12-15页 |
1.2.1 移动机器人路径规划研究现状 | 第13-14页 |
1.2.2 机械臂逆运动学研究现状 | 第14-15页 |
1.3 本文研究重点和论文结构安排 | 第15-18页 |
第二章 移动机械臂运动规划的相关理论 | 第18-29页 |
2.1 机器人路径规划相关理论 | 第18-22页 |
2.1.1 人工势场法 | 第18-20页 |
2.1.2 粒子群优化 | 第20-22页 |
2.1.3 菌群进化 | 第22页 |
2.2 机械臂逆运动学问题相关理论 | 第22-28页 |
2.2.1 六自由度机械臂MT-ARM的结构参数 | 第22-23页 |
2.2.2 六自由度机械臂正运动学 | 第23-25页 |
2.2.3 极限学习机 | 第25-27页 |
2.2.4 遗传算法 | 第27-28页 |
2.3 本章小结 | 第28-29页 |
第三章 基于PSO-TVAPF算法的机器人路径规划 | 第29-45页 |
3.1 障碍物的切向量 | 第29-30页 |
3.2 最佳切向量选择策略 | 第30-31页 |
3.3 基于切向量改进的人工势场法 | 第31-33页 |
3.4 基于切向量和粒子群算法优化的人工势场法 | 第33-34页 |
3.5 仿真实验 | 第34-42页 |
3.5.1 实验一:APF和TVAPF算法在遇到狭窄地形时的表现 | 第34-35页 |
3.5.2 实验二:APF和TVAPF算法在遇到U形障碍物时的表现 | 第35-36页 |
3.5.3 实验三: APF和TVAPF算法路径长度的比较 | 第36-38页 |
3.5.4 实验四: 动态障碍物的路径规划 | 第38-39页 |
3.5.5 实验五:TVAPF算法与BUG改进的人工势场法的比较 | 第39-40页 |
3.5.6 实验六:APF, TVAPF, BPF和PSO-TVAPF的路径规划质量对比 | 第40-42页 |
3.6 实物验证 | 第42-43页 |
3.7 本章小结 | 第43-45页 |
第四章 基于ELM-SGA算法的机械臂运动学逆解 | 第45-64页 |
4.1 ELM计算机械臂逆运动学解 | 第46-48页 |
4.2 SGA算法优化机械臂运动学逆解 | 第48-51页 |
4.3 仿真实验 | 第51-60页 |
4.3.1 ELM和ANN计算逆解性能比较 | 第51-54页 |
4.3.2 SGA求解机械臂逆解 | 第54页 |
4.3.3 改进遗传算法的编码格式 | 第54-55页 |
4.3.4 顺序变异遗传算法的寻优过程 | 第55-57页 |
4.3.5 SGA和Hybrid算法的性能比较 | 第57页 |
4.3.6 ELM,Hybrid和ELM-SGA计算逆解的比较 | 第57-60页 |
4.4 实物验证 | 第60-63页 |
4.4.1 逆运动学误差比较 | 第60-62页 |
4.4.2 基于ELM-SGA算法的定点抓取 | 第62-63页 |
4.5 本章小结 | 第63-64页 |
第五章 基于改进人工势场法的机械臂避障轨迹规划 | 第64-69页 |
5.1 引言 | 第64页 |
5.2 基于切向量改进的人工势场法机械臂末端执行器避障轨迹规划 | 第64-67页 |
5.2.1 障碍物建模和机械臂连杆的碰撞检测 | 第64-65页 |
5.2.2 基于改进人工势场的机械臂末端轨迹规划算法 | 第65-67页 |
5.3 仿真实验 | 第67-68页 |
5.4 本章小结 | 第68-69页 |
第六章 总结 | 第69-71页 |
参考文献 | 第71-76页 |
致谢 | 第76-77页 |
攻读学位期间的研究成果 | 第77页 |