智能仓储多机器人的路径规划研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 论文研究的背景和意义 | 第9-11页 |
| 1.1.1 智能仓储背景 | 第9-10页 |
| 1.1.2 仓储机器人背景 | 第10-11页 |
| 1.1.3 研究目的和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 多机器人系统研究现状 | 第12-13页 |
| 1.2.2 移动机器人路径规划研究现状 | 第13-14页 |
| 1.3 论文的研究内容和结构 | 第14-16页 |
| 1.3.1 论文的研究内容 | 第14-15页 |
| 1.3.2 创新点 | 第15页 |
| 1.3.3 论文的主要构架 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 仓储机器人环境建模和任务分配 | 第17-25页 |
| 2.1 仓储环境建模 | 第17-21页 |
| 2.1.1 仓储通道类型 | 第17-18页 |
| 2.1.2 仓储环境建模方法 | 第18-20页 |
| 2.1.3 栅格法环境建模 | 第20-21页 |
| 2.1.4 目标函数模型 | 第21页 |
| 2.2 多机器人任务分配 | 第21-24页 |
| 2.2.1 集中式任务分配 | 第21-22页 |
| 2.2.2 分布式任务分配 | 第22-23页 |
| 2.2.3 混合式任务分配 | 第23页 |
| 2.2.4 任务分配算法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 单仓储机器人路径规划 | 第25-37页 |
| 3.1 人工势场法分析 | 第25-28页 |
| 3.1.1 人工势场法的原理 | 第25-27页 |
| 3.1.2 人工势场法存在的问题 | 第27-28页 |
| 3.2 蚁群算法分析 | 第28-30页 |
| 3.2.1 蚁群算法原理 | 第28-29页 |
| 3.2.2 蚁群算法的数学建模 | 第29-30页 |
| 3.2.3 存在的问题 | 第30页 |
| 3.3 人工势场法和蚁群算法的改进 | 第30-32页 |
| 3.3.1 人工势场法的改进 | 第30-32页 |
| 3.3.2 蚁群算法的改进 | 第32页 |
| 3.4 算法实现步骤 | 第32-34页 |
| 3.5 实验仿真 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 多机器人路径规划与避障 | 第37-51页 |
| 4.1 算法的说明 | 第37-43页 |
| 4.1.1 A*算法的介绍 | 第37-38页 |
| 4.1.2 A*算法的原理 | 第38-39页 |
| 4.1.3 A*算法的估价函数 | 第39页 |
| 4.1.4 A*算法的改进 | 第39-42页 |
| 4.1.5 多机器人路径规划的实现 | 第42-43页 |
| 4.2 多机器人的避碰 | 第43-47页 |
| 4.2.1 A*算法避障策略 | 第43-44页 |
| 4.2.2 仓储环境下多机器人碰撞类型 | 第44-47页 |
| 4.2.3 多机器人智能避障实现 | 第47页 |
| 4.3 实现和仿真验证 | 第47-50页 |
| 4.3.1 改进A*算法的验证 | 第47-48页 |
| 4.3.2 多机器人的路径规划 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 人与仓储机器人的共存 | 第51-60页 |
| 5.1 基于RFID的定位 | 第51-54页 |
| 5.1.1 三角定位 | 第51-53页 |
| 5.1.2 场景分析法 | 第53页 |
| 5.1.3 邻近法 | 第53-54页 |
| 5.2 人与机器人之间碰撞 | 第54-56页 |
| 5.2.1 算法流程图 | 第55-56页 |
| 5.3 仿真验证 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
