摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第9-19页 |
1.1 选题背景及意义 | 第9-10页 |
1.2 无人机的发展 | 第10-12页 |
1.2.1 无人机发展历史概述 | 第10页 |
1.2.2 国外发展现状 | 第10-11页 |
1.2.3 国内发展现状 | 第11-12页 |
1.2.4 发展趋势 | 第12页 |
1.3 无人机航迹规划问题的研究现状 | 第12-16页 |
1.3.1 无人机航迹规划现状 | 第13-14页 |
1.3.2 无人机航迹规划算法研究现状 | 第14-16页 |
1.3.3 研究现状分析 | 第16页 |
1.4 研究的主要内容及创新点 | 第16-17页 |
1.5 论文内容安排 | 第17-18页 |
1.6 本章小结 | 第18-19页 |
第2章 飞行环境与规划问题建模 | 第19-35页 |
2.1 无人机航迹规划系统组成 | 第19-20页 |
2.2 飞行环境建模 | 第20-31页 |
2.2.1 威胁类型及其等效模型 | 第20-26页 |
2.2.2 数字地图高程模型 | 第26-28页 |
2.2.3 全概率综合数字地图技术 | 第28-31页 |
2.3 规划问题建模 | 第31-34页 |
2.3.1 航迹的约束条件 | 第31-33页 |
2.3.2 航迹代价评估函数 | 第33-34页 |
2.4 本章小结 | 第34-35页 |
第3章 基于稀疏A*算法及其改进型的航迹规划方法设计 | 第35-47页 |
3.1 基于稀疏A*算法的静态航迹规划设计 | 第35-40页 |
3.1.1 稀疏A*算法原理 | 第35-37页 |
3.1.2 稀疏A*算法流程 | 第37页 |
3.1.3 基于稀疏A*算法的航迹规划设计 | 第37-39页 |
3.1.4 算法复杂度 | 第39-40页 |
3.2 基于改进型稀疏A*算法的静态航迹规划设计 | 第40-43页 |
3.2.1 改进型稀疏A*算法原理 | 第40-41页 |
3.2.2 改进型稀疏A*算法流程 | 第41页 |
3.2.3 基于改进型稀疏A*算法的航迹规划设计 | 第41-42页 |
3.2.4 算法复杂度 | 第42-43页 |
3.3 算法仿真及其结果对比 | 第43-46页 |
3.3.1 基于两种算法的静态航迹规划仿真 | 第43-46页 |
3.3.2 仿真结果对比及分析 | 第46页 |
3.4 本章小结 | 第46-47页 |
第4章 基于稀疏A*算法与进化算法的航迹规划方法设计 | 第47-61页 |
4.1 进化算法介绍 | 第47-49页 |
4.1.1 进化算法介绍 | 第47-48页 |
4.1.2 遗传算法介绍 | 第48-49页 |
4.2 稀疏A*算法与进化算法的结合框架设计 | 第49-50页 |
4.3 稀疏A*算法与遗传算法的结合原理 | 第50-55页 |
4.3.1 基因编码 | 第50-51页 |
4.3.2 适应度评价函数 | 第51页 |
4.3.3 遗传算子设计 | 第51-52页 |
4.3.4 初始种群及迭代次数 | 第52-53页 |
4.3.5 稀疏A*算法与遗传算法的结合设计 | 第53-54页 |
4.3.6 算法复杂度 | 第54-55页 |
4.4 仿真结果及对比分析 | 第55-59页 |
4.4.1 基于稀疏A*算法与进化算法的航迹规划仿真 | 第55-57页 |
4.4.2 三种算法的仿真结果对比与分析 | 第57-59页 |
4.5 本章小结 | 第59-61页 |
第5章 基于混合进化算法的无人机动态航迹规划 | 第61-72页 |
5.1 基于混合进化算法的无人机动态航迹规划方法介绍 | 第61-63页 |
5.2 不确定环境下,基于固定目标的实时航迹规划 | 第63-67页 |
5.2.1 规避远近突发威胁的无人机动态航迹规划设计 | 第63-64页 |
5.2.2 动态航迹规划仿真 | 第64-67页 |
5.2.3 仿真结果及分析 | 第67页 |
5.3 不确定环境下,基于动态目标跟随的实时航迹规划 | 第67-71页 |
5.3.1 规避突发威胁及跟随目标的动态航迹规划设计 | 第67-68页 |
5.3.2 动态航迹规划仿真 | 第68-71页 |
5.3.3 仿真结果及分析 | 第71页 |
5.4 本章小结 | 第71-72页 |
第6章 总结与展望 | 第72-74页 |
6.1 总结 | 第72页 |
6.2 展望 | 第72-74页 |
参考文献 | 第74-78页 |
攻读硕士期间发表论文情况 | 第78-79页 |
致谢 | 第79-80页 |