不确定环境下的无人机航路规划算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 背景及研究意义 | 第11-12页 |
| 1.2 航路规划研究现状 | 第12-16页 |
| 1.2.1 航路规划关键技术 | 第12-13页 |
| 1.2.2 航路规划算法现状 | 第13-16页 |
| 1.3 主要研究内容及方法 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 无人机不确定环境模型描述 | 第19-26页 |
| 2.1 环境威胁 | 第19-22页 |
| 2.1.1 地形威胁 | 第19页 |
| 2.1.2 雷达威胁 | 第19-20页 |
| 2.1.3 气象威胁 | 第20-21页 |
| 2.1.4 其他威胁 | 第21-22页 |
| 2.2 无人机机身特性 | 第22-24页 |
| 2.2.1 最小航迹长度 | 第22页 |
| 2.2.2 最大最小飞行速度 | 第22页 |
| 2.2.3 最大爬升/俯冲角 | 第22-23页 |
| 2.2.4 最大航程 | 第23页 |
| 2.2.5 最低/最高高度 | 第23-24页 |
| 2.2.6 最大转弯角 | 第24页 |
| 2.3 航路任务约束 | 第24-25页 |
| 2.3.1 规避威胁源要求 | 第25页 |
| 2.3.2 执行任务要求 | 第25页 |
| 2.3.3 飞行约束要求 | 第25页 |
| 2.3.4 任务实时性要求 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于改进蚁群算法的无人机航路规划 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 蚁群优化算法的基本原理 | 第27-31页 |
| 3.3 蚁群优化算法的主要特征 | 第31页 |
| 3.4 蚁群优化算法的改进 | 第31-36页 |
| 3.4.1 航路点选择策略的改进 | 第32页 |
| 3.4.2 信息素挥发因子的自适应调整 | 第32-35页 |
| 3.4.3 航路平滑技术 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于改进人工蜂群算法的无人机航路规划 | 第37-46页 |
| 4.1 引言 | 第37-39页 |
| 4.2 人工蜂群算法的基本原理 | 第39-42页 |
| 4.3 改进的人工蜂群算法 | 第42-44页 |
| 4.4 威胁回避技术 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 无人机航路规划仿真实验性能分析 | 第46-68页 |
| 5.1 仿真环境设计 | 第46页 |
| 5.2 二维环境下仿真实验 | 第46-56页 |
| 5.2.1 环境设计 | 第46-47页 |
| 5.2.2 简单飞行环境仿真 | 第47-51页 |
| 5.2.3 复杂飞行环境仿真 | 第51-56页 |
| 5.3 三维环境下仿真实验 | 第56-67页 |
| 5.3.1 环境设计 | 第56页 |
| 5.3.2 丘陵地形环境仿真 | 第56-62页 |
| 5.3.3 山区地形环境仿真 | 第62-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第74页 |
