基于智能优化与RRT算法的无人机任务规划方法研究
摘要 | 第1-6页 |
Abstract | 第6-17页 |
第一章 绪论 | 第17-33页 |
·研究背景与意义 | 第17-19页 |
·无人机自主控制 | 第19-23页 |
·无人机自主能力 | 第19-21页 |
·自主控制系统结构 | 第21-22页 |
·自主控制现状 | 第22-23页 |
·无人机任务规划研究现状 | 第23-28页 |
·航迹规划 | 第24-26页 |
·任务分配 | 第26-28页 |
·群体智能优化 | 第28-30页 |
·快速扩展随机树算法研究现状 | 第30-31页 |
·本文主要研究内容与章节安排 | 第31-33页 |
第二章 基于改进蚁群优化的无人机航迹规划 | 第33-58页 |
·问题建模 | 第33-42页 |
·任务环境表述 | 第33-38页 |
·航迹代价设计 | 第38-40页 |
·约束条件与处理 | 第40-42页 |
·多重启发蚁群算法 | 第42-50页 |
·蚁群优化算法 | 第42-45页 |
·多重启发信息 | 第45-48页 |
·收敛性分析 | 第48-50页 |
·人工势场蚁群算法 | 第50-54页 |
·人工势场法 | 第50-52页 |
·基于人工势场蚁群优化的航迹规划 | 第52-54页 |
·仿真与分析 | 第54-57页 |
·本章小结 | 第57-58页 |
第三章 基于改进粒子群优化的多无人机协同航迹规划 | 第58-79页 |
·改进混合粒子群优化算法 | 第58-66页 |
·基本粒子群算法 | 第58-59页 |
·改进措施 | 第59-63页 |
·收敛性分析 | 第63-64页 |
·算例 | 第64-66页 |
·多无人机机协同航迹规划问题 | 第66-69页 |
·时域协同 | 第66-68页 |
·空域协同 | 第68-69页 |
·基于威胁启发粒子群算法的协同航迹规划方法 | 第69-74页 |
·粒子编码 | 第69-70页 |
·威胁启发 | 第70-71页 |
·协同航迹规划 | 第71-74页 |
·仿真试验 | 第74-77页 |
·本章小结 | 第77-79页 |
第四章 不确定性环境下的在线航迹规划方法研究 | 第79-112页 |
·快速扩展随机树算法研究 | 第79-93页 |
·RRT 算法的基本原理 | 第79-80页 |
·RRT 算法收敛性分析 | 第80-82页 |
·RRT 算法参数研究 | 第82-87页 |
·改进措施 | 第87-93页 |
·突发威胁环境下的航迹重规划 | 第93-104页 |
·基于混合自动机的任务规划模型 | 第94-97页 |
·基于 RRT 算法的航迹重规划方法 | 第97-99页 |
·路径修剪与平滑 | 第99-101页 |
·仿真试验 | 第101-104页 |
·未知环境下的滚动航迹规划 | 第104-110页 |
·滚动 RRT 算法 | 第105-108页 |
·仿真试验 | 第108-110页 |
·算法讨论 | 第110页 |
·本章小结 | 第110-112页 |
第五章 多无人机协同任务分配研究 | 第112-125页 |
·任务分配问题描述 | 第112-116页 |
·任务分配中的约束条件 | 第114-115页 |
·任务分配的代价收益指标 | 第115-116页 |
·基于多组群蚁群优化的任务分配方法 | 第116-121页 |
·多组群蚁群算法 | 第117-118页 |
·k-opt 算法 | 第118页 |
·多组群蚁群算法步骤 | 第118-120页 |
·无人机动态任务重分配 | 第120-121页 |
·仿真试验 | 第121-124页 |
·本章小结 | 第124-125页 |
第六章 小型无人机的航迹规划系统实现 | 第125-138页 |
·小型无人机系统构成 | 第125-129页 |
·机载飞控系统 | 第126-127页 |
·地面测控系统 | 第127-129页 |
·任务需求 | 第129-131页 |
·无人机航迹规划系统 | 第131-135页 |
·数据录入 | 第131-132页 |
·航迹验证 | 第132-135页 |
·航迹加载 | 第135页 |
·应用实例 | 第135-137页 |
·本章小结 | 第137-138页 |
第七章 总结 | 第138-141页 |
·本文工作总结与创新 | 第138-140页 |
·进一步的工作展望 | 第140-141页 |
参考文献 | 第141-153页 |
致谢 | 第153-154页 |
在学期间的研究成果及发表的学术论文 | 第154页 |