首页--航空、航天论文--航空论文--各类型航空器论文--无人驾驶飞机论文

多无人机系统的协同目标分配和航迹规划方法研究

摘要第4-6页
ABSTRACT第6-8页
第1章 绪论第16-35页
    1.1 课题来源第16页
    1.2 课题的目的和意义第16-19页
    1.3 国内外的研究现状及分析第19-29页
        1.3.1 研究概况第19-21页
        1.3.2 多机协同目标分配方法研究现状第21-24页
        1.3.3 多机协同航迹规划方法研究现状第24-26页
        1.3.4 多机协同航迹重规划方法研究现状第26-27页
        1.3.5 多无人机多任务的协同方法概述第27-29页
    1.4 存在问题分析第29-30页
    1.5 主要研究内容第30-35页
第2章 复杂多约束多机协同目标分配和航迹规划的统一建模第35-57页
    2.1 引言第35-36页
    2.2 MUAS目标分配和航迹规划统一建模第36-41页
        2.2.1 问题的表示与描述第36-39页
        2.2.2 协同约束关系分析第39-41页
    2.3 MUAS的统一目标分配方法第41-45页
        2.3.1 多机协同统一目标分配模型第41-43页
        2.3.2 MUAS统一目标分配模型的描述第43-45页
    2.4 基于垂直切面的航程代价和协同约束第45-48页
        2.4.1 多机航程代价的估算第45-47页
        2.4.2 航程代价矩阵构建第47-48页
    2.5 基于统一目标分配模型的验证第48-52页
    2.6 实验结果和分析第52-56页
        2.6.1 验证统一目标分配模型的分配效果第52-55页
        2.6.2 分配目标数量增多时的效率分析第55-56页
    2.7 本章小结第56-57页
第3章 基于统一目标分配模型的多机协同分配方法第57-81页
    3.1 引言第57-59页
    3.2 基于DE算法的多机协同目标分配框架第59-61页
    3.3 基于统一目标分配模型的基因编码策略第61-64页
        3.3.1 统一的基因编码策略第61-62页
        3.3.2 个体编码产生规则第62-64页
    3.4 基于DMDE的MUAS协同统一多目标分配第64-69页
        3.4.1 离散差分映射规则第64-67页
        3.4.2 混合进化策略的DMDE算法第67-69页
    3.5 DMDE算法分析和控制参数选择第69-72页
        3.5.1 DMDE算法理论和性能分析第69-71页
        3.5.2 DMDE算法参数选择第71-72页
    3.6 实验结果和分析第72-80页
        3.6.1 算法的有效性和适应性第74-77页
        3.6.2 DMDE算法的性能第77-78页
        3.6.3 DMDE与同类目标分配算法的比较第78-80页
    3.7 本章小结第80-81页
第4章 基于空间模糊表示的多机协同航迹规划方法第81-108页
    4.1 引言第81-82页
    4.2 基于任务属性的空间模糊表示第82-87页
        4.2.1 空间点的模糊集表示第82-83页
        4.2.2 模糊隶属度函数设计第83-86页
        4.2.3 截集优选关键路径点第86-87页
    4.3 基于文化算法的MUAS协同航迹规划方法研究第87-94页
        4.3.1 空间模糊文化算法的航迹规划框架第87-89页
        4.3.2 基于模糊表示的信念集构成和更新第89-91页
        4.3.3 种群集上基于MODE的协同航迹规划第91-94页
    4.4 算法理论分析和参数选择第94-97页
        4.4.1 空间模糊表示和文化算法理论分析第94-96页
        4.4.2 控制参数分析和算法流程第96-97页
    4.5 基于B样条拟合的MUAS协同航迹平滑第97-101页
        4.5.1 三维空间中的B样条拟合航迹平滑方法第97-99页
        4.5.2 反求控制点的三维B样条航迹平滑第99-101页
    4.6 实验结果与分析第101-107页
        4.6.1 协同航迹规划可行性实验第101-103页
        4.6.2 与常用协同规划算法的对比分析第103-104页
        4.6.3 与其他文化算法的对比分析第104-106页
        4.6.4 航迹平滑效果与其他策略对比分析第106-107页
    4.7 本章小结第107-108页
第5章 动态环境下多阶段多机协同航迹重规划方法第108-131页
    5.1 引言第108-110页
    5.2 MUAS协同航迹重规划任务模型第110-113页
        5.2.1 重规划问题描述和难点分析第110-111页
        5.2.2 基于CFCM和多Q学习的重规划模型第111-113页
    5.3 基于CFCM聚类的多任务状态空间划分第113-118页
        5.3.1 协同相关系数和模糊协同矩阵第113-114页
        5.3.2 聚类空间优化和初始中心设定第114-115页
        5.3.3 基于模糊协同矩阵的CFCM第115-116页
        5.3.4 CFCM的参数选择准则第116-118页
    5.4 基于CFCM的多Q学习航迹重规划第118-124页
        5.4.1 环境更新和重规划区域设定第118-119页
        5.4.2 基于协同模糊回报函数的Q学习第119-121页
        5.4.3 改进的状态转移动作集设定第121-122页
        5.4.4 基于CFCM的多Q学习协同航迹重规划第122-124页
    5.5 实验结果与分析第124-130页
        5.5.1 协同航迹重规划可行性实验第124-128页
        5.5.2 比较采用不同回报函数的Q学习算法效果第128-129页
        5.5.3 与其他动态规划方法的比较第129-130页
    5.6 本章小结第130-131页
结论第131-133页
参考文献第133-145页
攻读博士学位期间发表的论文及其它成果第145-147页
致谢第147-148页
个人简历第148页

论文共148页,点击 下载论文
上一篇:掌静脉识别系统研究与实现
下一篇:基于去雾和高光修复的车辆颜色识别算法研究