| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 无人机路径规划的国内外研究历史与现状 | 第12-14页 |
| 1.3 本文的主要贡献与创新 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 无人机路径规划相关算法 | 第17-29页 |
| 2.1 路径规划综述 | 第17-21页 |
| 2.1.1 形式化的路径规划描述 | 第17-18页 |
| 2.1.2 路径规划的约束条件 | 第18-21页 |
| 2.1.2.1 无人机航迹长度约束 | 第19-20页 |
| 2.1.2.2 飞行高度约束 | 第20页 |
| 2.1.2.3 运动学特征约束 | 第20-21页 |
| 2.1.2.4 安全性约束 | 第21页 |
| 2.2 环境建模方法 | 第21-24页 |
| 2.2.1 可视图法 | 第22-23页 |
| 2.2.1.1 栅格法 | 第22-23页 |
| 2.2.1.2 切线图法 | 第23页 |
| 2.2.2 Voronoi图和Delaunay三角形 | 第23-24页 |
| 2.3 经典的路径规划算法 | 第24-25页 |
| 2.3.1 Dijkstra算法 | 第24页 |
| 2.3.2 Floyd算法 | 第24-25页 |
| 2.4 智能优化算法 | 第25-26页 |
| 2.4.1 遗传算法 | 第25页 |
| 2.4.2 神经网络算法 | 第25页 |
| 2.4.3 蚁群算法 | 第25-26页 |
| 2.5 概率法 | 第26页 |
| 2.6 人工势场法 | 第26-27页 |
| 2.7 A*算法 | 第27页 |
| 2.8 本章小结 | 第27-29页 |
| 第三章 初始路径平滑算法设计 | 第29-41页 |
| 3.1 K-trajectory平滑算法 | 第29-36页 |
| 3.1.1 基于无人机初始轨迹的K-trajectory算法 | 第30-32页 |
| 3.1.2 平滑前后路径的变化规律 | 第32-36页 |
| 3.2 基于Dubins路径与K-trajectory算法的无人机平滑算法 | 第36-40页 |
| 3.2.1 Dubins路径模型 | 第36-38页 |
| 3.2.2 Dubins路径与K-trajectory算法相结合的平滑算法 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 多无人机协同路径规划算法 | 第41-58页 |
| 4.1 环境模型 | 第41-48页 |
| 4.1.1 无人机环境中的综合威胁场 | 第42-47页 |
| 4.1.2 基于环境模型的无人机路径规划流程 | 第47-48页 |
| 4.2 基于改进蚁群算法的初始路径规划 | 第48-54页 |
| 4.2.1 蚁群算法基本原理 | 第48-49页 |
| 4.2.2 基于Voronoi图环境改进的蚁群算法 | 第49-54页 |
| 4.2.2.1 禁忌表引起的无解情况 | 第49-50页 |
| 4.2.2.2 带有启发式信息的转移概率 | 第50页 |
| 4.2.2.3 信息素更新方式调整加快算法的收敛 | 第50-51页 |
| 4.2.2.4 设置信息素阈值限定解保证解的稳定性 | 第51页 |
| 4.2.2.5 改进的蚁群算法描述 | 第51-54页 |
| 4.3 多无人机协同路径规划 | 第54-57页 |
| 4.3.1 多无人机协同路径规划问题描述 | 第54-55页 |
| 4.3.2 多无人机协同规划的算法流程 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 模拟实现 | 第58-69页 |
| 5.1 基于Dubins路径与K-trajectory平滑算法的实现 | 第58-61页 |
| 5.2 改进蚁群算法及经典算法的实现与比较 | 第61-64页 |
| 5.3 多无人机协同路径规划模拟实现 | 第64-68页 |
| 5.3.1 两架无人机从附近区域出发执行相同任务 | 第64-65页 |
| 5.3.2 三架无人机从不同区域出发协同执行不同任务 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 全文总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 未来展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士期间取得的成果 | 第77-78页 |
