| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-16页 |
| 第2章 基于ADS-B制式的冲突探测与解脱模型 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 ADS-B系统介绍 | 第16-19页 |
| 2.2.1 ADS-B工作原理 | 第16-17页 |
| 2.2.2 ADS-B的功能 | 第17-18页 |
| 2.2.3 ADS-B与二次雷达监视技术的对比 | 第18-19页 |
| 2.3 基于ADS-B制式的冲突探测模型 | 第19-22页 |
| 2.3.1 基于无人机飞行性能与监视装备性能的最小安全间隔 | 第19-20页 |
| 2.3.2 基于ADS-B的无人机冲突探测模型 | 第20-22页 |
| 2.4 冲突解脱模型 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 改进蚁群算法在双机冲突解脱问题中的应用 | 第26-46页 |
| 3.1 引言 | 第26页 |
| 3.2 基本蚁群算法及其拓展 | 第26-31页 |
| 3.2.1 基本蚁群算法的更新 | 第26-28页 |
| 3.2.2 基本蚁群算法的流程 | 第28-29页 |
| 3.2.3 基本蚁群算法的拓展 | 第29-31页 |
| 3.3 改进的蚁群算法 | 第31-33页 |
| 3.3.1 参数自适应调节策略 | 第32页 |
| 3.3.2 扰动因子的引入 | 第32-33页 |
| 3.4 改进算法收敛性分析 | 第33-35页 |
| 3.5 改进算法性能分析 | 第35-40页 |
| 3.6 改进蚁群算法在双无人机冲突解脱中的应用 | 第40-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于遗传蚁群融合算法的多无人机冲突解脱 | 第46-64页 |
| 4.1 引言 | 第46页 |
| 4.2 基本遗传算法及改进策略 | 第46-48页 |
| 4.2.1 基本遗传算法各算子特点 | 第46-47页 |
| 4.2.2 交叉和变异操作的改进策略 | 第47-48页 |
| 4.3 遗传算法的改进 | 第48-50页 |
| 4.3.1 交叉操作的改进 | 第48-49页 |
| 4.3.2 变异操作的改进 | 第49页 |
| 4.3.3 改进遗传算法的流程 | 第49-50页 |
| 4.4 遗传蚁群融合算法 | 第50-53页 |
| 4.4.1 遗传蚁群算法融合策略 | 第51-52页 |
| 4.4.2 融合算法的衔接 | 第52-53页 |
| 4.5 算法仿真分析 | 第53-59页 |
| 4.5.1 测试函数 | 第53-54页 |
| 4.5.2 算法性能分析 | 第54-59页 |
| 4.6 遗传蚁群融合算法在多机冲突解脱中的应用 | 第59-63页 |
| 4.6.1 基于遗传蚁群融合算法的多无人机冲突解脱策略 | 第59-62页 |
| 4.6.2 冲突解脱MATLAB仿真分析 | 第62-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第5章 无人机避险装备搭建与试验 | 第64-82页 |
| 5.1 引言 | 第64页 |
| 5.2 ADS-B移动地面指挥平台 | 第64-68页 |
| 5.2.1 ADS-B地面站 | 第64-65页 |
| 5.2.2 上层解码系统 | 第65-66页 |
| 5.2.3 场面监视软件 | 第66-67页 |
| 5.2.4 飞控系统 | 第67-68页 |
| 5.3 基于ADS-B制式的无人机机载综合避险系统 | 第68-72页 |
| 5.3.1 ADS-B无人机机载应答机 | 第69页 |
| 5.3.2 ADS-B无人机机载接收机 | 第69-70页 |
| 5.3.3 无人机避险模块 | 第70-72页 |
| 5.4 模拟验证试验 | 第72-77页 |
| 5.4.1 ADS-B地面移动指挥平台及机载接收机功能检验 | 第72-76页 |
| 5.4.2 ADS-B无人机机载应答机性能检测 | 第76-77页 |
| 5.5 基于ADS-B制式的无人机避险试飞试验 | 第77-81页 |
| 5.6 本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间所发表的论文 | 第90-92页 |
| 致谢 | 第92页 |
