基于蚁群势场混合算法的无人机航迹规划
摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第9-16页 |
1.1 选题背景及意义 | 第9-11页 |
1.1.1 选题背景 | 第9-10页 |
1.1.2 航迹规划研究的意义 | 第10-11页 |
1.2 无人机发展现状 | 第11-12页 |
1.2.1 国外无人机发展现状 | 第11-12页 |
1.2.2 国内无人机发展现状 | 第12页 |
1.2.3 无人机发展趋势 | 第12页 |
1.3 航迹规划研究现状及分析 | 第12-14页 |
1.3.1 国外研究现状 | 第12-13页 |
1.3.2 国内研究现状 | 第13-14页 |
1.3.3 研究现状分析 | 第14页 |
1.4 本文主要研究内容 | 第14-15页 |
1.5 论文的组织结构 | 第15-16页 |
第2章 无人机航迹规划的数学模型 | 第16-28页 |
2.1 航迹规划空间的表示 | 第16-19页 |
2.1.1 数字高程模型 | 第16-17页 |
2.1.2 空间地形的建立 | 第17-19页 |
2.2 无人机自身性能约束 | 第19-20页 |
2.3 威胁约束建模 | 第20-23页 |
2.4 航迹规划综合代价建模 | 第23-25页 |
2.5 飞行航迹的表示 | 第25页 |
2.6 常用航迹规划算法介绍 | 第25-26页 |
2.7 本章小结 | 第26-28页 |
第3章 基于改进蚁群算法的无人机航迹规划 | 第28-44页 |
3.1 蚁群算法介绍 | 第28-34页 |
3.1.1 蚁群算法的起源 | 第28页 |
3.1.2 蚁群算法原理 | 第28-31页 |
3.1.3 蚁群算法的算法描述 | 第31-33页 |
3.1.4 蚁群算法的优缺点 | 第33-34页 |
3.2 两种改进蚁群算法 | 第34-37页 |
3.2.1 最大-最小蚂蚁系统 | 第35页 |
3.2.2 智能蚂蚁算法 | 第35-37页 |
3.3 蚁群算法的改进 | 第37-40页 |
3.3.1 引导因子设计策略 | 第37页 |
3.3.2 航迹节点自适应选择策略 | 第37-38页 |
3.3.3 节点信息素阈值调节策略 | 第38页 |
3.3.4 信息素挥发因子智能调整策略 | 第38-39页 |
3.3.5 QC品管调节机制 | 第39-40页 |
3.4 算法设计 | 第40-41页 |
3.5 实验仿真及结果分析 | 第41-43页 |
3.6 本章小结 | 第43-44页 |
第4章 基于人工势场法的无人机航迹规划 | 第44-57页 |
4.1 人工势场法的基本原理 | 第44-47页 |
4.1.1 人工势场法的介绍 | 第44-45页 |
4.1.2 势力场函数的构建 | 第45-47页 |
4.2 人工势场法的优势与不足 | 第47-49页 |
4.2.1 人工势场法的优点 | 第47页 |
4.2.2 人工势场法的缺点 | 第47-49页 |
4.3 人工势场法的改进 | 第49-52页 |
4.3.1 带有引导因子的斥力场函数 | 第49-51页 |
4.3.2 斥力分解策略 | 第51-52页 |
4.4 算法设计 | 第52-53页 |
4.5 实验仿真及结果分析 | 第53-56页 |
4.6 本章小结 | 第56-57页 |
第5章 基于蚁群势场混合算法的无人机航迹规划 | 第57-68页 |
5.1 混合算法的优势 | 第57页 |
5.2 基于蚁群势场混合算法的航迹规划 | 第57-63页 |
5.2.1 蚁群势场混合算法的介绍 | 第57-58页 |
5.2.2 势场力启发信息函数的构造 | 第58-60页 |
5.2.3 势场力调节因子最小值限制策略 | 第60-61页 |
5.2.4 信息素扰动调节机制 | 第61页 |
5.2.5 算法设计 | 第61-62页 |
5.2.6 实验仿真及结果分析 | 第62-63页 |
5.3 突发威胁下的航迹重规划 | 第63-67页 |
5.3.1 突发威胁分类 | 第63-64页 |
5.3.2 航迹重规划方法介绍 | 第64-65页 |
5.3.3 实验仿真及结果分析 | 第65-67页 |
5.4 本章小结 | 第67-68页 |
第6章 总结与展望 | 第68-70页 |
6.1 总结 | 第68页 |
6.2 展望 | 第68-70页 |
参考文献 | 第70-74页 |
发表论文和参加科研情况说明 | 第74-75页 |
致谢 | 第75-76页 |