环境监测的无人机群路径规划方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本课题的研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 环境监测研究现状 | 第11-12页 |
| 1.2.2 无人机路径规划问题的研究现状 | 第12-13页 |
| 1.2.3 多无人机协同任务分配问题的研究现状 | 第13-14页 |
| 1.3 论文研究的主要内容 | 第14-16页 |
| 第2章 无人机群路径规划的总体方案 | 第16-23页 |
| 2.1 环境监测点的建模方法选择 | 第16-17页 |
| 2.2 无人机群路径规划总体方案 | 第17-20页 |
| 2.2.1 监测点坐标建模 | 第18页 |
| 2.2.2 无人机任务分配原则 | 第18页 |
| 2.2.3 无人机路径规划约束假设 | 第18-20页 |
| 2.3 无人机综合代价模型 | 第20-22页 |
| 2.3.1 能源消耗代价 | 第20页 |
| 2.3.2 高度代价 | 第20-21页 |
| 2.3.3 大气威胁代价 | 第21页 |
| 2.3.4 城市建筑威胁代价 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于模拟退火改进的K均值任务分配算法 | 第23-38页 |
| 3.1 多无人机协同任务分配指标 | 第23-26页 |
| 3.1.1 时间协同 | 第23-25页 |
| 3.1.2 目标分配 | 第25-26页 |
| 3.2 基于模拟退火改进的K均值任务分配算法 | 第26-36页 |
| 3.2.1 任务分配模型 | 第26-27页 |
| 3.2.2 K均值动态聚类任务分群算法分析 | 第27-30页 |
| 3.2.3 模拟退火算法分析 | 第30-31页 |
| 3.2.4 基于模拟退火改进的K均值任务分群算法 | 第31-34页 |
| 3.2.5 实验仿真 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第4章 基于改进蚁群算法的路径规划 | 第38-50页 |
| 4.1 路径规划算法的选择 | 第38-40页 |
| 4.2 改进蚁群算法研究 | 第40-48页 |
| 4.2.1 蚁群算法路径寻优 | 第40-41页 |
| 4.2.2 蚁群算法的数学模型 | 第41-42页 |
| 4.2.3 遗传蚁群混合算法 | 第42-43页 |
| 4.2.4 改进的蚁群算法 | 第43-46页 |
| 4.2.5 实验仿真 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 环境监测的无人机群路径规划仿真 | 第50-58页 |
| 5.1 仿真环境 | 第50页 |
| 5.2 仿真实验分析 | 第50-56页 |
| 5.2.1 规划建模 | 第50-52页 |
| 5.2.2 多无人机协同任务分配方案 | 第52-55页 |
| 5.2.3 路径规划仿真实验 | 第55-56页 |
| 5.3 小结 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的学术成果 | 第62-63页 |
| 致谢 | 第63页 |
