每當(dāng)有自然災(zāi)害發(fā)生,就會伴隨著緊急救援。由于災(zāi)害發(fā)生地區(qū)的地質(zhì)結(jié)構(gòu)比較復(fù)雜,災(zāi)難發(fā)生后還會有持續(xù)性的險情。但是救援人員往往很難第一時間抵達(dá)現(xiàn)場。這時無人機(jī)以其獨有的特性,在災(zāi)難救援初期發(fā)揮關(guān)鍵作用。例如,無人機(jī)可以自動進(jìn)行災(zāi)情信息的收集和應(yīng)急物資的分配。而如何快速的實現(xiàn)受災(zāi)地區(qū)的信息采集和在災(zāi)區(qū)信息不確定情況下完成應(yīng)急物資的分配,對后續(xù)的救援起著關(guān)鍵的作用。本文主要是針對無人機(jī)在災(zāi)后緊急救援的復(fù)雜情況,解決多個無人機(jī)同時偵查所有可能受災(zāi)的區(qū)域,和及時地進(jìn)行緊急投遞物資的問題。另外,無人機(jī)在執(zhí)行任務(wù)時,多無人機(jī)三維航跡規(guī)劃和動態(tài)躲避威脅源也是必須要考慮的問題。目前常用的多無人機(jī)多目標(biāo)偵查問題的模型,主要是通過優(yōu)化無人機(jī)航跡進(jìn)而得到最短路徑來解決該問題。在應(yīng)急物資分配問題上,通常考慮的是確切需求下的資源分配。本文主要是根據(jù)災(zāi)難環(huán)境下偵查任務(wù)的時間緊迫性和多無人機(jī)任務(wù)的均衡性進(jìn)行建模,采用遺傳算法來解決無人機(jī)偵查和物資分配的最優(yōu)化問題。針對無人機(jī)對受災(zāi)點進(jìn)行偵察的任務(wù),本文設(shè)計了一種多旅行商問題和每個旅行商任務(wù)均衡的集中式偵查策略。但是當(dāng)偵查的受災(zāi)點過多時,算法復(fù)雜度就會變高。為了簡化這個問... 

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 課題背景
        1.1.2 研究目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 決策問題研究現(xiàn)狀
        1.2.2 無人機(jī)任務(wù)分配與航跡規(guī)劃研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 已知目標(biāo)點位置的多無人機(jī)偵查任務(wù)決策
    2.1 引言
    2.2 多無人機(jī)偵查決策問題描述與建模
    2.3 多無人機(jī)偵查決策算法設(shè)計
        2.3.1 K-means聚類算法
        2.3.2 遺傳算法概述
    2.4 實驗仿真與結(jié)果分析
        2.4.1 基于K-means聚類的仿真結(jié)果分析
        2.4.2 多無人機(jī)的偵查決策算法實驗仿真與分析
    2.5 本章小結(jié)
第3章 不確定信息下多無人機(jī)應(yīng)急物資投遞決策
    3.1 引言
    3.2 問題描述與建模
        3.2.1 模型假設(shè)
        3.2.2 隨機(jī)需求受災(zāi)點物資投遞決策問題建模
        3.2.3 隨機(jī)需求受災(zāi)點應(yīng)急物資投遞決策模型的約束條件
    3.3 基于遺傳算法的隨機(jī)需求物資投遞算法
        3.3.1 無人機(jī)與受災(zāi)點的分配方法
        3.3.2 遺傳算法及參數(shù)設(shè)計
    3.4 實驗仿真與分析
        3.4.1 單基地仿真實驗分析
        3.4.2 多基地仿真實驗1分析
        3.4.3 多基地仿真實驗2分析
    3.5 本章小結(jié)
第4章 多無人機(jī)三維航跡規(guī)劃與動態(tài)避障
    4.1 引言
    4.2 多無人機(jī)三維航跡規(guī)劃數(shù)學(xué)建模
        4.2.1 多無人機(jī)三維航跡規(guī)劃問題描述
        4.2.2 問題建模
    4.3 多無人機(jī)三維航跡規(guī)劃與動態(tài)避障算法設(shè)計
        4.3.1 模擬退火粒子群算法
        4.3.2 人工勢場法
        4.3.3 改進(jìn)的人工勢場法
    4.4 仿真結(jié)果分析
        4.4.1 同起點多無人機(jī)航跡規(guī)劃實驗仿真
        4.4.2 不同起點多無人機(jī)航跡規(guī)劃實驗仿真
        4.4.3 不同起點多無人機(jī)航跡規(guī)劃實驗仿真
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)人工勢場法的移動機(jī)器人路徑規(guī)劃研究[J]. 梁獻(xiàn)霞,劉朝英,宋雪玲,張英坤.  計算機(jī)仿真. 2018(04)
[2]隨機(jī)需求車輛路徑問題及混合變鄰域分散搜索算法求解[J]. 李陽,范厚明,張曉楠,楊翔.  控制理論與應(yīng)用. 2017(12)
[3]基于改進(jìn)人工勢場法的動態(tài)環(huán)境下無人機(jī)路徑規(guī)劃[J]. 田亞卓,張勇軍.  武漢科技大學(xué)學(xué)報. 2017(06)
[4]混合算法求解多目標(biāo)平衡旅行商問題[J]. 董學(xué)士,董文永,王豫峰.  計算機(jī)研究與發(fā)展. 2017(08)
[5]基于SAPSO算法的無人機(jī)三維航跡規(guī)劃[J]. 唐匯禹,彭世蕤,孫經(jīng)蛟,劉香嵐.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2017(02)
[6]Robust decision making for UAV air-to-ground attack under severe uncertainty[J]. 胡笑旋,陳意,羅賀.  Journal of Central South University. 2015(11)
[7]無人機(jī)任務(wù)分配與航跡規(guī)劃協(xié)同控制方法[J]. 孫小雷,齊乃明,董程,姚蔚然.  系統(tǒng)工程與電子技術(shù). 2015(12)
[8]Markov decision evolutionary game theoretic learning for cooperative sensing of unmanned aerial vehicles[J]. SUN ChangHao,DUAN HaiBin.  Science China（Technological Sciences）. 2015(08)
[9]基于卡爾曼濾波的無人機(jī)姿態(tài)測量研究[J]. 袁亮,楚仕彬.  組合機(jī)床與自動化加工技術(shù). 2015(07)
[10]不確定信息下基于拍賣算法的多無人機(jī)同時到達(dá)攻擊多目標(biāo)[J]. 趙明明,李彬,王敏立.  電光與控制. 2015(02)

碩士論文
[1]航跡規(guī)劃遺傳模擬退火算法研究[D]. 范林玉.重慶大學(xué) 2010



本文編號：3710322