發(fā)布時(shí)間：2024-01-20 17:37

　　隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展和廣泛應(yīng)用,使得其在軍事和民用領(lǐng)域都起著不可替代的作用。在各種任務(wù)中,區(qū)域監(jiān)視是未來(lái)戰(zhàn)場(chǎng)上無(wú)人機(jī)系統(tǒng)將要承擔(dān)的一項(xiàng)非常重要的任務(wù)。當(dāng)需要監(jiān)視的區(qū)域較為廣闊時(shí),僅靠單架無(wú)人機(jī)很難完成對(duì)整個(gè)目標(biāo)區(qū)域的監(jiān)視任務(wù),往往需要多架無(wú)人機(jī)通過(guò)合理的航路規(guī)劃來(lái)協(xié)同工作。然而到目前為止,多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃尚未得到很好的解決。本文基于遺傳算法和深度強(qiáng)化學(xué)習(xí)提出多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的兩種航路規(guī)劃方法,可以實(shí)時(shí)的對(duì)協(xié)同工作的多無(wú)人機(jī)航路進(jìn)行動(dòng)態(tài)規(guī)劃與調(diào)整,獲得一段時(shí)間內(nèi)的較優(yōu)覆蓋效果。本文的主要工作如下:1.本文建立了一種多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃模型。該模型考慮了無(wú)人機(jī)群在目標(biāo)區(qū)域進(jìn)行監(jiān)視飛行時(shí),對(duì)應(yīng)的航路沒有固定的目的地的特點(diǎn),在無(wú)人機(jī)的飛行約束條件下,確定了無(wú)人機(jī)在下一時(shí)刻的可飛行位置。2.本文提出了一種基于遺傳算法的多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃方法。通過(guò)對(duì)無(wú)人機(jī)的轉(zhuǎn)彎角進(jìn)行基因編碼,將多架無(wú)人機(jī)的監(jiān)視面積覆蓋率作為適應(yīng)度函數(shù),并進(jìn)行相應(yīng)的遺傳操作,依據(jù)無(wú)人機(jī)群監(jiān)視面積覆蓋率最大原則,對(duì)多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視進(jìn)行航路規(guī)劃。通過(guò)將轉(zhuǎn)彎角進(jìn)行編碼保證了無(wú)論進(jìn)行交叉操作...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
第二章 算法理論與數(shù)學(xué)建模
    2.1 遺傳算法理論
        2.1.1 遺傳算法描述
        2.1.2 遺傳算法核心步驟
    2.2 深度強(qiáng)化學(xué)習(xí)理論
        2.2.1 強(qiáng)化學(xué)習(xí)
        2.2.2 深度學(xué)習(xí)
        2.2.3 深度強(qiáng)化學(xué)習(xí)
    2.3 航路規(guī)劃數(shù)學(xué)建模
        2.3.1 設(shè)置航路規(guī)劃問(wèn)題的仿真參數(shù)
        2.3.2 無(wú)人機(jī)飛行時(shí)的轉(zhuǎn)彎約束
        2.3.3 確定無(wú)人機(jī)下一時(shí)刻的可行位置
    2.4 本章小結(jié)
第三章 基于遺傳算法的多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃
    3.1 引言
    3.2 基于遺傳算法的多無(wú)人機(jī)航路規(guī)劃方法
        3.2.1 基因編碼
        3.2.2 初始化種群
        3.2.3 適應(yīng)度函數(shù)
        3.2.4 個(gè)體選擇機(jī)制
        3.2.5 交叉與變異操作
        3.2.6 仿真實(shí)驗(yàn)
    3.3 基于遺傳算法的多無(wú)人機(jī)航路規(guī)劃方法的改進(jìn)
        3.3.1 遠(yuǎn)視
        3.3.2 多步
    3.4 仿真實(shí)驗(yàn)及分析
        3.4.1 仿真實(shí)驗(yàn)一
        3.4.2 仿真實(shí)驗(yàn)二
    3.5 本章小結(jié)
第四章 基于深度強(qiáng)化學(xué)習(xí)的多無(wú)人機(jī)協(xié)同區(qū)域監(jiān)視的航路規(guī)劃
    4.1 引言
    4.2 基于深度強(qiáng)化學(xué)習(xí)的多無(wú)人機(jī)航路規(guī)劃方法
        4.2.1 確定無(wú)人機(jī)的狀態(tài)與動(dòng)作
        4.2.2 確定獎(jiǎng)賞函數(shù)
        4.2.3 建立神經(jīng)網(wǎng)絡(luò)
        4.2.4 訓(xùn)練神經(jīng)網(wǎng)絡(luò)
        4.2.5 仿真實(shí)驗(yàn)
    4.3 基于深度強(qiáng)化學(xué)習(xí)的多無(wú)人機(jī)航路規(guī)劃方法的改進(jìn)
        4.3.1 Q-learning算法
        4.3.2 建立Q目標(biāo)神經(jīng)網(wǎng)絡(luò)
        4.3.3 基于DQN的多無(wú)人機(jī)航路規(guī)劃
    4.4 仿真實(shí)驗(yàn)及分析
        4.4.1 仿真實(shí)驗(yàn)一
        4.4.2 仿真實(shí)驗(yàn)二
        4.4.3 與遺傳算法的航路規(guī)劃比較分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3881265