一、攻击型无人机航路规划系统分析（论文文献综述）
马春瑶[1]（2020）在《微小型无人机集群智能控制与仿真》文中认为无人机系统经过几十年的发展,目前已经进入快速发展期。无人机种类越来越多,任务领域不断拓展,任务类型越来越广泛,已经逐步从安全性空域执行情报、监视与侦察任务向对抗性空域执行主流作战任务发展。面临高度对抗性、高度不确定性、高度动态性的战场环境,无人机的作战样式已逐步从单平台作战向多平台“集群”作战方向发展。本文主要针对无人机集群智能控制技术展开研究。针对无人机集群作战中最为广泛又最为基础的目标侦察任务,结合实际侦察任务需求与集群功能特点,建立了无人机集群智能侦察方法。首先,提出了一种基于目标特征信息的空间栅格化方法,得到搜索空间侦察点序列,作为无人机集群航路点。保证了无人机集群通过遍历侦察点,能完成对所有目标的完整探测;其次,将KM算法引入到无人机集群侦察路径规划,提出了一种基于三维概率地图的改进KM算法,基于已检测到的目标信息,建立了实时三维概率地图,用于修正KM算法中的权重,进一步优化了无人机集群侦察路径规划,提高了侦察效率。针对微小型无人机集群智能与大规模集群作战任务的现实需求,进行了无人机集群智能控制仿真系统技术研究。建立了无人机集群智能控制仿真系统方案,提出了基于任务参与度函数的无人机任务分配算法与基于模拟排斥力的无人机突防路径规划算法,并对典型无人机集群作战场景进行了模拟仿真。
杨晨[2]（2019）在《无人机对空目标自主航路规划技术研究》文中研究指明空战中无人机自主任务规划技术对于其避险生存和任务完成至关重要,贯穿无人机作战的整个过程。而航路规划技术是无人机自主任务规划中核心技术之一,属于复杂的多目标优化问题,需要考虑多种约束条件与限制,且不同目标之间存在可能相互冲突。也是实现多机时域协同到达和多机空域协同防撞的基础。本论文分析并总结了无人机航路规划的研究现状,以及航路规划技术关键问题的分析,根据未来的发展趋势和目前存在的问题对空战中三维环境下单机快速自主航路规划、多机协同航路规划做了以下研究:针对现有航路规划算法在复杂工程应用场景中收敛时间长执行效率低的缺点,以原始快速扩展随机树为基础,形成了一套采用实时局部扩展节点优化和双边并行计算等多种优化方法的改进型快速扩展随机树算法。另外以传统粒子群算法为基本,将粒子群优化算法进行改进,保留个体自知学习能力,保持多样性,提高解的精度的同时并提高算法的搜索效率。通过采用两种改进型航路规划算法对单机和多机航路实时规划进行了仿真实验。发现新算法在大范围三维环境中对多威胁和多约束优化目标的情况下,规划路径更优更快。且在求解过程中具有较好的稳定性,能够快速可靠的搜索并躲避所有威胁区。同时改进后的算法对不同随机概率的威胁能够具备较好的适应能力和解的完备性,整体工程实用性得到了明显提升。
陈思圯[3]（2019）在《察打无人机对时敏目标的打击流程设计与仿真实现》文中认为为了满足察打一体无人机对时敏目标打击论证工作的工程应用,用于任务过程设计与快速可视化的方法研究日趋活跃。本文以察打一体无人机时敏打击为任务想定,重点分析了对时敏目标的打击过程控制、对典型武器对时敏目标打击有效性、攻击精度进行了仿真分析、以及设计并构建了时敏目标攻击过程三维可视化工具等,主要研究内容分为四部分。首先,本文对察打一体无人机对时敏目标打击的任务过程进行了分析,遵循武器优先准备、有限干预等四大原则的任务控制策略,使用基于任务计划管理的自动攻击开展工程设计工作,为加快攻击链,分析了可能需要机上攻击规划/重规划的几种典型情况,并给出了规划/重规划的工作流程,对实现该功能所需的模块进行了分解和论证。然后,本文对察打无人机利用不同武器对海面移动目标的攻击进行有效性分析,主要包括利用侵彻制导炸弹、GPS制导炸弹、某反舰导弹对海典型目标攻击进行了命中概念仿真与分析。为无人机系统设计中依据作战使命开展武器选型工作提供了技术支撑。第三部分,本文对典型空面武器对时敏目标的攻击精度进行了仿真分析,非制导武器不具备高空高速下,对海面时敏目标实施精确打击的技术条件;而精确制导武器,GPS制导炸弹对时敏目标打击精度主要在于武器自身精度,激光制导炸弹对时敏目标打击精度则主要在于激光制导精度和武器自身精度。最后,本文构建了基于Vega Prime的三维视景仿真框架,开发了一套可视化软件,并集成了某型无人机飞行模型、飞行引导模型,具备光电探测、识别能力可视化,态势显示能力,武器攻击能力可视化,任务过程控制能力,支持时敏目标打击的快速模拟,支撑察打一体无人机打击时敏目标的型号研制早期论证。
杨晨,张少卿,孟光磊[4]（2018）在《多无人机协同任务规划研究》文中指出多无人机协同作战过程中,任务规划技术对无人机至关重要,贯穿无人机作战的整个过程.总结了多无人机任务规划系统的体系架构、指挥控制方式和涉及关键技术的研究现状;详细阐述了目标分配、路径规划和航迹修正的模型和算法,分析了算法具有不同的特性及适用性,并例举了研究者们对部分算法的改进.最后,提出了多无人机任务规划技术未来的发展趋势以及下一步的工作方向.
夏鹏程[5]（2018）在《多机协同任务规划与非完备信息下攻击决策技术》文中指出近年来,无人机在军事领域的作用越来越显着,在战争中凸显出不可替代的地位,受到了世界各军事大国的广泛的关注。面对现代化战场中任务的多样性与复杂性,无人机的作战模式逐渐由单机作战转向着多机协同作战。本文在多无人机协同作战的背景下,对多机任务规划与攻击决策方面的问题进行了研究。首先,对无人机协同任务规划进行了分析,描述了其中的任务区域,任务执行方与被执行方,并对规划所受到的任务约束、威胁约束以及航程的预估进行建模分析。针对多机协同攻击决策问题,建立了角度、距离、速度、高度与空战能力5个威胁因子对空战态势进行描述,并提出使用区间数表示威胁因子中的不确定信息。其次,针对多无人机协同任务规划中的任务分配问题,结合规划场景中的多种约束,研究了基于静态链表结构的遗传算法,并使用在了任务分配中,仿真结果表明了设计的有效性。接着,为了实现协同任务规划中快速有效的航路规划,研究了改进的A*算法。对A*算法的多种启发函数进行分析与选择,并设计了一种新型地图信息存储方式对A*算法进行改进,仿真证明改进提高了算法的规划速度。随后,任务执行过程中由于事先侦察的不充分、任务临时调整、设备故障等因素会引发如下重分配情况:任务点新增,任务点取消,新增威胁区域,无人机战损以及人为任务调整。研究了基于合同网算法的任务重分配算法,并对合同网中的投标过程进行改进。仿真结果表明了设计的合理性。然后,综合考虑战场态势信息存在的非完备性和目标意图,提出了一种无人机协同攻击决策方法。利用粗糙集理论对历史空战信息进行规则的挖掘,对比当前需要识别意图的态势信息与规则之间的相似程度,获取目标意图。再将意图结合当前的态势构建攻击分配的模型,并对匈牙利算法进行改进,使其可以在当前这种态势信息不确定的模型中完成目标分配。通过仿真实验证实了改进的有效性。最后,将上述任务分配、航路规划以及重分配设计相融合,在Visual Studio 2015平台上利用MFC相关的技术开发设计了协同任务规划系统仿真平台,并演示了协同任务规划的仿真过程。
杨帆[6]（2018）在《基于混沌蚁群算法的无人机航路规划研究及系统实现》文中研究表明随着无人机的广泛应用,无人机航路规划系统作为无人机系统的重要组成部分,已成为众多高校、科研机构的热门研究内容。本文开展了基于改进混沌蚁群算法的航路规划研究,并以某型无人机实际应用为背景,设计了无人机航路规划系统,提出了实现方案。首先,本文选用栅格法和数字地图技术设计二维和三维的航路规划环境,从飞行环境、无人机自身特性、任务与战术目标三方面系统分析了无人机航路规划的约束条件,建立了航路规划约束模型,设计了航路代价函数,并提出了无人机航路规划的总体设计方案。其次,本文针对蚁群算法极易陷入局部最优和收敛速度慢的缺陷做了改进。在启发函数中加入目标指标以增强搜索方向性,在更新信息素时引入最优蚂蚁的吸引策略以加速收敛和对信息素挥发因子进行自适应调整,在此基础上,提出一种改进混沌蚁群算法,该算法利用混沌优化机制初始化信息素,进一步地增强搜索方向性,采用变尺度混沌搜索机制和改进信息素更新策略,提高了算法的全局搜索能力和收敛速度。然后,为了验证改进混沌蚁群算法在无人机航路规划中的正确性和有效性,本文分别设计了二维仿真实验和三维仿真实验,仿真验证了改进混沌蚁群算法在规划航路时能跳出局部最优解,且收敛速度显着提高。最后,设计了某型无人机航路规划系统。本文分析了系统需求和主要功能,采用模块化的思路对飞行监控、串口通信、航路规划、数据处理和数据加载模块进行了设计,通过验证表明该系统具备实时监控和检测无人机状态、高效率通信、航路规划与优化、数据记录、重播、转换、数据绘图、数据加载功能,满足工程需求。
陈天悦[7]（2018）在《无人机协同任务规划方法研究》文中研究说明无人机自主协同作战是未来无人机发展的必然趋势,无人机协同任务规划问题研究是无人机自主控制的关键内容。无人机任务规划是指通过一定的规划算法为无人机确定任务方案,以获得最优作战效能并保证无人机的生存概率。本文对无人机协同任务规划问题的研究背景和意义进行阐述,分析国内外研究现状,在此基础上对无人机协同任务规划方法进行研究。首先,对无人机协同任务规划问题进行分析,建立层次系统结构,将任务规划问题解耦,分别对协同任务分配和协同航迹规划进行建模。根据实际战场情况提取影响任务分配和航迹规划的关键因素,分别建立环境模型、地形模型、威胁模型、任务规划的约束条件、任务效能模型和航迹综合评价指标。其次,使用混沌离散粒子群算法分别对无人机单类任务静态分配问题和基于事件驱动的多类任务动态分配问题进行求解。根据任务分配模型进行粒子编码和离散化,并加入线性惯性因子和混沌优化算法构成混沌离散粒子群混合优化算法。分配中建立多原则决策机制,满足不同作战需求,并引入事件驱动任务分配机制,以平衡负载原则辅助分配,实现有时序约束的多类任务动态分配。通过仿真实验验证该算法可有效解决不同情况下无人机任务分配问题,且相比传统算法具有更好的寻优能力和稳定性。接着,基于协同进化蚁群算法对无人机协同航迹规划问题进行求解,在传统蚁群算法的基础上构建由多个子群组成的人工蚂蚁系统,采用协同进化的并行计算机制进行优化。同时,增加引导因子和阻塞因子,避免盲目搜索和子群相撞,引入感知自适应状态转移和模糊信息素调整机制,使蚂蚁通过感知环境变化自适应选择不同的状态转移方式并动态调整信息素。通过仿真实验验证该算法可有效解决无人机协同航迹规划问题,且与传统算法相比可有效避免早熟,提高解的质量和稳定性。最后,基于上述无人机协同任务规划方法,设计和开发了一款无人机协同任务规划仿真系统软件,采用模块化多功能用户界面设计,实现了环境模拟、目标模拟、无人机部署、算法参数设置、威胁评估、毁伤评估、自动任务规划、作战态势动态模拟等一系列功能。具有良好的人机交互性能,且对实际作战的无人机指挥控制系统具有较高的可移植性和可实现性。
王铎[8]（2018）在《山林环境下多无人机协同地面目标搜索与跟踪策略研究》文中研究表明随着控制科学与智能化的迅猛发展,无人机自主控制技术也日益成熟,已经成功应用在军事、生活等各个领域。地面目标跟踪作为一类过程复杂的集成问题,通过引入无人机来执行任务,可有效发挥无人机的优势,同时也对无人机的自主性、智能性与鲁棒性提出了更高的要求。野外山林环境作为无人机执行任务与作业的主要场景之一,以其复杂、恶劣的地形特征给无人机造成了较大困难。本文针对复杂野外山林环境下的多无人机地面目标搜索跟踪问题,重点围绕山林环境下多无人机协同搜索策略、对智能目标的协同跟踪策略以及如何提高无人机复杂作业的有效性展开了研究。首先,针对多无人机协同目标跟踪总体任务,进行了求解体系构建与基本模型建立。搭建了野外山林环境下无人机目标跟踪问题的研究框架,详细建立了该问题中涉及到的各类模型,包括无人机运动学模型、传感器观测模型等,分析了跟踪涉及的各类约束。同时,针对任务执行的复杂山林恶劣环境,利用地理信息系统、数字高程模型等工具进行了地形建模,有效处理了地形环境对无人机作业的负面影响。其次,针对多无人机目标跟踪前期的目标搜索过程,提出了可行的区块划分协同搜索策略,研究了多无人机协同任务分配与路径规划技术,对多个任务区域进行了多无人机最优分配,并利用改进的反向遗传算法与模拟退火算法完成了分配求解;同时针对复杂地形研究了航行过程中的禁飞区探测与规避航迹规划,利用了遗传算法进行了复杂地形的航迹规划,并与其它航迹规划方法进行了对比。再次,研究了基于编队的地面智能目标的协同跟踪问题,针对智能目标的运动特性进行了准确有效的描述与建模,引入了编队控制理论及方法,将被跟踪目标视为长机,即编队结构中心,将多无人机视为僚机,通过维持编队队形的稳定性,以保证多无人机对于智能目标的持续有效跟踪,采用了基于长-僚机制和势函数的编队控制方法,并进行了多机编队保持轨迹优化和李雅普诺夫稳定性分析。最后,本文以野外山林复杂环境为研究背景,如何提高多无人机系统在复杂山林环境中的适应性与作业有效性,是整个研究过程中贯穿始终讨论的问题。为进一步提高无人机在复杂环境下的安全性与作业效率,利用了图像处理方法,对山林环境下的道路信息进行了提取,缩小了无人机目标搜索范围,建立了更有利于无人机航行与作业的适航地图,提升了无人机系统的自主性与鲁棒性。
王壮[9]（2017）在《无人机航路规划方法研究》文中提出随着信息技术的发展,无人机在现代战争中的重要性日渐显着。因其具备不载人飞行的优点,无人机特别适合代替人类在危险、恶劣和极限的环境下完成特定的侦察和攻击任务。作为无人机相关技术中的重要一环,无人机航路规划技术是无人机在地面控制站的指挥下,实现自主飞行的关键,也是实现无人机智能导航和安全飞行的保障。本文首先综合分析了无人机在飞行时所受到的自身物理限制,无人机在飞行区域遇到威胁源的种类、威胁源的具体性质以及威胁源对于无人机的威胁程度。结合无人机受到的各种限制因素,本文研究了无人机航路规划中飞行环境的基本数学模型,并进行软件仿真。其次针对多威胁源分布的飞行环境,本文研究了基于Voronoi图的无人机航路规划方法。详细介绍了Voronoi图算法的起源和发展历史,给出了Voronoi图的定义。结合Voronoi图所需要满足的限制条件,介绍了一种利用Voronoi多边形和Delaunay三角网格的对偶关系,间接生成Voronoi图的方法。通过运用Voronoi图算法对无人机飞行环境进行预处理,得到Voronoi图多边形,将获得的Voronoi图节点作为可飞行航路节点集合,然后运用路径搜索算法对节点集合进行处理获得最优航路。再次本文详细研究了蚁群算法,深入分析了算法中各个参数的选取对于算法搜索性能的影响,并进行了仿真验证。针对传统蚁群算法在处理问题时的搜索空间大、算法耗时长等缺点,研究一种改进蚁群算法,并将其运用于航路规划中,通过对可飞行航路节点集合进行搜索,得到最优航路。改进算法不仅提高了规划路线的准确性,而且综合考虑了各种因素,对航路进行了平滑处理,以满足无人机实际飞行中的物理限制条件。最后通过仿真验证了本文研究的航路规划方法在多威胁源分布的飞行环境下,对无人机进行航路规划的可行性和有效性,所得路线能够保障无人机回避各种威胁,安全地飞抵目标位置。
闫俊丰[10]（2016）在《无人机航路规划评估及修正方法研究》文中研究指明任务规划系统（Mission Plan System）是无人机（Unmanned Aerial Vehicle,UAV）相关应用技术的一个重要内容,它为无人机分配任务,指引无人机的行动方向。在近年来局部战争中作用发挥明显,世界各国在军事应用中都在广泛关注无人机。无人机航路规划（Path Planning）技术是任务规划系统的重要组成部分,是无人机实现智能导航和安全顺利完成任务的技术保障。研究无人机航路规划问题的本质就是研究多约束条件下,求解多目标函数极值的问题。规划出导航准确性高、安全性高、适应任务需求的最优或次优航路,对提高无人机系统作战效能有重要意义。论文主要是针对当前无人机飞行训练、执行作战任务时,离线航路规划缺乏评估,航路实用性不强,在线航路规划修正不及时,无人机飞行安全系数低的现状,进行无人机航路规划评估及修正方法研究。论文分析了无人机的物理特性约束建立了无人机航路规划数学模型,分析了无人机的飞行环境约束建立了环境模型,分析了无人机飞行航路潜在的威胁源建立了航路规划威胁源模型。论文概括和总结了无人机航路规划问题,分析了几种比较典型的规划算法,对静态离线无人机航路规划评估算法进行了探讨,主要研究基于毁伤概率密度的无人机航路突防算法,飞行约束评估算法。运用A*算法和B样条曲线拟合方法对无人机航路进行在线修正,设定了仿真环境,基于五个方面考虑对无人机航路修正进行仿真,一是考虑无人机探测半径的航迹修正,二是包含不规则障碍物的航迹修正,三是考虑突发情况的航迹修正,四是考虑目标位置改变的航迹修正,五是考虑目标变异的航迹修正,仿真结果表明,每种考虑情况的航向角控制量都能满足的最大转弯角速率要求,所生成的平滑航迹有效且满足要求。本文以某型小型战术无人机的训练为背景,开展无人机航路规划评估及修正方法研究,设计并实现了某型小型战术无人机离线航路规划评估软件。软件重点对无人机航路数据管理功能、无人机航路评估功能、无人机航路及评估结果显示功能、飞行地图操作功能、无人机航路再规划（即优化调整）功能和态势标绘功能进行了测试,测试结果表明该软件人机交互功能良好,能够满足航路规划的实际应用需求。
二、攻击型无人机航路规划系统分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、攻击型无人机航路规划系统分析（论文提纲范文）
（1）微小型无人机集群智能控制与仿真（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 军用无人机集群系统发展现状 |
| 1.2.2 无人机集群智能控制技术发展现状 |
| 1.3 本文主要内容 |
| 第二章 无人机集群智能侦察技术研究 |
| 2.1 问题描述 |
| 2.2 模型构建 |
| 2.3 无人机集群智能探测方案 |
| 2.4 基于目标特征的搜索空间栅格化 |
| 2.5 基于KM算法的实时路径规划方法 |
| 2.6 基于实时三维概率地图的改进KM算法 |
| 2.6.1 三维概率地图 |
| 2.6.2 基于三维概率地图的改进的KM算法在无人机集群路径规划中的应用 |
| 2.7 算法验证 |
| 2.7.1 验证条件 |
| 2.7.2 使用KM算法进行目标探测的结果 |
| 2.7.3 使用改进的KM算法进行目标探测的结果 |
| 2.7.4 定量分析 |
| 2.8 本章小结 |
| 第三章 无人机集群智能控制仿真系统设计 |
| 3.1 无人机集群智能控制仿真系统设计方案 |
| 3.2 用户界面设计 |
| 3.3 算法设计 |
| 3.3.1 基于无人机的任务参与度进行攻击任务分配算法 |
| 3.3.2 基于模拟排斥力的无人机突防路径规划算法 |
| 3.4 微小型无人机集群典型作战场景仿真验证 |
| 3.4.1 作战场景1:针对未知目标点的侦察与攻击毁伤仿真验证 |
| 3.4.2 作战场景2:反拦截突防攻击毁伤仿真验证 |
| 3.4.3 作战场景3:针对未知目标点的侦察与反拦截突防攻击毁伤仿真验证 |
| 3.4.4 作战场景4:无人机集群大规模作战仿真验证 |
| 3.5 本章小结 |
| 第四章 总结与展望 |
| 4.1 本文主要工作 |
| 4.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（2）无人机对空目标自主航路规划技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 无人机自主规划 |
| 1.2.1 任务规划 |
| 1.2.2 航路规划 |
| 1.3 航路规划的国内外研究现状 |
| 1.4 存在的问题 |
| 1.5 主要工作及章节安排 |
| 1.5.1 本文主要研究内容 |
| 1.5.2 本文章节安排 |
| 第2章 无人机航路规划技术分析 |
| 2.1 研究内容 |
| 2.1.1 规划原则 |
| 2.1.2 技术要求 |
| 2.1.3 规划步骤 |
| 2.2 关键问题 |
| 2.2.1 可行性判断 |
| 2.2.2 态势建模 |
| 2.3 现有算法 |
| 2.3.1 路线图规划法 |
| 2.3.2 单元分解法 |
| 2.3.3 人工势场规划法 |
| 2.3.4 启发式搜索算法(A*) |
| 2.3.5 进化算法(遗传) |
| 2.3.6 群算法(蚁群) |
| 第3章 基于M-RRT算法的自主航路规划 |
| 3.1 快速扩展随机树算法 |
| 3.1.1 算法简介 |
| 3.1.2 算法分析 |
| 3.2 改进快速扩展随机树算法 |
| 3.2.1 改进思想 |
| 3.2.2 仿真分析 |
| 3.3 小结 |
| 第4章 基于M-PSO算法的自主航路规划 |
| 4.1 粒子群优化算法 |
| 4.1.1 算法简介 |
| 4.1.2 算法分析 |
| 4.2 改进粒子群优化算法 |
| 4.2.1 改进思想 |
| 4.2.2 仿真分析 |
| 4.3 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表(含录用)的学术论文 |
（3）察打无人机对时敏目标的打击流程设计与仿真实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 军事需求分析 |
| 1.1.2 典型攻击方式 |
| 1.2 无人机发展概述 |
| 1.2.1 国外察打一体无人机目标打击发展现状 |
| 1.2.2 国内察打一体无人机目标打击发展现状 |
| 1.2.3 发展趋势 |
| 1.3 存在的不足 |
| 1.4 论文主要研究内容及创新点 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 论文创新点 |
| 1.5 论文组织结构 |
| 第二章 察打一体无人机对时敏目标任务过程控制分析 |
| 2.1 察打一体无人机对时敏目标打击的任务控制策略 |
| 2.2 攻击模式与策略 |
| 2.2.1 操控攻击 |
| 2.2.2 基于任务计划管理的自动攻击 |
| 2.2.3 基于任务管理的有限自主攻击 |
| 2.3 典型任务过程规划与自主控制 |
| 2.3.1 实现功能 |
| 2.3.2 工作流程 |
| 2.3.3 模块组成 |
| 2.4 本章小结 |
| 第三章 典型空面武器对海攻击有效性仿真分析 |
| 3.1 武器约束 |
| 3.2 目标分析 |
| 3.3 仿真方案 |
| 3.4 仿真分析 |
| 3.4.1 假设条件 |
| 3.4.2 侵彻制导炸弹对海面舰船攻击分析 |
| 3.4.3 GPS制导炸弹对海攻击分析 |
| 3.4.4 反舰导弹对海攻击分析 |
| 3.5 本章小结 |
| 第四章 察打一体无人机对时敏目标攻击精度仿真分析 |
| 4.1 时敏目标打击火控管理软件精度定性分析 |
| 4.2 GPS制导武器对时敏目标打击精度分析 |
| 4.2.1 火控解算精度分析 |
| 4.2.2 电气延时对精度的影响分析 |
| 4.2.3 GPS制导武器坐标值装订误差 |
| 4.2.4 GPS制导武器精度分析结论 |
| 4.3 激光制导炸弹对时敏目标打击精度分析 |
| 4.3.1 目标地理定位精度分析 |
| 4.3.2 激光制导炸弹运动目标速度解算 |
| 4.3.3 激光制导炸弹火控解算 |
| 4.3.4 链路延时对精度影响分析 |
| 4.3.5 电气延时对精度的影响分析 |
| 4.3.6 中末交接过程分析 |
| 4.3.7 末制导激光照射精度 |
| 4.3.8 激光制导炸弹打击精度 |
| 4.3.9 结论 |
| 4.4 普通航弹精度分析 |
| 4.4.1 误差源 |
| 4.4.2 CCRP攻击方式精度计算 |
| 4.4.3 蒙特卡洛法 |
| 4.4.4 CCRP火控计算模型 |
| 4.4.5 输入输出接口 |
| 4.4.6 综合误差作用下的火控解算仿真分析 |
| 4.4.7 各分量影响分析 |
| 4.4.8 延迟误差分析 |
| 4.5 本章小结 |
| 第五章 基于三维视景仿真的时敏目标打击过程验证 |
| 5.1 视景仿真工具 |
| 5.2 仿真框架的构建 |
| 5.2.1 三维实体模型构建 |
| 5.2.2 地形构建 |
| 5.2.3 任务场景视景设计 |
| 5.3 视景仿真方案 |
| 5.3.1 实体模型构建 |
| 5.3.2 地形构建 |
| 5.3.3 虚拟视景设计 |
| 5.4 视景软件综合开发 |
| 5.4.1 视景软件开发平台 |
| 5.4.2 交互式综合软件开发 |
| 5.5 功能实现 |
| 5.5.1 任务全过程三维视景显示及二维态势显示 |
| 5.5.2 对典型地面、海面目标进行可视化 |
| 5.5.3 实现机载传感器性能、功能可视化 |
| 5.5.4 实现武器攻击过程可视化 |
| 5.5.5 虚拟平显显示 |
| 5.5.6 任务过程管理指令、状态显示 |
| 5.6 性能设计 |
| 5.7 界面设计 |
| 5.8 接口设计 |
| 5.8.1 通信接口 |
| 5.8.2 信息接口 |
| 5.9 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（4）多无人机协同任务规划研究（论文提纲范文）
| 1 多无人机任务规划系统 |
| 1.1 任务规划的内容、目的及原则 |
| 1.1.1 内容与目的 |
| 1.1.2 规划原则 |
| 1.2 任务规划系统的功能模块 |
| 1.3 任务规划系统的控制方式 |
| 1.3.1 集中式控制系统 |
| 1.3.2 完全分布式控制系统 |
| 1.3.3 部分分布式控制系统 |
| 1.3.4 基于多智能体分布式控制系统 |
| 1.4 任务规划的基本流程 |
| 1.4.1 离线预规划 |
| 1.4.2 在线实时规划 |
| 1.5 小结 |
| 2 任务分配 |
| 2.1 工作任务分配 |
| 2.2 编队级目标分配 |
| 2.2.1 聚类分析 |
| 2.2.2 K均值算法 |
| 2.3 编队内目标分配 |
| 2.3.1 常见的问题模型 |
| 2.3.2 常见的求解算法 |
| 2.4 小结 |
| 3 航迹规划 |
| 3.1 路径规划 |
| 3.1.1 基于环境建模的方法 |
| 3.1.2 路径的优化组合 |
| 3.2 航迹修正 |
| 3.2.1 平滑处理 |
| 3.2.2 安全距离 |
| 3.2.3 多机协同优化 |
| 3.3 小结 |
| 4 总结与展望 |
（5）多机协同任务规划与非完备信息下攻击决策技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机的发展历程与现状 |
| 1.2.2 无人机协同任务规划国内外现状 |
| 1.2.3 无人机意图识别与攻击决策技术国内外现状 |
| 1.3 本文主要研究内容 |
| 第二章 无人机协同作战系统 |
| 2.1 引言 |
| 2.2 系统组成 |
| 2.3 无人机协同任务规划系统分析与建模 |
| 2.3.1 无人机协同任务规划系统场景描述 |
| 2.3.2 任务点约束模型 |
| 2.3.3 地图约束建模 |
| 2.3.4 航路预估 |
| 2.4 无人机攻击决策系统分析与建模 |
| 2.4.1 威胁因子定义 |
| 2.4.2 无人机攻击决策系统中的信息不完备 |
| 2.5 本章小结 |
| 第三章 无人机任务分配技术 |
| 3.1 引言 |
| 3.2 任务分配问题分析 |
| 3.2.1 任务分配前的数据准备 |
| 3.2.2 任务分配的目的 |
| 3.2.3 任务分配目标函数 |
| 3.3 基于静态链表结构的遗传算法 |
| 3.3.1 染色体编码 |
| 3.3.2 种群初始化 |
| 3.3.3 交叉操作 |
| 3.3.4 变异操作 |
| 3.3.5 调整染色体使其满足合理性的过程 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第四章 无人机航路规划技术 |
| 4.1 引言 |
| 4.2 航路规划研究对象 |
| 4.3 A*算法 |
| 4.3.1 算法原理 |
| 4.3.2 启发函数 |
| 4.4 A*算法的改进 |
| 4.5 仿真算例 |
| 4.5.1 不同启发函数的影响 |
| 4.5.2 ClosedList改进结果 |
| 4.5.3 改进A*算法用于多编队航路规划 |
| 4.6 本章小结 |
| 第五章 无人机任务重分配技术 |
| 5.1 引言 |
| 5.2 基于合同网协议的任务重分配 |
| 5.2.1 合同网协议 |
| 5.2.2 基于改进合同网算法的编队任务重分配 |
| 5.3 仿真算例 |
| 5.4 本章小结 |
| 第六章 非完备信息下的空中目标意图识别与攻击决策 |
| 6.1 引言 |
| 6.2 非完备信息下的空中目标意图识别 |
| 6.2.1 区间数与联系数 |
| 6.2.2 粗糙集相关理论 |
| 6.2.3 非完备区间数决策信息系统中的相似关系定义 |
| 6.2.4 不完备信息决策表中的规则获取 |
| 6.2.5 意图识别的流程 |
| 6.2.6 仿真算例 |
| 6.3 存在信息不完备条件下的多目标分配决策 |
| 6.3.1 问题描述 |
| 6.3.2 目标平衡分配问题的数学模型 |
| 6.3.3 匈牙利算法的改进 |
| 6.3.4 不完备信息下的目标平衡分配流程 |
| 6.3.5 仿真算例 |
| 6.3.6 改进匈牙利算法应用于非平衡分配 |
| 6.4 本章小结 |
| 第七章 无人机协同任务规划系统仿真设计 |
| 7.1 引言 |
| 7.2 协同任务规划系统软件架构 |
| 7.2.1 软件整体结构 |
| 7.2.2 各模块介绍 |
| 7.3 协同任务规划系统仿真软件设计 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文工作总结 |
| 8.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于混沌蚁群算法的无人机航路规划研究及系统实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机航路规划系统研究现状 |
| 1.2.2 无人机航路规划算法研究现状 |
| 1.2.3 无人机地面控制系统研究现状 |
| 1.3 本文研究内容和章节安排 |
| 第二章 无人机航路规划模型分析与研究 |
| 2.1 引言 |
| 2.2 无人机规划空间的表达方法 |
| 2.3 航路的约束条件及模型分析 |
| 2.3.1 飞行环境模型 |
| 2.3.2 无人机自身特性约束条件 |
| 2.3.3 任务约束条件 |
| 2.4 航路代价函数设计 |
| 2.5 无人机航路规划总体流程设计 |
| 2.6 本章小结 |
| 第三章 基于改进混沌蚁群算法的无人机航路规划 |
| 3.1 引言 |
| 3.2 基于蚁群算法的无人机航路规划 |
| 3.2.1 蚁群算法的原理 |
| 3.2.2 蚁群算法的数学模型 |
| 3.2.3 基于蚁群算法的无人机航路规划 |
| 3.2.4 蚁群算法的主要特征 |
| 3.3 蚁群算法的改进 |
| 3.3.1 启发函数的改进 |
| 3.3.2 信息素更新策略的改进 |
| 3.3.3 信息素挥发因子自适应改进 |
| 3.4 基于改进混沌蚁群算法的无人机航路规划 |
| 3.4.1 混沌理论 |
| 3.4.2 混沌优化算法的改进 |
| 3.4.3 基于改进混沌蚁群算法的航路规划设计 |
| 3.5 本章小结 |
| 第四章 无人机航路规划仿真实验与分析 |
| 4.1 仿真环境设计 |
| 4.2 二维环境下仿真验证 |
| 4.2.1 环境建模 |
| 4.2.2 简单飞行环境仿真实验与分析 |
| 4.2.3 复杂飞行环境仿真实验与分析 |
| 4.3 三维环境下仿真验证 |
| 4.3.1 环境建模 |
| 4.3.2 仿真实验与分析 |
| 4.4 本章小结 |
| 第五章 无人机航路规划与地面控制系统设计 |
| 5.1 引言 |
| 5.2 软件需求和主要功能分析 |
| 5.3 航路规划功能模块设计 |
| 5.3.1 航路规划算法设计 |
| 5.3.2 航路规划人机交互功能设计 |
| 5.3.3 航路信息管理功能设计 |
| 5.3.4 航路规划功能验证与分析 |
| 5.4 串口通信功能模块设计 |
| 5.4.1 串口通信协议 |
| 5.4.2 串口通信软件实现 |
| 5.5 飞行监控功能模块设计 |
| 5.5.1 控制功能模块 |
| 5.5.2 检测功能模块 |
| 5.5.3 数据监测模块 |
| 5.6 数据加载功能模块设计 |
| 5.6.1 加载数据重播文件 |
| 5.6.2 加载任务文件 |
| 5.7 数据处理功能模块设计 |
| 5.7.1 数据记录重播转换模块 |
| 5.7.2 数据绘图模块 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）无人机协同任务规划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 航迹规划 |
| 1.2.2 任务分配 |
| 1.3 论文主要研究内容和工作安排 |
| 第2章 无人机协同任务规划体系结构和模型 |
| 2.1 无人机协同任务规划的体系结构 |
| 2.1.1 无人机协同任务规划体系的控制结构 |
| 2.1.2 无人机协同任务规划问题的层次结构 |
| 2.2 无人机协同任务分配建模 |
| 2.2.1 问题描述 |
| 2.2.2 约束条件 |
| 2.2.3 无人机协同任务效能模型 |
| 2.3 无人机协同航迹规划建模 |
| 2.3.1 问题描述 |
| 2.3.2 环境表示 |
| 2.3.3 地形模型 |
| 2.3.4 威胁模型 |
| 2.3.5 约束条件 |
| 2.3.6 航迹综合评价指标 |
| 2.4 本章小结 |
| 第3章 基于粒子群算法的无人机协同任务分配 |
| 3.1 粒子群算法原理及描述 |
| 3.1.1 粒子群算法原理 |
| 3.1.2 算法数学模型 |
| 3.1.3 算法基本流程和特点 |
| 3.2 基于混沌离散粒子群算法的无人机单类任务分配 |
| 3.2.1 问题描述 |
| 3.2.2 约束条件 |
| 3.2.3 目标函数 |
| 3.2.4 混沌离散粒子群算法求解 |
| 3.3 有时序约束的事件驱动无人机多类任务动态分配 |
| 3.3.1 问题描述 |
| 3.3.2 基于混沌粒子群算法的无人机多类任务分配 |
| 3.3.3 任务负载 |
| 3.3.4 事件驱动的触发条件 |
| 3.3.5 事件驱动的优先级与流程 |
| 3.3.6 事件驱动任务分配的控制结构与策略 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 无人机单类任务分配 |
| 3.4.2 事件驱动无人机多类任务分配 |
| 3.5 本章小结 |
| 第4章 基于感知协同进化蚁群算法的无人机协同航迹规划 |
| 4.1 蚁群算法原理及描述 |
| 4.1.1 蚁群算法的原理 |
| 4.1.2 算法数学模型 |
| 4.1.3 算法基本流程和特点 |
| 4.2 基于感知协同进化蚁群算法的无人机协同航迹规划 |
| 4.2.1 问题描述及算法原理 |
| 4.2.2 网格法三维空间表示 |
| 4.2.3 协同航迹评价指标 |
| 4.2.4 感知自适应状态转移 |
| 4.2.5 模糊信息素更新 |
| 4.2.6 算法流程 |
| 4.3 仿真实验与结果分析 |
| 4.4 本章小结 |
| 第5章 无人机协同任务规划仿真系统 |
| 5.1 任务规划系统描述 |
| 5.2 任务规划仿真系统软件结构及功能 |
| 5.3 任务规划仿真系统软件模块设计 |
| 5.3.1 作战准备规划模块 |
| 5.3.2 作战态势评估模块 |
| 5.3.3 任务规划模块 |
| 5.3.4 任务动态模拟模块 |
| 5.4 软件使用方法及仿真示例 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（8）山林环境下多无人机协同地面目标搜索与跟踪策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 无人机目标跟踪任务概述 |
| 1.1.2 提高无人机野外山林作业能力十分重要 |
| 1.1.3 多无人机协同作业意义重大 |
| 1.2 国内外课题发展与研究现状 |
| 1.2.1 目标搜索中的无人机航路规划 |
| 1.2.2 多无人机协同目标跟踪 |
| 1.2.3 多无人机协同编队控制 |
| 1.2.4 野外山林环境下的无人机跟踪与识别应用 |
| 1.3 本文研究内容 |
| 1.4 本文结构安排 |
| 第2章 山林环境下多无人机协同地面目标跟踪建模 |
| 2.1 多无人机协同目标跟踪问题框架 |
| 2.2 多无人机协同目标跟踪的约束分析与建模 |
| 2.2.1 无人机动力学与运动学模型 |
| 2.2.2 无人机系统约束及扰动 |
| 2.2.3 传感器观测模型 |
| 2.3 山林复杂环境特征建模 |
| 2.3.1 地理信息数字高程模型 |
| 2.3.2 基于数字形态学的空间地形威胁建模 |
| 2.3.3 地形模型辅助导航系统 |
| 2.4 本章小结 |
| 第3章 面向目标跟踪的任务分配与航迹规划策略 |
| 3.1 针对多山林区域的多无人机协同搜索任务分配 |
| 3.1.1 多无人机协同搜索任务过程 |
| 3.1.2 多无人机协同任务自组织 |
| 3.2 基于反向遗传算法的任务分配 |
| 3.2.1 搜索次序策略的改进反向遗传算法求解 |
| 3.2.2 基于模拟退火SA算法的多机搜索分配求解 |
| 3.3 复杂环境下基于地形信息的无人机航迹规划代价模型 |
| 3.3.1 固定航路点跟踪 |
| 3.3.2 禁飞区(NFZ)的探测与规避 |
| 3.4 基于地形信息的多无人机航迹规划算法及设计 |
| 3.4.1 基于复杂地形下目标搜索任务的协同航迹代价分析 |
| 3.4.2 基于改进遗传算法的航迹规划 |
| 3.4.3 其它规划算法及仿真分析 |
| 3.5 本章小结 |
| 第4章 基于编队控制的多无人机地面智能目标跟踪策略 |
| 4.1 地面智能机动目标运动模型 |
| 4.1.1 常规机动目标模型 |
| 4.1.2 智能目标的马尔科夫模型 |
| 4.1.3 交互多模型(IMM)算法 |
| 4.2 基于编队控制的多无人机跟踪结构构建 |
| 4.2.1 单无人机目标跟踪 |
| 4.2.2 多无人机协同跟踪的编队结构 |
| 4.3 基于编队控制的跟踪算法 |
| 4.3.1 长-僚机机制下的编队控制 |
| 4.3.2 势函数作用下的编队控制 |
| 4.3.3 多无人机编队保持轨迹优化 |
| 4.3.4 多无人机目标跟踪协同编队仿真 |
| 4.4 多无人机编队控制跟踪模型的稳定性分析 |
| 4.5 本章小结 |
| 第5章 复杂山林地形信息处理与目标跟踪 |
| 5.1 无人机机载图像的一般处理方法 |
| 5.1.1 特征提取 |
| 5.1.2 区域分割 |
| 5.1.3 边缘检测 |
| 5.1.4 图像形态学处理 |
| 5.2 高空目标搜索中山林背景下的道路识别 |
| 5.2.1 高空视角下道路提取流程 |
| 5.2.2 Ribbon Snake模型道路提取 |
| 5.2.3 交叉口提取 |
| 5.3 低空目标跟踪中的道路识别与跟踪 |
| 5.3.1 消失点的定义模型 |
| 5.3.2 消失点的求解估计 |
| 5.3.3 基于消失点的道路识别 |
| 5.4 基于山林地形道路信息的多无人机地面目标跟踪策略 |
| 5.4.1 基于视频的前车跟踪 |
| 5.4.2 基于视频跟踪的仿真结果 |
| 5.5 本章小结 |
| 结论 |
| 工作总结 |
| 未来研究展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（9）无人机航路规划方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究和发展现状 |
| 1.2.1 航路规划的研究内容 |
| 1.2.2 航路规划的研究现状 |
| 1.3 论文研究内容安排 |
| 第二章 无人机航路规划环境建模 |
| 2.1 无人机自身限制因素 |
| 2.1.1 最小航路段长度 |
| 2.1.2 最大偏航角 |
| 2.1.3 最大爬升/下降角 |
| 2.1.4 最大航程约束 |
| 2.2 客观条件的限制因素 |
| 2.2.1 飞行高度限制 |
| 2.2.2 目标进入任务区方向 |
| 2.2.3 战术目标约束 |
| 2.3 敌方威胁的限制因素 |
| 2.3.1 雷达威胁空间模型 |
| 2.3.2 敌方防空武器威胁 |
| 2.4 无人机飞行环境数字模型 |
| 2.4.1 数字地形建模 |
| 2.4.2 威胁空间建模 |
| 2.5 本章小结 |
| 第三章 Voronoi图算法 |
| 3.1 Voronoi图的起源和发展 |
| 3.2 Voronoi图的定义 |
| 3.3 Voronoi图的性质 |
| 3.4 Voronoi图的生成算法 |
| 3.5 Voronoi图的应用 |
| 3.6 本章小结 |
| 第四章 蚁群算法 |
| 4.1 蚁群算法的起源和发展 |
| 4.2 蚁群算法的原理 |
| 4.3 蚁群算法参数选择 |
| 4.4 蚁群算法的特点 |
| 4.5 传统蚁群算法的航路规划 |
| 4.6 改进蚁群算法的航路规划 |
| 4.6.1 航路节点选取 |
| 4.6.2 航路平滑 |
| 4.7 算法性能分析 |
| 4.8 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）无人机航路规划评估及修正方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 航路规划算法及评估的研究现状 |
| 1.2.2 航路修正的研究现状 |
| 1.3 论文主要研究工作和组织结构 |
| 第2章 无人机航路规划威胁模型分析 |
| 2.1 引言 |
| 2.2 无人机航路规划约束的数学模型 |
| 2.2.1 最小航迹段长度 |
| 2.2.2 最大爬升/俯冲角 |
| 2.2.3 最大转弯角 |
| 2.2.4 最大航迹长度 |
| 2.2.5 最低飞行高度 |
| 2.3 无人机航路规划环境约束模型 |
| 2.3.1 地形环境模型 |
| 2.3.2 大气环境模型 |
| 2.4 无人机航路规划威胁源模型 |
| 2.4.1 雷达探测威胁源模型 |
| 2.4.2 电磁干扰威胁源模型 |
| 2.4.3 防空火炮威胁源模型 |
| 2.4.4 防空导弹威胁源模型 |
| 2.4.5 禁飞区威胁模型 |
| 2.5 本章小结 |
| 第3章 无人机航路规划评估及修正方法 |
| 3.1 引言 |
| 3.2 典型的航路规划算法分析 |
| 3.2.1 遗传算法 |
| 3.2.2 蚁群算法 |
| 3.2.3 A~*算法 |
| 3.3 B样条航路平滑修正方法 |
| 3.4 航路威胁评估算法 |
| 3.4.1 突防概率和毁伤概率 |
| 3.4.2 毁伤概率密度的计算 |
| 3.4.3 基于毁伤概率密度无人机航路评估方法 |
| 3.5 基于A~*搜索算法和B样条曲线拟合法进行在线航路修正 |
| 3.5.1 算法框架 |
| 3.5.2 仿真研究 |
| 3.6 本章小结 |
| 第4章 无人机航路规划评估软件设计和实现 |
| 4.1 引言 |
| 4.2 软件总体方案设计 |
| 4.2.1 软件功能需求分析 |
| 4.2.2 软件开发与运行环境 |
| 4.2.3 软件架构设计 |
| 4.2.4 软件系统界面设计 |
| 4.3 软件功能实现 |
| 4.3.1 地图显示功能实现 |
| 4.3.2 图上标绘功能实现 |
| 4.3.3 航线管理功能实现 |
| 4.3.4 威胁管理功能实现 |
| 4.3.5 威胁评估功能实现 |
| 4.3.6 数据存储功能实现 |
| 4.4 使用流程及运行实例 |
| 4.4.1 使用流程 |
| 4.4.2 运行实例 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、攻击型无人机航路规划系统分析（论文参考文献）
- [1]微小型无人机集群智能控制与仿真[D]. 马春瑶. 南京航空航天大学, 2020(07)
- [2]无人机对空目标自主航路规划技术研究[D]. 杨晨. 沈阳航空航天大学, 2019(04)
- [3]察打无人机对时敏目标的打击流程设计与仿真实现[D]. 陈思圯. 电子科技大学, 2019(12)
- [4]多无人机协同任务规划研究[J]. 杨晨,张少卿,孟光磊. 指挥与控制学报, 2018(03)
- [5]多机协同任务规划与非完备信息下攻击决策技术[D]. 夏鹏程. 南京航空航天大学, 2018(02)
- [6]基于混沌蚁群算法的无人机航路规划研究及系统实现[D]. 杨帆. 南京航空航天大学, 2018(02)
- [7]无人机协同任务规划方法研究[D]. 陈天悦. 北京理工大学, 2018(07)
- [8]山林环境下多无人机协同地面目标搜索与跟踪策略研究[D]. 王铎. 北京理工大学, 2018(07)
- [9]无人机航路规划方法研究[D]. 王壮. 西安电子科技大学, 2017(04)
- [10]无人机航路规划评估及修正方法研究[D]. 闫俊丰. 哈尔滨工业大学, 2016(02)