无人机调度算法研究与管控平台设计

摘要

无人机调度是多无人机执行任务的关键环节，合理的安排无人机调度方案以使得无人机系统收益最大、代价最小具有重要的意义。同时，一个可管控多架无人机的管控平台也逐渐成为研究的热点，它的研究对整个无人机系统的实际应用有着重要的意义。本课题在无人机调度算法研究的基础上，完成了无人机管控平台的设计。
　　在无人机调度算法方面，首先明确了无人机调度的相关概念，讨论了调度的约束条件及目标函数，并为其建立数学模型，在理论上对无人机调度进行了研究并选定了蚁群算法来解决无人机调度问题。详细介绍了蚁群算法的原理，同时对基本蚁群算法的优缺点及参数进行了分析，针对蚁群算法收敛速度较慢且易收敛于局部最优解的缺陷，在算法前期利用K-means与细菌觅食算法相结合的聚类技术动态调整蚁群算法的参数，算法后期利用遗传算法进行改进使其跳出局部最优，并将改进的蚁群算法应用到无人机调度中验证了算法的有效性。对改进的蚁群算法进行了仿真测试，结果表明该算法不仅提高了无人机调度效率，而且使无人机资源得到了更充分的利用，更好的发挥了无人机的优势。
　　在无人机管控平台方面，首先进行了需求分析，然后介绍了平台涉及的相关技术与理论，最后完成了管控平台的设计实现。平台基于SSM（Spring MVC+Spring+Mybatis）框架，采用B/S架构，利用Java、html、JavaScript等语言，使用SQL Server数据库等进行开发设计，可同时管控多架无人机，主要实现了用户登录、无人机管理、硬盘录像机管理、视频管理、航线管理、指令控制及飞行数据显示等功能，并将无人机调度算法求得的调度方案应用于航线管理模块。测试表明，无人机管控平台，其能够稳定、准确地实现对无人机的管理与控制，实时地发送任务指令并接收、显示无人机数据，可靠性高、通信实时性强。

目录

第一个书签之前

摘 要

ABSTRACT

目 录

Contents

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 无人机调度算法研究现状

1.2.2 无人机管控平台研究现状

1.3 主要研究内容

2 无人机调度算法的基本理论

2.1 无人机调度问题概述

2.1.1 无人机调度问题数学模型

2.1.2 无人机调度问题的求解算法

2.2 基本蚁群算法概述

2.2.1 基本蚁群算法原理

2.2.2 基本蚁群算法的数学模型

2.2.3 蚁群算法的优势及不足

2.2.4 蚁群算法的参数分析

2.3 本章小结

3 基于参数控制与遗传算法的改进蚁群算法

3.1 基于细菌觅食算法与K-means聚类改进蚁群算法

3.1.1 细菌觅食算法

3.1.2 K-means算法

3.1.3 K-means与细菌觅食算法相结合的聚类技术

3.1.4 基于混合聚类技术对蚁群算法参数的调整

3.2 基于遗传算法改进蚁群算法

3.2.1 基于遗传算法改进的蚁群算法原理

3.2.2 基于遗传算法改进的蚁群算法的实现

3.3 改进算法仿真及分析

3.4 本章小结

4 基于改进蚁群算法求解无人机调度问题

4.1 求解无人机调度问题的改进蚁群算法

4.1.1 产生初始解

4.1.2 蚁群状态的判断

4.1.3 算法参数调整

4.1.4 遗传算法优化

4.1.5 改进蚁群算法求解无人机调度问题的实现步骤

4.2 仿真实验及结果分析

4.3 本章小结

5 无人机管控平台设计与实现

5.1 平台需求分析

5.2 SSM框架介绍

5.2.1 Spring框架

5.2.2 Spring MVC框架

5.2.3 Mybatis框架

5.3 平台总体设计

5.3.1 平台功能结构设计

5.3.2 平台体系架构设计

5.3.3 数据库设计

5.4 无人机管控平台的实现与展示

5.4.1 服务端框架的实现

5.4.2 平台各功能的实现与展示

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读硕士学位期间从事科学研究及发表论文情况