导读:本文包含了航迹优化论文开题报告文献综述、选题提纲参考文献，主要关键词:航迹,无人机,算法,剖面,卡尔,鸽群,概略。
航迹优化论文文献综述写法
陈乐珠,李钢[1]（2019）在《基于优化蚁群算法的无人机海岛监测航迹规划》一文中研究指出本文提出一种可行的面向海岛监测的无人机航迹规划控制算法,主要针对复杂的海岛群及气流不稳定等因素的无人机海岛监测,为海岛监测提供技术支持具有重要的理论意义及应用价值。通过MAKLINK图论建立二维路径规划空间模型,利用Dijkstra算法规划无人机初始航迹,融合蚁群算法仿真得到优化航迹规划路径。仿真结果表明,该融合得到的优化算法,比改进前的蚁群算法求解时间快、规划路径准确、迭代过程中系统稳定的特点,从而保证无人机在复杂的海岛监测中飞行航迹规划零失误。(本文来源于《电子技术与软件工程》期刊2019年22期）
胡晓晨[2]（2019）在《基于BCOP的航迹预测和飞行优化研究》一文中研究指出针对目前空域拥堵造成资源紧张、航空事故增多;以及各主体对经济性飞行越来越重视的现状,本文引进了四维航迹的概念,并借助波音公司的飞行爬升性能软件辅助其分析。先对软件进行了简单介绍,随后通过对特定机型运行昆明长水-巫家坝国际机场的一离场程序进行分析,研究了其对航迹的四维预测,以及分析了相关参数变化对航空器飞行经济性的影响,对相关用户决策具有一定的指导作用。(本文来源于《科技风》期刊2019年28期）
张子军,卢长谦,刘泽石,刘云飞[3]（2019）在《高精度、全局优化的无人机Bingo航迹导航系统》一文中研究指出Bingo航迹导航系统是保证飞机返航安全的重要组件,大型无人机对于Bingo航迹导航系统在高续航能力、高精度计算等方面提出了更高的需求;根据大型无人机特点,设计了一种高精度、全局优化的Bingo航迹导航系统;嵌入地面控制站内,解决了Bingo航迹导航系统受机上计算机计算能力制约的问题;采用完整的无人机气动力和发动机模型,使计算具有更高精度;采用庞特里亚金方法进行整个剖面寻优以获得全局优化结果;在系统测试中,通过比较实际试飞与Bingo航迹导航系统计算结果,验证该系统的有效性,测试结果表明,采用该系统进行Bingo航迹导航计算,对飞机返航所需油量计算精度高,并对无人机操作员及时提示,且系统的稳定性较好。(本文来源于《计算机测量与控制》期刊2019年08期）
朱莉凯,沈朝萍,沈宝国,杨文杰[4]（2019）在《无人机航迹规划群智能优化算法综述》一文中研究指出无人机航迹规划是指严格按照给定任务规划出满足具体约束条件的飞行轨迹。航迹规划的优劣直接决定任务完成与否。因此,航迹规划的进一步研究成为无人机技术研究的重点项目。文中介采用叁种不同算法综述了群智能化算法以及存在的优缺点,同时,对未来无人机航迹规划群智商能优化算法的发展前景进行了展望。(本文来源于《数字技术与应用》期刊2019年08期）
闫怡汝,王寅[5]（2019）在《基于鸽群优化的复杂环境下无人机侦查航迹优化》一文中研究指出地表环境的复杂性以及机载探测装置探测范围的约束,使得无人机在某些方位无法实现对地面目标的有效监测.因此,在设计无人机侦查航路时需要综合考虑无人机飞行性能与目标可视范围等条件.针对这一问题,提出了一种基于改进鸽群优化与动态规划算法的无人机侦查航路优化方法.首先,通过分析机载探测装置视场与地表环境的相对空间关系,得到了目标周围空域的可视范围.随后,结合鸽群优化理论框架与动态规范方法对无人机的最优侦查航迹进行求解.为提高鸽群优化算法在求解目标排序问题中的效率,提出了一种离散化的鸽群优化改进机制.仿真结果表明,侦查航迹优化算法在提高任务完成度的同时具有很高的求解效率和准确性.(本文来源于《郑州大学学报(工学版)》期刊2019年04期）
夏云鹏,杨田田[6]（2019）在《基于模拟退火优化的直接航迹控制算法设计》一文中研究指出目前,水面无人船的航迹控制类型主要分为直接型航迹控制和间接型航迹控制两类。两种航迹控制类型在无人船航迹控制方面各有优势,直接性控制算法具有较高的控制精度,但是仍然无法达到要求。针对该问题,提出了基于模拟退火优化NMPC算法的非线性模型预测控制算法设计直接型无人船航迹控制器,考虑到无人船航迹控制中容易出现的非线性、时滞性问题,采用模拟退火算法对预测控制算法进行最优控制序列求解。仿真实验表明,该算法有效地提高了航迹控制的准确性和实时性。(本文来源于《舰船电子工程》期刊2019年06期）
宋宇,王志明[7]（2019）在《面向无人机叁维航迹规划的改进粒子群优化算法》一文中研究指出基本粒子群算法在求解问题维数增多时陷入局部解的可能性增大,提出了一种结合模糊C均值(FCM)算法的改进粒子群算法。FCM算法分类停止后,采用轮盘赌法确定每个粒子所属的类,将粒子群算法速度更新公式中的所有粒子所经历的历史最优位置改为类内粒子的当前(本次迭代中的)最优位置,将改进算法用于无人机叁维路径规划仿真实验,仿真结果表明:改进算法显着提高了基本粒子群算法的全局寻优能力与算法在最优解附近的寻优精度,成功得到了一条合理有效的路径。(本文来源于《传感器与微系统》期刊2019年03期）
包建伟[8]（2019）在《基于多目标跟踪的无人机自主航迹优化》一文中研究指出凭借其可靠的机动性和环境适应性,无人机已经在各个领域都实现了大量的应用。为了更好的提升无人机在多目标跟踪任务中的智能性,本文针对无人机对多运动目标的跟踪问题进行研究,并设计了一套动态的多目标跟踪无人机航迹规划方案。该方案利用无人机上的相机所拍摄的图像序列对多个运动目标进行动态跟踪,估算出运动目标位置并对该多个运动目标设计优化无人机航迹,实现无人机对多运动目标的跟踪任务。具体研究内容如下:(1)设计多尺度的运动目标跟踪的实用型算法。对比分析核相关滤波算法与均值漂移算法的优缺点,利用核相关滤波算法对运动目标进行初始位置判定,融入均值漂移算法实现多尺度估计,提出融合的改进方法,保证跟踪效果。(2)研究基于卡尔曼预测的单目视觉运动目标数据处理方法。在对运动目标位置进行估算的基础上,通过卡尔曼滤波进行时序上的位置预测,预先生成无人机运动轨迹,避免无人机飞行调整滞后于目标运动的问题,实现目标跟踪数据与航迹规划的动态结合。(3)提出多运动目标跟踪的无人机航迹优化方案。针对多运动目标无人机跟踪监视的实际问题,结合蚁群算法与遗传算法,开展无人机航迹规划的技术验证,得到局部最优的多目标跟踪无人机航迹规划方案。实验结果表明本文方案能更好适应多运动目标的变化,提高了无人机完成任务的效率。(本文来源于《南京航空航天大学》期刊2019-03-01）
苑克剑,赵勇,许玉斌,刘莎莎[9]（2019）在《叁维动态连续下降进近(CDA)飞行航迹优化研究》一文中研究指出针对连续下降进近(continuous descent approach,CDA)噪声、污染物排放、燃料消耗叁大目标函数的进一步优化问题,本文基于飞行动力学模型和微积分思想,研究采用新型叁维动态CDA飞行航迹优化算法,将终端区进近空域建模成环形柱体网状结构,通过实时动态寻点确定最优化CDA飞行航迹。仿真结果显示,与传统CDA航迹相比,噪声和污染物排放减少均在20%左右,并且该优化算法能够有效提高航班进近效率,缓解进近空域拥堵问题,推进CDA运行方式实施的可能性。(本文来源于《民航学报》期刊2019年01期）
陈韶千,董国才,唐同斌,张健楠,章校[10]（2019）在《基于概略图的航迹优化的改进A~*算法研究》一文中研究指出低空突防航迹优化就是综合考虑飞行器的各种约束,为飞行器规划出一条从起始点到目标点之间满足作战要求的路径,以保证安全完成突防任务。文中针对一般A~*算法航迹规划算法速度慢,无法满足实际飞行要求的问题提出了基于概略图的航迹优化算法,将数字地图提炼成立体连通概略图,在这个立体连通概略图上再运用A~*算法进行航迹优化。仿真结果显示,该算法大大缩短了航迹规划的时间,为算法的实际应用打下了坚实的基础。(本文来源于《弹箭与制导学报》期刊2019年01期）
航迹优化论文开题报告范文
（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：
针对目前空域拥堵造成资源紧张、航空事故增多;以及各主体对经济性飞行越来越重视的现状,本文引进了四维航迹的概念,并借助波音公司的飞行爬升性能软件辅助其分析。先对软件进行了简单介绍,随后通过对特定机型运行昆明长水-巫家坝国际机场的一离场程序进行分析,研究了其对航迹的四维预测,以及分析了相关参数变化对航空器飞行经济性的影响,对相关用户决策具有一定的指导作用。
（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。
航迹优化论文参考文献
[1].陈乐珠,李钢.基于优化蚁群算法的无人机海岛监测航迹规划[J].电子技术与软件工程.2019
[2].胡晓晨.基于BCOP的航迹预测和飞行优化研究[J].科技风.2019
[3].张子军,卢长谦,刘泽石,刘云飞.高精度、全局优化的无人机Bingo航迹导航系统[J].计算机测量与控制.2019
[4].朱莉凯,沈朝萍,沈宝国,杨文杰.无人机航迹规划群智能优化算法综述[J].数字技术与应用.2019
[5].闫怡汝,王寅.基于鸽群优化的复杂环境下无人机侦查航迹优化[J].郑州大学学报(工学版).2019
[6].夏云鹏,杨田田.基于模拟退火优化的直接航迹控制算法设计[J].舰船电子工程.2019
[7].宋宇,王志明.面向无人机叁维航迹规划的改进粒子群优化算法[J].传感器与微系统.2019
[8].包建伟.基于多目标跟踪的无人机自主航迹优化[D].南京航空航天大学.2019
[9].苑克剑,赵勇,许玉斌,刘莎莎.叁维动态连续下降进近(CDA)飞行航迹优化研究[J].民航学报.2019
[10].陈韶千,董国才,唐同斌,张健楠,章校.基于概略图的航迹优化的改进A~*算法研究[J].弹箭与制导学报.2019