公共文化服务平台

搜索到9291篇“ 多无人机“的相关文章

基于多目标粒子群优化的多无人机海上搜救路径规划方法: 本发明公开了一种基于多目标粒子群优化的多无人机海上搜救路径规划方法，S1：将待搜救区域转化二维搜救区域；S2：对二维搜救区域进行网格分解；S3：通过混合高斯模型得到概率地图；S4：建立无人机搜救多目标协同优化函数；S5：...; 章文俊廖凯郑怀宇周翔宇孟祥坤杨雪白伟伟张国庆刘正江

基于多源融合定位技术的多无人机协同导航装置与方法: 本发明涉及多无人机协同导航技术领域，具体地说，涉及基于多源融合定位技术的多无人机协同导航装置与方法。所述装置包括无人机机架，角度调控单元控制角度调节电机启动，角度调节电机带动转轴转动，带动摄像头进行角度调节，以对参考物不...; 曹正阳陈刚张稀桐吴亚龙唐炜勾柯楠

基于多智能体蚁群强化学习的多无人机目标探索与跟踪方法及系统: 本发明基于多智能体蚁群强化学习的多无人机目标探索与跟踪方法及系统，包括以下步骤：将无人机进行目标跟踪的实际环境划分为网格单元；基于网格单元，进行目标状态初始化，获得无人机的初始观测位置；基于蚁群算法以及无人机的初始观测位...; 张文旭缪嘉伟陈辉石倩倩张震宇任可可董周楠马小航姜越蔡子悦

一种多无人机辅助数据传输的轨迹规划方法: 本发明涉及一种多无人机辅助数据传输的轨迹规划方法，属于通信技术领域。该方法首先搭建了一个包含多架无人机、地面用户和地面干扰源的场景。接着，针对传统轨迹规划方法在复杂无人机环境中的不足，以及深度强化学习在多智能体环境中面临...; 黄晓舸刘洪世迪王凌志陈前斌

一种多无人机协同路径规划方法、系统、设备与存储介质: 本发明公开了一种多无人机协同路径规划方法、系统、设备与存储介质，涉及无人机路径规划技术领域，包括步骤：获取由圆柱坐标表示的多无人机飞行轨迹；利用当前全局最优路径中每个路径点目标函数的增量获取检测函数，并通过检测函数中每个...; 黄辰祝君意彭颖洁

面向多无人机协同的飞行任务规划与管理系统及方法: 本发明涉及无人机技术领域，具体为面向多无人机协同的飞行任务规划与管理系统及方法，方法包括：基于无人机的飞行任务，对无人机的飞行区域进行分解，并划分飞行区域；在无人机的飞行区域内进行路径规划，采用遗传算法进行全局飞行路径规...; 王少海王乐辉张明涛庄永泰

基于多无人机协同的实时视频分析方法、装置、设备及存储介质: 本申请公开了一种基于多无人机协同的实时视频分析方法、装置、设备及存储介质，涉及无人机技术领域，该方法包括：基于目标无人机群中各个无人机拍摄的实时视频数据，确定各个无人机的视野图像；将视野图像统一映射到世界平面，构建全景视...; 江勇王汉凌李清

一种多无人机区域覆盖路径快速规划方法: 本发明涉及一种多无人机区域覆盖路径快速规划方法，涉及非电变量的控制或调节系统领域，所述方法包括：采用智能路径规划模型基于当前无人机群为完成目标飞行线路使用的某一飞行路径所覆盖的飞行区域的各个空间点分别对应的各份三维坐标数...; 宋小波苏洁安道录王瑞君姚俊飞梁开汶

基于LGMPA算法的多无人机协同任务分配方法: 2025年; 多无人机任务分配问题是一种多约束组合优化问题,为获得问题的最佳收益,建立一种符合战场环境的任务分配模型,并同步完成无人机与目标之间的航迹规划,以实际飞行距离替代直线距离,实现任务分配与航迹规划的紧耦合。为更好地求解任务分配模型,首先提出一种改进海洋捕食者算法(LGMPA),通过使用对数螺旋策略和高斯分布估计策略来提升算法的开发和探索能力;然后将改进算法离散化处理,应用于求解多无人机任务分配模型。仿真结果表明:在考虑实际地形和各类威胁下,使用实际飞行距离替代直线距离能够规划出更合理的任务执行顺序,得到更好的作战收益;且改进算法能够稳定有效地求解模型,具有较好的求解精度和更快的收敛速度。; 张卓然程华韩博谢磊汤安迪; 关键词：多无人机协同任务分配飞行距离

面向大规模IoT系统的多无人机部署与协作卸载: 2025年; 在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临着巨大的挑战。现有解决方案通常无法适应动态多变的多无人机场景,导致了低效的资源利用与过度的响应延迟。为解决这些重要挑战,提出了一种新型的面向大规模IoT系统的多无人机部署与协作卸载(multi-UAV deployment and collaborative offloading,MUCO)方法。设计了一种基于约束K-Means聚类的无人机部署方案,在提升服务覆盖率的同时保证覆盖均衡。设计了一种基于多智能体强化学习(multi-agent reinforcement learning,MARL)的多无人机协作卸载策略,将来自IoT设备的卸载请求进行拆分与分布式执行,进而实现高效的协作卸载。大量仿真实验验证了MUCO方法的有效性。与基准方法相比,MUCO方法在不同场景中平均可以取得约23.82%和28.13%的无人机部署性能提升,且能取得更低的时延和能耗。; 黄智钦卢恬英陈哲毅; 关键词：K-MEANS聚类多智能体强化学习

相关作者