空地一体化协同多目标优化问题研究

作     者：王兆通 

作者单位：烟台大学 

学位级别：硕士

导师姓名：孙宏波

授予年度：2024年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080202[工学-机械电子工程] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 081001[工学-通信与信息系统] 0825[工学-航空宇航科学与技术] 

主      题：空地一体化协同 多目标优化 场景建模 粒子群优化算法 

摘      要：无线传感器网络(Wireless Sensors Networks,WSNs)和无人机(Unmanned Aerial Vehicles,UAVs)的蓬勃发展为自然灾害监测提供了新思路。无人机依靠高机动性、操作灵活的特点辅助无线传感器网络持续对环境数据进行采集和处理,降低传感器之间通信依赖的同时,极大地节约环境监测的经济成本,本文称这种新型物联网网络为空地一体化。依托国家重点研发计划项目“智能可持续空中地面物联网络研究(项目编号:2021YFE0111600),本文研究了空地一体化在不同场景下无人机与无线传感器网络协同完成数据采集任务的多目标优化问题,主要研究内容如下: 第一,针对平面场景下的多目标优化(Multi-Objective Optimization in Flat Scenes,FSMO)问题,构建了空地一体化场景模型。随后,通过路径参数化方法对问题模型进行拟合处理,并利用基于变异-权重调整策略的粒子群优化算法(Particle Swarm Optimization Algorithm Based on Mutation-Weight Adjustment Strategy,MWAPSO)对FSMO问题进行求解。MWAPSO算法引入了非线性权重调整策略和基于Circle混沌映射的粒子突变机制,改善了传统粒子群算法容易陷入局部最优解和问题解空间搜索不充分的问题,对比其他优化算法也表现出了更好的搜索性能。 第二,针对三维场景下的多目标优化(Multi-Objective Optimization in ThreeDimensional Scenes,TSMO)问题,构建了四旋翼无人机动力学模型。随后,采用时区映射离散化方法对问题模型进行离散化处理,并利用多阶段改进的多目标粒子群优化算法(Multi-Stage Enhanced Multi-Objective Particle Swarm Optimization Algorithm,MEMOPSO)搜索TSMO问题的Pareto最优前沿。MEMOPSO算法引入了狼群搜索算子、柯西变异算子和Piecewise混沌映射机制,对比其他优化算法,MEMOPSO算法在问题解空间中的搜索更加充分,非支配解分布也更为均匀。 第三,开发了空地一体化仿真视景平台,用于将算法求解得到的问题最优解进行可视化展示。