摘要: 无人机技术已经广泛应用于军事和民用领域中。小型无人机(Unmanned Aerial Vehicle, UAV)的飞行范围和工作时间受到其电池容量的限制。为了给无人机充电，已经有学者提出了基于地面充电节点的充电方案和无人机充电自动控制方法。可使用基于无线充电技... 展开 无人机技术已经广泛应用于军事和民用领域中。小型无人机(Unmanned Aerial Vehicle, UAV)的飞行范围和工作时间受到其电池容量的限制。为了给无人机充电，已经有学者提出了基于地面充电节点的充电方案和无人机充电自动控制方法。可使用基于无线充电技术的地面充电平台或充电车给无人机充电。但是，这种充电方法要求无人机必须中断正在执行的任务。无人机在充电过程中会消耗额外的时间和能量。 本学位论文以给任务无人机（Mission Unmanned Aerial Vehicle, MUAV）充电为研究目标，提出了基于充电无人机（Charing Unmanned Aerial Vehicle, CUAV）空中无线充电方法和基于强化学习的CUAV充电调度策略优化算法，以解决CUAV对多个MUAV的充电调度问题。为了验证所提解决方案的性能，本文以MUAV执行数据收集任务为例，研究了CUAV充电调度策略优化问题，并进行了仿真与分析。本学位论文的主要工作和贡献包括： 第一，针对无人机充电问题，提出了基于充电无人机CUAV空中无线充电方法。从电感耦合/磁共振耦合，无线射频和激光三种无线充电技术出发，提出了基于CUAV的近场和远场空中无线充电方案，并通过数据分析展示了所提方案的可行性。 第二，针对单CUAV的充电调度问题，提出了基于深度强化学习的CUAV充电调度策略优化算法。在数据收集场景中，CUAV通过优化的策略实现了对MUAV的可靠充电。使用CUAV空中充电相比于降落充电在MUAV的任务完成时间上更有优势。 第三，针对多CUAV的充电调度问题，提出了基于多智能体深度强化学习的CUAV充电调度策略优化算法。在MUAV数量更多，任务量更大的数据收集场景中，多个CUAV使用优化的策略并通过合作实现了对MUAV的可靠充电。 最终，本学位论文对上述无人机空中充电方法及单CUAV和多CUAV充电调度策略优化方法分别做出了总结，并对未来可进一步研究的内容进行了展望。 收起