2.1 无人机在环境监测中的应用

我国在2011年，朱京海等人[3]提出将无人机遥感系统应用于建设项目环境保护管理、环境监测、环境监察、环境应急和生态保护等环境保护领域多个方面的具体方式，但只是在设想阶段。

2015年杨海军等人[4]以化工污染气体排放高危区齐鲁化学工业区为研究区，利用搭载有高分辨率相机和污染气体监测仪的旋翼无人机（“环鹰一号”）系统，结合地面核查验证的方式，设计了一氧化氮（NO）、一氧化碳（CO）和二氧化硫（SO2）3种污染气体污染遥感监测流程及方法，为提前排查污染源排放提供有效支撑。这是我国较早在无人机上搭载传感器来收集气体数据，但并没有实现数据的实时传输，需要人手动控制飞行到目标点，并且使用的无人机为无人直升机，不是现在普遍使用的四旋翼无人机。

2016年严孝鑫等人[5]以四旋翼无人机为搭载平台设计了一个环境检测系统，但是需要将搭建好的检测系统运抵指定空域进行大气相关数据的检测，并且在10－100米的空域以及一些受灾现场无法进行实时的环境检测。这个系统有不少漏洞，并且依然需要手动控制。也在2016年开始，出现在无人机搭载单片机或树莓派的方式来将数据回传，比如吴昊[6]设计了一种基于无人机技术的大气环境监测系统，通过单片机来实现数据传输。

国外对于无人机的应用研究的更早一些，整个系统也更完善。以近几年在环境中的应用为例，可以直观看出，国外对其应用已经不仅仅于收集数据，已经开始在构建污染模型，追踪污染源，实现完整地监测平台发展。

2015年，Nikolaos A. Gatsonis等人[7]提出用无人机搭载状态估计器和浓度传感器，在无人机上实时估计污染物浓度场。控制引导无人机进入有用信息区域的测量，以加速对污染物浓度场的估计。A. S. Danilov等人[8]利用无人机对环境进行区域、点和线污染源的监测系统，较精确的确定不同高度的大气污染水平等级，并且建立大气污染的三维模型。2017年，Yungaicela-Naula N M等人[9]提出了一种利用无人机和实时处理的超启发式算法来测量大气污染物和跟踪污染源的系统。该算法是基于模拟退火方法来确定无人机运动方向。2018年，X Xiong[9]开发了一种基于气球/无人机的远程颗粒物污染物监测平台。可以测量不同海拔高度空气中的PM2.5空气污染，并跟踪空气污染物的扩散。

总体上，国内基于无人机平台的环境监测研究尚处于起步阶段，在小型化高精度机载仪器设备研发、监测数据分析处理与精确建模、以及无人机与机载设备一体化集成等方面与国外相比存在较大差距。基于无人机平台的环境应急监测平台的系统化的整体设计鲜有报道。

2.2 无人机路径算法的研究现状

常用的路径规划算法包括遗传算法、概率地图法[11]、粒子群算法[12]、人工势场法等。随着对单一无人机路径规划问题的研究日臻成熟，以及人们对未知领域的探索和研究，单一无人机已经无法满足日益复杂的任务要求。无人机路径规划也有单一的最优路径向杂乱自然环境下的三维路径规划算法发展，从单机任务向多机协同覆盖航迹规划发展，智能算法开始取代传统法算法。

2013年，Li等人[13]对多个无人机在合作战中的任务分配进行了研究。提出了控制目标，并建立了该模型。通过引入负载因子，提高了基于合同网络的传统任务分配算法。2016年，在实现一个集成的路径规划要求（收敛到目标、无人机避障、优化路径方面），MohammadrezaRadmanesh[14]提出了双层编程算法，该算法通过混合整数线性规划的数学模型，阐述了路径规划的问题，提出了解决动态问题的解决策略。避免障碍物和航路点导航的任务作为MILP问题的约束然后加以解决。同年，Torres.M等人[15]提出了一种覆盖路径规划算法，无人机的覆盖路径规划是一个较少研究的问题。随着覆盖的领域变得复杂，在考虑到手头问题的某些特定性的情况下，该算法能够在可承受的时间内处理凸和非凸区域，其主要目的是通过最小化匝数来获得减少电池消耗的路径。

我国对于无人机路径规划起步较晚，但是随着对其研究热度的不断增长与智能算法的发展，很多学者投入到无人机路径规划的应用研究中来，武汉大学测绘遥感信息工程国家重点实验室对A*算法[16]做出改进，成功应用于无人机的航迹规划；哈尔滨工业大学提出一种无人机恒速飞行交会过程的协同航迹规划方法[17]，可实现无人机在目标可攻击范围的交会；此外众多高校都对无人机的路径规划研究出了贡献。

无人机路径规划问题与TSP一样，是典型的复杂的组合优化NP问题，一般情况下，由于计算复杂度太高，很难得到全局最优解，因此目前的研究主要集中于求其近似最优解。尤其，无人机可以将路径拓展至三维空间，有雷达约束条件等众多的问题，使得计算复杂度更高，如果进行直接求解，通常会导致组合爆炸的危险。蚁群优化算法虽然适合解决离散问题,但是在解决规模较大优化问题时存在收敛速度慢、易陷入局部最优的缺点,而人工蜂群优化算法在处理类似TSP的离散优化问题时效果不理想。遗传算法（GA）和模拟退火算法（SA）是近年来常用的两种智能算法，用于解决优化问题。单独的使用GA或SA都不能得到较好的效果。因此，我们将SA的思想融入GA中。用模拟退火算法的局部精确求解能力补充了遗传算法在局部解中不够准确的不足。对遗传算法部分中的交叉、变异过程中增加退火过程，使算法能够更加有效地避免陷入局部最优，运行效率也得到提高。

在本文中，我们提出了一个集成的实时信息采集和传输平台与智能路径规划，以确保每项任务的效率。具体研究内容如下：

首先，为了解决实时传输问题，我们使用妙算通过串行通信建立传感器和UAV之间的连接。

其次，本文针对TSP模型提出了一种改进的模拟退火遗传算法，解决了传统遗传算法和模拟退火算法的缺点。用来解决真实环境的2D或3D路径规划问题。

此外，我们设计并实现了与路径规划集成的移动应用程序，以便轻松控制无人机并将数据上传到云服务器。

本设计通过对无人机技术、传感器技术、无线传输技术以及软件设计了一种基于四旋翼无人机的智能路径自动飞行的大气环境监测系统。通过无人机作为搭载平台，解决空间局限性；通过无线技术，实现数据实时传输；通过路径规划算法，提高工作效率。在移动端，人们可以通过软件，预先设置多个任务点，通过选择不同的路径算法，生成的最佳飞行路径并将飞行任务上传到无人机，无人机就可以自动飞行，不再需要人为控制。

本设计着重在对于无人机智能路径算法的研究上，再次提高无人机的飞行效率。