实战环境下，无人机所获得的信息通常具有不确定性，针对不确定环境下的多无人机任务分配问题，提出了一种决策方法。分析无人机任务规划中各指标的不确定性，采用主观赋值和客观赋值相结合的方法，确定指标的综合权重，将离散粒子群优化算法和区间数排序方法相结合，给出区间形式不确定信息的无人机任务分配方法。仿真实验结果表明了该方法的可行性和有效性。该决策方法不仅能解决确定信息情况下的无人机任务分配问题，而且能解决区间数不确定信息情况下的无人机任务分配问题。

摘要：近年来多旋翼无人机在电力巡检中被广泛使用，但大多数无人机持续工作时间不超过30min，且输电线路多在野外，续航问题成为其短板。为了解决此问题，设计了一套可

无人机自适应滑模控制simulink模型

什么是PID闭环控制系统？举个生活中的例子，我们所乘坐的动车，在即将到达站点的时候会切断动力，凭借惯性进入月台，如果火车在切断动力的时候时速是100km/h并且距离月台是1KM，那么这个100比1就是比例P的含义，P越大，他在站前开始滑行的速度也就越快，快的话也就是进入站台的时间比较短，但是过快也就意味着，惯性太大可能冲下月台，这也就不得不经行倒车，但是因为P过大，倒车以后的滑行同样会使得火车到过头，这样一来，就形成了一个反复前行后退的震荡局面，而P设置小了，进站的速度也就变得缓慢，进站的时间也就会变得越长，所以设置一个合适的P是PID的首要任务，由于P是一个固定值，如果将火车的速度与月台的距离用一个坐标理想化的表现出来的话，不考虑其他外力，那就是一条直斜线，越陡表示进站的时间越短。

无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据 无人机监测的光伏系统的热成像图像数据集，共120张无人机监测图片数据

无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据 无人机3D点云树木计数监测数据集，共3个数据

固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。 固定翼无人机检测创建的数据集。数据集包含554张图像及其yolo txt注释文件。最初它有319个独特的图像，这个数字随着水平翻转增强而增加。它可以用于目标检测和目标跟踪算法的尝试。

无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机) 无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)

无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。 无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。

无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。 无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。