- ISBN:9787030674654
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:B5
- 页数:380
- 出版时间:2021-11-01
- 条形码:9787030674654 ; 978-7-03-067465-4
内容简介
本书是一本关于多无人机控制的专著。全书以多无人机智能自主协同控制为核心,从决策、规划、控制、诊断和通信五个问题角度分别阐述:针对多无人机自主决策与规划问题,基于多类优化算法实现任务的快速很优决策与高精度轨迹规划;针对多无人机协同控制问题,基于多种鲁棒智能控制算法,实现多无人机高精度智能协同控制;针对多无人机故障诊断及容错控制问题,通过自适应滑模算法,实现多无人机高可靠性协同容错控制;针对多无人机协同通信问题,基于博弈算法实现自主分簇组网和中继选择。
目录
编者的话
前言
第1章 绪论 1
1.1 多无人机智能自主协同控制基本概念 2
1.2 多无人机智能自主控制研究现状 4
1.2.1 国内外研究项目概述 4
1.2.2 多无人机任务决策 12
1.2.3 多无人机运动规划 15
1.2.4 多无人机编队控制 17
1.2.5 多无人机故障诊断与容错控制 20
1.2.6 多无人机通信组网 22
1.3 多无人机智能自主协同控制难点分析 26
1.4 撰写特点和内容安排 28
1.5 小结 30
参考文献 30
第2章 无人机模型 39
2.1 坐标系与状态变量 39
2.1.1 坐标系 39
2.1.2 描述三种典型无人机的状态变量 41
2.1.3 坐标系之间的转换关系 43
2.2 固定翼无人机模型 46
2.2.1 固定翼无人机质心平动模型 46
2.2.2 固定翼无人机绕质心转动模型 48
2.3 单旋翼无人机模型 52
2.3.1 单旋翼无人机质心平动模型 52
2.3.2 单旋翼无人机绕质心转动模型 54
2.4 四旋翼无人机模型 56
2.4.1 四旋翼无人机质心平动模型 56
2.4.2 四旋翼无人机绕质心转动模型 58
2.5 小结 60
参考文献 60
第3章 多无人机任务决策 61
3.1 多无人机集中式任务决策 61
3.1.1 问题描述 61
3.1.2 面向全局任务收益的多无人机集中式任务决策 62
3.1.3 面向任务优先级的多无人机集中式任务决策 74
3.2 多无人机分布式任务决策 88
3.2.1 类脑智能算法 89
3.2.2 问题描述 92
3.2.3 基于类脑智能算法的多无人机分布式任务决策 94
3.3 小结 116
参考文献 116
第4章 多无人机运动规划 117
4.1 基于路径点的多无人机运动规划 117
4.1.1 问题描述 118
4.1.2 基于自适应高斯伪谱法的求解策略 120
4.1.3 仿真验证 127
4.2 基于深度强化学习的多无人机运动规划 133
4.2.1 问题描述 133
4.2.2 基于深度强化学习的求解策略 135
4.2.3 仿真验证 142
4.3 小结 143
参考文献 144
第5章 多无人机编队生成控制 145
5.1 无人机姿态稳定控制 145
5.1.1 问题描述 145
5.1.2 基于超螺旋滑模的姿态稳定控制器设计 146
5.1.3 基于自适应超螺旋滑模的姿态稳定控制器设计 156
5.2 无人机轨迹跟踪控制 169
5.2.1 基于双闭环结构的无人机轨迹跟踪控制原理 169
5.2.2 问题描述 170
5.2.3 基于高阶滑模算法的双闭环轨迹跟踪控制器设计 171
5.3 小结 184
参考文献 185
第6章 多无人机编队保持鲁棒自适应控制 186
6.1 全局通信拓扑未知情形下的多无人机编队保持控制 186
6.1.1 通信拓扑未知情形下的自适应设计基本原理 187
6.1.2 基于自适应算法的多无人机编队保持控制 190
6.1.3 仿真验证 203
6.2 考虑避碰约束的多无人机自适应编队保持控制 207
6.2.1 问题描述 207
6.2.2 考虑避碰约束的自适应分布式控制器设计 209
6.2.3 仿真验证 216
6.3 小结 221
参考文献 221
第7章 多无人机编队安全重构控制 223
7.1 全局通信拓扑已知情形下的多无人机编队重构 223
7.1.1 问题描述 223
7.1.2 超螺旋干扰观测器设计 225
7.1.3 基于势能函数的编队重构控制器设计 229
7.1.4 仿真验证 237
7.2 全局通信拓扑未知情形下的多无人机编队重构 242
7.2.1 自适应编队重构问题描述 242
7.2.2 自适应编队重构控制器设计 243
7.2.3 仿真验证 251
7.3 小结 256
参考文献 256
第8章 多无人机故障诊断与容错控制 257
8.1 基于被动容错的多无人机分布式有限时间容错控制 257
8.1.1 问题描述 258
8.1.2 多无人机分布式有限时间容错控制器设计 259
8.2 基于主动容错的多无人机故障诊断及容错控制一体化设计 278
8.2.1 问题描述 279
8.2.2 基于状态反馈的多无人机故障诊断及容错控制一体化设计 280
8.2.3 基于输出反馈的多无人机故障诊断及容错控制一体化设计 292
8.3 小结 304
参考文献 304
第9章 多无人机通信网络优化 305
9.1 基于联盟博弈的无人机集群分簇 305
9.1.1 问题描述 306
9.1.2 联盟博弈模型 309
9.1.3 基于联盟切换的求解策略 310
9.1.4 仿真验证 314
9.2 基于网络形成博弈的多无人机路由选择 318
9.2.1 问题描述 319
9.2.2 网络形成博弈模型 325
9.2.3 考虑循环迭代的求解策略 326
9.2.4 仿真验证 330
9.3 小结 333
参考文献 334
第10章 多无人机通信资源分配 335
10.1 基于非合作博弈的多无人机信道资源分配 335
10.1.1 问题描述 336
10.1.2 非合作博弈模型 338
10.1.3 基于*佳响应的求解策略 339
10.1.4 仿真验证 343
10.2 基于凸优化的多无人机时隙和功率资源分配 345
10.2.1 问题描述 346
10.2.2 基于凸优化的求解策略 351
10.2.3 仿真验证 361
10.3 小结 366
参考文献 366
节选
第1章 绪论 无人机(unmanned aerial vehicle,UAV)诞生于**次世界大战期间,至今已有一百多年的发展历史。在这一百多年间,无人机先后经历三个发展阶段,从**次世界大战的萌芽期,到20世纪80年代以色列首创有人-无人机协同作战的发展期,再到当前人工智能等技术快速发展带来的蓬勃期,无人机的种类不断增多,性能日益提升,应用领域也逐步拓展。与有人机相比,无人机具有成本低、尺寸小、机动性高、隐蔽性好及生存能力较强等优势,被广泛应用于侦察监视、骗敌诱饵、监测气象、勘探资源等军事和民用领域。 随着任务环境的复杂性和多样性不断提高,无人机在执行任务时,需要可承载更大载荷、具备更广阔的搜索视野以及更高精度的目标定位功能等,而单架无人机受限于其结构简单、体积小、载荷小、容错率差等特点,所能发挥的效能极其有限,缺陷也日益突出。为了解决单架无人机在执行任务时存在的问题,许多学者和研究人员受到自然界群体行为的启发,以现在掌握的无人机技术为基础,提出多无人机协同的概念,探索和发展更加灵活有效的无人机管理与组织模式,提高多无人机在复杂环境和大规模任务作战中的任务执行效率,进一步拓宽无人机的应用范围。 然而,从当前阶段的发展现状来看,无人机可以通过动力装置和导航模块,在一定范围内靠无线电遥控设备或计算机预编程序自主控制飞行,但是智能化与自主化水平依然不高。自2011年至今,随着大数据、云计算等信息技术的发展,以深度神经网络为代表的人工智能技术飞速发展,大幅跨越了科学与应用之间的“技术鸿沟”,成为21世纪*重要、*尖端的技术之一。我国制定的《“互联网+”人工智能三年行动实施方案》,明确提出推动人工智能技术在无人系统领域的融合应用,发展无人飞行器、无人船等多种形态的无人设备。因此,人工智能技术作为一种颠覆性技术,将彻底改变无人机的应用方向与发展趋势,极大提高无人机的自主化与智能化水平。 本书以多无人机协同控制为背景,依托作者所在课题组多年来在多无人机智能自主协同控制领域所取得的研究成果,通过对多无人机智能自主协同控制基本概念的介绍,多无人机智能自主协同控制中的任务决策、运动规划、姿态与轨迹跟踪控制、编队保持与重构控制、故障诊断与容错控制、通信组网等关键技术研究进展的描述,以及多无人机智能自主协同控制难点问题的分析,为读者提供多无人机智能自主协同控制研究思路和技术指导。 本章的主要内容安排如下:1.1节介绍多无人机智能协同控制的基本概念;1.2节总结多无人机智能自主控制的研究现状;1.3节分析多无人机自主协同控制的难点;1.4节介绍本书的撰写特点和内容安排;1.5节对本章进行小结。 1.1 多无人机智能自主协同控制基本概念 无人机是指不载有操作人员、可以自主飞行或遥控驾驶、可以一次使用也可以回收使用、携带致命或非致命有效载荷的有动力飞行器。根据机翼构造特点,无人机可以分为固定翼和旋翼两大类,其中,固定翼无人机是*早得到研究及应用的,其在机动性、续航能力、飞行速度等方面具有显著的优势,并成功执行了许多侦察、监视等军事任务;旋翼无人机则具备定点悬停、狭小空间作业、垂直起降、多姿态飞行等其他优势,能够胜任各式各样的低空作业任务,也能适应复杂的山区和城市环境。在旋翼无人机中,除了典型的单旋翼无人机外,多旋翼无人机没有尾桨,结构更简单,安全性也更高,其中四旋翼无人机由于其结构与飞行原理简单,而成为多旋翼无人机家族中研究与应用*广泛的一类。 多无人机协同控制是指多架具有独立自主功能的无人机按照某种规则组成协同飞行系统,并通过各种协同控制算法,使其成为一个高可靠、强鲁棒和高灵活的统一整体,大幅提高完成任务的能力。与单无人机相比,多无人机系统结合了无人机自身的性能优势和多机系统的数量优势,具有如下更多的优点和应用空间。 (1)功能分布:将单无人机所具备的各项功能化整为零,分散到多个低成本、功能单一的无人机上,通过多个异构、异型的个体来实现原本复杂的系统功能,系统的倍增效益将使多无人机具备远超单无人机的能力。 (2)去中心化:目前无人机的通信模式仍然以单机与地面站通信方式为主,信息传输仍是集中式的,去中心化的多无人机利用自组网技术可以实现无人机之间信息的高速共享,提高其抗故障能力及高效信息共享能力。 (3)分布式探测:广泛分布传感器的能力对于主动探测与被动探测以及定位精度有显著优势,多无人机系统可以相互协作实现目标的高精度定位,当需要主动探测时,无人机间还可采取频率、波段不同的雷达进行全频谱探测,极大地提高探测能力。 虽然无人机协同控制具有上述优点,但同样对无人机自主能力提出了更高的要求。美国在《无人机路线图》中采用了自主控制等级来衡量无人机自主性,如表1.1所示,得到了国内外的广泛认同。其中等级1中无人机没有自主性,本身不能对无人机内部和外部的变化自动做出反应,无人机的各种活动完全依靠无人机控制站的操纵人员进行遥控。这级无人机进行的就是所谓的“单调”的任务。等级2中无人机可以完成预编程任务,无人机可以对自身的状态进行健康诊断,并把状态报告给无人机操纵人员,这级无人机具有对自身的感知能力。等级3中无人机可以适应自身一定程度的故障,并可在外界飞行条件有变化时,完成既定的任务。等级4中无人机的路径重规划功能应完全具备。无人机在飞行中能对地面威胁做出反应,对飞行路径进行修改以躲避威胁,在躲避威胁的同时仍能完成既定任务。这级无人机具有一定的自主路径规划能力,能够对未知态势进行重规划。等级5中无人机应具备初步的多机合作功能。多架无人机在执行任务过程中,可以根据各机和任务目标情况进行协商,对各机进行任务分解使之*优。这级无人机开始具有多架无人机共同执行任务的功能。等级6中无人机应具备多机应对突发威胁目标功能。多架无人机在执行任务过程中,对突然出现的威胁目标具有规避能力,并通过任务决策将突发威胁和已有威胁分配给各架无人机。这级无人机可以和其他无人机共享态势信息。等级7中整个团队中的无人机都听从团队中一架无人机的战术安排。等级8中多无人机中没有“领导”,采用分布式架构,并且有多个多无人机团队在执行任务。等级9中多架无人机在几乎没有人的帮助下完成战略目标,但需要有人类的监督。等级10中人类对无人机的工作几乎不作指导,但仍然拥有*高权限。由表1.1可以看出,列出的控制等级还可以大致划分为单机飞行智能和多机(蜂群)协同智能两种。具体来说,等级1(遥控)至等级4(路径重规划)可以被归为单机飞行智能类别,等级5(机群协同)至等级10(全自主蜂群)可以被归为多机(蜂群)协同智能类别,而且控制等级越高,对无人机智能自主能力的要求就越高。因此可以看出,无人机控制正在往集群化、智能化与自主化的方向发展。 表1.1 自主控制等级定义 多无人机智能自主协同控制是指在没有人为干预的情况下,将先进的人工智能与协同控制算法结合,提高多无人机系统的自主决策、规划和控制能力,使其成为一个高度自主化和智能化的整体,达到高性能、高效率的任务效果。人工智能技术起源于20世纪50年代,先后经历了初步发展、沉寂、高速发展等多个阶段,特别是在2006年 Geoffrey Hinton提出了深度学习算法后,人工智能技术出现了爆发式的发展,在搜索技术、数据挖掘、机器翻译等相关领域都取得了丰硕的成果,成为21世纪*重要、*尖端的技术之一,也是无人机智能自主协同控制的有效解决方案。然而,尽管人工智能在各领域的应用成果层出不穷,但仅是从某一特定领域逼近或是超过人类的智能水平[1]。欧盟“人类大脑计划”的建议报告指出[2],除人脑以外,没有任何一个自然或人工系统能够具有对新环境与新挑战的自适应能力、新信息与新技能的自动获取能力、在复杂环境下进行有效决策并稳定工作直至几十年的能力。由此可见,借鉴大脑是发展人工智能的一条重要路线。人的大脑是一个通用智能系统,由千亿个神经元和数百万亿个突触连接构成,具有感知、学习、推理和决策等能力,是宇宙间已知的*复杂的对象,拥有已知的*强的智能。因此,为了使无人机在复杂多变的任务环境中具有自适应和自主决策能力,在理解人脑运行机制的基础上,研究新的类脑智能算法十分必要,这也必将影响无人机的未来发展方向,成为实现无人机智能自主协同控制的有效手段。 1.2 多无人机智能自主控制研究现状 1.2.1 国内外研究项目概述 多无人机系统可用于协同执行侦察和其他相关任务。现有的多无人机系统多用于军用领域,在民用方面尚处于起步阶段。由于其成本低、灵活性强,被普遍认为是未来应用于实际军事作战的核心技术之一,受到了世界各国尤其是美国的广泛关注。下面给出美国在军事领域的多无人机系统典型战例及相关研究计划以说明其重要地位。 从1991年海湾战争开始,无人机正式投入实战中,以美国为首的多国部队使用先锋多无人机在阵地上空昼夜飞行,为多国部队指挥官收集和提供了大量电子情报信息。此外,美军还将无人机作为诱饵,以各种编队形式在目标上空飞行,模拟轰炸机信号,诱骗伊拉克防空系统的雷达开机,针对侦察目标发射导弹致使伊拉克防空阵地在短时间内全部瘫痪。 1995年,美军空袭波黑塞族军队前,派出80架次“捕食者”无人机,该型无人机搭载了感知设备,在空袭时向战斗机提供了准确的目标信息,实现了对战场的实地侦察,致使对方70%的防空设施和作战指挥系统被摧毁,40%的弹药库被炸毁。 1999年,科索沃战争中,美国及其盟军总共出动了6种不同类型约200架无人机,包括美国空军“捕食者”、陆军“猎人”、海军“先锋”及英国的“不死鸟”等无人机,主要用于完成中低空侦察、战场监视、电子干扰、目标定位、战果评估及气象资料搜集等任务,进一步显现了无人机的感知能力及其在战争中的地位和作用。 2001年,阿富汗战争中,“捕食者”无人机携带了 AMG-114海尔法反坦克导弹参战,成为美军无人机携带武器用于实战的首次战例。美军共有65架“捕食者”无人机开赴阿富汗战场,其中至少有10架改装为攻击型无人机,具备了执行打击任务的能力。2002年2月4日,“捕食者”无人机袭击了阿富汗南部地区基地组织的一个藏匿地,造成至少1名基地高级将领死亡。此后,“捕食者”无人机多次成功地对恐怖分子实施精确打击,无人机的攻击能力逐步得到体现。 2003年,伊拉克战争中,美军以察打一体化无人机为主体,针对不同作战要求,派遣50余架共十几种无人机,其中包括4架“全球鹰”、近20架“捕食者-A”、2架“捕食者-B”及海军陆战队的“龙眼”和“先锋”,以及陆军的“猎犬”、 “指针”和“影子”等尺寸较小、航程较短的无人机,无人机的投入数量是阿富汗战争的3倍多。2004年8月,美国陆军航空兵应用技术管理局针对无人机自主协同作战进行了大量实验研究和论证,成立联合研究项目小组,对指定任务的联网无人机编队的协同作战性能进行研究和论证,以*少的人工干预使无人机群协作完成任务。*终目的是开发出较为先进的协同战术,完成协同侦察/警戒,确立对应的*佳观测点、通信网络适配性及部件发生故障时无人机群内部相应调整的指标性能,使无人战斗机协作完成作战任务。 2014年,美国国防高级研究计划局(DARPA)提出“拒止环境中协同作战”(CODE)项目。项目目标是开发一套包含协同控制算法的软件系统,可以适应带宽限制和通信干扰,减少任务指挥官的认知负担,通过自主能力、编队协同、人机接口和开放式架构支撑拒止环境下的协同作战。图1.1给出项目第2阶段任务模拟 图1.1 CODE项目第2阶段任务模拟示意图 示意图。2018年11月,DARPA在亚利桑那州尤马试验场进行的一系列测试中,演示了装备 CODE的无人机系统在“反介入区域拒止”环境下适应和响应意外威胁的能力。无人机系统在尽量降低通信量的同时,高效共享信息,协同规划和分配任务目标,制定协调的战术决策,并协同应对高威胁动
-
有限与无限的游戏:一个哲学家眼中的竞技世界
¥37.4¥68.0 -
全图解零基础word excel ppt 应用教程
¥12.0¥48.0 -
机器学习
¥59.4¥108.0 -
深度学习的数学
¥43.5¥69.0 -
智能硬件项目教程:基于ARDUINO(第2版)
¥37.7¥65.0 -
硅谷之火-人与计算机的未来
¥14.3¥39.8 -
元启发式算法与背包问题研究
¥38.2¥49.0 -
AI虚拟数字人:商业模式+形象创建+视频直播+案例应用
¥62.9¥89.8 -
UNIX环境高级编程(第3版)
¥164.9¥229.0 -
剪映AI
¥52.8¥88.0 -
深度学习高手笔记 卷2:经典应用
¥90.9¥129.8 -
纹样之美:中国传统经典纹样速查手册
¥77.4¥109.0 -
UG NX 12.0数控编程
¥24.8¥45.0 -
MATLAB计算机视觉与深度学习实战(第2版)
¥90.9¥128.0 -
界面交互设计理论研究
¥30.8¥56.0 -
UN NX 12.0多轴数控编程案例教程
¥25.8¥38.0 -
微机组装与系统维护技术教程(第二版)
¥37.8¥43.0 -
明解C语言:实践篇
¥62.9¥89.8 -
Linux服务器架设实战(Linux典藏大系)
¥84.5¥119.0 -
PREMIERE PRO 2023全面精通:视频剪辑+颜色调整+转场特效+字幕制作+案例实战
¥69.3¥99.0