多無人機自主協(xié)同控制理論與方法

內(nèi)容概要

《無人機系統(tǒng)自主控制技術叢書:多無人機自主協(xié)同控制理論與方法》圍繞多無人機協(xié)同執(zhí)行作戰(zhàn)任務對自主協(xié)同控制基礎理論與關鍵技術展開了探討，主要針對多機協(xié)同作戰(zhàn)中的環(huán)境復雜性、無人機系統(tǒng)復雜性、任務復雜性、時間敏感性、計算復雜性和通信復雜性等特點，對多無人機協(xié)同任務分配、協(xié)同航跡規(guī)劃、協(xié)同目標狀態(tài)估計、協(xié)同編隊軌跡優(yōu)化、協(xié)同任務自組織以及典型作戰(zhàn)應用等方面闡述，反映了作者在該領域的最新研究工作，具有新穎性、前沿性、理論與應用密切結(jié)合的特點。

作者簡介

沈林成，男，江蘇吳江人，1965年生，博士，教授，博導。國防科技大學機電工程與自動化學院院長、控制科學與工程學科帶頭人?，F(xiàn)任總裝無人機系統(tǒng)技術專業(yè)組副組長。中國自動化學會機器人專業(yè)委員會副主任委員，國際仿生工程學會（ISBE）創(chuàng)始會員，湖南省學科評議組成員。長期從事無人作戰(zhàn)系統(tǒng)和任務規(guī)劃技術研究，先后主持并完成國家自然科學基金、國家安全重大基礎、裝備預研、演示驗證、國防基礎科研等國家或軍隊重點項目20余項。獲部委級科技進步一等獎1項、二等獎2項。擔任國際期刊Journal of Bionic Engineerin9編委，出版學術專著1部，在國內(nèi)外重要期刊和學術會議上發(fā)表論文150余篇，SCI／EI檢索100余篇。 牛軼峰，男，河南伊川人，1979年生，博士，講師。2001年、2007年分別獲得國防科技大學自動控制專業(yè)學士學位、控制科學與工程專業(yè)博士學位，201 2年在德國蒂賓根大學計算機科學系作博士后研究。現(xiàn)為國防科技大學機電工程與自動化學院無人系統(tǒng)研究所講師，IEEE、ISBE和CSIG會員。主要從事無人機系統(tǒng)自主控制技術研究，參加和負責國家安全重大基礎、裝備預研、裝備預研基金等多項國家或軍隊重點項目，做出了突出的貢獻，獲部委級科技進步一等獎1項，軟件著作權2項。目前共發(fā)表學術論文40余篇，SCI／EI檢索20余篇。 朱華勇，男，浙江舟山人，1971年生，博士，教授。國防科技大學機電工程與自動化學院無人系統(tǒng)研究所所長，控制科學與工程學科科研骨干?，F(xiàn)任中國航空學會控制理論與應用專業(yè)委員會委員。長期從事智能控制和任務規(guī)劃技術研究，先后主持并承擔了國家安全重大基礎、裝備預研、演示驗證、國防基礎科研等國家或軍隊重點項目10余項。獲得部委級科技進步一等獎1項、三等獎1項，發(fā)明專利和新型實用專利各1項，軟件著作權4項，2011年獲得總裝“十一五”武器裝備預研先進個人”稱號。出版學術專著1部。在核心期刊和國際會議上發(fā)表學術論文50余篇，SCI／EI檢索30余篇。

書籍目錄

第1章緒論 1.1背景與意義 1.1.1軍事需求 1.1.1.1 無人機系統(tǒng)的發(fā)展 1.1.1.2 自主能力的發(fā)展需求 1.1.2研究意義 1.1.2.1 問題定義 1.1.2.2研究挑戰(zhàn) 1.2多無人機自主協(xié)同控制研究現(xiàn)狀 1.2.1 國外項目研究概述 1.2.2基于分層遞階方法的多無人機協(xié)同控制 1.2.2.1 多無人機協(xié)同任務分配 1.2.2.2 多無人機協(xié)同航跡規(guī)劃 1.2.2.3 多無人機協(xié)同編隊控制 1.2.3基于自組織方法的多無人機協(xié)同控制 1.2.4多無人機自主協(xié)同控制中的智能優(yōu)化算法 1.2.4.1智能優(yōu)化算法概述 1.2.4.2智能優(yōu)化算法在多無人機自主協(xié)同控制應用框架 1.2.4.3智能優(yōu)化算法在多無人機自主協(xié)同控制中的應用 1.2.5國內(nèi)技術研究現(xiàn)狀 1.2.5.1基于分層遞階方法的多無人機協(xié)同控制 1.2.5.2基于自組織方法的多無人機協(xié)同控制 1.2.6多無人機自主協(xié)同控制技術展望 參考文獻 第2章多無人機協(xié)同任務分配 2.1多無人機集中式任務分配 2.1.1 基于多目標整數(shù)規(guī)劃進化算法的多無人機集中式任務分配 2.1.1.1 多UAV協(xié)同任務分配多目標整數(shù)規(guī)劃模型 2.1.1.2 多UAV協(xié)同任務分配MOIPEA算法 2.1.1.3 基于MOIPEA的多UAV協(xié)同任務分配仿真實驗 2.1.2基于異質(zhì)多種群蟻群算法的多無人機多任務分配 2.1.2.1 多無人機多任務分配模型 2.1.2.2 多無人機多任務分配異質(zhì)多種群蟻群算法 2.1.2.3基于HMACA的多無人機多任務分配仿真試驗 2.1.3基于離散粒子群算法的多無人機任務調(diào)度 2.1.3.1 多UAV任務調(diào)度問題建模 2.1.3.2面向多無人機任務調(diào)度的PSO算法 2.1.3.3基于PSO的多無人機任務調(diào)度仿真試驗 2.2多無人機分布式任務分配與協(xié)調(diào) 2.2.1基于合同網(wǎng)的多無人機分布式任務分配 2.2.1.1 多UAV分布式任務分配的合同網(wǎng)模型 2.2.1.2基于多種合同網(wǎng)的任務分配 2.2.1.3 多無人機分布式任務分配仿真實驗 2.2.2基于條件合同機制的多無人機分布式任務協(xié)調(diào) 2.2.2.1基于條件合同機制的多UAV任務協(xié)調(diào) 2.2.2.2基于多鏈接條件合同機制的多UAV任務協(xié)調(diào) 2.2.2.3基于條件合同機制的多無人機任務協(xié)調(diào)仿真實驗 2.3本章小結(jié) 參考文獻 第3章多無人機協(xié)同航跡規(guī)劃 3.1單機快速航跡規(guī)劃 3.1.1 基于RLACA的航跡規(guī)劃PRM方法 3.1.1.1 無人機航跡規(guī)劃PRM模型 3.1.1.2航跡規(guī)劃再勵學習蟻群算法 3.1.1.3基于RLACA的無人機航跡規(guī)劃仿真試驗 3.1.2基于異步雙精度滾動窗口的UAV實時航跡規(guī)劃方法 3.1.2.1 面向航跡規(guī)劃的異步雙精度滾動窗口優(yōu)化方法 3.1.2.2 求解精細航跡規(guī)劃問題的AI—DDPSO混合算法 3.1.2.3基于異步雙精度滾動窗口的實時航跡規(guī)劃仿真試驗 3.1.3基于改進RRT的UAV在線航跡規(guī)劃方法 3。1.3.1 RRT方法的基本原理 3.1.3.2面向在線航跡規(guī)劃的RRT改進策略 3.1.3.3基于改進RRT的UAV在線航跡規(guī)劃仿真試驗 3.2多機協(xié)同航跡規(guī)劃 3.2.1基于VBCEA的多機協(xié)同航跡規(guī)劃方法 3.2.1.1基于V圖的環(huán)境建模 3.2.1.2基于V圖的多UAV協(xié)同航跡規(guī)劃共同進化算法 3.2.1.3基于VBCEA的多機協(xié)同航跡規(guī)劃仿真試驗 3.2.2基于CEMACA的多機多約束協(xié)同航跡規(guī)劃方法 3.2.2.1 多機協(xié)同航跡規(guī)劃問題描述 3.2.2.2面向多UAV協(xié)同航跡規(guī)劃的共同進化多種群蟻群算法 3.2.2.3 多無人機多約束協(xié)同航跡規(guī)劃仿真試驗 3.2.3基于分布式滾動優(yōu)化的多機避碰航跡協(xié)調(diào)方法 3.2.3.1 多無人機避碰航跡協(xié)調(diào)問題建模 3.2.3.2基于分布式滾動優(yōu)化的多無人機避碰航跡協(xié)調(diào) 3.2.3.3基于分布式滾動優(yōu)化的多機避碰協(xié)調(diào)仿真試驗 3.3本章小結(jié) 參考文獻 第4章多無人機協(xié)同目標狀態(tài)估計 4.1基于IMM—UIF算法的機動目標狀態(tài)融合估計 4.1.1問題模型 4.1.1.1 目標運動模型和傳感器觀測模型 4.1.1.2非線性系統(tǒng)多傳感器融合估計模型 4.1.2交互多模型無色卡爾曼濾波 4.1.2.1無色卡爾曼濾波 4.1.2.2基于交互多模型的無色卡爾曼濾波算法 4.1.3基于交互多模型無色信息濾波的融合估計算法 4.1.3.1信息濾波 4.1.3.2無色信息濾波算法 4.1.3.3基于UIF的融合估計結(jié)構(gòu) 4.1.3.4基于IMM—UIF融合估計算法 4.1.4多機協(xié)同對機動目標狀態(tài)融合估計仿真試驗 4.2基于自適應一致性的分布式目標狀態(tài)融合估計 4.2.1分布式融合估計及其一致性估計問題 4.2.2自適應一致性算法 4.2.2.1一致性算法 4.2.2.2 自適應一致性算法 4.2.3基于自適應一致性的分布式融合估計算法 4.2.3.1 AC_DUIF算法流程 4.2.3.2 AC_DUIF算法分析 4.2.4有限步長目標狀態(tài)預測 4.2.5基于AC_DUIF算法的分布式目標狀態(tài)融合估計仿真試驗 4.2.5.1 自適應一致性算法性能測試 4.2.5.2基于AC_DUIF算法的分布式融合估計 4.3受限條件下基于魯棒一致性的分布式目標狀態(tài)融合估計 4.3.1問題描述 4.3.1.1 目標運動和雷達觀測模型 4.3.1.2 網(wǎng)絡化通信模型 4.3.2基于魯棒一致性的分布式估計算法 4.3.2.1“雙時間窗”遞推迭代機制 4.3.2.2時延相關魯棒一致性算法 4.3.2RC_DUIF算法流程 4.3.2.4 RC_DUIF算法性能分析 4.3.3基于RC_DUIF算法的分布式目標狀態(tài)融合 估計仿真試驗 4.3.3.1 理想網(wǎng)絡條件下的目標狀態(tài)估計性能比較 4.3.3.2 網(wǎng)絡時延條件下的目標狀態(tài)估計性能比較 4.3.3.3 復雜網(wǎng)絡約束條件下的目標狀態(tài)估計性能比較 …… 第5章多無人機協(xié)同編隊軌跡優(yōu)化 第6章多無人機協(xié)同任務自組織 第7章多無人機自主協(xié)同控制的典型應用 參考文獻 縮略語

章節(jié)摘錄

版權頁：   插圖：   通過仿真試驗可以看出，基于異步雙精度滾動窗口的航跡規(guī)劃方法的適應性強。通過對全局窗口采樣點數(shù)量和局部窗口范圍的控制，易于實現(xiàn)在線規(guī)劃時對航跡最優(yōu)性與實時性的平衡。這種雙精度滾動窗口策略在任務改變或戰(zhàn)場態(tài)勢發(fā)生重大變化時，可通過全局窗口的粗略航跡規(guī)劃快速搜索到新航跡，提高航跡全局的最優(yōu)性和協(xié)作性，并能夠通過一系列在線進行的精細航跡規(guī)劃應對環(huán)境的變化，修正和優(yōu)化粗略航跡。在精細航跡規(guī)劃階段，通過局部窗口限定了精細航跡搜索的空間，僅針對局部窗口范圍內(nèi)的有限區(qū)域做更為細致的航跡規(guī)劃，使用AI—DDPSO算法可以快速有效地找到當前最優(yōu)航跡，滿足實時在線航跡規(guī)劃的需求。AI—DDPSO航跡規(guī)劃算法中，采用角度偏差航跡表示方式，在UAV速度恒定情況下，比傳統(tǒng)航跡點表示法的維度少1／3，有利于提高算法計算速度?；诰植繚L動窗口的精細航跡規(guī)劃，能夠充分利用當前新信息，形成了觀察一規(guī)劃一執(zhí)行一再觀察的閉環(huán)機制，通過跟蹤任務執(zhí)行過程中的狀態(tài)變化，自適應地快速規(guī)劃出能夠回避威脅和障礙的飛行航跡。 3.1.3基于改進RRT的UAV在線航跡規(guī)劃方法 UAV在執(zhí)行諸如區(qū)域搜索、目標偵察等任務時，對于區(qū)域內(nèi)目標的具體位置和敵方威脅情況不完全確知，因此，UAV要能夠根據(jù)任務過程中的實時探測信息進行在線的自主航跡規(guī)劃，這對規(guī)劃算法的實時性提出了很高要求?，F(xiàn)有大多數(shù)航跡規(guī)劃方法主要強調(diào)航跡的最優(yōu)性，并在一定程度上考慮了航跡規(guī)劃最優(yōu)性和實時性之間的矛盾，但計算時間仍然無法兼顧。雖然近年來研究人員從航跡規(guī)劃建模和求解兩方面均提出了許多改進策略，如改進概率路標圖(PRM)的構(gòu)造方法，提高智能優(yōu)化算法的收斂速度等，但由于規(guī)劃方法本身的限制，在應用于在線航跡規(guī)劃時，往往由于優(yōu)化時間過長而喪失了現(xiàn)實可行性。因此，需要研究快速有效的在線航跡規(guī)劃方法，以滿足UAV任務需求?？焖贁U展隨機樹(RRT)算法能夠根據(jù)當前環(huán)境快速有效地搜索高維空間，通過組態(tài)空間的隨機采樣點，將搜索導向空白區(qū)域，適合于解決包含幾何約束和動力學約束的航跡規(guī)劃問題。通過引入航跡代價，增加啟發(fā)信息克服搜索的隨機性，提出了基于改進RRT(Improved RRT.IRRT)的UAV在線航跡規(guī)劃方法，有效提高了航跡規(guī)劃的時間性能。

編輯推薦

《無人機系統(tǒng)自主控制技術叢書:多無人機自主協(xié)同控制理論與方法》可作為高等學校與科研院所中從事人工智能與模式識別、機器人與智能系統(tǒng)、無人機系統(tǒng)工程等專業(yè)領域的研究和教學參考用書，也可作為自動化、計算機、運籌學、信息處理領域其他相關專業(yè)師生及科研人員的參考用書。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    多無人機自主協(xié)同控制理論與方法 PDF格式下載

---