多无人机自主协同控制理论与方法 第2版PDF电子书下载

第1章 绪论 1

1.1 背景与意义 1

1.1.1 军事需求 1

1.1.1.1 无人机系统的发展 1

1.1.1.2 自主能力的发展需求 3

1.1.2 研究意义 7

1.1.2.1 问题定义 7

1.1.2.2 研究挑战 8

1.2 多无人机自主协同控制研究现状 10

1.2.1 国外项目研究概述 10

1.2.2 基于分层递阶方法的多无人机协同控制 16

1.2.2.1 多无人机协同任务分配 16

1.2.2.2 多无人机协同航迹规划 21

1.2.2.3 多无人机协同编队控制 23

1.2.3 基于自组织方法的多无人机协同控制 25

1.2.4 多无人机自主协同控制中的智能优化算法 27

1.2.4.1 智能优化算法概述 28

1.2.4.2 智能优化算法在多无人机自主协同控制应用框架 30

1.2.4.3 智能优化算法在多无人机自主协同控制中的应用 31

1.2.5 国内技术研究现状 33

1.2.5.1 基于分层递阶方法的多无人机协同控制 34

1.2.5.2 基于自组织方法的多无人机协同控制 35

1.2.6 多无人机自主协同控制技术展望 36

参考文献 39

第2章 多无人机协同目标状态估计 50

2.1 基于IMM-UIF算法的机动目标状态融合估计 50

2.1.1 问题模型 51

2.1.1.1 目标运动模型和传感器观测模型 51

2.1.1.2 非线性系统多传感器融合估计模型 54

2.1.2 交互多模型无色卡尔曼滤波 55

2.1.2.1 无色卡尔曼滤波 55

2.1.2.2 基于交互多模型的无色卡尔曼滤波算法 57

2.1.3 基于交互多模型无色信息滤波的融合估计算法 58

2.1.3.1 信息滤波 58

2.1.3.2 无色信息滤波算法 59

2.1.3.3 基于UIF的融合估计结构 60

2.1.3.4 基于IMM-UIF融合估计算法 62

2.1.4 多机协同对机动目标状态融合估计仿真试验 63

2.2 基于自适应一致性的分布式目标状态融合估计 65

2.2.1 分布式融合估计及其一致性估计问题 66

2.2.2 自适应一致性算法 67

2.2.2.1 一致性算法 67

2.2.2.2 自适应一致性算法 70

2.2.3 基于自适应一致性的分布式融合估计算法 73

2.2.3.1 AC_DUIF算法流程 73

2.2.3.2 AC_DUIF算法分析 74

2.2.4 有限步长目标状态预测 76

2.2.5 基于AC_DUIF算法的分布式目标状态融合估计仿真试验 76

2.2.5.1 自适应一致性算法性能测试 76

2.2.5.2 基于AC_DUIF算法的分布式融合估计 78

2.3 受限条件下基于鲁棒一致性的分布式目标状态融合估计 82

2.3.1 问题描述 82

2.3.1.1 目标运动和雷达观测模型 82

2.3.1.2 网络化通信模型 83

2.3.2 基于鲁棒一致性的分布式估计算法 84

2.3.2.1 “双时间窗”递推迭代机制 84

2.3.2.2 时延相关鲁棒一致性算法 85

2.3.2.3 RC_DUIF算法流程 86

2.3.2.4 RC_DUIF算法性能分析 87

2.3.3 基于RC_DUIF算法的分布式目标状态融合估计仿真试验 88

2.3.3.1 理想网络条件下的目标状态估计性能比较 89

2.3.3.2 网络时延条件下的目标状态估计性能比较 92

2.3.3.3 复杂网络约束条件下的目标状态估计性能比较 94

2.4 本章小结 96

参考文献 97

第3章 多无人机协同任务分配 98

3.1 多无人机集中式任务分配 98

3.1.1 基于多目标整数规划进化算法的多无人机集中式任务分配 98

3.1.1.1 多UAV协同任务分配多目标整数规划模型 98

3.1.1.2 多UAV协同任务分配MOIPEA算法 101

3.1.1.3 基于MOIPEA的多UAV协同任务分配仿真实验 106

3.1.2 基于异质多种群蚁群算法的多无人机多任务分配 111

3.1.2.1 多无人机多任务分配模型 111

3.1.2.2 多无人机多任务分配异质多种群蚁群算法 114

3.1.2.3 基于HMACA的多无人机多任务分配仿真试验 120

3.1.3 基于离散粒子群算法的多无人机任务调度 124

3.1.3.1 多UAV任务调度问题建模 124

3.1.3.2 面向多无人机任务调度的PSO算法 127

3.1.3.3 基于PSO的多无人机任务调度仿真试验 129

3.2 多无人机分布式任务分配与协调 131

3.2.1 基于合同网的多无人机分布式任务分配 131

3.2.1.1 多UAV分布式任务分配的合同网模型 131

3.2.1.2 基于多种合同网的任务分配 134

3.2.1.3 多无人机分布式任务分配仿真实验 138

3.2.2 基于条件合同机制的多无人机分布式任务协调 141

3.2.2.1 基于条件合同机制的多UAV任务协调 142

3.2.2.2 基于多链接条件合同机制的多UAV任务协调 147

3.2.2.3 基于条件合同机制的多无人机任务协调仿真实验 151

3.3 本章小结 155

参考文献 156

第4章 多无人机协同航迹规划 158

4.1 单机快速航迹规划 158

4.1.1 基于RLACA的航迹规划PRM方法 158

4.1.1.1 无人机航迹规划PRM模型 158

4.1.1.2 航迹规划再励学习蚁群算法 162

4.1.1.3 基于RLACA的无人机航迹规划仿真试验 167

4.1.2 基于异步双精度滚动窗口的UAV实时航迹规划方法 170

4.1.2.1 面向航迹规划的异步双精度滚动窗口优化方法 170

4.1.2.2 求解精细航迹规划问题的AI-DDPSO混合算法 173

4.1.2.3 基于异步双精度滚动窗口的实时航迹规划仿真试验 178

4.1.3 基于改进RRT的UAV在线航迹规划方法 181

4.1.3.1 RRT方法的基本原理 182

4.1.3.2 面向在线航迹规划的RRT改进策略 183

4.1.3.3 基于改进RRT的UAV在线航迹规划仿真试验 187

4.2 多机协同航迹规划 192

4.2.1 基于VBCEA的多机协同航迹规划方法 192

4.2.1.1 基于V图的环境建模 192

4.2.1.2 基于V图的多UAV协同航迹规划共同进化算法 195

4.2.1.3 基于VBCEA的多机协同航迹规划仿真试验 200

4.2.2 基于CEMACA的多机多约束协同航迹规划方法 201

4.2.2.1 多机协同航迹规划问题描述 202

4.2.2.2 面向多UAV协同航迹规划的共同进化多种群蚁群算法 204

4.2.2.3 多无人机多约束协同航迹规划仿真试验 208

4.2.3 基于分布式滚动优化的多机避碰航迹协调方法 210

4.2.3.1 多无人机避碰航迹协调问题建模 211

4.2.3.2 基于分布式滚动优化的多无人机避碰航迹协调 216

4.2.3.3 基于分布式滚动优化的多机避碰协调仿真试验 218

4.3 本章小结 221

参考文献 222

第5章 多无人机协同编队轨迹优化 224

5.1 多无人机编队轨迹优化模型 224

5.1.1 平台模型及其线性化 225

5.1.1.1 UAV平台运动学模型 225

5.1.1.2 基于李导数的精确线性化 225

5.1.1.3 平台性能约束及其线性化 227

5.1.2 多无人机编队控制轨迹优化模型 229

5.1.2.1 多UAV编队构成中的轨迹优化模型 229

5.1.2.2 多UAV编队保持中的轨迹优化模型 230

5.1.3 网络通信拓扑模型 231

5.2 多无人机编队控制中的分布式轨迹优化方法 233

5.2.1 多无人机编队构成中的分布式轨迹优化方法 233

5.2.1.1 基于原始分解的求解框架 233

5.2.1.2 次梯度算法 236

5.2.1.3 编队构成分布式轨迹优化算法 239

5.2.1.4 多无人机编队构成轨迹优化仿真试验 240

5.2.2 多无人机编队保持中的分布式轨迹优化方法 243

5.2.2.1 基于间接分解的求解框架 243

5.2.2.2 编队保持分布式轨迹优化算法 248

5.2.2.3 多无人机编队保持轨迹优化仿真试验 250

5.3 多无人机编队轨迹优化飞行试验 261

5.3.1 多无人机编队飞行试验环境 261

5.3.1.1 MD4-200四旋翼UAV系统 261

5.3.1.2 四旋翼UAV平台基本特性 262

5.3.1.3 飞行试验环境构建 263

5.3.2 飞行试验相关参数 264

5.3.3 飞行试验结果及分析 265

5.4 本章小结 270

参考文献 271

第6章 多无人机协同任务自组织 272

6.1 基于群集智能的多UAV任务自组织 272

6.1.1 多UAV协同任务自组织问题 273

6.1.1.1 基本假设 274

6.1.1.2 多UAV协同任务自组织特性分析 274

6.1.1.3 多UAV协同自组织问题描述 275

6.1.2 蚁群搜捕行为自组织与协同任务自组织 278

6.1.2.1 蚁群搜捕行为自组织特性分析 278

6.1.2.2 蚁群搜捕与多UAV协同任务自组织对比 279

6.1.3 基于分布式搜捕蚁群算法（DRPACA）的协同任务自组织 280

6.1.3.1 基于并行蚂蚁策略的结构设计 281

6.1.3.2 面向任务协调的信息素更新机制 282

6.1.3.3 DRPACA算法流程 287

6.1.4 多无人机协同任务自组织仿真试验 287

6.1.4.1 复杂环境中的任务自组织 287

6.1.4.2 动态环境下的任务自组织 291

6.2 多UAV协同搜索任务自组织 293

6.2.1 多UAV协同搜索建模 293

6.2.1.1 多UAV协同搜索任务过程 293

6.2.1.2 传感器探测模型 294

6.2.1.3 任务区域搜索图模型 298

6.2.1.4 状态空间模型 299

6.2.1.5 协同搜索任务目标 300

6.2.1.6 滚动优化模型 301

6.2.2 基于分布式模型预测控制的求解方法 302

6.2.2.1 分布式模型预测控制（DMPC） 302

6.2.2.2 基于Nash最优的DMPC迭代求解 305

6.2.2.3 基于PSO的子系统优化问题求解 306

6.2.3 多无人机协同搜索任务自组织仿真试验 307

6.2.3.1 分布式方法与集中式方法的比较 307

6.2.3.2 分布式方法与其他搜索方法的比较 310

6.3 多UAV任务区集结自组织 313

6.3.1 多UAV集结问题描述 313

6.3.1.1 问题描述 313

6.3.1.2 任务区集结问题建模 314

6.3.2 基于合作博弈优化一致性的分布式求解方法 316

6.3.2.1 分布式求解框架 316

6.3.2.2 基于CGOC的自组织方法 319

6.3.3 多无人机任务区域集结自组织仿真试验 326

6.4 本章小结 330

参考文献 330

第7章 多无人机自主协同控制的典型应用 333

7.1 高空长航时无人机协同目标侦察 333

7.1.1 多无人机协同目标侦察问题分析 335

7.1.1.1 无人机侦察任务剖面 335

7.1.1.2 侦察成像传感器的选择 336

7.1.1.3 侦察目标需求 337

7.1.1.4 无人机平台性能 338

7.1.1.5 多UAV协同侦察问题时/空特性 338

7.1.2 多无人机协同目标侦察任务分配模型及算法 339

7.1.2.1 多基地多UAV协同侦察任务分配 339

7.1.2.2 多无人机协同侦察动态任务分配 345

7.1.3 多无人机协同目标侦察任务分配仿真试验 346

7.1.3.1 自适应进化多目标优化方法 346

7.1.3.2 多UAV协同目标侦察任务分配 348

7.1.3.3 多UAV协同侦察动态任务分配 355

7.2 战术无人机协同目标跟踪 357

7.2.1 面向战术任务的协同目标跟踪问题 359

7.2.1.1 面向战术任务的多无人机系统任务控制结构 359

7.2.1.2 多UAV协同跟踪在线航迹优化问题建模 361

7.2.2 多无人机协同目标跟踪问题求解方法 362

7.2.2.1 面向Standoff跟踪的多UAV协同航迹优化方法 362

7.2.2.2 面向Persistent跟踪的多UAV协同航迹优化方法 365

7.2.3 多UAV协同目标跟踪轨迹优化仿真及飞行试验 367

7.2.3.1 多无人机协同Standoff跟踪仿真试验 367

7.2.3.2 多无人机协同Persistent跟踪仿真试验 372

7.2.3.3 多UAV协同目标跟踪飞行试验 374

7.3 多无人作战飞机/有人机协同遂行SEAD任务 383

7.3.1 多无人作战飞机/有人机协同的概念及典型任务想定 386

7.3.2 面向多无人作战飞机/有人机协同的分布式控制方法 389

7.3.2.1 有人机与多无人作战飞机协同作战的技术需求 390

7.3.2.2 多UCAV/有人机协同SEAD任务过程分析 390

7.3.2.3 面向多UCAV/有人机协同SEAD的在线协同规划过程分析 391

7.3.2.4 多UCAV/有人机协同分布式自适应模型预测控制框架 393

7.3.3 多UCAV/有人机协同控制仿真试验 399

7.3.3.1 仿真环境及系统结构 399

7.3.3.2 仿真试验结果及分析 401

7.4 本章小结 403

参考文献 403

缩略语 405