移动机器人自主控制理论与技术PDF电子书下载

第1章 绪论 1

1.1移动机器人系统与技术的发展概况 1

1.1.1移动机器人系统体系结构的发展 1

1.1.2移动机器人的关键技术与应用 2

1.1.3无人系统技术的发展概况 4

1.1.4移动机器人技术的发展趋势 4

1.2移动机器人自主控制的内涵与研究概况 5

1.2.1移动机器人自主控制的内涵 6

1.2.2移动机器人自主控制的研究概况 8

1.3本书内容的组织与结构 13

参考文献 16

第2章 未来无人机的典型特征——自主控制 20

2.1引言 20

2.2自主控制的概念和发展 20

2.2.1无人机自主控制的概念 21

2.2.2无人机自主控制的发展 22

2.3无人机自主水平等级 23

2.3.1国外自主水平等级评估方法 23

2.3.2一种通用自主水平等级的评估方法 30

2.3.3自主控制能力 31

2.4无人机自主控制体系结构与技术 35

2.4.1无人机自主控制系统体系结构 35

2.4.2无人机单机自主控制关键技术 38

2.4.3多无人机自主协同控制及关键技术 49

2.5无人机自主控制展望 53

2.5.1自主控制系统的综合智能结构模式及系统优化研究 54

2.5.2面向环境感知的智能化实时图像融合技术研究 54

2.5.3在线态势感知及实时自主控制决策、快速任务规划技术研究 54

2.5.4故障诊断、容错控制技术和健康管理技术研究 55

2.5.5人工智能技术在无人机自主控制系统中的应用研究 55

2.5.6基于无人机群控及与有人机协同作战的自主控制技术研究 55

参考文献 56

第3章 旋翼无人机自主飞行控制方法 58

3.1引言 58

3.2 ServoHeli旋翼无人机试验平台 59

3.2.1平台机械结构概述 59

3.2.2 ServoHeli旋翼无人机航电系统简介 59

3.3旋翼无人机先进控制方法研究 60

3.3.1旋翼无人机系统建模 60

3.3.2基于加速度反馈的旋翼无人机鲁棒控制方法 64

3.3.3其他先进控制方法 75

3.4飞行试验及结果分析 78

3.4.1基于自适应机制的全包络飞行试验 78

3.4.2面向信息获取的全自主飞行试验 80

3.4.3旋翼无人机容错控制飞行试验 81

3.5小结 82

参考文献 83

第4章 多无人机协同控制方法 85

4.1引言 85

4.2网络化环境下多无人机协同规划 86

4.2.1分布式协同任务分配方法 86

4.2.2分布式协调航迹规划方法 91

4.2.3无人机集群任务规划应用 99

4.3多无人机自组织行为 100

4.3.1多无人平台自组织行为的概念 100

4.3.2自组织行为方法原理 104

4.3.3自组织行为的应用实例 115

4.4有人/无人协同控制方法 125

4.4.1有人机/无人机协同的概念及技术挑战 125

4.4.2有人/无人协同控制方法 127

4.4.3有人/无人协同控制应用实例 138

4.5小结 141

参考文献 141

第5章 地面智能车辆自主驾驶技术 144

5.1引言 144

5.2环境感知与识别的研究概况和发展趋势 146

5.2.1车道线识别 146

5.2.2障碍检测 147

5.2.3恶劣天气下的视觉图像处理 148

5.2.4多传感器信息融合 149

5.3车辆自主决策与运动规划技术的研究 149

5.4动态环境中车辆控制系统分析与控制 150

5.4.1高速行驶车辆系统的状态估计 150

5.4.2车辆智能驾驶系统的混合优化控制方法 151

5.4.3高速车辆智能驾驶系统的性能评估 152

5.4.4智能车辆异常状态诊断与容错控制 153

5.5小结 153

参考文献 153

第6章 地面智能车辆动力学建模与轨迹规划方法 159

6.1引言 159

6.2车辆动力学模型 160

6.2.1车辆的运动学模型 160

6.2.2车辆的动力学模型 162

6.2.3车辆的轮胎模型 163

6.3基于微分平坦的轨迹规划 167

6.3.1轨迹规划 167

6.3.2微分平坦 168

6.3.3系统状态与输入的平坦输出表示 170

6.3.4约束的平坦输出表示 173

6.3.5性能指标的平坦输出表示 174

6.4仿真分析 177

6.4.1最大加速度约束 177

6.4.2半圆路径函数仿真分析 177

6.4.3正弦路径函数仿真分析 182

6.5小结 187

参考文献 187

第7章 水下机器人仿生流场适应性控制方法 189

7.1引言 189

7.2仿生水下机器人现状及挑战 191

7.2.1尾鳍模式仿生水下机器人研究进展 192

7.2.2胸鳍模式仿生水下机器人研究进展 194

7.2.3波动鳍模式仿生水下机器人研究进展 195

7.2.4仿生水下机器人的挑战 196

7.3仿生流场适应性技术内涵 198

7.3.1仿生流场适应性技术的定义 198

7.3.2仿生流场适应性技术的定位 199

7.3.3仿生流场适应性技术的分类 200

7.4仿生流场适应性控制方法 201

7.4.1研究思路 201

7.4.2控制结构 202

7.4.3算法描述 204

7.5仿生流场适应性控制应用实例 206

7.5.1仿生波动鳍及实验平台 206

7.5.2仿生波动适应性控制系统 208

7.5.3仿生波动鳍适应性控制实验 209

7.6小结 211

参考文献 212

第8章 移动机器人环境感知的模式特征抽取理论 219

8.1引言 219

8.2主分量分析 220

8.2.1 K-L变换 220

8.2.2非线性主分量分析 221

8.2.3二维主分量分析与张量分析 222

8.3鉴别分析 223

8.3.1线性鉴别分析 223

8.3.2小样本问题 224

8.3.3非线性鉴别分析 224

8.3.4二维线性鉴别分析 225

8.4流形学习 226

8.4.1流形学习定义 226

8.4.2图嵌入方法 226

8.4.3主流形方法 227

8.5基于稀疏性理论的图像特征抽取 228

8.5.1稀疏表示理论 228

8.5.2压缩感知理论 229

8.5.3 Kernel学习理论的稀疏表示 229

8.5.4图像模式的稀疏性 230

8.6独立分量分析 230

8.7研究趋势 232

8.8模式特征抽取在移动机器人环境感知中的应用 233

8.8.1障碍物检测 233

8.8.2地表覆盖分析 234

8.8.3可通行区域的确定 235

8.9小结 236

参考文献 236

第9章 移动机器人同时定位与构图的数据关联技术 248

9.1移动机器人同时定位与建图综述 248

9.2移动机器人SLAM模型及原理 250

9.2.1 SLAM系统模型 250

9.2.2移动机器人运动模型 251

9.2.3路标模型 252

9.2.4传感器观测模型 253

9.2.5 SLAM解决思想 254

9.3基于粒子群优化的PF-SLAM 254

9.3.1粒子滤波方法的不足 255

9.3.2粒子群优化的原理 256

9.3.3融合粒子群优化的SLAM算法 257

9.3.4实验及结果分析 259

9.4移动机器人SLAM中的数据关联问题 261

9.4.1 SLAM中的数据关联问题的描述 262

9.4.2 ICNN数据关联方法 263

9.4.3 JCBB数据关联方法 264

9.4.4基于粒子滤波的多假设数据关联方法 265

参考文献 270

第10章 提高移动机器人自主行为能力的增强学习理论与方法 273

10.1引言 273

10.2增强学习理论与算法研究概述 275

10.2.1增强学习的马氏决策过程模型 275

10.2.2平稳控制策略值函数估计的TID学习理论 276

10.2.3基于值函数逼近的MDP学习控制算法 278

10.2.4基于直接策略搜索与近似策略迭代的学习控制算法 279

10.2.5具有自适应评价设计结构的学习控制 280

10.2.6增强学习在移动机器人自主控制中应用的概况 282

10.3连续行为空间近似策略迭代算法CAPI 282

10.3.1 CAPI算法的基本框架 283

10.3.2 CAPI中的自适应基函数的自动选择 286

10.4基于近似策略迭代的移动机器人自主避障控制 291

10.4.1移动机器人系统的感知与运动特性 292

10.4.2基于滚动窗口的局部路径规划 292

10.4.3移动机器人自主避障的马氏决策过程建模 293

10.4.4基于近似策略迭代算法的移动机器人自主避障 294

10.5小结 296

参考文献 296

缩略语 301