自主智能無人系統
方浩、曾憲琳、楊慶凱、陳傑
相關主題
商品描述
"本書以自主智能無人系統為主線，全面系統地介紹了其核心原理、基礎知識以及智能算法，主要內 容包括無人系統經典模型、無人系統運動控制、機器學習和深度神經網絡、智能控制、傳感器濾波與智 能融合、即時定位與建圖、態勢智能評估、自主任務分配與行為規劃、智能路徑規劃與軌跡規劃、多智 能體系統協同控制、多智能體系統協同優化與決策等。 本書可以作為自動化、人工智能、機器人等相關專業的本科生或研究生的教科書，也適合作為自主 智能無人系統研究領域科研工作者的參考書。 "
作者簡介
曾憲琳，北京理工大學自動化學院教授，博士生導師。2015年獲得美國德克薩斯理工大學機械工程系博士學位；2015—2017年在中國科學院數學與系統科學研究院從事博士後研究；2017—2019年在北京理工大學從事博士後研究，後留校任教。主要研究方向為多智能體系統分布式非光滑控制與優化、無人系統的規劃和控制。主持國家自然科學優青項目、面上項目等多項。獲中國自動化學會自然科學一等獎1項；現任《控制理論與技術》青年編委。發表SCI論文30余篇，其中以第一作者在控制領域頂級期刊IEEE Transactions on Automatic Control、Automatica、SIAM Jourmal on Controland Optimization和其他IEEE匯刊上發表論文10余篇。
目錄大綱
目 錄
第 1 章 自主智能無人系統概述 1
1.1 引言 1
1.2 自主智能無人系統的基本概念與內涵 1
1.2.1 自主智能無人系統的概念 1
1.2.2 自主智能無人系統的研究內容 4
1.2.3 自主智能無人系統的系統模型 6
1.3 自主智能無人系統的特征和性能 8
1.3.1 自主性 8
1.3.2 智能性 11
1.3.3 復雜性 12
1.3.4 協作性 12
1.3.5 容錯性 13
1.3.6 安全性和健壯性 13
1.4 自主智能無人系統的發展與演化 14
1.4.1 自主智能無人系統的歷史與起源 14
1.4.2 自主智能無人系統的發展和現狀 14
1.4.3 自主智能無人系統的發展趨勢 18
1.4.4 自主智能無人系統的技術挑戰 22
1.5 本書的宗旨和結構 23
練習 24
第 2 章 無人系統基礎 25
2.1 引言 25
2.2 坐標系、運動學和動力學 25
2.2.1 坐標系 25
2.2.2 運動學基礎 29
2.2.3 動力學基礎 32
2.3 無人系統經典模型 34
2.3.1 兩連桿機械臂系統模型 34
2.3.2 輪式無人車系統模型 37
2.3.3 無人機系統模型 40
2.4 無人系統控制基礎 43
2.4.1 機械臂力交互控制 43
2.4.2 輪式無人車軌跡跟蹤控制 47
2.4.3 旋翼無人機位姿全狀態控制 50
2.5 小結 55
練習 56
第 3 章 自主性和人工智能基礎 58
3.1 引言 58
3.2 機器學習基礎 58
3.2.1 基本概念 59
3.2.2 監督學習 60
3.2.3 無監督學習 65
3.3 強化學習基礎 68
3.3.1 馬爾可夫決策過程 69
3.3.2 強化學習基本概念 71
3.3.3 多臂賭博機 72
3.3.4 值疊代算法 75
3.3.5 策略疊代算法 78
3.3.6 演員-評論家算法 82
3.4 人工神經網絡和深度學習 83
3.4.1 人工神經網絡概述 83
3.4.2 循環神經網絡 92
3.4.3 長短期記憶網絡 95
3.4.4 生成對抗網絡 98
3.4.5 註意力機制 100
3.4.6 Transformer 104
3.5 應用：基於神經網絡的軌跡預測 108
3.5.1 基於 GAN 和駕駛風格融合的預測算法框架搭建 108
3.5.2 融合 LSTM 和感知機網絡的車輛歷史特征處理 110
3.5.3 具有空間註意力機制的交互信息提取 111
3.5.4 基於 GAN 和無監督學習的軌跡預測模型 114
3.5.5 實驗結果與分析 115
3.6 小結 118
練習 119
第 4 章 自主智能運動控制 120
4.1 引言 120
4.2 典型自主運動控制 121
4.2.1 最優控制 121
4.2.2 模型預測控制 124
4.2.3 魯棒自適應控制 129
4.2.4 模糊控制 135
4.3 自主智能運動控制 139
4.3.1 神經網絡最優控制 139
4.3.2 基於學習的模型預測控制 141
4.3.3 神經網絡魯棒自適應控制 145
4.3.4 模糊神經網絡控制 153
4.4 典型應用 156
4.4.1 無人車強化學習軌跡跟蹤控制 156
4.4.2 無人機神經網絡自適應軌跡跟蹤控制 160
4.4.3 雙足仿人機器人神經網絡步態控制 164
4.5 小結 169
練習 169
第 5 章 自主智能感知和定位 171
5.1 引言 171
5.2 傳感器濾波與智能融合 172
5.2.1 卡爾曼濾波理論概述 172
5.2.2 多傳感器集中式融合 177
5.2.3 多傳感器分布式融合 183
5.2.4 多傳感器智能化融合 189
5.2.5 仿真實驗 191
5.3 自主即時定位與建圖 194
5.3.1 自主即時定位模型 194
5.3.2 基於擴展卡爾曼濾波的自主即時定位與建圖 197
5.3.3 基於優化的自主即時定位與建圖 202
5.3.4 多機協同的自主即時定位與建圖 213
5.3.5 仿真實驗 219
5.4 態勢智能評估 221
5.4.1 態勢的定義 221
5.4.2 態勢量化評估介紹 222
5.4.3 態勢智能評估介紹 226
5.4.4 仿真程序 227
5.5 小結 230
練習 231
第 6 章 無人系統自主決策與行為規劃 232
6.1 引言 232
6.2 無人系統自主決策 233
6.2.1 自主決策問題概述 233
6.2.2 自主決策問題建模 234
6.2.3 傳統決策算法 237
6.2.4 智能決策算法 245
6.3 無人系統序列行為規劃 251
6.3.1 遷移系統相關定義 252
6.3.2 基於自動機的序列行為建模 257
6.3.3 基於 Petri 網的序列行為建模 263
6.3.4 線性時序邏輯約束下序列行為規劃 268
6.4 小結 271
練習 271
第 7 章 無人系統的運動規劃 273
7.1 引言 273
7.2 無人系統路徑規劃 273
7.2.1 路徑規劃 274
7.2.2 任務空間描述 274
7.2.3 圖搜索算法 276
7.2.4 隨機采樣算法 280
7.2.5 曲線插值法 283
7.2.6 無人系統路徑規劃算法的總結 286
7.3 無人系統軌跡規劃 286
7.3.1 解耦法 287
7.3.2 模型預測控制方法 288
7.3.3 多種算法結合 289
7.4 自主智能規劃算法 290
7.4.1 神經網絡規劃 291
7.4.2 群體智能規劃 293
7.5 小結 296
練習 296
第 8 章 多智能體協同控制 299
8.1 引言 299
8.2 圖論、矩陣論基礎 300
8.2.1 代數圖論 300
8.2.2 矩陣論 307
8.3 一階多智能體系統協同控制 308
8.3.1 一階線性多智能體系統一致性控制 308
8.3.2 一階多智能體系統仿射編隊控制 313
8.3.3 一階非線性多智能體系統一致性控制 317
8.4 二階多智能體系統協同控制 324
8.4.1 二階線性多智能體系統一致性控制 324
8.4.2 二階多智能體系統仿射編隊控制 328
8.4.3 二階非線性多智能體系統一致性控制 330
8.5 典型協同控制方法及運用 335
8.5.1 無人車協同編隊控制 335
8.5.2 多無人機區域覆蓋控制 340
8.5.3 面向平均區域覆蓋的多機器人分布式控制 345
8.5.4 多無人艇協同包圍控制 352
8.6 小結 357
練習 357
第 9 章 多智能體協同優化與決策 359
9.1 引言 359
9.2 多智能體協同路徑規劃 359
9.2.1 協同路徑規劃問題概述 360
9.2.2 優先級算法 362
9.2.3 基於沖突的搜索算法 365
9.2.4 應用：大規模多智能體協同路徑規劃 369
9.3 多智能體任務分配 371
9.3.1 協同任務分配概述 371
9.3.2 拍賣算法 372
9.3.3 基於生成樹拍賣的搜索任務規劃算法 374
9.4 多智能體強化學習博弈 381
9.4.1 多智能體博弈基本概念 381
9.4.2 多智能體博弈模型 385
9.4.3 多智能體博弈策略的強化學習 386
9.4.4 應用：《星際爭霸 II》 389
9.5 小結 391
練習 392
附錄 A 本書符號匯總 394
附錄 B Riccati 方程推導 400
附錄 C 定理 8.4 的證明 402
附錄 D 定理 8.6 的證明 405
參考文獻 409
