自主智能系統(tǒng)控制

第1章　緒論 001
1.1  自主智能系統(tǒng)控制介紹 002
1.1.1　自主智能系統(tǒng)控制的特點及研究現狀 002
1.1.2　多智能體系統(tǒng)的分布式估計和協(xié)同控制 005
1.2　自主智能系統(tǒng)舉例 009
1.2.1　工業(yè)智能控制系統(tǒng) 009
1.2.2　多機器人協(xié)作系統(tǒng) 011
第2章　自主智能系統(tǒng)建模方法 015
2.1　面向狀態(tài)估計的自主智能系統(tǒng)建模 016
2.1.1　線性隨機系統(tǒng)的Kalman濾波方程 016
2.1.2　線性指數二次高斯狀態(tài)估計方程 017
2.1.3　隱馬爾可夫模型的狀態(tài)估計方程 018
2.2　基于剛體動力學的自主智能系統(tǒng)建模 020
2.2.1　旋轉矩陣的基本知識 020
2.2.2　姿態(tài)表征和運動學 021
2.2.3　軸角姿態(tài)表征與姿態(tài)動力學 022
2.2.4　剛體的歐拉-拉格朗日系統(tǒng)模型 023
2.2.5　基于歐拉-拉格朗日系統(tǒng)的四旋翼無人機模型 023
2.3　基于事件觸發(fā)通信機制的自主智能系統(tǒng)建模 025
2.3.1　動態(tài)事件觸發(fā)機制的設計原則Ⅰ 025
2.3.2　動態(tài)事件觸發(fā)機制的設計原則Ⅱ 029
2.4　面向網絡安全的自主智能系統(tǒng)建模 030
2.4.1　網絡攻擊模型 031
2.4.2　網絡攻擊的檢測以及識別技術 032
2.4.3　抵抗網絡攻擊的魯棒濾波 034
第3章　隱馬爾可夫模型的事件觸發(fā)風險敏感狀態(tài)估計 037
3.1　概述 038
3.2　問題描述 038
3.3　遞歸估計結果 040
3.3.1　參考概率測度 040
3.3.2　遞歸估計 044
3.3.3　測量噪聲為高斯時的解 047
3.4　仿真示例 051
第4章　具有相對熵約束的事件觸發(fā)小狀態(tài)估計 057
4.1　概述 058
4.2　問題描述 059
4.2.1　不確定系統(tǒng) 059
4.2.2　事件觸發(fā)策略 060
4.2.3　事件觸發(fā)小估計問題 062
4.3　事件觸發(fā)LEQG估計 064
4.3.1　遞歸的信息狀態(tài) 064
4.3.2　動態(tài)規(guī)劃 070
4.4　一步事件觸發(fā)小估計 073
4.4.1　一步事件觸發(fā)LEQG估計 075
4.4.2　一步事件觸發(fā)小估計器 076
4.5　多傳感器場景 079
4.6　仿真示例 082
第5章　具有隨機丟包的狀態(tài)估計 087
5.1　概述 088
5.2　獨立同分布丟包信道下風險敏感狀態(tài)估計 089
5.2.1　估計問題 089
5.2.2　LEQG估計 090
5.2.3　仿真示例1 099
5.3　多個Markovian丟包信道下穩(wěn)態(tài)狀態(tài)估計 101
5.3.1　穩(wěn)態(tài)狀態(tài)估計器 101
5.3.2　均方鎮(zhèn)定解 105
5.3.3　均方可檢測性和局部穩(wěn)態(tài)估計器 112
5.3.4　仿真示例2 121
第6章　多剛體系統(tǒng)有限時間協(xié)同控制 127
6.1　概述 128
6.2　相關引理與問題描述 130
6.2.1　引理 130
6.2.2　歐拉-拉格朗日系統(tǒng)有限時間一致性 132
6.2.3　多剛體系統(tǒng)固定時間姿態(tài)一致性 133
6.3　歐拉-拉格朗日系統(tǒng)有限時間一致性 135
6.3.1　基于事件驅動的有限時間一致性協(xié)議 135
6.3.2　基于螺旋滑模的一致性算法 142
6.3.3　非奇諾現象分析 147
6.4　多剛體系統(tǒng)固定時間姿態(tài)一致性 148
6.4.1　固定拓撲的情況 149
6.4.2　切換拓撲的情況 156
6.5　仿真示例 162
第7章　多剛體系統(tǒng)姿態(tài)同步控制 171
7.1　概述 172
7.2　相關引理和問題描述 175
7.2.1　引理 175
7.2.2　問題描述1 177
7.2.3　問題描述2 179
7.3　和相對姿態(tài)測量下的姿態(tài)一致性 179
7.3.1　基于姿態(tài)的事件驅動姿態(tài)一致性 179
7.3.2　基于相對姿態(tài)的事件驅動姿態(tài)一致性 185
7.3.3　自觸發(fā)姿態(tài)一致性 191
7.4　無角速度測量下的姿態(tài)一致性 193
7.4.1　固定拓撲下的事件驅動姿態(tài)一致性 193
7.4.2　切換拓撲下的事件驅動姿態(tài)一致性 201
7.5　仿真示例 205
7.5.1　仿真示例1 205
7.5.2　仿真示例2 207
第8章　基于事件觸發(fā)強化學習的多剛體系統(tǒng)一致性 213
8.1　概述 214
8.2　基于增廣系統(tǒng)的無模型事件觸發(fā)方法 214
8.2.1　問題描述 214
8.2.2　增廣系統(tǒng)的設計 217
8.2.3　無模型控制器的設計 218
8.2.4　事件觸發(fā)機制的引入 219
8.3　基于事件觸發(fā)強化學習的算法實現 221
8.3.1　無模型事件觸發(fā)的強化學習算法 221
8.3.2　基于神經網絡的在線算法實現 223
8.3.3　事件觸發(fā)條件的設計 226
8.4　算法驗證與分析 230
第9章　單個剛體系統(tǒng)的安全性能 237
9.1　概述 238
9.2　基于拒絕服務攻擊的姿態(tài)系統(tǒng)彈性跟蹤控制算法 240
9.2.1　姿態(tài)系統(tǒng)在攻擊下的動力學模型 240
9.2.2　姿態(tài)系統(tǒng)的追蹤控制分析 245
9.2.3　算法驗證與分析1 256
9.3　基于拒絕服務攻擊的非飽和移動機器人系統(tǒng)跟蹤控制 259
9.3.1　移動機器人系統(tǒng)在攻擊下的動力學模型 259
9.3.2　移動機器人系統(tǒng)的跟蹤控制分析 265
9.3.3　算法驗證與分析2 274
第10章　多個智能體系統(tǒng)的安全協(xié)同性能 281
10.1　概述 282
10.2　欺詐攻擊下網絡化多智能體系統(tǒng)的編隊控制 284
10.2.1　多智能體系統(tǒng)在攻擊下的動力學模型 284
10.2.2　三種欺詐攻擊下的分布式事件驅動策略 294
10.2.3　算法驗證與分析 309
10.3　拒絕服務攻擊下網絡化多智能體系統(tǒng)的編隊控制 312
10.3.1　攻擊下的分布式事件驅動策略 313
10.3.2　多智能體系統(tǒng)的編隊控制分析 319
10.3.3　算法驗證與分析 326
第11章　網絡化狀態(tài)估計的安全性分析以及攻擊檢測 331
11.1　概述 332
11.2　抵御線性中間人攻擊的安全遠程狀態(tài)估計 332
11.2.1　系統(tǒng)和攻擊模型 332
11.2.2　數據傳輸的安全模塊 334
11.2.3　不同信息泄露場景下的檢測性能與估計性能分析 337
11.2.4　仿真示例1 353
11.2.5　場景I的仿真結果 353
11.2.6　場景II的仿真結果 355
11.2.7　場景III的仿真結果 356
11.2.8　擴展：檢測重放攻擊 357
11.3　隱秘攻擊下分布式狀態(tài)估計的收斂性分析 358
11.3.1　系統(tǒng)和攻擊模型 358
11.3.2　資源充足的隱秘攻擊下的分布式一致性估計 364
11.3.3　資源受限的隱秘攻擊下的分布式一致性估計 367
11.3.4　仿真示例2 374
參考文獻 379