搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
多无人飞行器智能自主决策与虚拟仿真验证
0.00     定价 ¥ 168.00
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购15本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787030820686
  • 作      者:
    作者:宗群//张秀云//刘达//刘文静//张睿隆|责编:张海娜//赵微微
  • 出 版 社 :
    科学出版社
  • 出版日期:
    2025.06
收藏
内容介绍
《多无人飞行器智能自主决策与虚拟仿真验证》在深入分析未来空间及城市作战需求的基础上,重点对包括多卫星系统及多无人机系统在内的多无人飞行器的智能自主决策问题进行研究。《多无人飞行器智能自主决策与虚拟仿真验证》以当前国内外在该领域的*新研究成果为背景,提炼其中的关键科学问题,包括星群协同观测的智能任务决策、路径规划和自主协同控制,以及大规模无人机的静态/动态目标观测任务决策、类脑智能攻防对抗及无人机编队避碰控制等。在此基础上,《多无人飞行器智能自主决策与虚拟仿真验证》将人工智能、类脑智能、协同决策与控制方法相结合,建立了面向多无人飞行器系统的智能自主决策理论框架。
展开
精彩书摘
第1章 绪论
  随着现代科技的飞速发展,多无人飞行器系统——包括多无人机与多卫星,已逐渐成为航空航天领域的重要组成部分,在军事侦察、环境监测、灾难响应和空间探索等众多应用中展示了*特的优势。无人机具有成本低廉、结构轻巧、机动灵活且隐蔽性好等优势。其研究过程大致经历了三个发展阶段,从**次世界大战的萌芽期,到20世纪80年代以色列*创有人-无人机协同作战引起的发展期,再到当前伴随人工智能相关技术快速发展的蓬勃期,其种类不断增多,性能日益提升,应用领域也逐步拓展。此外,随着信息技术与制造技术的快速进步,批量化、模块化的卫星制造技术显著降低了卫星的制造成本,卫星小型化发展势头强劲。自2019年SpaceX“星链计划”和OneWeb的卫星互联网系统进入空间部署阶段以来,全球小卫星发射数量呈现数量级增长,利用大规模低成本小型卫星组成的低轨巨型星座,采用多轨道面、低轨部署,实现面向全球业务区域的高密度覆盖,具有全天候、组网灵活、覆盖范围广、不受地理环境制约等优势,在国家军事、民用领域具有非常大的应用潜力。
  当前阶段,单架无人机系统的自主控制技术已经完成了大量的研究工作,针对各种应用场景,专家学者研究了相应的控制算法满足了任务需求。伴随飞行器的批量化、低成本化发展,大规模无人飞行器广泛应用到了民用、军事等领域,如无人机表演、多无人机集群在俄乌战争中的应用。然而随着飞行器数量的增加以及在双方飞行器的动态博弈的场景下,简单的单机控制已经不能满足日益增长的实际应用需求。近年来,动态博弈场景下的大规模无人机任务决策、卫星星群对静态目标与动态目标实时协同观测,城市环境下的多无人机集群实时运动规划、无人机集群的智能攻防对抗、多无人飞行器的协同控制技术以及面向动态博弈场景的虚拟仿真验证等将成为推动多无人飞行器智能化、自主化的关键技术。本书重点针对动态博弈场景下的多无人飞行器自主决策与控制的关键问题进行介绍,针对大规模场景以及动态场景下的任务决策求解慢、适应性不足等问题,提出基于联盟博弈的大规模无人机自主决策与基于深度指针网络的卫星星群智能任务决策方法,同时针对城市楼宇环境下的无人机集群动态博弈场景,设计基于类脑智能的多无人机智能决策方法,此外针对多种任务场景下的多无人飞行器编队控制问题,设计基于深度强化学习的轨迹规划与基于自适应动态规划的多无人机与多航天器的协同控制方法,同时搭建面向典型任务场景下的多无人飞行器智能自主决策虚拟仿真演示验证平台,提高多无人飞行器在多种任务场景下的智能化、自主化水平。
  1.1 多无人飞行器基本概念
  1.1.1 多无人机的基本概念
  无人机是指不载有操作人员、可以自主飞行或遥控驾驶、可以一次使用也可回收使用、携带致命或非致命有效载荷的有动力飞行器。多无人飞行器系统指由多架*立自主的无人机组成的集群,它们通过高级的协同控制与智能决策技术实现集体行动和任务执行。这种系统利用无人机间的通信和协作,形成一个分布式网络,共同完成复杂或危险的任务,如搜索救援、环境监测等。多无人飞行器系统的主要优势在于它们能够通过合作分担单架无人机无法*立完成的任务,提高效率和效果。
  与单无人机相比,多无人机系统结合了无人机自身的性能优势和多无人机系统的数量优势,具有更多的优点和应用空间,具体如下。①集群功能分布与专业化:在多无人机系统中,可以将复杂的任务分解并分配给专门配置的无人机执行。这种分布式方法降低了成本,这是因为单一功能的无人机通常比多功能无人机更经济,还能通过专业化提高执行效率和精度。例如,某些无人机可能专注于高速飞行进行区域快速覆盖,而其他无人机搭载高精度传感器进行数据收集。②去中心化的通信和决策:多无人机系统通过去中心化的通信架构提升了整体的鲁棒性和可靠性。在这种模式下,无人机不依赖单一的指挥中心,而是能够自组织并通过点对点通信交换信息,这种方式增强了系统对故障和攻击的抵抗力。例如,在某无人机失效或信号受阻的情况下,依靠自组网技术,其他无人机可以重新组织网络,保证任务继续进行。③分布式探测与信息融合:多无人机系统利用群体中的每一个成员部署在不同的位置和角度上的传感器,进行数据的收集和融合。这种分布式探测能力使得系统在进行环境监测、搜救行动或军事侦察时,能够获取更全面和精确的信息。多无人机协作,如同一台大型、高分辨率的传感网络,极大地提升了探测和分析的能力。④灵活的任务适应与执行:多无人机系统通过协同作业,可以在执行任务时将传感器数据实时发送到任务决策中心,根据实际情况动态调整策略和行动。这种灵活性让无人机群能够在面对复杂和变化多端的环境时,迅速适应并优化任务执行路径,如在灾难响应或复杂地形中的操作。
  总体来说,多无人机系统通过群体智能与协同控制技术的赋能,不仅增强了单一任务的执行能力,而且提高了系统的整体效率、可靠性和适应性。这种集体协作的力量展示了多无人机技术在未来应用中的巨大潜力和扩展性。
  1.1.2 多卫星系统的基本概念
  人造地球卫星即环绕地球飞行并在空间轨道运行一圈以上的无人航天器。人造卫星是发射数量*多、用途*广、发展*快的航天器,主要用于科学探测与研究、天气预报、土地资源调查、土地利用、区域规划、通信、跟踪、导航等各个领域。人造地球卫星主要包括侦察卫星、气象卫星、通信卫星与导航卫星。多卫星系统是由多颗侦察卫星、气象卫星、通信卫星与导航卫星组成的网络化群体,通过空间通信链路相互连接,并通过地面控制站的集中或分布式控制来协同执行复杂的任务。下面*先给出多种人造卫星的定义,并介绍其功能。
  1.侦察卫星
  侦察卫星,又称“间谍卫星”,是用于获取军事情报的军用卫星。侦察卫星利用所载的光电遥感器、雷达或无线电接收机等侦察设备,从轨道上对目标实施侦察、监视或跟踪,以获取地面、海洋或空中目标辐射、反射或发射的电磁波信息,用胶片、磁带等记录器将电磁波信息存储于返回舱内,在地面回收或通过无线电传输方式发送到地面接收站,经过光学、电子设备和计算机加工处理,从中提取有价值的军事情报。
  2.气象卫星
  气象卫星是世界上应用*广的卫星之一,是指从太空对地球及其大气层进行气象观测的人造地球卫星。卫星所载各种气象遥感器,接收和测量地球及其大气层的可见光、红外和微波辐射,以及卫星导航系统反射的电磁波,并将其转换成电信号传送给地面站。地面站将卫星传来的电信号复原,绘制成各种云层、风速风向、地表和海面图片,再经进一步处理和计算,得出各种气象资料。气象卫星观测范围广,观测次数多,观测时效快,观测数据质量高,不受自然条件和地域条件限制,它所提供的气象信息已广泛应用于日常气象业务、环境监测、防灾减灾、大气科学、海洋学和水文学的研究。
  3.通信卫星
  通信卫星是世界上应用*早和*广的卫星之一,是指作为无线电通信中继站的人造地球卫星。通信卫星通过转发无线电信号,实现地面站与航天器之间的无线电通信。通信卫星可以传输电话、电报、传真、数据和电视等信息,按轨道的不同分为地球静止轨道通信卫星、大椭圆轨道通信卫星、中轨道通信卫星和低轨道通信卫星。
  4.导航卫星
  导航卫星是指从卫星上连续发射无线电信号,为地面、海洋、空中和空间用户导航定位的人造地球卫星。导航卫星装有专用的无线电导航设备,用户接收导航卫星发来的无线电导航信号,通过时间测距或多普勒测速分别获得用户相对于卫星的距离或距离变化率等导航参数,并根据卫星发送的时间、轨道参数,求出在定位瞬间卫星的实时位置坐标,从而定位出用户的地理位置坐标(二维或三维坐标)和速度矢量分量。
  近年来,随着协同控制技术与航天器小型化的发展,多卫星系统取得重要的研究进展,多卫星系统通过集体智能和高度自主的控制,执行复杂的太空任务,如卫星维修、空间构建、行星探索和太空清理等。这种技术的应用标志着航天任务执行方式的一大进步,与单航天器相比,多航天器系统具有较大的应用优势。①自主协同操作:多卫星系统通过高度协调的操作共同执行任务,这种协同可以在无人航天器之间通过协同控制和导航技术实现,使得多航天器在执行复杂操作时具有高度的灵活性和效率。②分布式功能:每个无人航天器可以承担特定的角色或功能,如一些专注于搜集科学数据,而其他则负责物理操作或维护任务。这样的功能分布提高了多航天器执行任务的适应性和成功率。③自主决策能力:随着人工智能和机器学习技术的发展,多卫星系统将具备更好的环境感知、决策支持和自适应任务规划能力,减少了对地面控制中心的依赖,降低通信延迟造成的不安全因素,这对于深空任务尤为重要。
  目前,随着人工智能技术与先进控制理论的深入,多无人飞行器如无人机集群、卫星星群朝着批量化、低成本、智能化发展,大规模多无人飞行器系统被广泛应用到了民用、军事等领域。接下来将*先对典型多无人飞行器项目研究进展进行介绍,然后对多无人飞行器中的任务决策、路径规划、智能决策、协同控制和虚拟仿真平台等关键研究问题的发展现状进行分析,总结未来的发展方向。
  1.2 多无人飞行器研究进展
  1.2.1 典型多无人飞行器发展现状
  1.多无人机系统发展现状
  多无人机系统可用于协同执行侦察、对抗打击搜索救援等多种任务。现有的多无人机系统多用于军用领域,由于其成本低、灵活性强等特点,在俄乌战争中已经发挥了巨大作用,受到了世界各国尤其是美国的广泛关注。下面给出近年来美国在军事领域多无人机系统典型战例及相关研究计划,说明其重要地位。
  1)“拒止环境中协同作战”项目
  2014年,美国国防高级研究计划局(Defense Advanced ResearchProjects Agency,DARPA)提出“拒止环境中协同作战”(Collaborative Operations in Denied Environment,CODE)项目。项目目标是发展一套包含协同方法的软件系统,可以适应带宽限制和通信干扰,减少任务指挥官的认知负担,通过自主能力、编队协同、人机接口和开放式架构支撑拒止环境中协同作战。图1.1给出CODE项目第2阶段任务模拟示意图。2018年11月,DARPA在亚利桑那州尤马试验场进行的一系列测试中,演示了装备CODE的无人机系统在“反介入区域拒止”环境下适应和响应意外威胁的能力。无人机系统在尽量降低通信量的同时,高效共享信息,协同规划和分配任务目标,制定协调的战术决策,并协同应对高威胁动态环境。
  图1.1 CODE项目第2阶段任务模拟示意图
  2)“小精灵”项目
  2015年,DARPA下属的战术技术办公室启动了“小精灵”项目,旨在通过有人驾驶飞机发射和回收小型无人机蜂群,增强在反介入/区域拒止环境下的作战能力。这种类似“小精灵”外形的无人机额外安装了可折叠式主翼及低成本发动机,可用于多种不同类型的空中平台投放和回收。如图1.2所示,美军通过B-52H战略轰炸机携带大量“小精灵”蜂群,在距离目标区域五百公里外,在接近万米的飞行高度上投放,“小精灵”以蜂群形式前往任务目标,执行电子干扰、侦察和攻击等多种任务,执行完任务后在预定地点与运输机汇合,返回基地。
  图1.2 “小精灵”蜂群协同作战示意图
  同年,可回收并重复使用的“小精灵”无人机以蜂群形式在空中发射(图1.3),通过保养维修后,可在24h内执行新的任务,从而实现对当前作战思路和装备系统的颠覆及低成本高效作战。2017年3月15日,DARPA宣布已完成“小精灵”空中发射/回收无人机蜂群项目第1阶段的工作,完成了无人机空中发射和回收系统可行性分析,从而确保母机被改装程度*低。项目第2阶段的研究重点为设计全尺寸方案,验证关键技术并开展飞行试验。2019年2月初,Dynetics公司在中国湖(China Lake)的对接站进行了飞行测试,但是测试中并未出现“小精灵”无人机。2021年11月,DARPA宣布一架改装的C-130Hercules(“大力神”)运输
展开
目录
目录
前言
第1章 绪论 1
1.1 多无人飞行器基本概念 2
1.1.1 多无人机的基本概念 2
1.1.2 多卫星系统的基本概念 3
1.2 多无人飞行器研究进展 4
1.2.1 典型多无人飞行器发展现状 4
1.2.2 任务分配现状 13
1.2.3 路径规划现状 17
1.2.4 智能决策现状 20
1.2.5 协同控制现状 22
1.2.6 虚拟仿真平台现状 24
1.3 本书撰写特点和内容安排 28
1.4 小结 29
参考文献 29
第2章 星群任务决策 37
2.1 星群任务决策问题描述 37
2.1.1 静态目标观测任务决策问题描述 38
2.1.2 动态目标观测任务决策问题描述 40
2.2 基于混合专家经验回放的静态目标观测任务决策 43
2.2.1 基于深度Q网络的静态目标观测任务决策模型建立 43
2.2.2 星群静态目标观测任务智能决策 45
2.2.3 仿真验证 47
2.3 基于深度强化学习与指针网络的动态目标观测任务决策 51
2.3.1 面向接力观测的动态目标观测任务决策模型建立 52
2.3.2 星群动态目标观测任务智能决策 53
2.3.3 仿真验证 55
2.4 小结 59
参考文献 59
第3章 星群路径规划 60
3.1 星群路径规划问题描述 60
3.1.1 卫星路径规划动力学模型 60
3.1.2 星群路径规划问题约束条件 61
3.1.3 优化目标 62
3.1.4 优化模型 62
3.2 基于序列凸规划的星群路径规划 63
3.2.1 序列凸规划模型预处理 63
3.2.2 基于序列凸规划算法的星群路径规划求解 65
3.2.3 仿真验证 66
3.3 基于混合专家经验回放与MASAC 的星群路径规划 68
3.3.1 面向卫星编队路径规划的随机博弈模型建立 69
3.3.2 智能路径规划求解 70
3.3.3 在线任务决策 74
3.3.4 仿真验证 74
3.4 小结 77
参考文献 77
第4章 星群智能自主协同控制 79
4.1 星群智能自主协同控制基础知识 79
4.1.1 问题描述 79
4.1.2 代数图论 80
4.1.3 多卫星编队控制模型建立 80
4.2 基于安全自适应动态规划的星群智能自主协同控制 82
4.2.1 星群智能自主协同控制框架设计 83
4.2.2 星群智能自主协同控制网络和控制器的设计 84
4.3 仿真设置与验证 96
4.3.1 仿真环境设置 96
4.3.2 仿真参数设置 96
4.3.3 仿真验证 98
4.4 小结 101
参考文献 102
第5章 多无人机任务分配与轨迹规划 103
5.1 基于联盟博弈的多无人机静态任务分配 103
5.1.1 任务场景 104
5.1.2 问题描述 104
5.1.3 基于联盟博弈的多无人机静态任务分配算法 107
5.1.4 仿真验证 113
5.2 基于请求-应答策略的多无人机动态任务分配 117
5.2.1 任务场景 118
5.2.2 问题描述 118
5.2.3 基于请求-应答策略的多无人机动态任务分配算法 121
5.2.4 仿真验证 131
5.3 基于深度强化学习的多无人机路径规划 134
5.3.1 问题描述 134
5.3.2 基于MASAC-D算法的多无人机路径规划算法 136
5.3.3 仿真验证 144
5.4 小结 149
参考文献 150
第6章 典型任务场景下多无人机类脑智能自主决策 151
6.1 基于星型拓扑网络的多无人机群体轨迹预测 151
6.1.1 问题描述 152
6.1.2 基于星型拓扑网络的预测模型建立 153
6.1.3 多无人机轨迹预测过程 157
6.1.4 仿真验证 162
6.2 面向围捕任务的多无人机类脑智能自主决策 165
6.2.1 问题描述 165
6.2.2 面向围捕任务的博弈模型建立 168
6.2.3 面向围捕任务的多无人机类脑智能自主决策算法 170
6.2.4 仿真验证 179
6.3 面向对抗任务的多无人机类脑智能自主决策 183
6.3.1 问题描述 184
6.3.2 面向对抗任务的博弈模型建立 186
6.3.3 面向对抗任务的多无人机类脑智能自主决策算法 191
6.3.4 仿真验证 198
6.4 小结 201
参考文献 202
第7章 多无人机协同控制 203
7.1 多无人机协同控制模型 203
7.1.1 坐标系建立及坐标转换关系 203
7.1.2 无人机六自由度模型建立 205
7.1.3 无人机编队跟踪误差系统建立 208
7.2 多无人机智能自主协同控制 209
7.2.1 有限时间滑模干扰观测器设计 210
7.2.2 基于人工势能法的避碰项设计 211
7.2.3 无人机编队位置外环智能*优控制器设计 212
7.2.4 多无人机姿态内环控制器设计 217
7.3 仿真设置与验证 219
7.3.1 仿真参数设置 219
7.3.2 仿真验证 221
7.4 小结 225
参考文献 225
第8章 多无人飞行器虚拟仿真交互平台设计 227
8.1 虚拟仿真交互平台总体方案 227
8.1.1 虚拟仿真交互平台需求分析 227
8.1.2 虚拟仿真交互平台总体方案设计 229
8.2 主控软件设计 231
8.2.1 主控软件总体架构设计 231
8.2.2 主控软件设计模式与开发框架 232
8.2.3 主控软件用户界面设计 234
8.2.4 主控软件实时仿真模块设计 236
8.2.5 主控软件通信模块设计 238
8.3 实时仿真单元设计 240
8.3.1 任务决策算法实现 240
8.3.2 实时仿真状态信息的获取 241
8.3.3 实时仿真架构设计 243
8.3.4 实时训练环境搭建 246
8.4 视景软件设计 247
8.4.1 视景软件总体架构设计 247
8.4.2 无人飞行器模型库和空间环境库 248
8.4.3 无人机模型库和城市场景搭建 250
8.5 数据库管理模块设计 255
8.5.1 数据表结构设计 256
8.5.2 数据库存取逻辑设计 258
8.5.3 数据查询优化方案 259
8.5.4 数据库回放功能 260
8.6 小结 262
第9章 多无人飞行器虚拟仿真演示验证 263
9.1 星群智能自主运行演示验证 263
9.1.1 静态目标观测场景演示验证 263
9.1.2 动态目标观测场景演示验证 267
9.1.3 星群智能自主协同控制场景演示验证 270
9.2 多任务场景下多无人机智能决策演示验证 274
9.2.1 围捕场景演示验证 274
9.2.2 对抗场景演示验证 277
9.2.3 路径规划与编队飞行场景演示验证 280
9.3 小结 285
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证