無人系統(tǒng)自主尋源的優(yōu)化控制和軌跡規(guī)劃

目錄
“博士后文庫”序言
前言
第1章 緒論 1
1.1 研究背景和意義 1
1.2 無人系統(tǒng)自主尋源概述2
1.2.1 基于目標定位的尋源方法.3
1.2.2 基于非線性規(guī)劃的尋源方法.6
1.2.3 基于概率推斷的尋源方法 10
1.2.4 基于強化學習的尋源方法 12
1.3 無人系統(tǒng)軌跡規(guī)劃概述.13
1.3.1 基于離散化的軌跡規(guī)劃方法 13
1.3.2 基于連續(xù)優(yōu)化的軌跡規(guī)劃方法.16
1.4 本章小結(jié) 18
第2章 純方位角快速尋源的兩目標優(yōu)化控制 19
2.1 本章引言 19
2.2 純方位角快速尋源問題.20
2.2.1 無人系統(tǒng)動力學模型 20
2.2.2 兩目標優(yōu)化問題 22
2.3 兩目標優(yōu)化問題求解 23
2.3.1 復合優(yōu)化問題 23
2.3.2 復合優(yōu)化問題的轉(zhuǎn)化和規(guī)范化.24
2.3.3 規(guī)范化問題的求解 28
2.4 兩目標優(yōu)化控制律 32
2.4.1 利用全局位置信息的*小二乘估計方法 32
2.4.2 利用局部位置信息的*小二乘估計方法 33
2.4.3 確定性等價原理 35
2.4.4 兩目標優(yōu)化控制律 36
2.5 仿真驗證與分析 36
2.5.1 全局位置信息下仿真實驗 37
2.5.2 局部位置信息下仿真實驗 38
2.5.3 動態(tài)目標搜索仿真實驗 39
2.5.4 權(quán)重參數(shù)β的影響 .40
2.6 本章小結(jié) 42
第3章 定高定姿尋源的矢量優(yōu)化控制.43
3.1 本章引言 43
3.2 定高定姿尋源問題 44
3.2.1 問題描述 44
3.2.2 無人系統(tǒng)動力學模型 45
3.2.3 本章目標 46
3.3 半圓形傳感器排布下的梯度估計 46
3.4 矢量優(yōu)化控制律 50
3.4.1 基于準確梯度的控制律設計 50
3.4.2 梯度估計下的控制律設計 51
3.5 仿真驗證與分析 54
3.5.1 無人系統(tǒng)動力學模型 54
3.5.2 海底*低點探測任務 55
3.5.3 仿真結(jié)果 56
3.6 本章小結(jié) 60
第4章 復合信號場尋源的分布式極值搜索控制 61
4.1 本章引言 61
4.2 多無人系統(tǒng)協(xié)同尋源問題 62
4.2.1 問題描述 62
4.2.2 多無人系統(tǒng)通信拓撲 63
4.2.3 本章目標 64
4.3 無向圖下 DSES 控制律設計 65
4.3.1 DSES控制律 65
4.3.2 收斂性分析 67
4.4 有向圖下DSES控制律設計 72
4.4.1 DSES控制律 72
4.4.2 收斂性分析 72
4.5 仿真驗證與分析 76
4.5.1 二次型形式信號場情況 77
4.5.2 非二次型信號場情況 81
4.5.3 海底熱液尋源仿真實驗 82
4.6 本章小結(jié) 84
第5章 時空信號場尋源的分布式協(xié)同估計 85
5.1 本章引言 85
5.2 時空信號場估計問題 86
5.3 時空信號場的子系統(tǒng)建模 87
5.3.1 有限元估計 87
5.3.2 基于劃分的子系統(tǒng) 88
5.4 基于CI的卡爾曼濾波器 91
5.4.1 n=2個子系統(tǒng)的卡爾曼濾波器 91
5.4.2 穩(wěn)定性分析 93
5.5 基于CI的卡爾曼平滑器 97
5.5.1 n=2個子系統(tǒng)的卡爾曼平滑器 97
5.5.2 卡爾曼平滑器在n≥3個子系統(tǒng)中的拓展 99
5.6 仿真驗證與分析 101
5.6.1 一維擴散過程狀態(tài)預測實驗 101
5.6.2 海底熱液尋源仿真實驗 106
5.6.3 PM2.5信號場的源頭定位仿真實驗 111
5.7 本章小結(jié) 113
第6章 隱蔽性約束下的尋源軌跡規(guī)劃 114
6.1 本章引言 114
6.2 隱蔽性約束下的*短時間軌跡規(guī)劃問題 115
6.3 *優(yōu)條件和參數(shù)化軌跡集合 117
6.3.1 *優(yōu)解存在性 118
6.3.2 *優(yōu)解的必要條件 118
6.3.3 *時的*優(yōu)條件 120
6.3.4 *時的*優(yōu)條件 121
6.4 快速軌跡規(guī)劃方法 122
6.4.1 *情況下的估計候選軌跡 123
6.4.2 *情況下的候選軌跡 .125
6.4.3 快速軌跡確定 126
6.5 仿真驗證與分析 127
6.5.1 單部雷達場景 127
6.5.2 多部雷達場景 129
6.5.3 考慮多普勒效應場景 132
6.6 本章小結(jié) 133
第7章 累積信息約束下的尋源軌跡規(guī)劃 134
7.1 本章引言 134
7.2 累積信息約束下的*短時間軌跡規(guī)劃問題 136
7.2.1 問題描述 136
7.2.2 *優(yōu)解存在性分析 137
7.3 MDP建模 139
7.3.1 動作、狀態(tài)和獎勵 140
7.3.2 累積信息的獎勵項 141
7.4 基于軟執(zhí)行者-評論家的強化學習軌跡規(guī)劃算法 143
7.4.1 SAC算法 144
7.4.2 基于RL的軌跡規(guī)劃方法 144
7.5 仿真驗證與分析 146
7.5.1 污染物信號場重構(gòu)任務 146
7.5.2 主要實驗結(jié)果 147
7.5.3 對比實驗分析 151
7.6 本章小結(jié) 153
參考文獻 154
附錄A 引理6.3的證明 169
編后記 172
彩圖