Research on Multi UAVs Formation Detection and Its Extensions in Control Theory

编者：王建宏

出版时间：2021-06

定价：59元

ISBN：978-7-5024-8822-2

内容简介

本书以多无人机编队为实际的研究对象，针对多无人机编队的异常检测、编队模态参数辨识、编队协同检测的目标跟踪等实际问题，依托自动化学科中的先进控制理论，首次提出多无人机编队异常检测的新概念，针对异常检测过程中所建立的线性或非线性关系式，提出相对应的稀疏优化算法和偏差补偿估计算法，并设计基于残差的异常检测器。因目标跟踪的位置依赖于尺度参数，针对无色卡尔曼滤波算法中尺度因子的设计问题，提出不同自适应调整的准则函数及降低调整计算复杂度的方法；并将改进后的无色卡尔曼滤波算法与交互式多模型相结合，应用于多无人机编队的目标实时跟踪中，已达到多源信息的融合效果。针对编队飞行中由于大气漩涡的存在，会使得机翼发生颤振现象，为更好地为振动学科提供机翼颤振的阻尼和频率参数，构造了机翼颤振的随机模型。考虑随机模型的噪声在两种不同情况下，颤振模态参数的辨识策略。编队飞行时为实现对地面移动目标的精确跟踪和打击，提出采用集员辨识框架下椭球式的目标定位系统，用以实现对地面移动或静止目标的精确定位。在对多无人机编队各种检测分析过程中，将相应的关于多无人机的辨识或控制策略推广至常见的内模控制和模型预测控制中，以实现理论与实践的完美结合。

目录

Chapter1 BasicKnowledgeforMultiUAVsFormationAnomalyDetection

1.1Introduction

1.2BiasCompensatedEstimationinMultiUAVsFormationAnomalyDetection

1.3CombiningRecursiveProjectionandDynamicProgrammingTechniqueinMultiUAVsFormationAnomalyDetection

1.4Summary

Chapter2 SynthesisIdentificationAnalysisforMultiUAVsFormationAnomalyDetectionandItsExtension

2.1Introduction

2.2SynthesisAnalysisforMultiUAVsFormationAnomalyDetection

2.3AnImprovedEllipsoidOptimizationAlgorithminSubspacePredictiveControl2

2.4Summary

Chapter3 OptimalInputDesignforMultiUAVsFormationAnomalyDetectionandItsExtension

3.1Introduction

3.2OptimalInputDeignforMultiUAVsFormationAnomalyDetection

3.3OptimalInputDesignforInternalModelControl

3.4Summary

Chapter4 DetectionandIdentificationforMultiUAVsFormationFlutterModelParameters

4.1Introduction

4.2CombingInstrumentalVariableandVarianceMatching

4.3SetMembershipIdentification

4.4Summary

Chapter5 TargetTrackingforMultiUAVsFormationCooperativeDetection

5.1Introduction

5.2ApplicationofEllipsoidalApproximation

5.3Summary

Chapter6 SomeExtensionsinRobustModelPredictiveControlBasedonIntervalPredictor Estimation

6.1Introduction

6.2BasicPrioriKnowledge

6.3SomePreliminariesaboutStateSpaceEquationandIntervalPredictor

6.4IntervalPredictor

6.5RobustModelPredictiveControlBasedonIntervalPredictor

6.6SolvingMin-maxOptimization

6.7Summary

Chapter7 ConclusionsandOutlook

7.1Conclusions

7.2OutlookReferences