多無人機自主協(xié)同控制理論與方法（第2版）

第1章 緒論
1．1 背景與意義
1．1．1 軍事需求
1．1．1．1 無人機系統(tǒng)的發(fā)展
1．1．1．2 自主能力的發(fā)展需求
1．1．2 研究意義
1．1．2．1 問題定義
1．1．2．2 研究挑戰(zhàn)
1．2 多無人機自主協(xié)同控制研究現(xiàn)狀
1．2．1 國外項目研究概述
1．2．2 基于分層遞階方法的多無人機協(xié)同控制
1．2．2．1 多無人機協(xié)同任務(wù)分配
1．2．2．2 多無人機協(xié)同航跡規(guī)劃
1．2．2．3 多無人機協(xié)同編隊控制
1．2．3 基于自組織方法的多無人機協(xié)同控制
1．2．4 多無人機自主協(xié)同控制中的智能優(yōu)化算法
1．2．4．1 智能優(yōu)化算法概述
1．2．4．2 智能優(yōu)化算法在多無人機自主協(xié)同控制應(yīng)用框架
1．2．4．3 智能優(yōu)化算法在多無人機自主協(xié)同控制中的應(yīng)用
1．2．5 國內(nèi)技術(shù)研究現(xiàn)狀
1．2．5．1 基于分層遞階方法的多無人機協(xié)同控制
1．2．5．2 基于自組織方法的多無人機協(xié)同控制
1．2．6 多無人機自主協(xié)同控制技術(shù)展望
參考文獻
第2章 多無人機協(xié)同目標(biāo)狀態(tài)估計
2．1 基于IMM-UIF算法的機動目標(biāo)狀態(tài)融合估計
2．1．1 問題模型
2．1．1．1 目標(biāo)運動模型和傳感器觀測模型
2．1．1．2 非線性系統(tǒng)多傳感器融合估計模型
2．1．2 交互多模型無色卡爾曼濾波
2．1．2．1 無色卡爾曼濾波
2．1．2．2 基于交互多模型的無色卡爾曼濾波算法
2．1．3 基于交互多模型無色信息濾波的融合估計算法
2．1．3．1 信息濾波
2．1．3．2 無色信息濾波算法
2．1．3．3 基于UIF的融合估計結(jié)構(gòu)
2．1．3．4 基于IMM-UIF融合估計算法
2．1．4 多機協(xié)同對機動目標(biāo)狀態(tài)融合估計仿真試驗
2．2 基于自適應(yīng)一致性的分布式目標(biāo)狀態(tài)融合估計
2．2．1 分布式融合估計及其一致性估計問題
2．2．2 自適應(yīng)一致性算法
2．2．2．1 一致性算法
2．2．2．2 自適應(yīng)一致性算法
2．2．3 基于自適應(yīng)一致性的分布式融合估計算法
2．2．3．1 AC_DUIF算法流程
2．2．3．2 AC_DUIF算法分析
2．2．4 有限步長目標(biāo)狀態(tài)預(yù)測
2．2．5 基于AC_DUIF算法的分布式目標(biāo)狀態(tài)融合估計仿真試驗
2．2．5．1 自適應(yīng)一致性算法性能測試
2．2．5．2 基于AC_DUIF算法的分布式融合估計
2．3 受限條件下基于魯棒一致性的分布式目標(biāo)狀態(tài)融合估計
2．3．1 問題描述
2．3．1．1 目標(biāo)運動和雷達觀測模型
2．3．1．2 網(wǎng)絡(luò)化通信模型
2．3．2 基于魯棒一致性的分布式估計算法
2．3．2．1 “雙時間窗”遞推迭代機制
2．3．2．2 時延相關(guān)魯棒一致性算法
2．3．2．3 RC_DUIF算法流程
2．3．2．4 RC_DUIF算法性能分析
2．3．3 基于RC_DUIF算法的分布式目標(biāo)狀態(tài)融合估計仿真試驗
2．3．3．1 理想網(wǎng)絡(luò)條件下的目標(biāo)狀態(tài)估計性能比較
2．3．3．2 網(wǎng)絡(luò)時延條件下的目標(biāo)狀態(tài)估計性能比較
2．3．3．3 復(fù)雜網(wǎng)絡(luò)約束條件下的目標(biāo)狀態(tài)估計性能比較
2．4 本章小結(jié)
參考文獻
……
第3章 多無人機協(xié)同任務(wù)分配
第4章 多無人機協(xié)同航跡規(guī)劃
第5章 多無人機協(xié)同編隊軌跡優(yōu)化
第6章 多無人機協(xié)同任務(wù)自組織
第7章 多無人機自主協(xié)同控制的典型應(yīng)用
縮略語