新書推薦：
《
别害怕吵架：教孩子在冲突中学会正向沟通
》
售價：NT$
274.0
《
这个甜甜圈不能卖：奇思妙想爆笑绘本（全2册）
》
售價：NT$
447.0
《
生活中的民法典实用全书：应知应懂的法律常识
》
售價：NT$
498.0
《
饲渊
》
售價：NT$
223.0
《
现金为王：把利润留下来，把成本降下去
》
售價：NT$
386.0
《
经纬度丛书·巴勒斯坦人的故事：流亡者的悲情、绝望与抗争
》
售價：NT$
493.0
《
改变世界的哲学家们
》
售價：NT$
493.0
《
将军
》
售價：NT$
269.0
|
| 內容簡介： |
移动机器人技术在工业、农业、军事和交通运输业中具有广泛的应用前景，是国家工业化与信息化进程中的关键技术和重要推动力。由于应用环境和任务的复杂性，提高移动机器人自主行为能力的自主控制理论与技术是当前机器人学研究的前沿和热点领域。本书内容结合作者多年来的研究成果，围绕移动机器人自主控制的若干核心问题展开论述。内容包括空中、地面与水下移动机器人自主控制的新理论、新技术及其应用概况，重点阐述了无人机自主控制、旋翼飞行机器人自主控制、多无人机协同控制、地面无人车辆自主驾驶的关键理论与技术，动力学约束下基于微分平坦的智能车辆轨迹规划、水下机器人仿生流场适应性控制、移动机器人SLAM技术，提高移动机器人自主行为能力的增强学习理论与方法等方面的内容。本书反映了作者在相关领域的最新研究工作，具有新颖性、前沿性、理论与应用密切结合的特点。
本书可作为高等学校与科研院所中从事机器人与智能控制、模式识别等专业领域的研究用书，也可作为自动化、计算机领域其他相关专业师生及科研人员的参考用书。
|
| 目錄：
|
《信息化与工业化两化融合研究与应用丛书》序
前言
第1章 绪论
1.1 移动机器人系统与技术的发展概况
1.1.1
移动机器人系统体系结构的发展
1.1.2
移动机器人的关键技术与应用
1.1.3 无人系统技术的发展概况
1.1.4 移动机器人技术的发展趋势
1.2 移动机器人自主控制的内涵与研究概况
1.2.1 移动机器人自主控制的内涵
1.2.2
移动机器人自主控制的研究概况
1.3 本书内容的组织与结构
参考文献
第2章 未来无人机的典型特征——自主控制
2.1 引言
2.2 自主控制的概念和发展
2.2.1 无人机自主控制的概念
2.2.2 无人机自主控制的发展
2.3 无?机自主水平等级
2.3.1 国外自主水平等级评估方法
2.3.2
一种通用自主水平等级的评估方法
2.3.3 自主控制能力
2.4 无人机自主控制体系结构与技术
2.4.1
无人机自主控制系统体系结构
2.4.2
无人机单机自主控制关键技术
2.4.3
多无人机自主协同控制及关键技术
2.5 无人机自主控制展望
2.5.1
自主控制系统的综合智能结构模式及系统优化研究
2.5.2
面向环境感知的智能化实时图像融合技术研究
2.5.3
在线态势感知及实时自主控制决策、快速任务规划技术研究
2.5.4
故障诊断、容错控制技术和健康管理技术研究
2.5.5
人工智能技术在无人机自主控制系统中的应用研究
2.5.6
基于无人机群控及与有人机协同作战的自主控制技术研究
参考文献
第3章 旋翼无人机自主飞行控制方法
3.1 引言
3.2 ServoHeli旋翼无人机试验平台
3.2.1 平台机械结构概述
3.2.2
ServoHeli旋翼无人机航电系统简介
3.3 旋翼无人机先进控制方法研究
3.3.1 旋翼无人机系统建模
3.3.2
基于加速度反馈的旋翼无人机鲁棒控制方法
3.3.3 其他先进控制方法
3.4 飞行试验及结果分析
3.4.1
基于自适应机制的全包络飞行试验
3.4.2
面向信息获取的全自主飞行试验
3.4.3
旋翼无人机容错控制飞行试验
3.5 小结
参考文献
第4章 多无人机协同控制方法
4.1 引言
4.2 网络化环境下多无人机协同规划
4.2.1 分布式协同任务分配方法
4.2.2 分布式协调航迹规划方法
4.2.3 无人机集群任务规划应用
4.3 多无人机自组织行为
4.3.1
多无人平台自组织行为的概念
4.3.2 自组织行为方法原理
4.3.3 自组织行为的应用实例
4.4 有人无人协同控制方法
4.4.1
有人机无人机协同的概念及技术挑战
4.4.2 有人无人协同控制方法
4.4.3
有人无人协同控制应用实例
4.5 小结
参考文献
第5章 地面智能车辆自主驾驶技术
5.1 引言
5.2 环境感知与识别的研究概况和发展趋势
5.2.1 车道线识别
5.2.2 障碍检测
5.2.3 恶劣天气下的视觉图像处理
5.2.4 多传感器信息融合
5.3 车辆自主决策与运动规划技术的研究
5.4 动态环境中车辆控制系统分析与控制
5.4.1
高速行驶车辆系统的状态估计
5.4.2
车辆智能驾驶系统的混合优化控制方法
5.4.3
高速车辆智能驾驶系统的性能评估
5.4.4
智能车辆异常状态诊断与容错控制
5.5 小结
参考文献
第6章 地面智能车辆动力学建模与轨迹规划方法
6.1 引言
6.2 车辆动力学模型
6.2.1 车辆的运动学模型
6.2.2 车辆的动力学模型
6.2.3 车辆的轮胎模型
6.3 基于微分?坦的轨迹规划
6.3.1 轨迹规划
6.3.2 微分平坦
6.3.3
系统状态与输入的平坦输出表示
6.3.4 约束的平坦输出表示
6.3.5 性能指标的平坦输出表示
6.4 仿真分析
6.4.1 最大加速度约束
6.4.2 半圆路径函数仿真分析
6.4.3 正弦路径函数仿真分析
6.5 小结
参考文献
第7章 水下机器人仿生流场适应性控制方法
7.1 引言
7.2 仿生水下机器人现状及挑战
7.2.1
尾鳍模式仿生水下机器人研究进展
7.2.2
胸鳍模式仿生水下机器人研究进展
7.2.3
波动鳍模式仿生水下机器人研究进展
7.2.4 仿生水下机器人的挑战
7.3 仿生流场适应性技术内涵
7.3.1 仿生流场适应性技术的定义
7.3.2 仿生流场适应性技术的定位
7.3.3 仿生流场适应性技术的分类
7.4 仿生流场适应性控制方法
7.4.1 研究思路
7.4.2 控制结构
7.4.3 算法描述
7.5 仿生流场适应性控制应用实例
7.5.1 仿生波动鳍及实验平台
7.5.2 仿生波动适应性控制系统
7.5.3 仿生波动鳍适应性控制实验
7.6 小结
参考文献
第8章 移动机器人环境感知的模式特征抽取理论
8.1 引言
8.2 主分量分析
8.2.1 K-L变换
8.2.2 非线性主分量分析
8.2.3 二维主分量分析与张量分析
8.3 鉴别分析
8.3.1 线性鉴别分析
8.3.2 小样本问题
8.3.3 非线性鉴别分析
8.3.4 二维线性鉴别分析
8.4 流形学习
8.4.1 流形学习定义
8.4.2 图嵌入方法
8.4.3 主流形方法
8.5 基于稀疏性理论的图像特征抽取
8.5.1 稀疏表示理论
8.5.2 压缩感知理论
8.5.3
Kernel学习理论的稀疏表示
8.5.4 图像模式的稀疏性
8.6 独立分量分析
8.7 研究趋势
8.8 模式特征抽取在移动机器人环境感知中的应用
8.8.1 障碍物检测
8.8.2 地表覆盖分析
8.8.3 可通行区域的确定
8.9 小结
参考文献
第9章 移动机器人同时定位与构图的数据关联技术
9.1 移动机器人同时定位与建图综述
9.2 移动机器人SLAM模型及原理
9.2.1 SLAM系统模型
9.2.2 移动机器人运动模?
9.2.3 路标模型
9.2.4 传感器观测模型
9.2.5 SLAM解决思想
9.3 基于粒子群优化的PF-SLAM
9.3.1 粒子滤波方法的不足
9.3.2 粒子群优化的原理
9.3.3
融合粒子群优化的SLAM算法
9.3.4 实验及结果分析
9.4 移动机器人SLAM中的数据关联问题
9.4.1
SLAM中的数据关联问题的描述
9.4.2 ICNN数据关联方法
9.4.3 JCBB数据关联方法
9.4.4
基于粒子滤波的多假设数据关联方法
参考文献
第10章 提高移动机器人自主行为能力的增强学习理论与方法
10.1 引言
10.2 增强学习理论与算法研究概述
10.2.1
增强学习的马氏决策过程模型
10.2.2
平稳控制策略值函数估计的TD学习理论
10.2.3
基于值函数逼近的MDP学习控制算法
10.2.4
基于直接策略搜索与近似策略迭代的学习控制算法
10.2.5
具有自适应评价设计结构的学习控制
10.2.6
增强学习在移动机器人自主控制中应用的概况
10.3 连续行为空间近似策略迭代算法CAPI
10.3.1 CAPI算法的基本框架
10.3.2
CAPI中的自适应基函数的自动选择
10.4 基于近似策略迭代的移动机器人自主避障控制
10.4.1
移动机器人系统的感知与运动特性
10.4.2
基于滚动窗口的局部路径规划
10.4.3
移动机器人自主避障的马氏决策过程建模
10.4.4
基于近似策略迭代算法的移动机器人自主避障
10.5 小结
参考文献
缩略语
|
| 內容試閱：
|
第1章 绪论
沈林成 徐昕 胡天江 牛轶峰
1.1 移动机器人系统与技术的发展概况
机器人技术综合多学科的发展成果，代表了高端技术的发展前沿。宋健院士
曾指出“机器人学的进步和应用是20世纪自动控制最有说服力的成就，是当代
最高意义上的自动化”［1］。移动机器人是一类能够通过传感器感知环境和自身状
态，实现在复杂未知环境中面向目标的自主运动，并完成预定任务的机器人系
统［2，3］。移动机器人与其他机器人的不同之处就在于强调了“移动”的特性，比
固定式机器人（如机械手）具有更大的活动范围、更大的灵活性与更广的应用领
域。移动机器人不仅能够在生产、生活中起到越来越大的作用，而且还是研究复
杂智能行为的产生、探索人类思维模式的有效工具与实验平台。移动机器人技术
是近年来国际机器人学和人工智能领域研究的一个热点，该技术在工业、交通运
输、医疗康复、服务业、航天和国防等领域都有广阔的应用前景。移动机器人按
照自主性的不同可以分为遥控、半自主和自主三种类型，其中自主式移动机器人
对于环境具有感知、决策和适应能力，从而能满足更为广泛的任务需求。实现移
动机器人的自主性，特别是在动态、不确定环境中的自主性，对于移动机器人的
体系结构、感知与认知、规划与控制技术和有关的人工智能理论和方法都提出了
挑战性的课题［4］。
1.1.1 移动机器人系统体系结构的发展
由于移动机器人特别是自主式移动机器人对环境的感知和适应能力往往体现
出一种智能行为，因而对移动机器人系统体系结构的研究也主要从人工智能的观
点出发来探索智能行为的实现问题。早期的研究工作主要提出了两类不同的移动
机器人体系结构，即基于符号表示的功能分层体系结构和基于行为的体系结构。
前者从符号智能的观点出发，将机器人系统按功能分层，底层基本不具备智能特
性，仅仅完成环境信息的获取和上层命令的执行；高层则在接收底层信息的基础
上对环境进行符号建模，并利用已有的知识进行推理和决策。后者从人工智能的
行为主义学派观点出发，将机器人系统分为若干并行的行为模块，每个行为模块
直接与环境交互，完成机器人的某一功能，在行为模块中没有对环境的建模和符
号表示，而以“if条件then行动”的规则形式依据传感器信息进行行为决策。
功能分层体系结构由Fikes、Hart和Nilsson等于20世纪70年代提出［5］，
并基于该结构设计了Strip-Planex移动机器人系统，其后有许多移动机器人系统
都采用了类似的体系结构。但通过大量研究发现，基于符号表示的功能分层体系
结构仅能在结构化、确定性环境中获得较好的应用效果，而对于动态、非结构化
和不确定环境中的机器人应用则难以满足要求，在复杂环境中要建立环境的符号
表示和进行符号推理往往极为困难且无法达到实时性。
基于行为的移动机器人体系结构最早由Brooks提出［6］，并成为人工智能行
为主义学派的主要观点。在Brooks提出的机器人包容（subsumption）结构中，
若?并行的行为模块直接完成从传感器信息到执行器件动作的映射功能，同时行
为模块之间具有一定的控制和选择机制，但整个系统没有一个集中的控制模块。
基于行为的机器人体系结构具有反应式系统的特点，无需对环境建模、表示和推
理，对动态、不确定环境具有一定的适应能力，采用该体系结构构造的机器人系
统能够有效地完成在不确定环境中的避障等行为。Brooks据此提出了没有推理
和表示的智能的观点。但经过深入研究后人们发现，基于行为的反应式机器人系
统仅能完成一些基本的类似“昆虫”的智能行为，而?法适应复杂任务的要求。
针对上述两种体系结构的优缺点，近年来开展了一些将两种体系结构的特点
相结合的混合式体系结构的研究工作。如基于LICA（locally intelligent control
agent）的体系结构［7］、Somass系统的体系结构［8］以及Chella等提出的三层体系
结构［9］。基于LICA的体系结构具有多个反应式行为模块，同时具备一定的高层
推理能力，其中的一部分行为模块可以完成类似于功能分层结构中的符号表示层
的功能。在Somass系统中，采用类似于Strips-Planex系统的高层推理模块，在
底层采用行为模块完成从符号表示到执行器动作的转换。Chella等提出的三层体
系结构则较好地结合了功能分层的体系结构和基于行为的反应式体系结构各自的
优点。在该体系结构中，底层由多个行为模块构成，称为子概念层（subconcep-
tual level），其具有反应式系统的特点，能够完成避障等反应式行为；中间层称
为概念层（conceptual level），由独立于符号语言的认知信息描述构成；最高层
称为语言层，对基于符号语言表示的信息进行处理。
混合式体系结构由于结合了功能分解型体系结构和包容式体系结构的优点，
同时有效地避免了两者的缺点，因此成为目前自主移动机器人体系结构研究的重
要方向。在这一领域，为适应未知或快速变化环境的要求，移动机器人系统的研
究需要进一步对系统的自适应和学习模块的功能集成进行研究。目前针对进化机
器人和其他基于学习的自主移动机器人体系结构都体现了上述思想［10］。
1.1.2 移动机器人的关键技术与应用
移动机器人技术涉及电子、机械、控制、计算机、仿生学等众多学科领域，
其关键技术包括移动平台设计、控制体系结构、路径规划、环境感知与信息融合
以及运?控制等方面。随着相关技术的发展，移动机器人系统已经在工业制造、
军事、医疗和科学研究等许多方面得到了广泛的应用。特别是随着社会发展和科
技进步，人类研究和活动领域已由陆地扩展到海洋和空间。利用移动机器人进行
陆、海、空、天全方位探测和开发，已成为21世纪世界各科技发达国家拓展生
存空间、加强资源储备的主要手段。
根据活动领域的不同，移动机器人可以分为空中机器人、地面机器人、水中
机器人等［11～13］。空中机器人包括空中无人机（unmanned aircraft vehicle，
UAV）、无人飞艇（unmanned airship）等，地面机器人包括地面无人车辆（un-
manned ground vehicle，UGV）、足式步行机器人等，水中机器人包括无人水面
艇（unmanned surface vehicle，USV）和无人潜航器（unmanned undersea vehi-
cle，UUV）等。美国国防部继2000年、2002年和2005年三次发布无人机路线
图之后，2007年底首次推出包括无人机系统、无人地面系统和无人水中系统的
无人系统路线图，2009年又发布了新一版的无人系统路线图。
空中移动机器人的典型代表是无人机，这类机器人活动空域大、运动速度
快，居高临下而不受地形限制。1917年世界上第一架无人飞机在英国研制成功。
自20世纪60年代开始，无人机得到广泛应用。无人机的发展经历了靶机—无人
侦察机—一次性使用攻击机—察打一体化无人机—无人作战飞机的发展历程，
其使命由早期的靶机、情报监视侦察、电子软硬杀伤发展到察打一体乃至真
正意义的智能化作战型无人机［14，15］。2001年11月，一架“捕食者”无人机发射
了两枚“海尔法”导弹，击毙了“基地”组织的第二号人物穆罕默德·阿提夫，
开创了无人机作战运用的先河。
地面移动机器人的典型代表是月球车，由美国和原苏联为完成月球探测计划
而设计和研制［16，17］。美国的移动机器人“探测者3号”，能在地面的遥控下，完
成在月球上挖沟的操作并且可执行其他探测任务。原苏联的移动机器人“登月者
20号”能够通过遥操作在月球表面钻削岩石，并把土壤和岩石样品装进回收容
器并送回地球。除了工业领域应用的各种自动导引运输车辆，在交通运输和军事
领域应用的无人驾驶智能车辆也是一类重要的地面移动机器人系统。在交通运输
方面，智能车辆相关技术的研究和发展将为汽车主动安全和?通安全，以及未来
的智能交通系统提供关键技术支撑。在军事方面，军用地面智能车辆在20世纪
80年代开始取得了长足的发展，既考虑战场应用，又考虑技术推动，执行任务
由侦察和后勤支援发展为扫雷、排爆、侦察等。截至2007年底，美国陆军已经
在伊拉克和阿富汗部署了5000多个地面机器人。此外，仿人步行机器人也是一
类具有重要研究价值的地面移动机器人。20世纪70年代初期，日本早稻田大学
研制出第一台功能较全的两足步行机器人。近年来，各种类人型移动机器人系统
的研究取得了大量研究成果，已经开始在肢体运动、视听觉、语言和表情等各个
层面上实现对人类功能的模拟。
水下移动机器人的典型代表是无人自治潜航器，它能够在人类无法到达的海
洋深度和广度上进行探测、识别和作业［18，19］。加拿大ISE公司研制的水下机器
人已经应用于深海生物研究、极地和深海海洋石油调查勘探、墨西哥湾海底天然
气的泄漏探测等方面。2008年，我国自主研发的自主与遥控混合作业模式水下
机器人“北极ARV”在北纬84度北冰洋海域成功完成冰下调查，获得了北极冰
底形态、海冰厚度等多种科学观测数据，实现?对北极冰下海冰物理特征、水文
特征和光学特性的同步观测。
1.1.3 无人系统技术的发展概况
移动机器人系统由移动平台、传感器、控制系统、作业载荷以及遥控操作器
等组成［11，12］。自20世纪90年代以来，研究人员结合军事应用等明确需求，从
系统角度对移动机器人进行研究，尽管有些移动机器人仍需诸如遥控等人在回路
的干预，但是移动机器人作业过程中平台本身并不需要人的直接介入，即具有
“平台无人”的特征，所以移动机器人也可称为“无人系统”（unmanned sys-
tem，US）。随着科学技术的发展，移动机器人开始在陆、海、空、天等领域全
方位地承担越来越多的任务，在经济、国防、教育、文化和日常生活中起到越来
越大的作用，但是，由于移动机器人种类的日益增多，系统也越来越复杂，对技
术的需求和挑战也越来越大，迫切需要加强顶层规划。为此，美国军方最早开始
为移动机器人的发展制定路线图。美国先后在2001年、2003年、2005年为空中
机器人（无人机）的发展制定路线图，在2007年和2009年，开始把地面机器人
和水中机器人统一纳入无人系统，形成了综合的无人系统路线图。美军
计划未来10年内智能机器人成为未来军队的主要战斗力量，到2010年前，三分
之一的“纵深”打击行动由空中机器人完成，到2015年前，三分之一的地面战
斗由地面机器人完成。
1.1.4 移动机器人技术的发展趋势
移动机器人可以代替人执行“枯燥的、恶劣的、危险的、纵深的”（dull，
dirty，dangerous，deep）任务，其中枯燥任务指重复性或者持久性的任务；恶劣
任务指环境涉及恶劣天气，以及核辐射、生物、化学污染等威胁的任务；危险任
务指对机器人和操作人员具有高危险的任务；纵深任务指超越当?有人系统使用
半径的任务。在执行这些任务时，移动机器人系统更胜于人或有人系统。由于需
求的牵引和技术的推动，未来移动机器人技术的发展呈现以下趋势：
（1）采用更先进的控制技术，发展更高级的自主式移动机器人；
（2）采用更先进的传感器，提高机器人对环境以及自身状态的感知能力；
（3）以柔性结构替代刚性结构，提高机器人操作灵活度；
（4）发展人工智能与信息处理技术，提高移动机器人的智能化程度；
（5）发展仿人和仿生技术，提高移动机器人环境适应能力；
（6）实现移动机器?的通用化、标准化和模块化，为多种不同移动机器人协
同工作创造条件。
可以预见，在21世纪各种先进的移动机器人系统将会进入人类生活的各个
领域，成为人类得力的助手和亲密的伙伴。
1.2 移动机器人自主控制的内涵与研究概况
自主式移动机器人是一种具有自规划、自组织、自适应能力，并且能够在复
杂的非结构化环境中工作的机器人。移动机器人随其应用环境和推进方式的不
同，平台控制方式也有很大差别，不同的推进方式对其运动控制的精度和可靠性
提出了不同的要求。空中机器人主要依靠空气动力飞行，地面机器人主要依靠驱
动装置在地面移动，水中机器人主要依靠水动力驱动前进。空中机器人的推进装
置分为涡喷式、涡扇式、螺旋桨和冲压式等，水中机器人的推进装置包括螺旋
桨、喷水推进器和仿生推进器等，地面机器人推进装置分为轮式（如四轮式、两
轮式、全方向式和履带式）、足式（如6足、4足和2足）、混合式（用轮子和
足）、特殊式（如吸附式、轨道式和蛇式）等。
移动机器人控制技术的发展方向是由简单的遥控、程控方式向人机智能融合
的交互控制方式转变，并逐步向全自主控制方式发展。早期的移动机器人系统的
智能化水平还比较低，其控制方式主要以简单遥控和预编程控制为主。随着移动
机器人智能化水平的提高，人机智能融合的交互控制逐渐处于主导地位。人机智
能融合的交互控制对通信系统的能力要求较高，在面临复杂环境时，由于存在通
信中断、遥控延时、链路带宽和距离受限以及人员操控能力等因素的限制，人机
智能融合的交互控制仍存在很大的缺陷。在通信保持.通的情况下，实现移动机
器人自主控制，可减轻操作员的工作负荷，从而提高使用效能。美国国防部最新
版《无人系统综合路线图（2009～2034）》［21］指出，移动机器人自主能力和鲁棒
性的提高，能够改进对环境的感知，提高目标定位的速度和精度，增强生存能
力，扩大任务的灵活性，预计到2015年移动机器人将实现动态障碍规避，到
2034年实现在线态势感知，具有完全自主能力。美国空军认为未来空中机器人
首要技术需求是增加自主性，提高协同能力。到2047年，技术的进步将使完成
“观察、判断、决策、行动”（observe，orient，decide，act，OODA）回路的时间
缩短为微秒或纳秒级［22］。因此，自主控制是移动机器人技术未来发展的必然
方向［23］。
1.2.1 移动机器人自主控制的内涵
国外学者对“自主控制”（autonomous control）的概念具有不同的定义。“自
主”（autonomy）英文一词的含义为“自主权：自我管理或自我管理的权利；自主
决定权”。Pachter等［24］认为自主控制是在非结构化环境下采取的“高度”自动
控制，但这种定义强调无人干预，没有考虑环境感知等关键问题。Boskovic
等［25］认为自主控制是包括在线感知、信息处理和控制重构等功能。Antsaklis
等［26］指出由于没有人的直接控制?自主控制强调自我决策、自我控制，实现自
主是控制的目标，而智能控制是实现自主的有效途径。国内对无人机的自主控制
也开展了相关研究，目前尚处于起步阶段［27，28］。
“自主”能力是移动机器人重要的技术特征，是移动机器人技术未来发展的
主要方向。移动机器人的自主能力能够使其本体或编队在不确定的环境中，依赖
自身或协同的观察、定位、分析和决策能力完成特定任务。由于使用环境的高度
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
