自主智能系统控制

本书为十四五国家重点图书 本书旨在瞄准自主智能系统的控制理论研究前沿问题，从自主智能系统的状态估计、自主控制与系统安全三个角度对相关的理论研究成果做了相关整理和总结，进一步为我国自主无人系统技术的发展与应用提供理论指导与技术支撑。

本书对自主智能系统前沿控制理论问题以及主要方法做了详细阐述，主要从自主智能系统的状态估计、协同控制和网络安全防御三个方面展开，内容涵盖事件触发风险敏感状态估计、具有相对熵约束的事件触发最小优选状态估计、多刚体的有限时间协同控制、多刚体系统的姿态同步、多刚体系统的很优一致性、多智能体系统在网络攻击下的安全控制以及多智能体系统的分布式攻击检测与防御机制等理论研究成果。本书可供人工智能领域理论研究者或工程技术人员参考，也可供高等院校自动控制专业的本科生和研究生学习。

唐漾，博士，华东理工大学教授、博士生导师。德国洪堡基金、重量高层次人才、科技部中青年科技创新领军人才、重量海外高层次人才引进计划青年项目和上海市优秀学术带头人等计划入选者, ESI全球高被引科学家。主要研究方向为智能无人系统和工业智能。在Nature子刊、Cell子刊、Physics Reports、IEEE汇刊、IFAC会刊上发表论文100余篇，申请/公开/授权专利20余件。主持国家科技部重点研发计划项目/课题、3项国家自然科学基金重点类项目等多个项目。担任7本IEEE汇刊、1本IFAC会刊和《中国科学：信息科学》等多个国际期刊的副主编/编委。获得2019年度上海市自然科学奖一等奖。 金鑫,华东理工大学讲师。长期从事资源受限下多刚体系统一致性协同控制等方面的研究工作。在Automatica、IEEE Trans. on Automatic Control、IEEE Trans. on Control Systems Technology等国际期刊/会议发表论文20余篇，主持中国博士后科学基金特别资助项目1项，面上项目1项，同时担任多个国际期刊审稿人。于2021年入选上海市"超级博士后"激励计划, 2023年入选上海市"启明星扬帆"计划和中国科协"青年人才托举"计划。 徐加鹏，博士。获得中国自动化学会优秀博士学位论文奖，上海市优秀毕业生，博士研究生国家奖学金，入选华东理工大学"张江树优博重点培育"计划。研究方向为网络化反馈控制、事件触发的状态估计、多目标互补控制、平均场博弈。发表期刊和会议论文15篇。 黄家豪，博士。研究方向包括分布式状态估计、网络攻击检测以及信息物理系统安全。以第一作者、参与作者的身份在Automatica、IEEE Trans. on Cybernetics以及IEEE Trans. on Industrial Informatics等国际期刊发表论文10余篇，同时担任多个国际期刊审稿人。参与国家科技部重点研发计划项目课题1项、国家自然科学基金重点类项目2项。

第1章绪论001
1.1自主智能系统控制介绍002
1.1.1自主智能系统控制的特点及研究现状002
1.1.2多智能体系统的分布式估计和协同控制005
1.2自主智能系统举例009
1.2.1工业智能控制系统009
1.2.2多机器人协作系统011
第2章自主智能系统建模方法015
2.1面向状态估计的自主智能系统建模016
2.1.1线性随机系统的Kalman滤波方程016
2.1.2线性指数二次高斯状态估计方程017
2.1.3隐马尔可夫模型的状态估计方程018
2.2基于刚体动力学的自主智能系统建模020
2.2.1旋转矩阵的基本知识020
2.2.2姿态表征和运动学021
2.2.3轴角姿态表征与姿态动力学022
2.2.4刚体的欧拉-拉格朗日系统模型023
2.2.5基于欧拉-拉格朗日系统的四旋翼无人机模型023
2.3基于事件触发通信机制的自主智能系统建模025
2.3.1动态事件触发机制的设计原则Ⅰ025
2.3.2动态事件触发机制的设计原则Ⅱ029
2.4面向网络安全的自主智能系统建模030
2.4.1网络攻击模型031
2.4.2网络攻击的检测以及识别技术032
2.4.3抵抗网络攻击的鲁棒滤波034
第3章隐马尔可夫模型的事件触发风险敏感状态估计037
3.1概述038
3.2问题描述038
3.3递归估计结果040
3.3.1参考概率测度040
3.3.2递归估计044
3.3.3测量噪声为高斯时的解047
3.4仿真示例051
第4章具有相对熵约束的事件触发最小优选状态估计057
4.1概述058
4.2问题描述059
4.2.1不确定系统059
4.2.2事件触发策略060
4.2.3事件触发最小优选很优估计问题062
4.3事件触发LEQG估计064
4.3.1递归的信息状态064
4.3.2动态规划070
4.4一步事件触发最小优选估计073
4.4.1一步事件触发LEQG估计075
4.4.2一步事件触发最小优选估计器076
4.5多传感器场景079
4.6仿真示例082
第5章具有随机丢包的很优状态估计087
5.1概述088
5.2独立同分布丢包信道下很优风险敏感状态估计089
5.2.1很优估计问题089
5.2.2很优LEQG估计090
5.2.3仿真示例1099
5.3多个Markovian丢包信道下很优稳态状态估计101
5.3.1很优稳态状态估计器101
5.3.2均方镇定解105
5.3.3均方可检测性和局部很优稳态估计器112
5.3.4仿真示例2121
第6章多刚体系统有限时间协同控制127
6.1概述128
6.2相关引理与问题描述130
6.2.1引理130
6.2.2欧拉-拉格朗日系统有限时间一致性132
6.2.3多刚体系统固定时间姿态一致性133
6.3欧拉-拉格朗日系统有限时间一致性135
6.3.1基于事件驱动的有限时间一致性协议135
6.3.2基于螺旋滑模的一致性算法142
6.3.3非奇诺现象分析147
6.4多刚体系统固定时间姿态一致性148
6.4.1固定拓扑的情况149
6.4.2切换拓扑的情况156
6.5仿真示例162
第7章多刚体系统姿态同步控制171
7.1概述172
7.2相关引理和问题描述175
7.2.1引理175
7.2.2问题描述1177
7.2.3问题描述2179
7.3绝对和相对姿态测量下的姿态一致性179
7.3.1基于绝对姿态的事件驱动姿态一致性179
7.3.2基于相对姿态的事件驱动姿态一致性185
7.3.3自触发姿态一致性191
7.4无角速度测量下的姿态一致性193
7.4.1固定拓扑下的事件驱动姿态一致性193
7.4.2切换拓扑下的事件驱动姿态一致性201
7.5仿真示例205
7.5.1仿真示例1205
7.5.2仿真示例2207
第8章基于事件触发强化学习的多刚体系统很优一致性213
8.1概述214
8.2基于增广系统的无模型事件触发方法214
8.2.1问题描述214
8.2.2增广系统的设计217
8.2.3无模型很优控制器的设计218
8.2.4事件触发机制的引入219
8.3基于事件触发强化学习的算法实现221
8.3.1无模型事件触发的强化学习算法221
8.3.2基于神经网络的在线算法实现223
8.3.3事件触发条件的设计226
8.4算法验证与分析230
第9章单个刚体系统的安全性能237
9.1概述238
9.2基于拒绝服务攻击的姿态系统弹性跟踪控制算法240
9.2.1姿态系统在攻击下的动力学模型240
9.2.2姿态系统的追踪控制分析245
9.2.3算法验证与分析1256
9.3基于拒绝服务攻击的非饱和移动机器人系统跟踪控制259
9.3.1移动机器人系统在攻击下的动力学模型259
9.3.2移动机器人系统的跟踪控制分析265
9.3.3算法验证与分析2274
第10章多个智能体系统的安全协同性能281
10.1概述282
10.2欺诈攻击下网络化多智能体系统的编队控制284
10.2.1多智能体系统在攻击下的动力学模型284
10.2.2三种欺诈攻击下的分布式事件驱动策略294
10.2.3算法验证与分析309
10.3拒绝服务攻击下网络化多智能体系统的编队控制312
10.3.1攻击下的分布式事件驱动策略313
10.3.2多智能体系统的编队控制分析319
10.3.3算法验证与分析326
第11章网络化状态估计的安全性分析以及攻击检测331
11.1概述332
11.2抵御线性中间人攻击的安全远程状态估计332
11.2.1系统和攻击模型332
11.2.2数据传输的安全模块334
11.2.3不同信息泄露场景下的检测性能与估计性能分析337
11.2.4仿真示例1353
11.2.5场景I的仿真结果353
11.2.6场景II的仿真结果355
11.2.7场景III的仿真结果356
11.2.8扩展：检测重放攻击357
11.3隐秘攻击下分布式状态估计的收敛性分析358
11.3.1系统和攻击模型358
11.3.2资源充足的隐秘攻击下的分布式一致性估计364
11.3.3资源受限的隐秘攻击下的分布式一致性估计367
11.3.4仿真示例2374
参考文献379