空天飛行器智能感知與控制

目錄
序
前言
第1章 緒論 1
1.1 空天飛行器概述 1
1.1.1 定義與發(fā)展現(xiàn)狀 1
1.1.2 關(guān)鍵技術(shù)問題 2
1.2 未來發(fā)展趨勢 5
1.2.1 智能感知技術(shù) 5
1.2.2 智能控制技術(shù) 6
思考題 7
第2章 數(shù)據(jù)解譯與特征工程 8
2.1 特征提取 8
2.1.1 主成分分析法 8
2.1.2 線性判別分析法 9
2.1.3 局部線性嵌入法 10
2.2 聚類分析 11
2.2.1 均值聚類算法 11
2.2.2 密度聚類算法 12
2.2.3 譜聚類算法 12
2.3 回歸與分類分析 14
2.3.1 *小二乘回歸 14
2.3.2 K近鄰分類器 15
2.3.3 支持向量機(jī) 15
2.4 算例仿真 17
2.4.1 **遙感圖像數(shù)據(jù)集特征提取算例 17
2.4.2 飛行器圖像數(shù)據(jù)集“背景-目標(biāo)”聚類算例 18
思考題 19
第3章 深度學(xué)習(xí)理論 20
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 20
3.1.1 神經(jīng)元 20
3.1.2 多層感知機(jī) 21
3.1.3 反向傳播神經(jīng)網(wǎng)絡(luò) 23
3.2 卷積神經(jīng)網(wǎng)絡(luò) 25
3.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 25
3.2.2 AlexNet 28
3.2.3 VGGNet 28
3.3 新型神經(jīng)網(wǎng)絡(luò) 29
3.3.1 遞歸神經(jīng)網(wǎng)絡(luò) 29
3.3.2 長短期記憶神經(jīng)網(wǎng)絡(luò) 30
3.3.3 生成對(duì)抗神經(jīng)網(wǎng)絡(luò) 31
3.3.4 Transformer神經(jīng)網(wǎng)絡(luò) 32
3.4 神經(jīng)網(wǎng)絡(luò)壓縮 34
3.4.1 模型剪枝 34
3.4.2 權(quán)重共享 35
3.4.3 參數(shù)量化 36
3.5 算例仿真 37
3.5.1 卷積神經(jīng)網(wǎng)絡(luò)特征圖可視化算例 37
3.5.2 航天器狀態(tài)監(jiān)控及故障檢測算例 38
思考題 39
第4章 強(qiáng)化學(xué)習(xí)理論 40
4.1 馬爾可夫過程 40
4.1.1 強(qiáng)化學(xué)習(xí)概念 40
4.1.2 動(dòng)態(tài)規(guī)劃 44
4.1.3 蒙特卡洛方法 46
4.1.4 時(shí)間差分學(xué)習(xí) 47
4.2 深度強(qiáng)化學(xué)習(xí) 49
4.2.1 DQN算法 49
4.2.2 DDPG算法 51
4.2.3 PPO算法 53
4.3 多智能體強(qiáng)化學(xué)習(xí) 54
4.3.1 多智能體系統(tǒng) 54
4.3.2 MADDPG 算法 55
4.3.3 MAPPO 算法 57
4.4 算例仿真 57
4.4.1 DQN算法訓(xùn)練倒立擺算例 57
4.4.2 MADDPG算法訓(xùn)練MPE算例 59
思考題 61
第5章 空天飛行器空中目標(biāo)感知 63
5.1 運(yùn)動(dòng)目標(biāo)檢測 63
5.1.1 背景減除法 63
5.1.2 幀間差分法 66
5.1.3 光流法 68
5.2 光學(xué)目標(biāo)檢測 70
5.2.1 單階段目標(biāo)檢測 70
5.2.2 雙階段目標(biāo)檢測 73
5.3 動(dòng)態(tài)目標(biāo)跟蹤 75
5.3.1 基于相關(guān)濾波的目標(biāo)跟蹤 75
5.3.2 基于深度學(xué)習(xí)的目標(biāo)跟蹤 82
5.4 算例仿真 87
5.4.1 背景減除法運(yùn)動(dòng)目標(biāo)檢測算例 87
5.4.2 單階段目標(biāo)檢測算例 88
5.4.3 相關(guān)濾波法目標(biāo)跟蹤算例 89
思考題 90
第6章 空天飛行器地物目標(biāo)感知 91
6.1 目標(biāo)檢測方法 91
6.1.1 水平邊界框目標(biāo)檢測 92
6.1.2 定向邊界框目標(biāo)檢測 94
6.2 變化檢測方法 100
6.2.1 變化檢測基本流程 101
6.2.2 圖像差分法 104
6.2.3 圖像回歸法 106
6.2.4 變化向量分析法 106
6.3 異常檢測方法 108
6.3.1 基于RX算法的異常檢測方法 109
6.3.2 基于協(xié)同表示的異常檢測方法 113
6.3.3 基于低秩性與稀疏性的異常檢測方法 114
6.4 星載多源圖像目標(biāo)識(shí)別 117
6.4.1 星載多源圖像目標(biāo)特征表征 117
6.4.2 復(fù)雜環(huán)境條件下星載多源圖像目標(biāo)識(shí)別 122
6.5 SAR圖像目標(biāo)檢測 126
6.5.1 基于統(tǒng)計(jì)模型的檢測方法 127
6.5.2 基于極化特征的檢測方法 129
6.5.3 基于干涉相干性的檢測方法 131
6.5.4 基于深度學(xué)習(xí)的檢測方法 134
6.6 算例方法 136
6.6.1 水平邊界框目標(biāo)檢測算例 136
6.6.2 RX算法異常檢測算例 137
6.6.3 基于CFAR算法的SAR圖像目標(biāo)檢測算例 138
思考題 139
第7章 空天飛行器智能制導(dǎo)與控制 140
7.1 **制導(dǎo)與控制理論 140
7.1.1 飛行器制導(dǎo)與控制模型 140
7.1.2 PID控制 143
7.1.3 比例導(dǎo)引 144
7.2 智能飛行控制系統(tǒng) 148
7.2.1 強(qiáng)化學(xué)習(xí)智能控制方法 148
7.2.2 模糊自適應(yīng)智能控制方法 150
7.2.3 神經(jīng)網(wǎng)絡(luò)智能控制方法 152
7.3 容錯(cuò)飛行控制系統(tǒng) 155
7.3.1 容錯(cuò)控制相關(guān)概念 156
7.3.2 飛行器故障分析與診斷 157
7.3.3 滑模變結(jié)構(gòu)控制 161
7.3.4 非線性動(dòng)態(tài)逆控制 165
7.4 協(xié)同制導(dǎo)控制系統(tǒng) 166
7.4.1 相對(duì)運(yùn)動(dòng)制導(dǎo)模型構(gòu)建 166
7.4.2 多智能體一致性理論簡介 169
7.4.3 多約束條件下的協(xié)同制導(dǎo)律設(shè)計(jì)方法 171
7.5 算例方法 177
7.5.1 無人機(jī)增穩(wěn)回路設(shè)計(jì)算例 177
7.5.2 飛行器協(xié)同攔截仿真分析算例 179
思考題 184
第8章 空天飛行器博弈制導(dǎo)與控制 186
8.1 微分博弈制導(dǎo)控制 186
8.1.1 納什-龐特里亞金*大*小原理 186
8.1.2 微分博弈納什均衡解 188
8.1.3 基于納什均衡解的*優(yōu)控制方法 189
8.2 非零和博弈制導(dǎo)控制 191
8.2.1 CW追逃博弈 191
8.2.2 粒子群優(yōu)化算法 193
8.2.3 非零和博弈*優(yōu)控制方法 195
8.3 強(qiáng)化學(xué)習(xí)博弈制導(dǎo)控制 202
8.3.1 Q 學(xué)習(xí)制導(dǎo)控制 202
8.3.2 強(qiáng)化學(xué)習(xí)比例導(dǎo)引控制 206
8.3.3 強(qiáng)化學(xué)習(xí)過載制導(dǎo)控制 210
8.4 算例仿真 211
8.4.1 飛行器博弈制導(dǎo)控制算例 211
8.4.2 在軌航天器追逃博弈控制算例 213
思考題 218
參考文獻(xiàn) 220