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**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小状态估计、多刚体的有限时间协同控制、多刚体系统的姿态同步、多刚体系统的一致性、多智能体系统在网络攻击下的**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。

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�� 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Ⅰ 025 2.3.2 动态事件触发机制的设计原则Ⅱ 029 2.4 面向网络**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小状态估计 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 事件触发小估计问题 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 一步事件触发小估计 073 4.4.1 一步事件触发LEQG估计 075 4.4.2 一步事件触发小估计器 076 4.5 多传感器场景 079 4.6 仿真示例 082 第5章 具有随机丢包的状态估计 087 5.1 概述 088 5.2 独立同分布丢包信道下风险敏感状态估计 089 5.2.1 估计问题 089 5.2.2 LEQG估计 090 5.2.3 仿真示例1 099 5.3 多个Markovian丢包信道下稳态状态估计 101 5.3.1 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稳态估计器 112 5.3.4 仿真示例2 121 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1 177 7.2.3 问题描述2 179 7.3 和相对姿态测量下的姿态一致性 179 7.3.1 基于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1 205 7.5.2 仿真示例2 207 第8章 基于事件触发强化学习的多刚体系统一致性 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**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1 256 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2 274 第10章 多个智能体系统的**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**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**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**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1 353 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2 374 参考文献 379