基于改进人工势场法的AUV全局路径规划

目的为了解决AUV(autonomous underwater vehicle)在传统人工势场法路径规划过程中存在的碰撞、目标不可达和局部极小值等问题,方法提出一种基于改进人工势场法(improved artificial potential field,IAPF)的AUV全局路径规划算法。首先为解决引力过大导致的碰撞问题,引入作用阈限制目标点的吸引力;然后在斥力场添加距离修正因子修正斥力函数,防止目标点离障碍物过近时,由于斥力大于引力引起目标不可达现象,同时考虑到障碍物大小的不等性会影响斥力的作用范围,对障碍物的最小安全距离进行修改;最后在此基础上添加外力,利用外力和势场力的共同作用使AUV沿切线方向行驶,从而摆脱局部极小点或陷阱区域。结果仿真实验结果表明,本文算法能够规划出一条最优路径,与同类算法相比,本文算法运行时间短,成功率高。结论本文提出的基于改进人工势场法的AUV全局路径规划算法,通过引入作用阈、距离修正因子、最小安全距离修正以及外力作用,有效解决了传统人工势场法在AUV路径规划中存在的碰撞、目标不可达和局部极小值等问题。

深海AUV无动力垂直下潜运动特性研究

深海AUV(自主水下机器人)采用无动力下潜方式能有效节约能源,但是水平或小纵倾角姿态下潜用时较长,水平偏移大。为提高下潜速度,减小下潜偏移距离,对AUV无动力垂直下潜过程进行研究。使用四元数代替欧拉角得到AUV运动方程,并加入洋流和浮力数学模型,通过Simulink仿真模块建立AUV垂直下潜运动仿真方法,解决垂直下潜产生的姿态角解算奇异性问题。通过设置不同仿真工况,得到AUV垂直下潜运动状态量受负浮力、重浮心距离、舵角、初始纵倾角及环境扰动力的作用规律。结果表明,AUV采用垂直下潜方式,可实现较大的下潜速度,同时减小水平偏移距离;洋流扰动是垂直下潜运动产生水平偏移的主要原因;下潜深度6000 m时,浮力变化扰动导致末端下潜速度减小30%,下潜时间增加21%。

脉冲噪声下AUV水声通信盲均衡算法模拟仿真

针对存在琢稳定分布噪声的水声信道中传统常数模盲均衡算法(constant modulus algorithm,CMA)无法稳定收敛的问题,提出一种基于模拟退火粒子群算法优化的变步长分数低阶盲均衡算法(SAPSO-VSS-FLOSCMA),该算法将FLOSCMA的代价函数作为SAPSO算法的适应度函数,利用SAPSO算法搜索全局最优解代替盲均衡器的初始权向量,降低了FLOSCMA算法的稳态误差,并采用双曲正切函数调节FLOSCMA算法的步长因子加快算法的收敛速度。水声信道仿真结果表明,与CMA和FLOSCMA算法相比,SAPSO-VSS-FLOSCMA算法在收敛速度和稳态误差方面均得到提高,且误码率更低。

基于前视声呐图像的AUV目标识别与跟踪

声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。

基于领航跟随的2型AUV编队航行仿真对比

基于领航跟随的编队控制方法简洁实用,但其在不同自主式水下航行器(Autonomous Undenuater Vehicle,AUV)平台上的控制效果缺乏对比。本文针对500 kg的“海翔500”AUV与5000 kg的“NPS”AUV开展AUV编队航行仿真,对比分析了基于领航跟随编队控制方法下的2型AUV的队形距离偏差、队形角度偏差。500 kg的“海翔500”AUV与5000 kg的“NPS”AUV在路径跟随上的航行能力接近,航行稳定后偏离设定路径的法向距离小于1 m。基于领航跟随的编队控制方法对2型AUV的编队均有较好的控制效果,在稳定直航段跟随者与领航者的距离偏差保持在7~8 m,角度偏差保持在3°~5°。但在切换点处由于队形相对位置的约束,对编队内外侧AUV的加减速性能有一定要求,“NPS”AUV在直角拐弯处的距离偏差较“海翔500”AUV增大50%左右。

AUV终端对接的单目视觉导引方法研究

在水下复杂环境中高效回收自主潜水器(AUV)是一项重大的技术挑战。本文提出了一种利用单目视觉检测和跟踪对接站上光环标识进行终端对接的方法。为了提高光源特征识别,本文改进了Canny边缘检测算法,采用自适应阈值方法动态调整光源轮廓,并在阈值最优时采用最小外接圆方法确定光源中心。此外,利用几何位置和面积约束消除水面反射的干扰。在视觉定位和跟踪方面,采用张氏标定法获取相机的内部参数和畸变参数,通过比较光环中心和图像中心来估计AUV的航向和俯仰偏差,然后利用位置-姿态PID控制器进行快速跟踪。水池实验结果表明,该方法简单实用,鲁棒性强,能够为未来水下机器人的可靠回收提供一定技术参考。

基于MPC-MRAC的用于子母式AUV投放的子AUV控制算法

针对水下搜救、水下集群作业等场合对负载能力、响应速度和多体协同的特殊要求,提出一种子母式自主水下航行器(AUV)概念。针对子母式AUV中的子AUV平台进行投放过程设计与分析,并对不同运动模式下的子AUV进行受力分析和建模。根据子AUV运动特性设计一套基于模型预测控制-模型参考自适应控制算法(MPC-MRAC)的子AUV控制算法,并进行仿真。结果显示:该算法具有较快的响应速度和控制稳定性,适用于子AUV投放后的自主运动控制;其响应速度比反演滑模控制算法快42.48%,比比例积分微分(PID)控制算法快87.05%;控制精度比反演滑模控制算法高77.54%,比PID控制算法高76.19%。针对该系统设计制作样机并开展湖上试验,结果表明,子AUV控制算法具有良好的可行性和可靠性,可顺利实现子AUV投放后运行的安全可靠。子AUV在出舱后经过短时间姿态变化,成功与母AUV分离并顺利进行定深任务,最终达到近似等距分布的效果。研究成果可为用于子母式AUV投放的子AUV提供控制算法基础。

基于上下文感知的强化学习AUV控制器研究

为了提升基于强化学习的自主水下航行器(Autonomous Underwater vehicle,AUV)控制器在复杂海况中对环境干扰的鲁棒性,设计一种利用上下文信息进行环境感知的强化学习控制器。结合水下机器人运动学及动力学方程对深度跟踪任务进行建模,构建了基于PPO-clip算法的深度控制器,并在算法中融入了上下文变量和域随机化方法。在仿真环境中分别进行海流干扰、暗涌干扰以及两者共同干扰环境的深度跟踪任务,仿真结果表明,本文提出的方法对强化学习控制器的抗干扰能力有明显的提升,在多种环境干扰下更精准地完成深度跟踪任务。

基于主动声源搜寻的AUV引导方法研究

自主水下机器人(Autonomous Underwater Vehicle,AUV)可以在更深的海域中进行大范围的搜寻,加快深海搜救进度。为了解决AUV在复杂海洋环境下搜索过程中的问题,提高AUV在深海大范围搜寻主动声源过程中的搜寻效率,提出一种基于AUV的主动声源搜寻方法。将AUV搜寻主动声源的过程分为:疑似海域的大范围多目标搜索规划和实时引导搜寻2个阶段。本文主要研究在实时引导搜寻阶段采用基于改进差分进化算法进行动态引导规划,同时考虑引导中避免进入声源声影区导致声源信号丢失的影响,提高AUV声源搜寻效率。通过仿真结果,本文方法与传统的蝗虫优化算法以及粒子群算法对比,规划路径收敛速度更快,路径长度更短,满足AUV在深海大范围搜寻主动声源的搜寻任务效率需求。

基于并联机构的AUV矢量推进器研究

本文提出一种PUS-PRS-S并联机构形式的螺旋桨矢量推进器。对矢量推进器进行具体的结构设计,使其能够很容易地作为一个整体安装在AUV尾部。建立矢量推进器的的运动学和动力学模型,通过数值计算与仿真,结果表明,设计的矢量推进器具有良好的运动性能,能够流畅地完成俯仰、偏摆运动。通过对推力矢量的分析,可知矢量推进器在AUV前进方向上始终能提供不低于75%的推力,在偏转方向上最大能提供50%的推力,且推力大小与AUV姿态和航速均无关。对比与传统的以鳍舵作为控制面的AUV,矢量推进AUV在慢速航行状态下具有更好的操纵性。

IACO-GA-IPSO融合算法AUV三维全局路径规划

为了解决传统蚁群算法收敛速度慢,易陷入局部最优,传统粒子群算法搜索精度差,初始路径不规则等问题,提出一种融合了改进蚁群算法(IACO)、改进粒子群算法(IPSO)和遗传算法(GA)的IACO-GA-IPSO路径规划算法。首先定义三维海洋环境模型,将工作空间沿Z轴方向划分成水平的栅格平面;其次建立多标准的路径优劣评价模型;最后由融合算法规划路径:IACO算法生成次优种群,GA算法优化种群多样性,IPSO算法快速收敛到全局最优。实验结果表明,融合算法能充分发挥每种算法的优点,克服种群规模和收敛速度的矛盾,优化初始种群,提高全局搜索能力、局部搜索精度和算法运行效率,加快收敛速度并避免陷入局部最优路径。

基于多维泰勒网的欠驱动AUV双闭环姿态反步控制方法

该文针对欠驱动水下机器人(AUV)在水下动态对接时同速跟踪的姿态控制问题展开研究,设计了一种基于多维泰勒网的欠驱动AUV双闭环姿态反步控制方法。基于多维泰勒网的跟踪函数,设计内环多维泰勒网控制律,调整欠驱动AUV姿态角的变化速度,保证对接的精度。利用反步法设计外环反步控制器,调整欠驱动AUV的姿势角,使其航向实时跟踪动态变化的回收船位置,以提升复杂水文环境下对接的成功率。仿真结果表明,该文设计的方法能够实现欠驱动AUV姿态角与调整速度的精确控制,在外部水流扰动环境下具有较好的动静态跟踪能力,具有较高的一次对接成功率。

基于视觉的AUV末端回收导引方法研究

水下自主无人潜航器(AUV,autonomous underwater vehicle)由于其独特的高速、低阻、低噪等优势,是如今探索海洋的有力依托;作为自主式机器人,AUV如何自行导航回收至对接站是研究中的重要环节;依托于实验室独创的四桨无舵矢量推进型AUV,通过改进Canny边缘检测,采用自适应阈值方法动态调整轮廓,在阈值最优时采用最小外接圆方法确定圆心;经Unity3D仿真和水池试验可知,该方法简单实用,鲁棒性强,且相比于传统的AUV形式以及传统的图像识别方法,该新型AUV在基于单目视觉的自适应阈值分割检测方法下,水下末端导引对接精度(优于20 cm)和对接成功率(大于80%)上均得到了大幅度的提高,在实际应用中对AUV能源补给、数据下载/上传、设备检修等具有重要的应用价值。

波浪影响下水下风筝式AUV建模与力学响应分析

针对强天气条件下相关参数难以获取,提出一种由水面智能拖体、水下高机动AUV和高强度拖缆组成的“水下风筝”式三体AUV,有望实现台风现场海气界面与上层水体同步探测。为探究高海况下“水下风筝”式AUV技术可行性,对其在波浪影响的力学响应特性进行分析,建立基于微振幅波理论和经典多体刚柔结构动力学建模方法的“水下风筝”式AUV动力学模型,采用数值模拟方法获得了不同拖曳速度、不同海况等级下AUV端受力和深度值,结果表明从力学角度当前技术条件可满足“水下风筝”式AUV高海况下同步观测需求。

基于深度强化学习的AUV路径规划研究

针对三维海洋环境水下自主航行器(AUV)路径规划问题,传统的路径规划算法在三维空间中搜索时间长,对环境的依赖性强,且环境发生改变时,需要重新规划路径,不满足实时性要求。为了使AUV能够自主学习场景并做出决策,提出一种改进的Dueling DQN算法,更改了传统的网络结构以适应AUV路径规划场景。此外,针对路径规划在三维空间中搜寻目标点困难的问题,在原有的优先经验回放池基础上提出了经验蒸馏回放池,使智能体学习失败经验从而提高模型前期的收敛速度和稳定性。仿真实验结果表明:所提出的算法比传统路径规划算法具有更高的实时性,规划路径更短,在收敛速度和稳定性方面都优于标准的DQN算法。

基于模糊神经PID的新型AUV控制研究

为了提高水下自主机器人(autonomous underwater vehicle,AUV)在海洋执行任务时对深度和航向控制的品质,以及它的抗干扰能力。本文提出了一种新的方法,即通过训练人工神经网络来改变模糊PID(proportional integral derivative)控制的模糊规则和隶属度函数,从而实现更加精确的模糊控制。最后将设计的模糊神经PID控制算法与建立的AUV动力模型相结合。为验证模糊神经PID控制器的有效性,将传统PID、模糊PID控制算法作为对比,同时,人为加入了干扰因素。通过MATLAB/Simulink仿真实验的验证发现,采用模糊神经PID控制器来控制AUV,可以获得更少的反应时间,更好的稳定性,以及更强的抗干扰性,而且控制效果远超其他控制方式。

AUV复合浮力调节装置的设计及实验

针对长程自主式水下航行器(AUV)在使用推进器定深巡航、上浮下潜能耗高以及传统浮力布置方式带来重心改变控制复杂等问题。提出了一种复合浮力调节装置,该装置在结构上独立成段,集成了浮力调节和重心调节功能。可在满足浮力调节的同时,利用剩余空间实现对俯仰角的控制。并采用一种新的浮力模块布置方式,通过理论计算验证了该装置可以在AUV上浮、悬浮、下潜过程中保持一定姿态。搭建了复合浮力装置样机,对主要部件进行强度校核,测试其在水下的密封性能和浮力调节精确度。结果表明:该机构具有精确的浮力调节能力,以及保持该机构在水中平衡的能力,相比传统布置方式可提高空间利用率、简化安装步骤。

基于变论域模糊PID的AUV靶标运动追踪控制

针对AUV靶标系统运动追踪响应速度慢、控制精度低的问题,提出将变论域模糊PID的控制算法应用于AUV靶标瞄准系统上。通过模拟AUV在海中航行受到的力,建立了AUV动力学模型,将变论域思想结合模糊PID引入AUV靶标瞄准运动追踪控制系统,设计了基于变论域模糊PID控制算法的控制器。利用MATLAB搭建变论域模糊PID、常规模糊PID、传统PID控制系统模型,在3种姿态控制系统模型下,对航行器运动追踪的控制效果进行仿真与分析。结果显示,变论域模糊PID在AUV靶标控制上具有超调量小、响应速度快、动态响应能力强、控制精准度高的优点。

基于COMGRU的AUV航路轨迹预测方法

针对采用神经网络预测自主水下机器人航迹存在滞后性的问题,本文提出一种基于信息压缩的改进门控循环神经网络,用于水下自主机器人航路多步轨迹预测。该算法将水下自主机器人航行轨迹附近的障碍物位置信息、海流信息以及时空轨迹信息共同构成的地理位置信息进行数据压缩处理,作为本文预测网络的输入,以提高网络训练效率。实验验证该算法减少了水下自主机器人航迹多步预测的滞后性且具有较高的准确率。

基于视锥投影原理的AUV光学导引方法

自主水下航行器在海洋地球科学中有着广泛的应用,并越来越多地被应用在科学研究、商业、军事等领域。作为无人设备,AUV(Autonomous UnderwaterVehicle,自主水下航行器)需要具备自主回收的能力,提高自主回收的准确性和稳定性对延长AUV总作业时具有重要意义。在声光结合导引的自主回收中,AUV航向相对于回收装置中轴线的夹角被称为偏航角,偏航角是一个未知量,对偏航角的测量精度关系到回收的速度和成功率。