基于鲁棒Restless Bandits模型的多水下自主航行器任务分配策略

针对水下监测网络中多自主航行器(AUV)协同信息采集任务分配问题进行了研究。首先,为了同时考虑系统中目标传感器的节点状态与声学信道状态对AUV任务分配问题的影响,构建了水声监测网络系统的综合模型;其次,针对水下存在的多未知干扰因素并考虑了模型产生不精确的情况,基于强化学习理论将多AUV任务分配系统建模为鲁棒无休止赌博机问题(RBP)。最后,提出鲁棒Whittle算法求解所建立的RBP,从而求解得出多AUV的任务分配策略。仿真结果表明,在干扰环境下与未考虑干扰因素的分配策略相比,在系统分别选择1、2、3个目标时,鲁棒AUV分配策略对应的系统累计回报值参数的性能分别提升了5.5%、12.3%和9.6%,验证了所提方法的有效性。

基于DSP-FPGA平台的ADCP高沙流量测量系统

基于TMS320C6748与Spartan-6平台完成声学多普勒流速剖面仪(Acoustic Doppler Current Profiler, ADCP)的设计,并实现高含沙量情况下的水流流量精确测量。数字信号处理模块(Digital Signal Processing, DSP)完成上位机通信、系统控制、现场可编程门阵列模块(Field Programmable Gate Array, FPGA)交互、外设数据接入、信号数据处理等功能,FPGA完成发射信号调制、接收信号采集等功能。利用测量船搭载ADCP高沙流量测量系统在黄河流域进行测量,ADCP接入全球定位系统(Global Positioning System, GPS)和测深仪数据,在高含沙量水域进行断面流量测试,验证系统的可行性及测量精度。结果显示,在含沙量达到15.5 kg·m^(-3)的水文环境下,ADCP系统可正常稳定地完成测量作业,测量得到的流量相对误差为1.01%,满足高精度流量测量系统的要求。

ADCP测量水深的过滤与插值方法

声学多普勒流速剖面仪(Acoustic Doppler Current Profiler, ADCP)对河道流量进行测量有赖于准确的深度测量,在遇到错误的深度测量时应采用合理的数值对错误帧进行深度插值,以增加计算准确度。文章分析了ADCP在斜坡河底环境下进行深度测量的理论标准差,在此基础上提出了使用四波束深度标准差与平均值的比值来进行深度过滤的新方法,并采用对历史保存的深度测量值进行拟合预测计算,为无效帧进行更为准确的深度插值。该方法相对于以往的水深过滤方法,进一步的增加了对水深异常值的过滤能力,提高了流量的计算精度。