自主水下航行器集群组网技术发展与展望

自主水下航行器(AUV)可借助水声通信、协同探测和控制决策等关键技术实现集群组网,形成同构或异构集群进行协同作业。通过集群组网,可以充分发挥不同航行器平台的能力优势,实现多平台之间的信息共享、任务协同和资源整合,从而自主完成更复杂的海上作业任务。这种集群化的作业方式不仅提高了任务执行效率,还可降低作业成本,并提升海洋领域的探测、监测和应对能力。文中介绍了国内外AUV集群组网研究现状,总结了集群组网通信、集群感知、控制决策等关键技术和挑战,并针对AUV集群组网的应用需求,其在探测、通信、控制方面的发展趋势进行了展望,为开展AUV集群基础理论研究与实践应用研究提供参考。

输入受限下自主水下航行器路径跟踪控制

针对欠驱动式自主水下航行器AUV的三维路径跟踪控制问题,设计了一种按设定误差性能指标函数收敛的反演滑模控制器。首先基于航行器的运动学和动力学模型将路径跟踪问题转化为非线性系统的镇定问题;然后,利用反演法和李雅普诺夫稳定性理论逐步修正虚拟控制律,从而使控制器能够保证系统的稳定性和鲁棒性。为解决舵执行器的速率受限的问题,通过调整跟踪误差的收敛过程速度的方法设计了控制器。仿真结果表明,上述控制器能够实现对三维直线路径的精确跟踪,而且明显降低了控制系统执行器的速率要求。

水下航行器自主导航定位技术前沿进展

导航与定位技术是自主水下航行器(AUV)预设任务并安全返航的前提,由于水下环境的限制,目前广泛采用多系统组合导航的方式来实现AUV的准确定位。面向AUV的工况特点,详细介绍了水声测速系统、水声定位系统以及地球物理场辅助导航技术的特征与技术难点,分析了用于水下自主导航时多源组合导航方法的最新进展,随着相关测量仪器领域的研究进展,基于精确测量地球物理场特征的辅助导航技术成为具有极强竞争力的方案之一。多AUV协同导航方案同样适用于复杂的水下环境,被视为未来AUV导航技术重要发展方向。

基于神经网络的自主水下航行器滑模控制方法

针对传统滑模控制在自主水下航行器(AUV)的控制过程中存在抖振以及执行机构饱和对其控制性能的不利影响,提出一种基于神经网络的滑模控制方法。采用径向基函数神经网络(RBFNN)和自适应观测器对运动模型中的不确定项和未知外界干扰进行在线估计,削弱滑模抖振;采用RBFNN对控制输入受限前后的差值进行逼近,克服执行机构饱和引起的控制振荡。仿真结果表明,该控制方法相较于传统滑模控制具有更好的适应性和控制精度。

基于MPC-DO的自主水下航行器轨迹跟踪控制

针对欠驱动自主水下航行器在速度约束和未知外界环境干扰下的轨迹跟踪问题,提出一种基于模型预测控制算法和干扰观测器的复合控制方案。首先,基于模型预测控制算法设计一种考虑速度极限约束以及速度增量约束的轨迹跟踪运动学控制器。其次,针对海洋作业环境下存在的外界干扰,设计干扰观测器对其进行实时估计,并基于所设计的干扰观测器,设计精确跟踪期望速度的动力学控制器,并对控制方案进行了严格的理论分析。最后,进行数值仿真,仿真结果证实了该控制方案的有效性。

自主水下航行器协同控制研究现状与发展趋势

自主水下航行器(AUV)的协同控制作为海洋开发和多机器人系统之间的交叉领域,近几十年来越来越受到研究人员和工程师的关注。目前,AUV协同控制理论体系尚处于构建之中,相关研究正面临诸多亟待解决的难题。文中对多AUV协同控制问题中的编队控制、协同导航和定位、协同路径规划、任务分配以及目标围捕等研究进行了全面调研,同时分析了编队控制的网络架构、协同策略以及其面临的约束等问题。最后讨论了未来可能研究的相关方向,为在复杂的海洋应用场景中合理利用AUV来完成各种水下任务提供相关参考。

基于模型预测的海缆铺设用水下航行器最优避障控制

[目的]自主水下航行器(AUV)在海底复杂地形环境下执行独立铺缆作业时,需要兼顾铺缆质量和自身安全,即在避障的同时还需要保持船体与海底平面的相对高度。为此,设计一种基于模型预测的海缆铺设AUV最优避障控制方法。[方法]首先,基于模型预测控制(MPC)建立AUV的路径跟踪模型,将海底不规则障碍物分类为凸起和凹陷地形,并分别建立障碍物的工程简化数学模型;然后,根据不同地形和海缆铺设要求来设计多个目标优化函数;最后,根据地形特征点迭代计算与海底平面保持稳定高度且路径最短的最优避障路径。[结果]仿真结果表明,该方法响应性能好、可靠性高,能够使AUV选择最短路径并避开意外障碍物。[结论]在复杂的海底环境下,该方法既保障了AUV作业过程中的自身安全,又极大提高了海缆的铺设质量。

自主式水下航行器水下生存力关键技术

自主式水下航行器(AUV)作为一种新型水下无人作战平台,是当今世界主要海军国家重点发展的水下作战装备,保证并提高AUV水下生存力是持续推进并加强水下战斗力建设的重要一环。本文主要针对AUV水下生存力问题,对内部因素和外部因素等相关的影响因素进行分类和分析,提出提高AUV水下生存力的关键技术。对于解决AUV的生存障碍、提高其水下实战化能力具有重要参考意义。

中尺度涡观测任务中自主式水面水下航行器的进化神经网络控制器研究

针对现有观测手段难以实现中尺度涡目标性强、高机动性、高随机性以及时空同步的高精度观测这一问题,本文采用自主式水面水下航行器(ASUV)这一现场观测的新手段,通过进化神经网络控制器,实现对中尺度涡的高精度实时跟踪,从而进行水下垂直结构的采样观测。同领域内最新的控制算法相比,进化神经网络的方法对中尺度涡跟踪的精度更高,对卫星数据依赖更少。仿真实验结果表明,ASUV在整个跟踪过程中都能够达到1 km附近的跟踪精度。本文给出了中尺度涡跟踪精度的详细量化评价结果,并在仿真环境中控制ASUV对中尺度涡的水下垂直结构进行了采样,为实现中尺度涡现场三维精细化观测奠定了基础。

不同温度下的基于BPNN-AUKF的新型自动水下航行器SOC估计器

本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的SOC(state of charge)估计方法。首先针对电池SOC与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低SOC条件下的估计精度。其次,利用反向传播神经网络(BPNN)建立了一个耦合了温度补偿策略的电池模型。这个模型能更好地适应低温和低SOC条件下的电池状态变化,提高了SOC估计的准确性。最后,基于BPNN电池模型建立了BPNN-AUKF的SOC估计框架,通过利用测量值与测量预测值之间的信息和残差序列,对系统过程和测量噪声协方差进行估计修正。通过实验验证,发现该方法在低温环境下具有明显优势,相比传统方法能够更准确地估计电池的SOC,且具备较好的泛化能力。这种基于BPNN-AUKF方法的SOC估计器不仅适用于自主无人潜水器(AUV),而且对于其他在复杂环境中工作的车辆也具有广泛的应用价值。

自主水下航行器燃料电池技术研究进展

自主水下航行器作为一种无人自主平台,在海洋科学调查、海洋油气工业和国防军事领域发挥着越来越显著的作用。质子交换膜燃料电池(PEMFC)作为一种可以替代锂电池的潜在能源形式,将显著提升自主水下航行器的航程和工作时间。将PEMFC集成在自主水下航行器上不仅面临水下密闭空间持续稳定运行的挑战,同时涉及到集成平台带来的额外设计约束。本文综述近十年应用于自主水下航行器上的质子交换膜燃料电池研究进展,主要围绕自主水下航行器集成平台对燃料电池带来的设计约束、反应物的储存方案和评价指标体系、系统原型开发和试验测试。反应物的储存方案一直是研究的热点,在系统原型开发和测试上的研究进展有限。

基于共振转换器的自主水下航行器动力学建模及减振降噪

文章以自主水下航行器(AUV)振动噪声抑制及其隐秘性提高为研究背景,提出了一种含有轴承非线性的AUV振动−声学模型,并通过寻找共振转换器(RC)最佳设计参数使壳体产生的振动声辐射功率级最小,达到反共振的目的.首先通过Lagrange法建立了含有浆−轴−壳的双梁系统有限元模型,基于赫兹接触理论加入轴承非线性因素,然后根据声传播原理推出了声偶极子辐射场模型;然后,采用Runge-Kutta法求解了系统振动响应,通过时域响应、频谱、分岔和幅频响应图等后处理信号分析了系统的动力学特征;最后,以壳体声功率级作为代价函数并根据响应分析结果,对RC进行参数设计.通过对比非线性轴承和线性弹簧两种支撑,发现AUV在非线性轴承支撑下壳体振动辐射声功率级主体趋势是沿着线性结果分布的,同时均高于线性弹簧支撑下的系统噪声,并且在对应共振区域达到峰值;同时结果显示RC装置能够大幅度降低系统共振响应幅值及振动辐射声功率级,尤其在共振频率设计点处减振降噪效果最为显著,在共振频率设计点处频率没有发生偏移,但在其他个别区间内,除了最大共振幅值降低明显之外,共振频率产生一定的偏移.文章的理论模型揭示了AUV动力学响应特征及参数影响规律,其研究结果可为AUV减振降噪优化设计提供新的改进思路,具有一定的理论指导意义.

基于非线性干扰观测器的无人船与自主水下航行器协同运动控制策略

面向水域探测场景的立体化、多样化、复杂化,基于领航-跟随编队控制的思想,提出了水面无人船(Unmanned Surface Vehicle,USV)和自主水下无人航行器(Autonomous Underwater Vehicle,AUV)跨介质异构体协同运动控制策略.首先,该控制策略考虑了未知环境干扰等因素带来的动力学建模误差,设计了非线性干扰观测器用以估计误差影响;其次,利用动态自适应前视距离改进视线法(LOS),在制导层面解决AUV欠驱动控制问题,结合级联系统分析USV-AUV编队控制问题,通过反馈线性化设计AUV跟随控制器;最后,采用李雅普诺夫理论证明了基于改进制导律的USV-AUV编队控制系统的一致全局渐进稳定.湖试结果表明,所提出的USV-AUV编队控制策略是有效的.

欠驱动自主水下航行器移动式回收控制及视景仿真

为解决欠驱动自主水下航行器(autonomous underwater vehicle,AUV)移动式回收控制问题以及无法直观展示移动式回收过程的情况,本文设计了一套半物理仿真系统并通过视景仿真模块实时显示AUV与移动式回收装置在虚拟海洋环境中的位姿变化。首先介绍了移动式回收任务的流程;然后设计了一种新的前向速度导引律,并利用基于AUV模型的轨迹跟踪控制方法计算控制指令;最后搭建了半物理仿真系统且由视景仿真界面实时展示移动式回收装置与AUV的位置与姿态信息。仿真结果表明:当AUV由不同位置出发时基于模型的轨迹跟踪控制方法都能控制AUV顺利地靠近移动式回收装置、安全稳定地完成移动式回收任务。

基于RBF神经网络的自主水下航行器模型预测路径跟踪控制

针对自主水下航行器(AUV)的模型不确定性和多约束的特点,设计了基于径向基(RBF)神经网络的模型预测控制器。在使用模型预测控制(MPC)进行路径跟踪控制的基础上,利用实时测量数据在线训练RBF神经网络,对AUV模型不确定性进行补偿,抑制了模型不确定性对模型预测控制器的干扰,减小了系统的超调量和跟踪误差。仿真结果表明,基于RBF-MPC路径跟踪控制算法与经典的MPC算法相比,具有更好的暂态和稳态性能。

一种面向无人水下航行器的多普勒自主导航方法

针对无人水下航行器自主导航需求,文中设计由多普勒计程仪(DVL)、深度计、电子罗盘(ECP)和低成本惯性量测单元(IMU)组成的航位推算导航系统,提出一种DVL自主导航方法。该方法通过传感器一体化集成克服安装误差和时间异步问题,采用ECP/IMU融合方案获取高频姿态参数,在此基础上,制定DVL异常数据处理、高动态误差修正以及全球导航卫星系统辅助策略。所提出的方法在“海为一号”自主水下航行器上得到应用,试验结果表明自主导航定位精度约为航程的1.5%(圆概率误差),可以为相关研究和应用提供参考。

自主水下航行器路径规划技术综述及展望

自主水下航行器(AUV)因其隐蔽性、智能性、使命重构性等特点在海洋领域运用日益广泛。作为航行器自主导航的重要组成部分,路径规划技术是衡量航行器智能化水平的关键所在。论文根据当前自主水下航行器的发展应用状况,整理了环境建模方法,阐述了各类路径规划算法的原理应用及改进方向,并在此基础上,对自主水下航行器的路径规划技术做出了展望。

自主式水下航行器:基于人工智能协作模式的设计形态研究

作者阐述:随着大交叉、大融合时代的到来,生成式人工智能的飞速发展引起了设计方法的更新迭代,不断涌现的新工具逐渐成为设计形态研究的新媒介,促进了设计学核心领域的研究新范式。本研究从设计形态学理论出发,结合仿生设计、拓扑研究、产品族研究等跨学科理论,协同生成式人工智能工具,如Midjourney、Stable Diffusion、Chilloutmix等开展研究,并采用参数化设计、双向渐进拓扑优化、遗传算法与仿真分析等技术方法,总结了针对工业设计领域的AIGC关键词公式,并结合双钻模型框架提出了以“找形”和“造型”为核心的七步设计形态研究方法。

一种具备数据驱动能力的自主水下航行器控制系统设计

针对目前大部分自主水下航行器(AUV)采用预编程的工作模式不适用于动态海洋环境观测的问题,开展了基于数据驱动的控制系统研究。为了实现对动态海洋环境的自适应观测,提出了一种具备数据驱动能力的AUV控制系统设计。该控制系统在总体设计上采用双控制板的分布式架构并使用星形网络拓补结构方便内部通信以及后续设备拓展;硬件设计上使用模块化思想管理传感器并使用多种通信设备的融合工作保证通信的快速性与稳定性;软件上使用多线程并行设计并在上位机添加手柄遥控功能;最后通过仿真实验验证控制系统性能。实验结果表明该系统控制超调量为3%;滞后时间为2 s,满足海洋现象观测需要。该控制系统具备搭载数据驱动算法的能力,为基于数据驱动的动态海洋观测模式提供了硬件平台。

多自主式水下航行器轨迹精准跟踪控制方法

针对多自主式水下航行器轨迹跟踪控制中的不确定性问题,研究多自主式水下航行器轨迹精准跟踪控制方法。构建基于灰色预测的轨迹精准跟踪控制模型,利用灰色预测模型预测航行器航向角,构建一元多项式回归模型,拟合航行器初始航向角同预测航向角间的残差,优化灰色预测模型,提升航行器航向角预测精度。将航向角预测结果代入PID控制器内,通过计算航向角控制率确定位置误差、速度误差与加速度误差,通过控制上述误差实现航行器轨迹准确跟踪控制。实验结果显示该方法可在航行器不同运动特性下准确跟踪轨迹,并具有较好的控制效果。