改进虚拟领航者在多AUV队形控制中的应用

针对多AUV系统的传统领航者队形控制方法中存在的易受环境扰动影响和易崩溃等问题,提出了基于人工势场的改进虚拟领航者方法。设计了一种四层结构的编队体系分层框架,并对其中队形设计层与行为控制层进行了描述;分别针对虚拟领航者对AUV成员施加的斥力与引力、AUV成员间的斥力与引力、障碍物对AUV施加的斥力设计了适当的人工势场函数,并考虑了最大通信距离带来的约束。通过仿真验证,对比分析了传统领航者-跟随者法与改进虚拟领航者法的队形轨迹与位置偏差的误差曲线,证明了所设计的算法能完成队形控制任务,编队控制效果优于传统领航者方法。

切换拓扑下多自主水下航行器编队一致性控制

针对含有通信时延的多自主水下航行器系统的控制问题,本文提出了包含相对位置信息以及速度阻尼器的一致性控制算法。通过反馈线性化方法将多自主水下航行器运动学模型和动力学模型转化为二阶积分器形式。对含通信时延的系统构造Lyapunov-Krasovskii泛函,利用积分不等式和线性矩阵不等式理论,得到多自主水下航行器系统实现一致的充分条件。研究表明:仿真实验证明了所提控制算法的有效性,并验证了在随机切换拓扑和编队队形变换时此控制协议下的多AUV系统具有良好的鲁棒性和稳定性。通过设置位置层和速度层通信拓扑,减少速度和位置的耦合,并提高收敛速度,多自主水下航行器系统可以收敛到期望位置。

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.

节点运动对多AUV协同系统全网完成度的影响

多AUV协同系统(MAUVS)具有作业范围广、功能强、工作效率高等特点。面对复杂的海洋环境,系统节点在执行任务过程中需要调整自己的运动状态,运动状态的改变会导致节点间通信距离发生变化,并产生多普勒频移,影响协同系统通信性能。基于此,文中从拓扑结构出发,考虑误码率和水下通信的时延特性,提出使用全网完成度来描述系统通信性能的可靠性,并给出全网完成度的计算方法。通过算例分析了不同运动状态下通信距离变化对通信链路的影响,给出了节点运动对MAUVS全网完成度的影响,从一定程度上证明了全网完成度描述MAUVS通信网络可靠性的合理性。

自主水下航行器载荷侧向分离三维运动仿真分析

为了对自主水下航行器(AUV)载荷侧向分离安全性进行研究,建立了AUV载荷侧向分离三维运动模型.基于多刚体系统笛卡尔动力学理论,考虑了侧向分离过程中载荷与运载器之间的耦合运动关系,采用带拉格朗日乘子的多体系统动力学方程,建立载荷侧向分离三维运动模型;基于刚体动力学理论,采用牛顿-欧拉方法,建立AUV载荷侧向分离后载荷与运载器的单刚体运动模型.为避免求解过程中出现约束违约现象,采用约束违约稳定法对AUV载荷侧向分离多体系统运动方程进行处理,采用四阶龙格库塔积分算法对一定工况下载荷侧向分离运动进行仿真,结果表明所建立的AUV载荷侧向分离三维运动模型是有效的.

基于物联网的多AUV航姿控制器仿真测试

在多AUV系统可靠性和稳定性没有得到确切验证之前,进行航姿控制器的实航测试存在风险高、成本大及周期长的缺点;以物联网技术为基础,提出了一种多AUV系统航姿控制器的半实物仿真测试方案;以物联网作为航姿控制器和仿真测试系统的通信交互纽带,以仿真数字信号源产生的信号控制产生航姿控制器的航行速度、方向和轨道,通过传感器和测量工具实时测定航姿控制器的输出结果,进行存储解算,利用缓存累加器计算出多AUV系统的航向和三维空间坐标,计算得出各项参数指标;结果证明,仿真方案测试得出航姿控制器控制多AUV系统的轨迹与实航测试轨迹相对误差为0.391%,航向角绝对误差为0.16°,达到了可信度标准。

多AUV虚拟仿真测试平台实时仿真技术研究

为了对多AUV系统的体系结构、协调控制策略等进行演示和验证,文中基于实时网络提出了一种新型的多AUV虚拟仿真测试平台;在此基础上,研究了该虚拟仿真测试平台实时仿真技术方案的结构与组成,并对其实时网络通讯方法,仿真计算机的实时仿真方法等关键技术进行了详细的说明,最终给出了多AUV协同航行的实时仿真视图;试验结果表明该技术方案工作可靠、使用方便、易于开发与维护,完全能够满足多AUV虚拟仿真测试平台进行仿真测试的需要。

基于多AUV系统的单AUV推进器故障检测

基于多水下机器人系统(MAUVS)进行单水下机器人(AUV)推进器故障检测,提出AUV声纳模拟方法,分析了故障前后各传感器的信号特征,提出在时间序列和空间序列上进行故障概率融合的方法.提出了基于速度和角度残差的故障基本概率分配函数.鉴于AUV概率检测的不确定性影响,改进了时间和证据融合节拍的方法.水下机器人水池实验结果验证了所提出的信息融合故障检测方法在增强故障证据的可信度及检测实时性、提高检测效率方面的有效性,为多水下机器人系统推进器的故障检测提供了一种可选方案.

基于BISOM的多AUV任务分配和路径规划算法

针对三维水下障碍物环境的多AUV（Autonomous Underwater Vehicle）任务分配与路径规划问题,提出了一种生物启发自组织任务分配和路径规划算法.首先,利用自组织神经网络SOM（Self一Organizing Map）将水下目标分配给一组AUV,这个过程包括自组织神经网络的初始权值的定义、获胜神经元的选取、邻域函数的计算;其次,针对传统SOM 路径规划更新的速度跳变与安全避障问题,将生物启发神经动力学模型（BINM： Biological Inspired Neural Dynamics Model）嵌入自组织神经网络之中,利用生物启发神经动力学模型进行自组织神经网络权值的更新,从而可以规划出一条无速度跳变、无碰撞的有效路径,实现多AUV 自适应任务分配与有效路径规划.最后,为了验证所提出方法的有效性,给出了仿真实验结果.

挺进深蓝:从单体仿生到群体智能

近年来,群体智能作为一项多学科融合的新技术在各领域的研究成果斐然,例如共享出行、蜂群无人机系统、水下多智能体平台等,但与水下场景结合的群体智能技术缺乏系统的归纳,有必要对水下群体智能技术的发展现状和趋势进行讨论和分析.本文对群体智能理论进行了详尽的分析,给出了群体智能的完整概念、具体算法以及应用领域.文中指出,为解决海洋复杂环境对探测、通信等造成的一系列困难,需要将群体智能技术应用于水下场景.本文就国内外水下群体智能技术的研究现状进行了总结,对水下群体智能存在的环境复杂、通信受限、信息获取困难、系统能力不足以及能量供应受限的难点进行了评述.针对这些难点,本文对结合群体智能理论的时变环境感知技术、传感网络设计、协同导航定位技术、路径规划技术、水下编队控制以及分布式自主决策技术进行了分析,并在文末给出水下群体智能技术未来在跨域通信、多平台异构、自主作业能力革新方面的发展趋势和展望.

基于视觉传感器的小型多AUV系统队形排列

针对海底体积较小(或彩色)目标物体的搜索,基于视觉传感器的多AUV系统成为一个研究热点.为构建一个给定队形(平面金字塔队形),将系统中的同构小型AUV单元有序地集合在一起,基于视觉传感器得到的相对位置及罗盘得到的全局方位,提出一种基于局部位置的队形控制方法.该控制算法包含两部分:1)采取邻居互查机制以区分AUV身份ID;2)提出复杂度为O(n log n)的避碰策略,优化平面金字塔队形的位置与姿态,并为每个AUV规划无交叉直线轨迹.在Blender搭建的无障碍深海仿真环境中,通过4~7个具有ROV结构的同构AUV(CISCREA)重复构建平面金字塔队形,对所提出方法的性能进行测试.仿真结果表明,所提算法具有较好的可行性与稳定性.

多自主水下机器人系统研究进展与分析

多自主水下机器人系统(MAUV)越来越多地被应用于海洋勘探与资源开发,受到研究者们的普遍关注.本文探讨了常见的多自主水下机器人系统所执行的任务及所用方法,并从新功能涌现的角度对多自主水下机器人系统的协作这一关键问题进行了全面回顾与分析.首先,将合作按照任务空间、运动空间和量测空间及其组合进行分类;其次,从三个视角介绍了不同类别的水下多机器人系统及其技术方法;最后,展望了多自主水下机器人系统未来的研究思路.该综述有望为复杂的海洋应用场景中水下多机器人系统高效协同完成水下任务提供策略和途径.