虚假数据注入式攻击下无人水面船舶自适应神经输出反馈轨迹跟踪控制

本文主要研究网络环境下无人水面船舶(Unmanned surface vessels,USVs)遭受虚假数据注入式(False-data-injection,FDI)攻击的跟踪控制问题.其中,内部和外部不确定以及输入饱和约束等实际因素均考虑在设计中.在控制设计过程中,为避免将船舶速度的攻击信号引入闭环系统,采用分类重构思想,构造一种新的神经网络(Neural network,NN)状态观测器,同时重构船舶速度和攻击信号.进一步,在backstepping设计框架下,利用重构的攻击信号补偿USVs运动学通道因虚假数据注入式攻击引起的非匹配不确定项.在动力学设计通道中,利用自适应神经技术和单参数学习法,重构由内部和外部不确定组成的复合不确定部分,进而提出自适应神经输出反馈控制方案.理论分析表明,即便在FDI攻击、内外不确定以及执行器饱和约束的情况下,所提控制方案仍能迫使USVs跟踪给定的参考轨迹.同时,仿真和比较结果证实了所提控制方案的有效性和优越性.

基于深度学习的水面无人船前方船只图像识别方法

建立基于图像识别系统的水面无人船(USV)感知平台,采集内河船舶图片数据库建立船只单次多重检测(SSD)深度学习框架,通过使用预训练模型参数调优并微调分类框架实现较高的内河船舶检测准确度。试验结果表明,不同天气状况下的识别算法的查全率和查准率均能保持在70%以上。

单喷泵水面无人艇综合运动控制系统设计与实验研究

针对单喷泵水面无人艇在运动中的强非线性因素和传统运动控制系统功能单一、集成度低、控制效果不理想等问题,开发并设计了一套应用于水面高速无人艇的综合运动控制系统。此系统以PC104嵌入式上位计算机和底层可编程控制器为核心模块,通过Matlab/simlink工具箱和VC6.0开发工具,完成了系统模型、航向与航速控制算法的建立,以及控制软件界面的搭建与编制工作。然后,在仿真实验和实艇下水试验中,完成了远程运动控制操纵、实时定位检测以及多任务传感器的数据采集与集成等功能。试验结果表明:艇上采集与分析的传感器数据可靠,远距离运动控制可靠,系统整体具有良好的工程化发展前景。

基于视觉和定位系统的无人艇自主对接系统

为实现对无人艇的自主回收,通过无人艇和悬浮托架的双向视觉导引,构建基于视觉和定位系统的无人艇自主对接系统。视觉对接系统通过检测网络分别检测出图像中的无人艇和悬浮托架。针对托架视觉检测的目标,利用位置定位信息排除非目标艇,采用单目标跟踪算法(CSR-DCF)对目标艇进行跟踪。为实现无人艇和托架的高精度稳定检测,在Tiny-YOLOv3的基础上,基于细节特征的需求,构建小尺度检测分支,提出一种定位增强轻量级检测网络,对于艇、托架的定位性能分别提升3.48%mIOU、4.32%mIOU,检测精度分别提升4.97%AP、6.17%AP。自主对接系统在二级海况下对接成功率达到90.9%。

无人艇载单道地震系统集成与海试验证

无人化作业是一个海洋探测技术发展的大趋势,单/多波束测深仪、侧扫声呐、浅地层剖面仪、CTD等都已实现无人平台搭载和自动化作业,而地震勘探尚未实现全系统无人自主化.本文对无人艇集成单道地震系统的关键技术进行介绍,并通过海上试验验证了无人化地震勘探作业的可行性.海上观测系统采用纵向排列方式,震源集成在无人艇船底,以确保勘探作业过程中的灵活性,船后拖曳短排列、窄间距的接收缆,以减小排列方式对浅部地层探测效果的影响.试验结果表明,当设定的偏移距为10 m时,在水深10~15 m左右的海域能取得较为理想的勘探效果,海底以下地层反射同相轴清晰且连续可追踪,纵向分辨率在1 m左右.

基于SSD的海面小目标检测综述

针对提高小目标信息提取能力、解决目标遮挡问题,对基于单次多核探测器(SSD)的小目标检测方法进行总结,归纳出三种改进途径:一是通过更改骨干网络加强浅层特征图对细节的提取能力;二是通过引入视觉注意力机制获得更有效的特征信息表达;三是将浅层、深层特征信息进行充分融合,提高特征信息利用率及强化各特征层之间的信息交流。最后,对SSD网络结构的改进和多元特征的利用进行展望,旨在为该领域的研究提供参考。