论文部分内容阅读
随着人类对海洋开发的程度逐步加大，人类对于海洋环境的影响与破坏也日益严重，随之产生了一系列频繁爆发的海洋灾害现象，比如有害藻华(Harmful Algal Blooms，HABs)，影响水体质量同时会对人类财产和健康产生威胁。对HABs的观测是对其有效预报与治理的前提，针对其观测周期短，分布范围相对较小并多分布于近海或湖泊，分布区域内的水体呈现叶绿素浓度的异常热点区块等特点，可以使用自主水下机器人(Autonomous Underwater vehicls，AUV)作为其有效的观测手段，充分发挥AUV低成本、高航速、可快速部署等特点。针对HABs区域海洋特征的观测需求，本文主要完成以下几点工作: (1)面向较小区域的观测应用，提出了一种基于高斯过程回归的小型自主水下机器人(AUV)自适应采样方法，该方法可以使AUV通过自身环境观测信息的更新，在线规划路径并完成对未知区域的快速观测。使用该方法，对具有不同特征分布的区域环境观测过程进行仿真，结果显示，与常规观测方法相比，本方法能够更高效的获得观测区域的低误差特征分布估计，更快地获得观测区域热点区特征，对不同特征分布的区域观测有更强的适应性。 (2)针对多AUV观测的需求，研究多AUV协同的基本队形控制问题，在已有的基于领航者的队形控制方法上加入了跟随者状态反馈，并基于状态反馈设计有限状态自动机进行队形控制。通过仿真试验和外场实航试验，验证了本方法相对于无反馈系统，队形保持的效果更好。 (3)针对较大范围的观测区域高效观测的需求，根据当前已有的AUV能力，提出了一种多AUV协同对同一海洋区域进行观测的方法，本方法在整个实现过程中无需人为的介入和监督，单纯依靠预定的海洋观测经验和AUV实际的实时在线海洋观测数据即可完成。通过比较两种多AUV协同自适应采样和非协同多AUV独立自适应采样以及非自适应多AUV编队采样四种不同方法的采样仿真结果，采用多AUV协同自适应采样方法能够在相同时间获得更好的目标区域测绘效果。 本文的创新性和研究亮点主要体现在以下几个方面: (1)本文提出一套适用于单AUV和多AUV的海洋特征自适应采样测绘方法。 (2)根据高斯过程回归模型估计的区域观测数据，分别通过计算预测区域梯度极值引导AUV在自适应采样中进行热点区搜寻，通过预测不确定度指导AUV进行热点区脱离，并提出通过寻找最大的平均估计方差引力线方法引导AUV进行在线路径规划。 (3)在基于领航者的队形控制方法上加入了跟随者状态反馈，设计了通用的跟随者状态判别计算矩阵和基于状态反馈的有限状态自动机，据此进行直接快速的状态判别与切换，使该方法更适合工程应用。 (4)使用具有水声通信功能的AUV进行了多AUV的编队实航测试，对本文提出的队形控制方法进行了验证。 (5)根据多AUV协同采样的仿真结果，提出基于区块平均引力的观测方向更新替代边界点引力，在保证协同自适应采样相对于其他非协同采样方式既有的低测绘误差的基础上进一步降低观测误差，具有更好的环境分布适应性。