Underwater guidance of distributed autonomous underwater vehicles using one leader

Consider the case where autonomous underwater vehicles (AUVs) are deployed to monitor a 3D underwater environment. This paper tackles the problem of guiding all AUVs to the destination while not colliding with a priori unknown 3D obstacles. Suppose that among all AUVs, only the leader AUV has an ability of locating itself, while accessing a destination location. A follower, an AUV that is not a leader, has no sensors for locating itself. Every follower can only measure the relative position of its neighbor AUVs utilizing its sonar sensors. Our paper addresses distributed controls, so that multiple followers track the leader while preserving communication connectivity. We design controls, so that all AUVs reach the destination safely, while maintaining connectivity in cluttered 3D environments. To the best of our knowledge, our article is novel in developing 3D underwater guidance controls, so that all AUVs equipped with sonar sensors are guided to reach a destination in a priori unknown cluttered environments. MATLAB simulations are used to validate the proposed guidance scheme in underwater environments with many obstacles.     

基于三维成像声纳技术的AUV前视避障方法

针对自主式水下航行器（ AUV）在水下自主航行过程中的避障问题,提出了一种基于三维成像声纳技术的前视避障方法。该方法使用三维成像声纳探测目标,通过声纳目标图像处理提取目标,完成目标的运动状态分析和轨迹预测。通过设置碰撞区域,建立避障模型和设计避障规则,实现了AUV的智能化避障。借助于其他传感器,这些关联模块构成了一个集目标探测、目标提取、轨迹预测、避障与路线回归等功能于一体的闭环系统。     

基于运动平衡点的水下机器人自主避障方式

当前大多数水下机器人的实时避障方式只简单地考虑了目标和障碍物之间的相对距 离,并没有考虑实际的海洋环境以及会不会对控制器产生不利的影响．本文研究的目的就是 从实际出发,通过设定各个自由度上的运动平衡点,将水下机器人的自主避障规划和运动控 制结合起来,设计出一个集目标、障碍物和控制性能一体的避障规划方式,从仿真实验结果 来看,机器人可以安全地通过障碍空间,到达目的地．     

自治水下机器人的自主启发式生物启发神经网络路径规划算法

针对复杂海流环境下自治水下机器人(autonomous underwater vehicle, AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks, GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.     

一种用于导航的2.5维地图的构建

为了使仿人机器人能够在真实世界中自由行走,包括上下楼梯、跨过障碍物,本文提出了一种构建机器人环境的2.5维网格地图的方法。首先利用传感器数据建立并更新一个3D占有率网格和一个平地网格,3D占有率网格为最终的地图提供概率支持,以保证环境模型对传感器噪声的鲁棒性,平地网格用来存储平面高度值。然后结合两个网格建立导航地图,该地图上每一个单元格被标记为平地或障碍物类型以及它的高度值,平地的高度信息是精确的而障碍物的高度信息是粗略的。最后在仿真平台上验证了所提出的方法,仿真结果证实此方法能够有效地产生用于机器人避障和路径规划的地图。     

基于修正导航向量场的AUV自主避障方法

针对复杂海洋环境下的自治水下机器人(Autonomous underwater vehicle, AUV)三维避障问题, 本文提出了一种高效的修正导航向量场方法.构建自由空间下的初始导航向量场, 引导AUV以最短路径向目标点航行.定义修正矩阵来量化描述障碍物对初始导航向量场的影响, 得到障碍空间下的修正导航向量场, 使得AUV向目标点航行的同时躲避静态障碍.通过结合障碍物运动速度, 分别构建相对初始导航向量场与相对修正导航向量场, 并采取有限时域推演与调整策略, 最终引导AUV安全躲避动态障碍.仿真结果表明, 本方法能较好地应用于复杂海洋环境下的AUV避障任务.     

基于内螺旋覆盖算法的多AUV协作反水雷路径规划研究

研究了多自主水下航行器AUVs(Autonomous Underwater Vehicles)协作扫雷的路径规划问题;在环境栅格表达的基础上,采用一种优化的内螺旋覆盖算法,通过航行器对工作海域扫描情况的在线判断来确定扫描路径,以及扫描结束后对地图"盲区"进行再搜索等关键技术,保证了对工作区域的完全覆盖搜索和达到以较小的重复覆盖率搜索海域的目的;仿真实验结果表明,只要灭雷航行器数量大于水雷数量并且至少有一台灭雷AUV可以正常工作就可以实现完全覆盖。     

基于传感器信息的水下机器人动态避障研究

提出一种新的基于传感器信息的自治式水下机器人(AUV)动态避障方法。介绍了传感器的工作原理。通过栅格法把传感器采集的AUV运行环境障碍信息进行合理描述,并预测动态障碍物的速度,保证AUV能够根据传感器信息躲避障碍物,达到航行要求。最后,通过仿真实验对机器人自主避障能力进行了验证。     

海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题, 本文在栅格地图构建的 基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法, 并考虑海流对路径规 划的影响. 首先建立BINN模型, 利用此模型表示AUV的工作环境, 神经网络中的每一个神经元与栅格地图中的位 置单元一一对应; 接着, 比较每个目标物在BINN地图中所有AUV的活性值, 并选取活性值最大的AUV作为它的获 胜AUV, 实现多AUV任务分配; 最后, 考虑常值海流影响, 根据矢量合成算法确定AUV实际的航行方向, 实现AUV路 径规划与安全避障. 海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.     

基于生物启发模型的AUV三维自主路径规划与安全避障算法

针对自治水下机器人(AUV)的路径规划问题,在三维栅格地图的基础上,给出一种基于生物启发模型的三维路径规划和安全避障算法. 首先建立三维生物启发神经网络模型,利用此模型表示AUV的三维工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;然后,根据神经网络中神经元的活性输出值分布情况自主规划AUV的运动路径.静态环境与动态环境下仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性.     

基于多AUV间任务协作的水下多目标探测机制

利用自主式水下航行器（Autonomous Underwater Vehicle, AUV）对水下多目标进行协同探测是目前海洋技术领域的研究热点。本文主要研究在水下三维区间内的多AUV任务分配与协作探测机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商（Multiple Traveling Salesman Problem, MTSP）问题模型,利用遗传算法（Genetic Algorithm, GA）对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测。最后本文利用Matlab R2014a软件对多AUV任务协作与多目标探测机制进行了仿真,仿真结果验证了该方法能够均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期。     

Planning collision-free trajectories in time-varying environments: a two-level hierarchy

We propose a two-level hierarchy for planning collision-free trajectories in time varying environments. Global geometric algorithms for trajectory planning are used in conjunction with a local avoidance strategy. Simulations have been developed for a mobile robot in the plane among stationary and moving obstacles. Essentially, the robot has a global geometric planner that provides a coarse global trajectory (the path and velocity along it), which may be locally modified by the low-level local avoidance module if local sensors detect any obstacles in the vicinity of the robot. This hierarchy makes effective use of the complementary aspects of the global trajectory planning approaches and the local obstacle avoidance approaches.     

基于卡尔曼滤波的自主式水下航行器大尺度编队控制

针对网络环境下环境噪声对自主式水下航行器编队控制的影响,提出一种利用卡尔曼滤波实时估计AUV最优运动状态的编队控制方法.将空间间隔较远的多AUV系统建模为多智能体系统,从大尺度上研究其编队控制问题.为了得到每个AUV速度状态的最优估计值,每个AUV都嵌入一个全局卡尔曼滤波器,利用该全局滤波器进行最优估计从而计算出噪声环境下其自身的最优位置.仿真结果验证了所给出的控制策略的有效性.     

Nonlinear model predictive control for hydrobatics: Experiments with an underactuated AUV

Hydrobatic autonomous underwater vehicles (AUVs) can be efficient in range and speed, as well as agile in maneuvering. They can be beneficial in scenarios such as obstacle avoidance, inspections, docking, and under-ice operations. However, such AUVs are underactuated systems—this means exploiting the system dynamics is key to achieving elegant hydrobatic maneuvers with minimum controls. This paper explores the use of model predictive control (MPC) techniques to control underactuated AUVs in hydrobatic maneuvers and presents new simulation and experimental results with the small and hydrobatic SAM AUV. Simulations are performed using nonlinear model predictive control (NMPC) on the full AUV system to provide optimal control policies for several hydrobatic maneuvers in Matlab/Simulink. For implementation on AUV hardware in robot operating system, a linear time varying MPC (LTV-MPC) is derived from the nonlinear model to enable real-time control. In simulations, NMPC and LTV-MPC shows promising results to offer much more efficient control strategies than what can be obtained with PID and linear quadratic regulator based controllers in terms of rise-time, overshoot, steady-state error, and robustness. The LTV-MPC shows satisfactory real-time performance in experimental validation. The paper further also demonstrates experimentally that LTV-MPC can be run real-time on the AUV in performing hydrobatic maneouvers.     

基于多波束前视声呐的水下障碍物检测及避障算法

近年来,人们开始不断地开发海洋资源和空间,如在海底铺设大量的天然气管道以便于运输,因此,利用自主式水下航行器去探测海底天然气管道是否泄漏的技术,就具有重大的战略意义。基于自主式水下航行器搭载的多波束前视声呐采集的数据,进行声呐图像中的障碍物检测,提出了一种基于类间方差及小区域抑制的障碍物检测算法。然后,利用声呐图像的障碍物检测结果,设计了基于障碍物轮廓的避障算法,来估计合理的避障角度,传送给水下航行器的主控来控制航行器避开障碍物。     

基于三维速度势场的AUV局部避碰研究

以势场方法的思想为出发点,提出一种基于速度势场的AUV局部避碰仿真方法．根据AUV的特点建立了空间碰撞危险区域和由水平面速度势场和垂直面速度势场组成的三维速度势场．该方法较好地利用了相对速度的信息．仿真实验证明此方法可以使AUV在水下多运动障碍物的环境中得到较好的局部避碰效果,为今后的海试打下了很好的基础．     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

Improving the coordination efficiency of limited‐communication multi–autonomus underwater vehicle operations using a multiagent architecture

This research addresses the problem of coordinating multiple autonomous underwater vehicle (AUV) operations. An intelligent mission executive has been created that uses multiagent technology to control and coordinate multiple AUVs in communication‐deficient environments. By incorporating real‐time vehicle prediction, blackboard‐based hierarchical mission plans, mission optimization, and a distributed multiagent–based paradigm in conjunction with a simple broadcast communication system, this research aims to handle the limitations inherent in underwater operations, namely poor communication, and intelligently control multiple vehicles. In this research, efficiency is evaluated and then compared to the current state of the art in multiple AUV control. The research is then validated in real AUV coordination trials. Results will show that compared to the state of the art, the control system developed and implemented in this research coordinates multiple vehicles more efficiently and is able to function in a range of poor communication environments. These findings are supported by in‐water validation trials with heterogeneous AUVs. © 2010 Wiley Periodicals, Inc.     

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.     

基于多波束前视声纳的AUV实时避障方法研究

在未知海洋环境下的远程航海过程中,基于前视声纳的避障能力是AUV（自治式水下机器人）的一个基本要求．提出了一种基于多波束前视声纳的实时避障专家系统．介绍了声纳特性以及障碍物描述方法,给出了避障专家系统的结构,说明了避障专家系统的决策过程．结合当前任务执行信息设计了专家系统知识库,针对声纳图像设计并实现了一种可以给出避障和重规划指令的推理机．最后,通过湖试对AUV避障专家系统进行了验证．