CN110908404B - 一种基于数据驱动的auv智能观测运动方法 - Google Patents

一种基于数据驱动的auv智能观测运动方法 Download PDF

Info

Publication number
CN110908404B
CN110908404B CN201911251097.2A CN201911251097A CN110908404B CN 110908404 B CN110908404 B CN 110908404B CN 201911251097 A CN201911251097 A CN 201911251097A CN 110908404 B CN110908404 B CN 110908404B
Authority
CN
China
Prior art keywords
data
observation
ocean
time
observed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911251097.2A
Other languages
English (en)
Other versions
CN110908404A (zh
Inventor
朱心科
倪晓波
马云龙
侯斐
孟肯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Institute of Oceanography MNR
Original Assignee
Second Institute of Oceanography MNR
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Second Institute of Oceanography MNR filed Critical Second Institute of Oceanography MNR
Priority to CN201911251097.2A priority Critical patent/CN110908404B/zh
Publication of CN110908404A publication Critical patent/CN110908404A/zh
Application granted granted Critical
Publication of CN110908404B publication Critical patent/CN110908404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0875—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种基于数据驱动的AUV智能观测运动方法。将水下自治潜器自身采集获得的当前观测海洋数据通过一组基函数的线性组合表示，然后，针对待观测海洋数据采用递归的加权最小二乘估计方法处理获得观测海洋数据系数，接着利用观测海洋数据系数获得最新时刻的观测海洋数据的估计值，再获得观测海洋数据估计值的梯度；最后，水下自治潜器沿着梯度的方向到达海洋观测中心位置。本发明能在新的观测数据驱动下，AUV能够以最优的观测路径快速到达海洋特征的中心位置，为水下自主移动观测平台在海洋科学方面的高效应用提供帮助。

Description

一种基于数据驱动的AUV智能观测运动方法
技术领域
本发明涉及水下机器人技术领域的一种AUV观测运动控制方法，具体的说是一种基于数据驱动的AUV智能观测运动方法。
背景技术
与船载、拖曳式、锚系等海洋观测平台相比，水下自治潜器(AutonomousUnderwater Vehicle，AUV)机动性强，能够完成复杂环境中的观测任务，并且具有数据在线处理能力和自主航行能力，可实现水下自主调查。因此，AUV自诞生以来，就在水下目标识别、管道巡检、环境监测、温跃层跟踪、海底热液喷口定位、精细化地形构建等军、民、科考方面得到了广泛应用。
然而长期以来，AUV一般采用预编程的作业模式，按照设定的路径进行海洋观测。这种方式没有充分发挥AUV的智能化优势，作业效率低。也就是说，目前的作业模式不是以水下实时观测数据作为AUV下一步去哪里观测的依据，而且根据调查人员的经验，把AUV的观测路径进行了固化。该作业模式对于具有时空尺度上变化的海洋特征来说，例如中尺度涡、内波、海底热液、冷泉等，难以获取最能够揭示海洋现象的观测数据，在一定程度上影响了AUV的应用前景。
发明内容
现有的AUV采用预编程的作业模式，按照设定的路径进行海洋观测，没有充分发挥AUV的智能化优势，作业效率低，在一定程度上影响了AUV的应用前景。为了解决上述问题，本发明提供了一种基于数据驱动的AUV智能观测运动方法，通过对海洋特征的在线识别，获得了AUV最优的观测路径，获得最能够揭示海洋现象的真实准确数据。
本发明包括确定海洋特征估计参数初值、计算海洋观测数据的衰减因子、更新海洋特征估计参数、获取海洋特征估计、计算海洋特征梯度、更新AUV航向6个核心过程，在新的观测数据驱动下，AUV能够以最优的观测路径快速到达海洋特征的中心位置。
如图1所示，本发明通过以下技术方案实现：
将水下自治潜器(AUV)自身采集获得的当前观测海洋数据通过一组基函数的线性组合表示，然后，针对待观测海洋数据采用递归的加权最小二乘估计方法处理获得观测海洋数据系数，接着利用观测海洋数据系数获得最新时刻的观测海洋数据的估计值，再获得观测海洋数据估计值的梯度；最后，水下自治潜器(AUV)沿着梯度的方向到达海洋观测中心位置。
方法具体包括：
1)将当前观测海洋数据采用以下基函数的线性组合：
F(p(k))＝Q(p(k))Tα
Q(p(k))＝[q1(p(k))，...，qi(p(k))...，qm(p(k))]T
Figure BDA0002309063540000021
其中，F(p(k))表示k时刻在空间位置p(k)处的水下自治潜器的当前观测海洋数据，Q(p(k))表示k时刻的基函数列向量，Q(p(k))为m个基函数组成的列向量，qi(p(k))表示k时刻的第i个基函数，i表示基函数的序数，m表示基函数的总数，p(k)是k时刻的水下自治潜器的空间位置坐标，pi为第i个基函数的中心位置坐标，σi为第i个基函数的宽度，||p(k)-pi||表示p(k)到pi的距离，α是待估参数，作为观测海洋数据的系数，T表示矩阵转置；
2)利用k时刻在空间位置p(k)处的水下自治潜器的当前观测海洋数据F(p(k))，构建以下目标函数J：
Figure BDA0002309063540000022
Figure BDA0002309063540000023
其中，k表示当前时刻的序数，t表示k时刻之后的时刻的序数，e(k)|t为利用k时刻的当前观测海洋数据估计之后t时刻待观测海洋数据的估计误差；β(t，k)是加权函数，表示k时刻的当前观测海洋数据在之后t时待观测海洋数据时的加权值，
Figure BDA0002309063540000024
为待估参数α在t时刻的估计值；
利用以下公式获得待估参数α在t时刻的估计值
Figure BDA0002309063540000025
Figure BDA0002309063540000026
3)待估参数α按照以下递归处理：
Figure BDA0002309063540000027
Figure BDA0002309063540000028
其中，G(t)表示t时刻的中间参数；
G(t)满足递归公式：
Figure BDA0002309063540000031
其中，λ(t)为t时刻的衰减因子；
3)采用加权最小二乘进行迭代递归处理获得t时刻的待观测海洋数据的待估参数α的估计值
Figure BDA0002309063540000032
再利用t时刻的待观测海洋数据的待估参数α的估计值
Figure BDA0002309063540000033
采用以下公式处理获得t时刻的待观测海洋数据的估计值
Figure BDA0002309063540000034
Figure BDA0002309063540000035
4)再采用以下公式获取t时刻的待观测海洋数据的梯度：
Figure BDA0002309063540000036
其中，grad表示梯度，
Figure BDA0002309063540000037
表示F(p(t))在x方向的偏导数，
Figure BDA0002309063540000038
表示F(p(t))在y方向的偏导数，p(t)表示t时刻的水下自治潜器的空间位置坐标；
x方向和y方向是水下平面的两个相垂直方向。
5)最后采用以下公式通过待观测海洋数据的梯度获得t时刻AUV的航向角度θ，实时控制水下自治潜器(AUV)航向角度θ方向运动到达海洋观测中心位置，即海洋观测数据最高的位置：
Figure BDA0002309063540000039
其中，atan表示反正切函数。
这样，该方法不断循环迭代运行，不断实时更新对观测海洋数据的估计，驱动AUV沿着海洋的梯度快速到达海洋特征观测中心位置。例如控制使得水下自治潜器(AUV)从中尺度涡边缘到涡心移动，向温度最高处移动。
所述的加权函数β(t，k)满足：
Figure BDA00023090635400000310
其中，0≤λ(t)≤1，λ(t)为t时刻的衰减因子，计算为：
Figure BDA00023090635400000311
其中，
Figure BDA00023090635400000312
为t时刻在空间位置p(t)处的观测海洋数据的估计值。
所述的待观测海洋数据为温度/盐度等。
所述的水下自治潜器(AUV)自身安装有传感器，通过传感器检测获得观测海洋数据。例如，水下自治潜器(AUV)安装有温度传感器，通过温度传感器获得温度数据。
本发明的优点与有益效果为：
本发明的方法采用递归式求解，速度快，计算量小，适合AUV板载计算机运算能力较弱的条件限制，解决了AUV板载计算机运算能力较弱而无法实时定位运算的问题。
同时本发明的方法在对海洋特征估计过程中加入了自适应衰减因子，能够对动态海洋特征参数实现准确的估计和处理，发挥了AUV智能化优势，又获得了最能够揭示海洋特征的观测数据。
本发明能够实现AUV自主观测，充分利用AUV自身搭载传感器观测的数据，对海洋特征进行在线识别、提取和分析，用以计算下一步观测路径，形成基于动态数据驱动的智能观测，获得最能够揭示海洋现象的数据；可为水下自主移动观测平台在海洋科学方面的高效应用提供有效帮助，具有重要的科学意义和应用价值。
附图说明
图1为本发明的方法流程图；
图2为本发明的实施效果图。
具体实施方式
下面结合附图，对本发明的具体内容及功能实现过程进行详细阐明。
如图1所示，本发明的具体实施例及其实施过程如下：
如图1所示，本发明具体实施包括确定海洋特征估计参数初值、确定衰减因子、更新估计参数、更新海洋特征估计、获取海洋特征梯度、更新AUV航向6个核心过程，在新的观测数据驱动下，AUV能够以最优的观测路径到达海洋特征的中心位置。
首先，AUV携带相应的传感器在观测区域随机采集一些海洋观测数据，通过公式获得海洋观测数据的初始估计
Figure BDA0002309063540000041
G(0)，令加权函数β(t，k)＝1，分别获得
Figure BDA0002309063540000042
和G(t)的初值
Figure BDA0002309063540000043
和G(0)。
Figure BDA0002309063540000044
Figure BDA0002309063540000045
其次，根据公式(3)获得t时刻海洋观测数据的估计值
Figure BDA0002309063540000046
Figure BDA0002309063540000047
然后，利用海洋观测数据的实际值，利用公式(5)获得t时刻参数估计过程中的自适应衰减因子λ(t)为：
Figure BDA0002309063540000051
接着，利用新的观测数据，利用公式(5)、(6)对海洋特征的参数进行更新：
Figure BDA0002309063540000052
Figure BDA0002309063540000053
然后，利用公式(5)获得的t时刻海洋观测数据的新的参数估计值
Figure BDA0002309063540000054
带入公式(7)，更新对海洋观测数据的估计值
Figure BDA0002309063540000055
Figure BDA0002309063540000056
接着，根据最新获得海洋观测数据的估计值，根据公式(8)，可获得t时刻海洋观测数据的分布梯度gradF(p(t))：
Figure BDA0002309063540000057
然后，由海洋观测数据的分布梯度，根据公式(9)，获得AUV航向角度θ：
Figure BDA0002309063540000058
最后，AUV沿着公式(9)获得的航向运动。
上述步骤不断迭代循环，不断获得新的观测数据，不断更新海洋特征的估计，AUV就能沿着海洋特征梯度的方向航行，以最优的路径快速到达海洋特征的中心位置，实现基于数据驱动的智能观测方法。
本发明的效果如图2所示，以中尺度涡观测为例，AUV能够根据观测数据，从中尺度涡的边缘沿着梯度方向快速到达涡心位置。图中实线为理论上的AUV航线，虚线为利用本发明的方法的AUV航线。结果显示，采用本发明的数据驱动的智能观测方法能够到达中尺度涡的涡心，同时实际观测路径非常接近理论值，证明了本发明的可靠效果。

Claims (4)

1.一种基于数据驱动的AUV智能观测运动方法，其特征在于：
将水下自治潜器AUV自身采集获得的当前观测海洋数据通过一组基函数的线性组合表示，然后，针对待观测海洋数据采用递归的加权最小二乘估计方法处理获得观测海洋数据系数，接着利用观测海洋数据系数获得最新时刻的观测海洋数据的估计值，再获得观测海洋数据估计值的梯度；最后，水下自治潜器AUV沿着梯度的方向到达海洋观测中心位置；
方法具体包括：
1)将当前观测海洋数据采用以下基函数的线性组合：
F(p(k))＝Q(p(k))Tα
Q(p(k))＝[q1(p(k))，...，qi(p(k))...，qm(p(k))]T
其中，F(p(k))表示k时刻在空间位置p(k)处的水下自治潜器的当前观测海洋数据，Q(p(k))表示k时刻的基函数列向量，qi(p(k))表示k时刻的第i个基函数，i表示基函数的序数，m表示基函数的总数，p(k)是k时刻的水下自治潜器的空间位置坐标，pi为第i个基函数的中心位置坐标，σi为第i个基函数的宽度，||p(k)-pi||表示p(k)到pi的距离，α是待估参数，T表示矩阵转置；
2)利用k时刻在空间位置p(k)处的水下自治潜器的当前观测海洋数据F(p(k))，构建以下目标函数J：
其中，k表示当前时刻的序数，t表示k时刻之后的时刻的序数，e(k)|t为利用k时刻的当前观测海洋数据估计之后t时刻待观测海洋数据的估计误差；β(t，k)是加权函数，表示k时刻的当前观测海洋数据在之后t时待观测海洋数据时的加权值，为待估参数α在t时刻的估计值；
利用以下公式获得待估参数α在t时刻的估计值
3)待估参数α按照以下递归处理：
其中，G(t)表示t时刻的中间参数；
G(t)满足递归公式：
其中，λ(t)为t时刻的衰减因子；
3)采用加权最小二乘进行迭代递归处理获得t时刻的待观测海洋数据的待估参数α的估计值再利用t时刻的待观测海洋数据的待估参数α的估计值采用以下公式处理获得t时刻的待观测海洋数据的估计值
4)再采用以下公式获取t时刻的待观测海洋数据的梯度：
其中，grad表示梯度，表示F(p(t))在x方向的偏导数，表示F(p(t))在y方向的偏导数，p(t)表示t时刻的水下自治潜器的空间位置坐标；
5)最后采用以下公式通过待观测海洋数据的梯度获得t时刻AUV的航向角度θ，实时控制水下自治潜器AUV航向角度θ方向运动到达海洋观测中心位置：
其中，atan表示反正切函数。
2.根据权利要求1所述的一种基于数据驱动的AUV智能观测运动方法，其特征在于：所述的加权函数β(t，k)满足：
其中，0≤λ(t)≤1，λ(t)为t时刻的衰减因子，计算为：
-
其中，为t时刻在空间位置p(t)处的观测海洋数据的估计值。
3.根据权利要求1所述的一种基于数据驱动的AUV智能观测运动方法，其特征在于：所述的待观测海洋数据为温度或盐度。
4.根据权利要求1所述的一种基于数据驱动的AUV智能观测运动方法，其特征在于：所述的水下自治潜器AUV自身安装有传感器，通过传感器检测获得观测海洋数据。
CN201911251097.2A 2019-12-09 2019-12-09 一种基于数据驱动的auv智能观测运动方法 Active CN110908404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911251097.2A CN110908404B (zh) 2019-12-09 2019-12-09 一种基于数据驱动的auv智能观测运动方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911251097.2A CN110908404B (zh) 2019-12-09 2019-12-09 一种基于数据驱动的auv智能观测运动方法

Publications (2)

Publication Number Publication Date
CN110908404A CN110908404A (zh) 2020-03-24
CN110908404B true CN110908404B (zh) 2023-04-18

Family

ID=69823528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911251097.2A Active CN110908404B (zh) 2019-12-09 2019-12-09 一种基于数据驱动的auv智能观测运动方法

Country Status (1)

Country Link
CN (1) CN110908404B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111538349B (zh) * 2020-04-17 2021-03-23 中国海洋大学 面向多任务的长航程auv自主决策方法
CN112527017B (zh) * 2020-12-11 2022-02-11 中国科学院沈阳自动化研究所 一种基于多auv的海洋观测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108508913A (zh) * 2018-03-29 2018-09-07 中国海洋大学 基于数据驱动的自主式水下航行器海底路径规划方法
CN108664039A (zh) * 2018-03-15 2018-10-16 清华大学 基于梯度估计的自主式水下机器人场源搜索方法及系统
CN109213204A (zh) * 2018-10-15 2019-01-15 中国海洋大学 基于数据驱动的auv海底目标搜寻航行系统及方法
CN109579860A (zh) * 2018-11-20 2019-04-05 清华大学 一种基于场在线估计的水下机器人场源搜索方法
CN109856668A (zh) * 2019-03-21 2019-06-07 西南科技大学 一种海洋放射性污染的多机协同监测方法
CN110502801A (zh) * 2019-07-25 2019-11-26 天津大学 海洋温度锋自动追踪和特征参数信息提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664039A (zh) * 2018-03-15 2018-10-16 清华大学 基于梯度估计的自主式水下机器人场源搜索方法及系统
CN108508913A (zh) * 2018-03-29 2018-09-07 中国海洋大学 基于数据驱动的自主式水下航行器海底路径规划方法
CN109213204A (zh) * 2018-10-15 2019-01-15 中国海洋大学 基于数据驱动的auv海底目标搜寻航行系统及方法
CN109579860A (zh) * 2018-11-20 2019-04-05 清华大学 一种基于场在线估计的水下机器人场源搜索方法
CN109856668A (zh) * 2019-03-21 2019-06-07 西南科技大学 一种海洋放射性污染的多机协同监测方法
CN110502801A (zh) * 2019-07-25 2019-11-26 天津大学 海洋温度锋自动追踪和特征参数信息提取方法

Also Published As

Publication number Publication date
CN110908404A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN109239709B (zh) 一种无人船的局部环境地图自主构建方法
CN112146654B (zh) 基于关键约束帧的前视成像声呐水下定位与导航方法
CN104035095B (zh) 基于空时最优处理器的低空风切变风速估计方法
CN111157982A (zh) 基于岸基雷达的智能船舶船岸协同目标跟踪系统和方法
CN107942095B (zh) 波浪滑翔器实际航向预测方法
CN110908404B (zh) 一种基于数据驱动的auv智能观测运动方法
WO2008038889A1 (en) Radar tracking device and method thereof
CN111504318B (zh) 一种基于多磁偶极子反演的海洋导航辅助方法
CN103776453A (zh) 一种多模型水下航行器组合导航滤波方法
CN110849369A (zh) 机器人跟踪方法、装置、设备及计算机可读存储介质
CN110132281B (zh) 一种基于询问应答模式的水下高速目标高精度自主声学导航方法
CN102323586A (zh) 一种基于海流剖面的uuv辅助导航方法
CN111412918B (zh) 无人艇全局安全路径规划方法
CN110703205A (zh) 基于自适应无迹卡尔曼滤波的超短基线定位方法
CN117146830B (zh) 一种自适应多信标航位推算和长基线的紧组合导航方法
Song et al. Error mitigation algorithm based on bidirectional fitting method for collision avoidance of unmanned surface vehicle
CN108776341A (zh) 一种机载合成孔径雷达多普勒中心偏移计算方法
CN113989327B (zh) 一种基于卷积神经网络粒子滤波算法的单uuv目标状态估计方法
CN111220158B (zh) 一种基于时间方位历程图的线谱目标运动参数估计方法
CN115200608A (zh) 一种水上激光雷达与惯性导航安装误差标定的方法
CN110412583B (zh) 基于多rov协同的水下不明运动目标侦测系统
CN102707278B (zh) 奇异值分解的多目标跟踪方法
CN110068798B (zh) 水下自主航行器的四元接收稀疏阵型及接收信号方法
Chen et al. Range-only SLAM for underwater navigation system with uncertain beacons
CN112445244B (zh) 一种多自主水下机器人的目标搜寻方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant