CN111308576A - 一种多auv系统及深海珊瑚探测方法 - Google Patents
一种多auv系统及深海珊瑚探测方法 Download PDFInfo
- Publication number
- CN111308576A CN111308576A CN201911201387.6A CN201911201387A CN111308576A CN 111308576 A CN111308576 A CN 111308576A CN 201911201387 A CN201911201387 A CN 201911201387A CN 111308576 A CN111308576 A CN 111308576A
- Authority
- CN
- China
- Prior art keywords
- auv
- pilot
- deep
- following
- information
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63C—LAUNCHING, HAULING-OUT, OR DRY-DOCKING OF VESSELS; LIFE-SAVING IN WATER; EQUIPMENT FOR DWELLING OR WORKING UNDER WATER; MEANS FOR SALVAGING OR SEARCHING FOR UNDERWATER OBJECTS
- B63C11/00—Equipment for dwelling or working underwater; Means for searching for underwater objects
- B63C11/52—Tools specially adapted for working underwater, not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明属于水下探测技术领域,具体涉及一种多AUV系统及深海珊瑚探测方法。本发明的多AUV系统采用单领航模式减少通信量,降低网络负载,提高了通信的可靠性,并进行状态补偿减少通信延迟的影响,提高了通信的可靠性。本发明利用水声通信的方式使得信息共享,进而实现多AUV系统的主从式协同定位,解决了多领航模式在声学信号的同步、识别和时序要求比较高,容易形成通信混乱的问题。通过跟随AUV在之前时刻的状态信息形成的轨迹路径,预测出之后时刻的状态,并且不断更新,来解决水声通信延迟问题。本发明将目标识别技术与多AUV系统相结合,提高了多AUV系统的自主性、智能性。
Description
技术领域
本发明属于水下探测技术领域,具体涉及一种多AUV系统及深海珊瑚探测方法。
背景技术
与生长在热带浅海水域的暖水珊瑚不同,深海冷水珊瑚通常分布在海面以下30~1000m、水温4~12℃的冷水水域,由于冷水珊瑚不与单细胞藻类虫黄藻共生,主要以水中的浮游生物及从浅水层沉降下去的有机质为食,可以生长在缺光或无光的深海环境,故也称深海珊瑚。冷水珊瑚主要包括石珊瑚、软珊瑚(包括红珊瑚、柳珊瑚、竹珊瑚等)、黑珊瑚和柱星珊瑚等。其中,石珊瑚是冷水珊瑚礁的骨架生物,由其堆积建造的冷水珊瑚礁为鱼、虾、蟹、管虫等提供了良好的生境条件,使得暗淡无光的深海环境充满生机。
冷水珊瑚礁是深海生态系统中的重要组成部分,其具有较高的生物多样性和生态资源价值”。冷水珊瑚礁区聚集分布着许多经济鱼类及无脊椎动物,如石斑、海鲈、鲷鱼和岩鱼等,是重要的深海渔场”。此外,与热带浅海珊瑚一样,冷水石珊瑚也是记录长时间尺度气候变化的良好载体,可揭示长时间序列、高分辨率的深海海洋环境变化历史,具有重要的科研价值。因此,了解其环境和生态动态对生物多样性保护具有重要意义。
由于冷水珊瑚生活环境处于深海,多AUV系统中信息延迟是弱通信系统必须面对的问题,对系统稳定性的影响不能忽视。由于接收到的信息存在时间上的滞后性,系统在未来时刻的状态由当前状态和历史状态共同决定,系统的稳定性和平衡位置也受到时延大小的影响。当个体间的信息传输延迟太大,超过某一临界值时,多机器人系统无法形成稳定编队,甚至使原来稳定的编队变为不稳定。
发明内容
本发明的目的在于提供用于深海冷水珊瑚探测一种多AUV系统。
本发明的目的通过如下技术方案实现:包括领航AUV和跟随AUV;所述的领航AUV只有一个,包括使命模块、任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的跟随AUV包括任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的使命模块负责任务的描述、激活、切换和存储,并对各个AUV进行任务分配;所述的任务模块负责将任务分配结果通过水声通信通知给目标AUV;所述的传感器模块负责通过AUV自身配置的各种传感器件从周围环境中获得环境信息;所述的导航模块负责获得AUV自身的速度、姿态和位置信息;所述的信息处理模块负责将AUV通过传感器模块和导航模块获得的环境信息和目标AUV信息进行处理、融合和存储;所述的行为控制模块负责基于行为的策略按照特定的控制算法将AUV驱动到期望的航向、期望的航速和期望的方位;所述的通信模块负责与其他AUV之间进行信息交流,包括声学调制解调器、换能器和接收机;所述的换能器用于AUV向周围空间辐射信号;所述的接收机用于接收水声信号;所述的声学调制解调器调制待发送的水声信号,以及解调接收的水声信号。
本发明还可以包括:
还包括备用领航AUV;所述的备用领航AUV的设备与领航AUV相同,在正常情况下备用领航AUV作为寻常的跟随AUV使用,但是当备用领航AUV在预定的时间内未接收到领航AUV的通信时,备用领航AUV之中的一个自动担负起领航AUV的任务。
本发明的目的还在于提供解决水下弱通信多AUV深海珊瑚区域探测问题,以提高深海珊瑚探测区域内探测与建图的效率的一种多AUV深海珊瑚探测方法。
本发明的目的通过如下技术方案实现:包括以下步骤:
步骤1:在母船行驶到深海探测区域上方时,将多AUV系统投放入水;所述的多AUV系统的传感器模块包括水下摄像机、水听器、CTD探测器、多波束声纳和侧扫声纳;
步骤2:多AUV系统航行到距海底预设的高度后,通过水下摄像机对深海区域进行图像采集,同时利用训练好的深海珊瑚深度学习模型对采集到的水下图像进行识别;
步骤3:多AUV系统搜索深海冷水珊瑚区域;对于在对深海冷水珊瑚区域搜索过程中出现的通信延迟问题,通过领航AUV的状态预测模型对跟随AUV状态信息进行预估补偿,修正跟随AUV的状态信息,减小通信延迟影响;
步骤4:当多AUV系统中至少一个AUV搜寻出深海冷水珊瑚区域时,发现深海冷水珊瑚区域的AUV通过水声通信向领航AUV发送深海冷水珊瑚区域的位置信息;领航AUV经过决策将探测任务信息发送给全部AUV,指挥所有AUV开始向此地聚集;
步骤5:当多AUV系统达到深海冷水珊瑚区域之后,多AUV系统执行深海冷水珊瑚区域协同探测任务;领航AUV通过任务模块将深海冷水珊瑚区域协同探测任务分配给各个跟随AUV,各个跟随AUV以领航AUV为中心对深海冷水珊瑚区域进行梳状扫描,同时所有AUV开启多波束声纳和侧扫声纳对海底进行探测,并利用CTD探测器进行深海海水原位采样;在任务进行过程中,当遇到障碍物时,所有AUV自主进行局部路径规划实施避障动作,之后按照既定的路径规划策略完成剩余探测任务;
步骤6:在全部AUV完成对深海冷水珊瑚区域的探测作业后,抛载上浮水面进行回收,将各传感器模块的数据进行上传;
步骤7:通过多AUV系统的水下摄像机图像拼接获得深海冷水珊瑚区域的光学图像;利用多AUV系统的侧扫声纳采集的声学图像生成二维海底底质图像;利用多AUV系统的多波束声纳生成三维声学地形图;利用多AUV系统的CTD探测器的数据生成深海珊瑚区的温度、盐度分布图。
本发明还可以包括:
所述的步骤3中通过领航AUV的状态预测模型对跟随AUV状态信息进行预估补偿的具体方法为:
在tk时刻领航AUV的状态信息Ak和跟随AUV的状态信息Bk分别为:
Ak=(xk,yk,zk,tk)
Bk=(x'k,y'k,z'k,t'k)
跟随AUV在tk时刻将自身状态信息Bk开始向领航者AUV发送,领航AUV在tk+1时刻接收到信息,此时经过了时间τ,领航AUV在当前时刻的状态信息Ak+1和跟随者AUV在当前时刻的状态信息Bk+1分别为:
Ak+1=(x'k+1,y'k+1,z'k+1,t'k+1)
Bk+1=(x'k+1,y'k+1,z'k+1,t'k+1)
故通信延迟时间为τ=tk+1-tk;之后,跟者AUV每经过Δt时间段就将自身状态信息Bk+nΔt,n-1,2...发送给领航AUV,领航AUV信息处理模块根据n个Δt时间段接收到的跟随AUV的状态信息{Bk+Δt,Bk+2Δt,...Bk+nΔt}形成的轨迹路径生成状态预测模型,再通过状态预测模型预估出跟随AUV在tk+1时刻的状态信息,状态预测模型为f(t)=(x,y,z,t);最后,利用领航AUV在tk+2时刻接收到的跟随AUV在tk+1时刻的状态信息来对状态预测模型进行更新,减小通信延迟的影响。
所述的多AUV系统还包括备用领航AUV;所述的备用领航AUV的设备与领航AUV相同,在正常情况下备用领航AUV作为寻常的跟随AUV使用,但是当备用领航AUV在预定的时间内未接收到领航AUV的通信时,备用领航AUV之中的一个自动担负起领航AUV的任务。
所述的步骤5中多AUV系统执行深海冷水珊瑚区域协同探测任务时,多AUV系统采用“一”字形编队队形进行探测,整个多AUV系统在保持“一”字形编队队形的基础上采用“弓”字形的探测路径来对深海珊瑚探测区域进行数据采集;所述的“一”字形编队队形具体为1个领航AUV和2个备用领航AUV位于最中间,其他跟随AUV位于两侧,相邻AUV绘制地图的交叉区域宽度为单个AUV绘制地图覆盖宽度的1/10,以此确定相邻AUV的间距。
所述的步骤5中多AUV系统采用“一”字形编队队形和“弓”字形探测路径进行探测时,多AUV系统为了维持编队队形,其高度、速度、相邻间距相等,可将其视为二维平面研究;领航AUV根据自身在tk+1时刻的状态信息和领航AUV与跟随AUV之间的距离nL,n=1,2...计算出跟随AUV在tk+1时刻的状态信息,从而消除通信延迟的影响。
所述的步骤5中当多AUV系统中至少一个AUV出现避障情况时,将出现避障的跟随AUV重新规划出的避障路径信息发送给领航AUV,领航AUV再根据避障路径信息修正其接收到的跟随AUV状态信息,减小通信延迟影响。
本发明的有益效果在于:
本发明的多AUV系统中AUV的功能以模块化方式组织,并且使用同一的信息交换机制来确保不同模块之间的有效通信。.本发明利用水声通信的方式使得信息共享,进而实现多AUV系统的主从式协同定位,解决了多领航模式在声学信号的同步、识别和时序要求比较高,容易形成通信混乱的问题。由于水声通信过程中信号处理的高复杂性及水下环境中的带宽受限,传播速率低等原因,容易出现通信延迟。本发明通过跟随AUV在之前时刻的状态信息形成的轨迹路径,预测出之后时刻的状态,并且不断更新,来解决水声通信延迟问题。
本发明采用单领航模式减少通信量,降低网络负载,提高了通信的可靠性,并进行状态补偿减少通信延迟的影响,提高了通信的可靠性。本发明将目标识别技术与多AUV系统相结合,提高了多AUV系统的自主性、智能性。
附图说明
图1为一种多AUV深海珊瑚探测方法的总流程图。
图2为一种多AUV系统的结构图。
图3为领航AUV和跟随AUV之间水声通信流程图。
图4为多AUV系统“一”字形编队探测示意图。
图5为多AUV系统“弓”字形探测路径示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明涉及水下探测技术领域,涉及一种多AUV系统及深海珊瑚探测方法。由于冷水珊瑚生活环境处于深海,因此本发明采用无人无缆AUV协同方式作业,而不是采用多个带缆的ROV,以免缠绕。通过构建多AUV系统,使用多个无人无缆AUV协同完成对深海冷水珊瑚的探测任务。多AUV系统中信息延迟是弱通信系统必须面对的问题,对系统稳定性的影响不能忽视。由于接收到的信息存在时间上的滞后性,系统在未来时刻的状态由当前状态和历史状态共同决定,系统的稳定性和平衡位置也受到时延大小的影响。当个体间的信息传输延迟太大,超过某一临界值时,多机器人系统无法形成稳定编队,甚至使原来稳定的编队变为不稳定。本发明采用单领航模式减少通信量,并进行状态补偿减少通信延迟的影响,提高了通信的可靠性。本发明目的为解决水下弱通信多AUV深海珊瑚区域探测问题,以提高深海珊瑚探测区域内探测与建图的效率。
一种多AUV系统,与单一的AUV相比,其具有稳健性、多功能性和高效性。在多AUV系统中,每个AUV是具有数据库和功能模块的单一分布式控制架构。分布式控制架构的统一通信机制和模块化特性使其适用多AUV系统。一方面,统一通信机制构成了多AUV协调控制系统组织的基础;另一方面,模块化程序使得可以为配备有不同传感器的AUV开发特定功能模块。AUV中其功能以模块化方式组织,并且使用同一的信息交换机制来确保不同模块之间的有效通信。
多AUV系统中包括领航AUV和跟随AUV;所述的领航AUV只有一个,包括使命模块、任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的跟随AUV包括任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的使命模块负责任务的描述、激活、切换和存储,并对各个AUV进行任务分配;所述的任务模块负责将任务分配结果通过水声通信通知给目标AUV;所述的传感器模块负责通过AUV自身配置的各种传感器件从周围环境中获得环境信息;所述的导航模块负责获得AUV自身的速度、姿态和位置信息;所述的信息处理模块负责将AUV通过传感器模块和导航模块获得的环境信息和目标AUV信息进行处理、融合和存储;所述的行为控制模块负责基于行为的策略按照特定的控制算法将AUV驱动到期望的航向、期望的航速和期望的方位;所述的通信模块负责与其他AUV之间进行信息交流,包括声学调制解调器、换能器和接收机;所述的换能器用于AUV向周围空间辐射信号;所述的接收机用于接收水声信号;所述的声学调制解调器调制待发送的水声信号,以及解调接收的水声信号。
多AUV系统利用水声通信的方式使得信息共享,进而实现多AUV系统的主从式协同定位。针对多领航模式在声学信号的同步、识别和时序要求比较高,容易形成通信混乱的问题,本发明只采用一个领航者,使用双水听器形成仿生学下的“双耳听觉”,可以根据水声信号接收相位差获得AUV间相对方位,结合距离信息确定其他AUV位置信息,降低了系统复杂度。此外,配备两个具有与领航者相同设备的AUV作为备用领航者,防止领航AUV在深海探测过程中损坏带来的整体多AUV系统陷入瘫痪的问题。这两个备用领航者在正常情况下作为寻常的跟随AUV使用,但是当备用领航者在一段时间内未接收到领航AUV的通信时,备用领航AUV之中与领航者最近的一个自动担负起领航者的任务。
一种多AUV深海珊瑚探测方法,具体步骤如下:
(1)在母船行驶到深海探测区域上方时,将多个AUV投放入水;
(2)多个AUV航行到距海底一定的高度后,AUV携带水下高清网络摄像机对深海区域进行图像采集,同时利用训练好的深海珊瑚深度学习模型对采集的水下图像进行识别;
(3)多AUV系统整体采用主从式协同定位,采用一个领航者,使用双水听器形成仿生学下的“双耳听觉”,可以根据水声信号接收相位差获得AUV间相对方位;
(4)通过领航者的状态预测模型对跟随AUV状态信息进行预估补偿,修正跟随AUV的状态信息;
(5)当其中至少一个AUV搜寻出深海珊瑚探测区域时,发现珊瑚区域的AUV将利用水声通信向领航者AUV发送深海珊瑚位置信息,领航者AUV经过决策将探测任务信息发送给全部AUV,指挥所有AUV开始向此地聚集;
(6)待多AUV达到深海珊瑚区域之后,领航AUV通过任务规划,将整个任务分配给各个跟随AUV,各AUV以领航AUV为中心,以一种或多种队形对探测区域进行梳状扫描进行探测,同时所有AUV开启多波束声纳或侧扫声纳对海底进行探测,同时利用AUV携带的电导率-温度-深度传感器(CTD)进行深海海水原位采样;
(7)在任务进行过程中,当遇到障碍物时,AUV通过自主进行局部路径规划实施避障动作,之后按照既定的路径规划策略完成剩余探测任务。
(8)在全部AUV完成对深海珊瑚探测区域的探测作业后,抛载上浮水面进行回收,将各传感器数据进行上传。
(9)通过多AUV水下摄像机图像拼接获得深海珊瑚区域内的光学图像,利用多AUV携带侧扫声纳采集的声学图像生成二维海底底质图像,利用多AUV携带的多波束声纳生成三维声学地形图,利用多AUV携带的CTD探测器数据生成深海珊瑚区的温度、盐度分布图。
针对现有深海珊瑚图像匮乏样本少不宜训练的特点,拟将多种深海珊瑚作为同一待识别种类进行训练和识别,即识别分类模型中只有珊瑚这一种目标。对于深海珊瑚样本匮乏问题,利用生成对抗网络(GAN)方法对现有珊瑚图像和深海图像进行合成,扩充深海珊瑚数据样本。再利用端对端的深度学习方法对数据集进行训练,获得深海珊瑚深度学习模型
通过大量的冷水珊瑚图片对网络模型进行预训练,生成冷水珊瑚检测器。多AUV系统携带有水下高清网络摄像机,对深海区域进行图像采集,同时根据冷水珊瑚检测器对采集的图片进行自动在线检测识别,当其中至少一台AUV连续多帧图像检测到冷水珊瑚(石珊瑚、软珊瑚、黑珊瑚和柱星珊瑚等)时,该AUV将该片区域视为冷水珊瑚探测区域,并通过水声通信将该区域位置信息发送给领航者AUV,领航者AUV通过任务决策将新的探测任务信息发送给全体AUV,指挥全体AUV向冷珊瑚区域聚集。
所述多AUV系统采用基于行为的控制方法,通过设计AUV的基本行为及局部控制规则,从而产生期望的整体行为,使的所有的AUV在探测深海珊瑚区域的过程中保持一字队形,避免AUV之间空间覆盖产生重复探测问题,实现深海珊瑚区域的高效绘制地图。每个AUV的基本行为除了保持队形之外,还有避碰、避障等行为。避碰使得每个AUV在行驶过程中避免相互碰撞;避障行为使得AUV在深海环境中探测到障碍物时,自主规划路径避开障碍物。
所述多AUV系统编队采用一字形,1个领航AUV和2个备用领航AUV位于最中间,其他跟随AUV位于两侧。相邻AUV绘制地图的交叉区域宽度为单个AUV绘制地图覆盖宽度的1/10,以此确定相邻AUV的间距。整个多AUV系统在保持一字形的基础上采用弓字形的探测路径来对深海珊瑚探测区域进行数据采集,实现深海珊瑚探测区域探测路径无重叠、重复问题,提高探测效率。
多AUV深海珊瑚探测过程分为深海冷水珊瑚区域搜索过程和深海冷水珊瑚区域协同探测过程。针对深海冷水珊瑚区域搜索过程中出现的通信延迟问题,拟对AUV的状态进行估计补偿,减小通信延迟影响。首先,在tk时刻领航者AUV和跟随者AUV的状态信息分别为Ak=(xk,yk,zk,tk)和Bk=(x'k,y'k,z'k,t'k)。其次,跟随者AUV在tk时刻将自身状态信息Bk开始向领航者AUV发送,领航者AUV在tk+1时刻接收到信息,此时经过了时间τ,领航者AUV和跟随者AUV在当前时刻的状态信息分别为Ak+1=(x'k+1,y'k+1,z'k+1,t'k+1)和Bk+1=(x'k+1,y'k+1,z'k+1,t'k+1),故通信延迟时间为τ=tk+1-tk。之后,跟随者AUV每经过Δt时间段就将自身状态信息Bk+nΔt(n=1,2…)发送给领航者AUV,Δt极小。然后,领航者AUV信息处理模块根据n个Δt时间段接收到的跟随者AUV的状态信息{Bk+Δt,Bk+2Δt,…,Bk+nΔt}形成的轨迹路径生成状态预测模型,再通过状态预测模型预估出跟随者AUV在tk+1时刻的状态信息,状态预测模型为f(t)=(x,y,z,t)。最后,利用领航者AUV在tk+2时刻接收到的跟随者AUV在tk+1时刻的状态信息来对状态预测模型进行更新,减小通信延迟的影响。
深海冷水珊瑚区域协同探测过程包括两种运动情况:一是多AUV系统按照预先设定编队队形进行探测;二是多AUV系统中至少一个AUV出现避障情况。针对第一种出现的通信延迟问题,结合采用的“一”字形编队队形和“弓”字形探测路径提出一种相应的解决办法。多AUV系统为了维持编队队形,其高度、速度、相邻间距相等,可将其视为二维平面研究。领航者AUV根据自身在tk+1时刻的状态信息和领航者AUV与跟随者AUV之间的距离nL(n=1,2…)计算出跟随者AUV在tk+1时刻的状态信息,消除通信延迟的影响。针对第二种出现的通信延迟问题,将出现避障的跟随者AUV重新规划出的避障路径信息发送给领航者AUV,领航者AUV再根据避障路径信息修正其接收到的跟随者AUV状态信息,减小通信延迟影响。
本发明具有以下优点:
1.AUV中其功能以模块化方式组织,并且使用同一的信息交换机制来确保不同模块之间的有效通信。
2.本发明利用水声通信的方式使得信息共享,进而实现多AUV系统的主从式协同定位。解决多领航模式在声学信号的同步、识别和时序要求比较高,容易形成通信混乱的问题。
3.由于水声通信过程中信号处理的高复杂性及水下环境中的带宽受限,传播速率低等原因,容易出现通信延迟。本发明通过跟随者AUV在之前时刻的状态信息形成的轨迹路径,预测出之后时刻的状态,并且不断更新,来解决水声通信延迟问题。
4.采用单领航模式减少通信量,降低网络负载,提高了通信的可靠性,解决水声通信数据传输丢包、错误而引起的弱通信问题。
5.将目标识别技术与多AUV系统相结合,提高了多AUV系统的自主性、智能性。
如图1所示,上述一种多AUV深海珊瑚探测方法的工作步骤如下所示;首先,在母船行驶到深海探测区域上方时,将多个AUV投放入水;其次,多个AUV航行到距海底一定的高度后,AUV开启所携带的水下高清网络摄像机对深海区域进行图像采集,利用训练好的深海珊瑚深度学习模型对采集的水下图像进行识别。多AUV系统整体采用主从式协同定位,采用一个领航者,使用双水听器形成仿生学下的“双耳听觉”,可以根据水声信号接收相位差获得AUV间相对方位;接着,通过领航者的状态预测模型对跟随AUV状态信息进行预估补偿,修正跟随AUV的状态信息。当其中至少一个AUV搜寻出深海珊瑚探测区域时,发现珊瑚区域的AUV将利用水声通信向领航者AUV发送深海珊瑚位置信息,领航者AUV经过决策将探测任务信息发送给全部AUV,指挥所有AUV开始向此地聚集。待多AUV达到深海珊瑚区域之后,领航AUV通过任务规划,将整个任务分配给各个跟随AUV,各AUV以领航AUV为中心,以一种或多种队形对探测区域进行梳状扫描进行探测,同时所有AUV开启多波束声纳或侧扫声纳对海底进行探测,同时利用AUV携带的电导率-温度-深度传感器(CTD)进行深海海水原位采样。在任务进行过程中,当遇到障碍物时,AUV通过自主进行局部路径规划实施避障动作,之后按照既定的路径规划策略完成剩余探测任务。在全部AUV完成对深海珊瑚探测区域的探测作业后,抛载上浮水面进行回收,将各传感器数据进行上传。通过多AUV水下摄像机图像拼接获得深海珊瑚区域内的光学图像,利用多AUV携带侧扫声纳采集的声学图像生成二维海底底质图像,利用多AUV携带的多波束声纳生成三维声学地形图,利用多AUV携带的CTD探测器数据生成深海珊瑚区的温度、盐度分布图。本发明解决了通信延迟以及水声通信数据传输丢包、错误而引起的弱通信问题,以及解决了AUV重复探测问题,从而完成深海珊瑚探测区域内的高效率建图。
如图2所示,上述领航AUV包括使命模块、任务模块、信息处理模块、行为控制模块、传感器模块和导航模块。跟随AUV包括使命模块、任务模块、信息处理模块、行为控制模块、传感器模块和导航模块。使命模块负责任务的描述、激活、切换和存储,并对各个AUV进行任务分配。任务模块负责将任务分配结果通过水声通信通知给目标AUV;信息处理模块负责将AUV通过传感器模块和导航模块获得的环境信息和目标AUV信息进行处理、融合和存储。传感器模块负责通过AUV自身配置的各种传感器件从周围环境中获得环境信息;导航模块负责获得AUV自身的速度、姿态和位置信息。行为控制模块负责基于行为的策略按照特定的控制算法将AUV驱动到期望的航向、期望的航速和期望的方位。通信模块负责与其他AUV之间进行信息交流,其是声学调制解调器、换能器和接收机。换能器用于AUV向周围空间辐射信号;接收机用于接收水声信号;声学调制解调器调制待发送的水声信号,以及解调接收的水声信号。
如图3所示,多AUV深海珊瑚探测过程分为深海冷水珊瑚区域搜索过程和深海冷水珊瑚区域协同探测过程。针对深海冷水珊瑚区域搜索过程中出现的通信延迟问题,拟对AUV的状态进行估计补偿,减小通信延迟影响。首先,在tk时刻领航者AUV和跟随者AUV的状态信息分别为Ak=(xk,yk,zk,tk)和Bk=(x'k,y'k,z'k,t'k)。其次,跟随者AUV在tk时刻将自身状态信息Bk开始向领航者AUV发送,领航者AUV在tk+1时刻接收到信息,此时经过了时间τ,领航者AUV和跟随者AUV在当前时刻的状态信息分别为Ak+1=(x'k+1,y'k+1,z'k+1,t'k+1)和Bk+1=(x'k+1,y'k+1,z'k+1,t'k+1),故通信延迟时间为τ=tk+1-tk。之后,跟随者AUV每经过Δt时间段就将自身状态信息Bk+nΔt(n=1,2…)发送给领航者AUV,Δt极小。然后,领航者AUV信息处理模块根据n个Δt时间段接收到的跟随者AUV的状态信息{Bk+Δt,Bk+2Δt,…,Bk+nΔt}形成的轨迹路径生成状态预测模型,再通过状态预测模型预估出跟随者AUV在tk+1时刻的状态信息,状态预测模型为f(t)=(x,y,z,t)。最后,利用领航者AUV在tk+2时刻接收到的跟随者AUV在tk+1时刻的状态信息来对状态预测模型进行更新,减小通信延迟的影响。
深海冷水珊瑚区域协同探测过程包括两种运动情况:一是多AUV系统按照预先设定编队队形进行探测;二是多AUV系统中至少一个AUV出现避障情况。针对第一种出现的通信延迟问题,结合权利要求7中采用的“一”字形编队队形和“弓”字形探测路径提出一种相应的解决办法。多AUV系统为了维持编队队形,其高度、速度、相邻间距相等,可将其视为二维平面研究。领航者AUV根据自身在tk+1时刻的状态信息和领航者AUV与跟随者AUV之间的距离nL(n=1,2…)计算出跟随者AUV在tk+1时刻的状态信息,消除通信延迟的影响。针对第二种出现的通信延迟问题,将出现避障的跟随者AUV重新规划出的避障路径信息发送给领航者AUV,领航者AUV再根据避障路径信息修正其接收到的跟随者AUV状态信息,减小通信延迟影响。
如图4所示,多AUV系统编队采用“一”字形的队形对深海珊瑚探测区域进行探测。领航AUV标号为A,跟随AUV标号为Bi,i为奇数的AUV按照标号顺序依次位于领航AUV的左侧,i为偶数的AUV按照标号顺序位于领航AUV的右侧。B1,B2为两个备用领航AUV,位于A的两侧,其在A不出故障时,B1,B2只作为寻常AUV使用,但是当A出故障时,B1之中的使命模块激活,履行领航AUV的任务,并重新进行任务分配,使出现故障一侧的AUV向其靠拢,在保持编队队形的基础上,使得相邻AUV的间距L恢复原先设定的距离L0。
相邻AUV绘制地图的交叉区域宽度为单个AUV绘制地图覆盖宽度的1/10,以此确定相邻AUV的间距L0。AUV距底高度为H,单个AUV绘制地图覆盖宽度为D,相邻AUV绘制地图的交叉区域宽度为d,故可通过下列公式计算出L0。
d/D=1/10
D/H=tanθ
L0+d=D
水下机器人进行深海区域探测常用的路径策略为弓形式、螺旋式和放射式。定向直航的放射式路径会导致多AUV系统探测效率低下,螺旋式路径会使各个AUV的速度不一,对编队队形的保持带来一定难度,故本发明采用弓形式路径。如图5所示,多AUV系统采用“弓”字形的探测路径来对深海珊瑚探测区域进行数据采集,实现深海珊瑚探测区域探测路径无重叠、重复问题,提高探测效率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多AUV系统,其特征在于:包括领航AUV和跟随AUV;所述的领航AUV只有一个,包括使命模块、任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的跟随AUV包括任务模块、信息处理模块、行为控制模块、传感器模块、导航模块和通信模块;所述的使命模块负责任务的描述、激活、切换和存储,并对各个AUV进行任务分配;所述的任务模块负责将任务分配结果通过水声通信通知给目标AUV;所述的传感器模块负责通过AUV自身配置的各种传感器件从周围环境中获得环境信息;所述的导航模块负责获得AUV自身的速度、姿态和位置信息;所述的信息处理模块负责将AUV通过传感器模块和导航模块获得的环境信息和目标AUV信息进行处理、融合和存储;所述的行为控制模块负责基于行为的策略按照特定的控制算法将AUV驱动到期望的航向、期望的航速和期望的方位;所述的通信模块负责与其他AUV之间进行信息交流,包括声学调制解调器、换能器和接收机;所述的换能器用于AUV向周围空间辐射信号;所述的接收机用于接收水声信号;所述的声学调制解调器调制待发送的水声信号,以及解调接收的水声信号。
2.根据权利要求1所述的一种多AUV系统,其特征在于:还包括备用领航AUV;所述的备用领航AUV的设备与领航AUV相同,在正常情况下备用领航AUV作为寻常的跟随AUV使用,但是当备用领航AUV在预定的时间内未接收到领航AUV的通信时,备用领航AUV之中的一个自动担负起领航AUV的任务。
3.基于权利要求1所述的一种多AUV系统的一种多AUV深海珊瑚探测方法,其特征在于,包括以下步骤:
步骤1:在母船行驶到深海探测区域上方时,将多AUV系统投放入水;所述的多AUV系统的传感器模块包括水下摄像机、水听器、CTD探测器、多波束声纳和侧扫声纳;
步骤2:多AUV系统航行到距海底预设的高度后,通过水下摄像机对深海区域进行图像采集,同时利用训练好的深海珊瑚深度学习模型对采集到的水下图像进行识别;
步骤3:多AUV系统搜索深海冷水珊瑚区域;对于在对深海冷水珊瑚区域搜索过程中出现的通信延迟问题,通过领航AUV的状态预测模型对跟随AUV状态信息进行预估补偿,修正跟随AUV的状态信息,减小通信延迟影响;
步骤4:当多AUV系统中至少一个AUV搜寻出深海冷水珊瑚区域时,发现深海冷水珊瑚区域的AUV通过水声通信向领航AUV发送深海冷水珊瑚区域的位置信息;领航AUV经过决策将探测任务信息发送给全部AUV,指挥所有AUV开始向此地聚集;
步骤5:当多AUV系统达到深海冷水珊瑚区域之后,多AUV系统执行深海冷水珊瑚区域协同探测任务;领航AUV通过任务模块将深海冷水珊瑚区域协同探测任务分配给各个跟随AUV,各个跟随AUV以领航AUV为中心对深海冷水珊瑚区域进行梳状扫描,同时所有AUV开启多波束声纳和侧扫声纳对海底进行探测,并利用CTD探测器进行深海海水原位采样;在任务进行过程中,当遇到障碍物时,所有AUV自主进行局部路径规划实施避障动作,之后按照既定的路径规划策略完成剩余探测任务;
步骤6:在全部AUV完成对深海冷水珊瑚区域的探测作业后,抛载上浮水面进行回收,将各传感器模块的数据进行上传;
步骤7:通过多AUV系统的水下摄像机图像拼接获得深海冷水珊瑚区域的光学图像;利用多AUV系统的侧扫声纳采集的声学图像生成二维海底底质图像;利用多AUV系统的多波束声纳生成三维声学地形图;利用多AUV系统的CTD探测器的数据生成深海珊瑚区的温度、盐度分布图。
4.根据权利要求3所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤3中通过领航AUV的状态预测模型对跟随AUV状态信息进行预估补偿的具体方法为:
在tk时刻领航AUV的状态信息Ak和跟随AUV的状态信息Bk分别为:
Ak=(xk,yk,zk,tk)
Bk=(x'k,y'k,z'k,t'k)
跟随AUV在tk时刻将自身状态信息Bk开始向领航者AUV发送,领航AUV在tk+1时刻接收到信息,此时经过了时间τ,领航AUV在当前时刻的状态信息Ak+1和跟随者AUV在当前时刻的状态信息Bk+1分别为:
Ak+1=(x'k+1,y'k+1,z'k+1,t'k+1)
Bk+1=(x'k+1,y'k+1,z'k+1,t'k+1)
故通信延迟时间为τ=tk+1-tk;之后,跟者AUV每经过Δt时间段就将自身状态信息Bk+nΔt,n-1,2...发送给领航AUV,领航AUV信息处理模块根据n个Δt时间段接收到的跟随AUV的状态信息{Bk+Δt,Bk+2Δt,...Bk+nΔt}形成的轨迹路径生成状态预测模型,再通过状态预测模型预估出跟随AUV在tk+1时刻的状态信息,状态预测模型为f(t)=(x,y,z,t);最后,利用领航AUV在tk+2时刻接收到的跟随AUV在tk+1时刻的状态信息来对状态预测模型进行更新,减小通信延迟的影响。
5.根据权利要求3或4所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的多AUV系统还包括备用领航AUV;所述的备用领航AUV的设备与领航AUV相同,在正常情况下备用领航AUV作为寻常的跟随AUV使用,但是当备用领航AUV在预定的时间内未接收到领航AUV的通信时,备用领航AUV之中的一个自动担负起领航AUV的任务。
6.根据权利要求5所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤5中多AUV系统执行深海冷水珊瑚区域协同探测任务时,多AUV系统采用“一”字形编队队形进行探测,整个多AUV系统在保持“一”字形编队队形的基础上采用“弓”字形的探测路径来对深海珊瑚探测区域进行数据采集;所述的“一”字形编队队形具体为1个领航AUV和2个备用领航AUV位于最中间,其他跟随AUV位于两侧,相邻AUV绘制地图的交叉区域宽度为单个AUV绘制地图覆盖宽度的1/10,以此确定相邻AUV的间距。
7.根据权利要求6所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤5中多AUV系统采用“一”字形编队队形和“弓”字形探测路径进行探测时,多AUV系统为了维持编队队形,其高度、速度、相邻间距相等,可将其视为二维平面研究;领航AUV根据自身在tk+1时刻的状态信息和领航AUV与跟随AUV之间的距离nL,n=1,2...计算出跟随AUV在tk+1时刻的状态信息,从而消除通信延迟的影响。
8.根据权利要求3或4所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤5中当多AUV系统中至少一个AUV出现避障情况时,将出现避障的跟随AUV重新规划出的避障路径信息发送给领航AUV,领航AUV再根据避障路径信息修正其接收到的跟随AUV状态信息,减小通信延迟影响。
9.根据权利要求5所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤5中当多AUV系统中至少一个AUV出现避障情况时,将出现避障的跟随AUV重新规划出的避障路径信息发送给领航AUV,领航AUV再根据避障路径信息修正其接收到的跟随AUV状态信息,减小通信延迟影响。
10.根据权利要求6或7所述的一种多AUV深海珊瑚探测方法,其特征在于:所述的步骤5中当多AUV系统中至少一个AUV出现避障情况时,将出现避障的跟随AUV重新规划出的避障路径信息发送给领航AUV,领航AUV再根据避障路径信息修正其接收到的跟随AUV状态信息,减小通信延迟影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911201387.6A CN111308576A (zh) | 2019-11-29 | 2019-11-29 | 一种多auv系统及深海珊瑚探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911201387.6A CN111308576A (zh) | 2019-11-29 | 2019-11-29 | 一种多auv系统及深海珊瑚探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111308576A true CN111308576A (zh) | 2020-06-19 |
Family
ID=71156259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911201387.6A Pending CN111308576A (zh) | 2019-11-29 | 2019-11-29 | 一种多auv系统及深海珊瑚探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308576A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347070A (zh) * | 2020-11-06 | 2021-02-09 | 北京石油化工学院 | 自主潜航器容迟探测系统及方法 |
CN113608169A (zh) * | 2021-05-20 | 2021-11-05 | 济南大学 | 一种基于序贯融合算法的多auv协同定位方法 |
CN115167485A (zh) * | 2022-06-23 | 2022-10-11 | 国家深海基地管理中心 | 一种自主水下航行器和载人潜水器的协同作业系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016038453A1 (en) * | 2014-09-12 | 2016-03-17 | Cgg Services Sa | Auv based seismic acquisition system and method |
CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
CN107677272A (zh) * | 2017-09-08 | 2018-02-09 | 哈尔滨工程大学 | 一种基于非线性信息滤波的auv协同导航方法 |
CN108663938A (zh) * | 2018-05-25 | 2018-10-16 | 哈尔滨工程大学 | 一种考虑通讯拓扑变换的uuv集群协调控制方法 |
CN108829126A (zh) * | 2018-05-25 | 2018-11-16 | 哈尔滨工程大学 | 一种考虑通讯延时的auv集群协调控制方法 |
CN108873894A (zh) * | 2018-06-11 | 2018-11-23 | 上海大学 | 一种基于多无人艇的目标跟踪协同控制系统和方法 |
CN109901598A (zh) * | 2019-04-08 | 2019-06-18 | 哈尔滨工程大学 | 基于随机模型预测控制技术的自主水下机器人路径跟踪方法 |
-
2019
- 2019-11-29 CN CN201911201387.6A patent/CN111308576A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016038453A1 (en) * | 2014-09-12 | 2016-03-17 | Cgg Services Sa | Auv based seismic acquisition system and method |
CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
CN107677272A (zh) * | 2017-09-08 | 2018-02-09 | 哈尔滨工程大学 | 一种基于非线性信息滤波的auv协同导航方法 |
CN108663938A (zh) * | 2018-05-25 | 2018-10-16 | 哈尔滨工程大学 | 一种考虑通讯拓扑变换的uuv集群协调控制方法 |
CN108829126A (zh) * | 2018-05-25 | 2018-11-16 | 哈尔滨工程大学 | 一种考虑通讯延时的auv集群协调控制方法 |
CN108873894A (zh) * | 2018-06-11 | 2018-11-23 | 上海大学 | 一种基于多无人艇的目标跟踪协同控制系统和方法 |
CN109901598A (zh) * | 2019-04-08 | 2019-06-18 | 哈尔滨工程大学 | 基于随机模型预测控制技术的自主水下机器人路径跟踪方法 |
Non-Patent Citations (2)
Title |
---|
程磊等: "基于通信的多移动机器人编队控制系统", 《华中科技大学学报(自然科学版)》 * |
赵宁宁等: "多自主水下航行器编队控制系统设计", 《火力与指挥控制》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347070A (zh) * | 2020-11-06 | 2021-02-09 | 北京石油化工学院 | 自主潜航器容迟探测系统及方法 |
CN112347070B (zh) * | 2020-11-06 | 2023-05-23 | 北京石油化工学院 | 自主潜航器容迟探测系统及方法 |
CN113608169A (zh) * | 2021-05-20 | 2021-11-05 | 济南大学 | 一种基于序贯融合算法的多auv协同定位方法 |
CN113608169B (zh) * | 2021-05-20 | 2023-08-25 | 济南大学 | 一种基于序贯融合算法的多auv协同定位方法 |
CN115167485A (zh) * | 2022-06-23 | 2022-10-11 | 国家深海基地管理中心 | 一种自主水下航行器和载人潜水器的协同作业系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zereik et al. | Challenges and future trends in marine robotics | |
CN111308576A (zh) | 一种多auv系统及深海珊瑚探测方法 | |
WO2019126755A1 (en) | Generating and classifying training data for machine learning functions | |
Kinsey et al. | Assessing the deepwater horizon oil spill with the sentry autonomous underwater vehicle | |
CN109765929B (zh) | 一种基于改进rnn的uuv实时避障规划方法 | |
Galceran et al. | Efficient seabed coverage path planning for ASVs and AUVs | |
US20220145756A1 (en) | Seafloor Harvesting With Autonomous Drone Swarms | |
US11650345B2 (en) | Autonomous surface and subsurface marine vehicle survey system, marine vehicle for same, and method of use | |
CN109857117B (zh) | 一种基于分布式模式匹配的无人艇集群编队方法 | |
Mondal et al. | Autonomous underwater vehicles: recent developments and future prospects | |
Agarwala | Monitoring the ocean environment using robotic systems: Advancements, trends, and challenges | |
CN110954965A (zh) | 一种多rov系统及浅水珊瑚探测方法 | |
Evans et al. | AUTOTRACKER: AUV embedded control architecture for autonomous pipeline and cable tracking | |
EP0772787B1 (en) | A system for underwater survey operations | |
EP3696078A1 (en) | A method and system for piloting an unmanned marine surface vessel | |
Yildiz et al. | State-of-the-art system solutions for unmanned underwater vehicles | |
CN115657683B (zh) | 一种可用于巡检作业任务的无人无缆潜水器实时避障方法 | |
Kapetanović et al. | A side-scan sonar data-driven coverage planning and tracking framework | |
Vedachalam et al. | Design considerations for strategic autonomous underwater swarm robotic systems | |
Goh et al. | Path planning for AUV area coverage mission based on MOOS-IvP | |
US20220365238A1 (en) | Submarine exploration system comprising a fleet of drones | |
Lowe et al. | Use of autonomous vehicles for tracking and surveying of acoustically tagged elasmobranchs | |
Acosta et al. | Some issues on the design of a low-cost autonomous underwater vehicle with an intelligent dynamic mission planner for pipeline and cable tracking | |
EP4095483A1 (en) | Bathymetric survey system and method | |
Casalino et al. | ISME research trends: Marine robotics for emergencies at sea |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |