基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

某型AUV运载器的定位方法与误差分析

传统AUV依靠水下惯性导航设备自主定位的方法无法实时进行水下信息感知和系统控制。水声定位是AUV定位导航技术的一个研究领域，可用于水下运动目标定位与导航、水下静止目标勘测等。本文分析阐述三种经典AUV定位方法，进一步研究AUV快速定位解算原理，论证影响AUV运载器在深海工作时产生的定位误差来源并进行仿真试验分析，最终将研究成果应用在目前现有某型AUV运载器上，实现自身水下定位、导航与远程遥控。     

面向AUV水下移动对接的实时路径规划方法

自主水下机器人(AUV)与移动对接平台之间的实时路径规划,是AUV与移动对接平台进行自主对接的使能技术之一。针对复杂动态环境下AUV与水下移动平台对接的实时性和终端姿态需求,研究了一种基于混合整数线性规划(Mixed Integer Linear Programming,MILP)的AUV与水下移动平台对接的实时路径规划方法。利用对障碍物约束、AUV本体约束进行相应的分析和线性化,根据多个对接阶段的需求设计了距离收敛、时间最优和姿态最优等不同的目标优化函数,建立了移动对接目标函数,形成相应的多约束线性规划模型,实现对AUV加速度优化,得到满足所有约束且目标函数最优的实时优化路径。最后,在充分考虑AUV实际的动力学模型下的仿真实验分析,验证了此方法的有效性。     

基于主从同步的欠驱动AUV与移动平台水下对接控制

许多应用场合要求水下自主航行器(AUV)与水下移动平台对接来实现能源补充和信息交换功能。针对欠驱动AUV与移动平台的水下对接问题,采用主从式同步跟踪策略,提出AUV接收目标的状态信息并控制自身位置与目标保持一致的控制方法,从而将AUV水下对接的问题转化为AUV与移动目标保持同步运动的问题。在给出移动目标和AUV的水平面线性化动力学模型基础上,设计了在常值海流影响下,欠驱动AUV同步跟踪由卡尔曼算法估计的目标运动轨迹的滑模控制器。使用Lyapunov稳定性理论证明了离散滑模控制器的稳定性,并使用仿真实验验证该控制方案的有效性。     

自主式水下机器人控制系统及声呐目标识别

[目的]为满足水下搜救、勘探、目标检测与跟踪等需求,[方法]针对研制的"探海I型"自主式水下机器人(AUV),利用其搭载的前视声呐开展目标识别试验,选取获取的运动目标图像中的典型帧进行目标检测和识别研究。阐述"探海I型"AUV的系统组成与工作原理。提出一种控制系统架构:以笔记本电脑配合水面控制箱为水面控制单元;以PC104工控板作为自动驾驶仪的主控单元;同时配备摄像头PC104板卡单独进行摄像头图像处理。采用三帧差分法检测声呐目标,并基于Hough变换的快速椭圆检测算法提取目标特征。[结果]湖上试验表明:研制的AUV运行可靠、正常,可满足水下工作的需求,声呐目标识别效果较好。[结论]该AUV控制系统架构和目标识别方法对于中、大型AUV的研制及视频、红外等其他领域的目标识别具有借鉴意义。     

面向水下搜救的自主水下航行器路径跟踪控制

对自主水下航行器（AUV）在执行水下搜救任务过程中遇到的三维路径跟踪控制和定点驻停问题进行研究。在固定坐标系和机体坐标系下建立AUV的运动学模型，引入流体坐标系，设计适宜进行运动控制的三维路径跟踪控制器，并在Serret-Frenet坐标系下建立AUV的路径跟踪误差模型；基于三维视距制导律控制设计AUV的三维路径跟踪控制器，在此基础上提出一种适于水下搜救工况的AUV路径跟踪控制方法，使AUV能完成对参数化路径的跟踪和在预设目标点的驻停；同时，基于李雅普诺夫稳定性原理证明该控制器的稳定性。仿真试验结果表明，设计的控制器有效，能实现对面向水下搜救的AUV路径跟踪控制。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

AUV水下对接装置的实现及试验

为实现自主式水下机器人(AUV)在水下进行能源补充,设计一种针对重型AUV的水下对接装置,采用直接接触充电方式,通过液压系统驱动首部推行机构、限位夹紧机构和水下插拔机构完成对接动作,模块程度高、充电效率高、数据传输能力强。其中AUV自身携带三角槽,通过定位销对三角槽的切向力以及轴向限位实现AUV六自由度姿态的校正,简单有效,而且降低了AUV入坞时的姿态要求。水池试验结果表明,该对接装置可稳定有效地调整AUV姿态,实现水下有线大功率充电,对接成功率高,工程应用价值高。     

水下机器人作业目标控制和目标识别

自主式水下机器人（ＡＵＶ）具有自主导航、自主避碰和自主作业能力，自主作业是水下机器人实现智能化的关键技术。本文着重叙述ＡＵＶ对特定作业－“水下目标探测与识别”的作业控制和实现过程，叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的预处理、硬件系统和实时处理功能。最后给出试验结果，说明作业目标控制过程和识别算法具有实时性、高效率和可靠性。     

基于自适应滤波器的AUV组合导航系统研究

为满足自主式水下航行器(AUV)应对水下复杂环境和水下高精度导航的需求,提出了捷联式惯性导航系统(SINS)、多普勒计程仪(DVL)、磁罗经导航系统(MCP)和地形辅助导航系统(TAN)的水下组合导航系统方案,设计了一种基于BP神经网络的自适应滤波算法,建立了卡尔曼滤波器的线性滤波方程和导航传感器的量测方程,根据数学模型进行仿真实验。仿真结果表明,导航传感器和基于神经网络的自适应滤波技术的应用大大提高了AUV的导航精度和自适应能力。     

基于浮力调节系统的AUV水底着陆策略研究

[目的]水底着陆是自主式水下机器人(AUV)实现水下长期潜伏、定点观测的一种手段,有利于更好地掌握海洋环境的变化。[方法]介绍基于油囊式浮力调节系统的作业型AUV的基本组成结构及主要功能,提出控制浮力垂直下潜着陆和航行下潜控制浮力垂直着陆这2种水下着陆策略,分析AUV目标点偏离、能耗和离底情况,并开展湖上着陆试验验证。[结果]试验结果表明,依靠该浮力调节系统,AUV能够在水下稳定着陆并安全离底;航行下潜控制浮力垂直着陆策略比控制浮力垂直下潜着陆策略更节省能源,且着陆目标点更为准确。[结论]因此,航行下潜控制浮力垂直着陆策略更符合未来实际应用的需求。     

基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

基于前视声呐图像的AUV目标识别与跟踪

声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。     

基于水下三维目标识别的视觉系统

基于水下三维目标识别的视觉系统是水下机器人实现水下自主作业和智能化的关键技术。本文叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的前处理，硬件系统和实时处理功能，最后给出试验结果，说明识别系统的高效率与可靠性。     

一种基于人工势场多AUV集群的实时避障方法

[目的]针对复杂水下环境中可能存在的多种障碍物,影响多自主式水下机器人(AUV)集群运动规划问题,提出一种基于人工势场的多AUV集群实时避障方法。[方法]首先,采用一种基于动态网络拓扑的编队方法,将AUV看作网络中的节点,通过设置势场函数来满足编队要求;然后,基于人工势场法对同时存在目标和障碍的区域建立势场函数,并将势场函数改进为指数函数,对AUV进行在线规划,实时完成多AUV集群避障的任务;最后,在Matlab软件中仿真设置10台AUV和6个障碍物进行仿真验证。[结果]仿真结果表明,采用该方法,AUV可以全部顺利地避开障碍物,准确到达目标点的安全区域。[结论]人工势场函数法可准确实现多AUV的实时避障,该技术的进步对提高军事作战能力具有重要的意义。     

全驱动型AUV三维路径跟踪控制系统设计及分析

[目的]为满足全驱动型自主式水下机器人(AUV)水下搜救、回收及海底地貌成像等实际任务需求,研究全驱动型AUV三维路径跟踪控制应用的方法。[方法]阐述自主研发的"探海I型"全驱动型AUV系统组成,研究并建立该AUV推进器、水平面和垂直面控制的数学模型,设计一种新颖的智能积分S面三维路径跟踪控制器,分析设计的控制系统的稳定性,并通过仿真及湖上试验进行验证。[结果]结果表明所开发的AUV运行可靠,设计的控制器能较好地完成三维路径跟踪任务,可满足水下实际任务的需求,[结论]其三维路径跟踪控制器对全驱动型AUV及其他领域的路径跟踪控制应用具有借鉴意义。     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

自主式水下机器人水下对接技术综述

自主式水下机器人(AUV)作为水面支持平台和海底空间站以及深海长期观测系统之间的重要纽带,其水下对接技术一直以来都是国内外的研究热点。在归纳、分析国内外AUV水下对接技术如水下箱(笼)式对接、机械手或载体辅助式对接、杆类引导对接、平台阻拦索式对接和喇叭口式引导对接技术的基础上,介绍各种AUV对接技术的实现方法和结构原理,以及对接技术的发展现状与趋势。并针对目前应用较为广泛的喇叭口式引导对接方式,详细介绍一种针对重型AUV的水下对接系统。经试验验证,该系统模块化强,对横滚姿态要求低,适用于多种尺寸AUV,对接系统的对接成功率高。所做工作可为今后AUV水下对接技术的发展提供参考。     

水下机器人基于侧线机理对目标感知方法的研究

为实现自主水下机器人(AUV)对流场环境的感知,提高其环境自适应能力,根据鱼类侧线感知机理,对复杂流场环境中水下目标的感知方法进行研究。文章通过计算流体力学(CFD)对水下目标体(圆形、三角形和正方形)在均匀流场中产生的扰动流场进行分析,提取一种流场环境中确定位置处的压力信号作为识别信息数据库,训练并建立支持向量机(SVM)模型。通过采集不同位置和不同流场环境中的流场信号对目标体的种类进行识别,结果表明采用8阶及以上的多项式核函数,可以对不同流场环境中的目标体种类进行有效识别,侧线相对目标体的位置对识别精度影响不大;同时通过侧线压力系数波形中的特征值,对目标体的位置进行定量分析,得到不同目标体的位置定位公式,并对其适用的流场环境范围进行了限定说明。结果证明,所提出的基于流场信息进行水下目标感知的方法具有可行性,为了解侧线作用机理和工程化应用提供了一种新思路。