基于卷积神经网络的AUV水下识别系统

为实现自主式水下机器人(Autonomous Underwater Vehicle, AUV)水下自主识别,搭建AUV硬件系统。通过OpenCV和Tensorflow,在LeNet-5卷积神经网络的基础上,利用13层卷积神经网络进行100次迭代训练试验。结果表明,该基于卷积神经网络的AUV水下识别系统的水下目标识别准确率能达到99.18%,能实现AUV对水下目标的自主识别。     

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。     

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。     

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。     

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。     

一种新型水下机器人的研究与开发

详细介绍了一种全新概念的水下机器人-ARV(Autonomous& Remotely-operated Vehicle).它综合了遥控水下机器人(ROV)和自治水下机器人(AUV)的优点,既可以像AUV一样依靠预设指令进行自主巡航来完成大范围搜索探测任务,又可以像ROV一样,通过水面遥控完成精细作业.ARV最显著的特点是用微细光缆取代了传统的脐带电缆,使水下机器人更具长距离、大深度、实时操作、机动灵活及高可靠性等特点.着重阐述其研究背景、关键技术、实物样机的研制及其发展的重要意义.     

基于改进蚁群算法的多自主式水下机器人任务分配

[目的]以多自主式水下机器人(MAUV)执行海底地形勘察任务为背景,提出一种基于改进蚁群算法的MAUV最优任务分配算法。[方法]首先,建立任务分配问题模型;然后,针对基本蚁群算法进行改进。改进的蚁群由多个子群组成,通过对任务执行能力蚂蚁的选择方法、启发函数和全局信息素更新方式进行改进,以此提高算法的自适应能力和全局搜索能力,并在局部搜索中通过2-opt算法进一步加快最优解的收敛速度。[结果]Matlab仿真结果表明,改进的蚁群算法可以有效提高MAUV的任务分配效率,从而快速地平衡航行距离和能耗代价。[结论]研究成果可为MAUV海底地形勘察任务分配提供参考。     

一种基于双模型的低成本多AUV协同定位方法

[目的]针对多自主水下航行器(AUV)上装备的惯性导航系统(INS)和多普勒速度计程仪(DVL)失效或未配备的情况,结合传统的扩展卡尔曼滤波(EKF)估计,提出一种基于双模型的协同定位方法。[方法]建立相对运动模型和双领航状态空间模型,通过水声通信,利用相对运动模型估计跟随AUV的速度信息,再应用双领航模式的多AUV协同定位状态空间模型,进一步提高协同定位系统的鲁棒性和准确性,利用海试数据进行半实物仿真验证。[结果]结果表明,基于双模型的主从式多AUV协同定位方法,能够在跟随AUV上没有INS和DVL的情况下,实时估计跟随AUV的位置。[结论]该方法能够保障协同定位系统定位精度在允许的范围内,降低多AUV协同定位系统的成本。     

智能自主式水下航行器技术发展研究

自主式水下航行器(AUV)具有自主性、隐蔽性、环境适应性、可部署性和高效费比等优点,被广泛应用于民用、军用和商用等领域.智能化是目前AUV技术的研究热点,智能AUV具有更先进的"智能"技术,能够极大地拓展海上无人装备的任务范围,提高作业能力.结合典型智能AUV设备,对近年来智能AUV的发展现状进行阐述,对智能AUV的关...     

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。     

马尔科夫理论在无人系统中的研究现状

随着人工智能技术的发展,无人系统面临的任务愈发复杂,通常要求系统在未知环境下自主完成给定任务。为了解决无人系统在未知及不确定性问题方面的规划与决策,可以利用马尔科夫理论进行建模与估计,解决在无人平台中任务决策与规划、目标跟踪与识别,以及平台系统间通信等复杂问题。分别介绍马尔科夫理论在无人机(UAV)、无人车(UGV)以及自主式水下机器人(AUV)中的研究进展以及应用现状,指出当前存在的问题,并展望未来的发展趋势和研究热点。     

近壁面水动力干扰下的AUV运动控制研究

按自治式水下机器人(AUV)需要接近水下工作站并实现坐落的要求,依据平壁面对AUV水动力干扰的力学机理,建立了AUV在平壁面附近运动时的数学模型,并设计了五个自由度运动PID控制器.在海流影响下,通过系统仿真,实现了AUV的五自由度运动控制和准确坐落,仿真结果验证了控制策略的可行性.     

基于模型融合的自主潜器推进系统故障诊断

采用对自主潜器(AUV)的全局状态模型与推进器局部模型融合的方法,实现对水下机器人推进系统的实时故障诊断.在诊断过程中,对AUV的特征状态参数进行残差信息融合,提出了故障诊断准则,保证了故障诊断的可靠性;并以仿真试验验证了该方法的有效性.     

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。     

自主式水下航行体模块化设计关键技术

针对自主式水下航行体(AUV)柔性化设计问题,通过对国外AUV研制技术的分析,突破了传统的按分系统进行设计的模式,提出了面向AUV族的模块化设计及其关键技术.该技术的提出对促进我国AUV发展以及全面提高我国AUV研制水平具有一定的指导意义.     

自主水下航行器同时定位与制图技术研究

为解决自主水下航行器(Autonomous Underwater Vehicle,AUV)的精确导航与探测问题,采用同时定位与制图(Simultaneous Localization and Mapping,SLAM)算法为核心,根据捷联式惯性导航设备(SINS)与AUV声呐组合的数据信息,采用扩展卡尔曼滤波器(EKF),研究一种基于惯性传感器与声呐的AUV定位与地图构建算法,对水下环境的EKF-SLAM算法进行仿真试验验证。仿真结果表明,经2次探测后,AUV定位精度获得较大提高,能够较好地完成AUV的水下导航、定位与探测任务。     

基于单目直接法的水下视觉惯性里程计方法

为将视觉惯性里程计(VIO)有效地应用到水下场景中,提出一种适用于自主水下机器人(AUV)执行近距离作业任务时的水下VIO.针对水下环境中缺乏角点以及存在大量重复特征的特点,该系统在视觉部分使用了基于直接法的数据关联方式,在特征点提取过程中将像素点的梯度模作为特征提取的标准;为保证提取出足够多且有效的特征点,采用动态调...     

欠驱动AUV的运动控制技术综述

欠驱动水下机器人由于在减轻系统质量、节约成本和能耗以及提高系统可靠性等方面的优点日益成为研究的热点。尤其是在水下机器人在海洋能源开发中发挥着不可或缺作用的今天,利用少于位形空间维数的控制输入控制欠驱动系统的运动具有非常重要的现实意义。结合水下机器人自身的运动特性,归纳了欠驱动AUV的控制特性,包括本质非线性、欠驱动特性、可控性、约束特性、平衡点特性等。综述了目前欠驱动AUV运动控制技术的主要研究成果,主要包括镇定控制和跟踪控制,并对今后欠驱动AUV的理论与应用发展方向进行了展望。     

基于EKF的AUV协同定位方法仿真与验证

自主水下航行器（AUV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径,研究了单领航艇的主从式多AUV基于扩展卡尔曼滤波（EKF）算法的协同到导航定位问题。AUV协同定位时,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部配有测距装置,舰艇间是通过通信装置来交换自身位置和状态信息并同时测量通信双方的相对距离,通过信息融合对自身定位进行修正,利用EKF算法对系统中传感器所传递信息进行融合,对从AUV进行实时定位。通过仿真验证此算法可以显著提高导航定位精度。