无人船艇的发展及展望

近年来,无人船艇受到越来越多的关注。对无人船艇的基本概念、发展历程、研究中涉及的关键技术、应用前景和发展趋势等问题进行综述。鉴于无人船艇在应用方面的广阔前景,特别是随着通信技术、人工智能等新技术、新理念的迅速发展,无人船艇的研究有了科技支撑。在未来,无人船艇有可能带来航运业的革命,改变航运业的面貌。谁站在技术的前沿,谁就有可能成为相关巨大市场的孕育者和占有者。     

基于差动和自主转向协调的分布式驱动无人车轨迹跟踪EI北大核心CSCD

分布式驱动无人车能通过差动转向和原有自主转向的共同作用保证车辆的轨迹跟踪。在2自由度车辆动力学模型基础上,基于模型预测控制算法,提出预瞄时间自适应的轨迹跟踪方法,以满足转弯和直行工况的预测要求;考虑分布式驱动无人车构型特点,基于参考横摆角,采用左右两侧驱动轮转矩差动控制,能在保证无人车总体转矩需求不变的情况下实现轨迹跟踪。为综合上述两种方法的优点,提出了利用设置权重的方法对自主转向和差动转向轨迹跟踪进行协调控制,并进行了Matlab与Car Sim的联合仿真和实车实验验证。结果表明,协调控制有效改善了转向的响应速度和灵活性,同时提高了无人车轨迹跟踪的可靠性和准确性。     

复杂海域水下无人航行器航位推算算法优化

针对当前水下无人航行器航位推算算法存在误差大、工作效率低等不足,设计一种性能优异的复杂海域水下无人航行器航位推算算法。首先分析当前无人航行器航位推算算法的研究现状,找到引起各种无人航行器航位推算算法不足的因素,然后收集无人航行器航位推算数据,结合复杂海域水下无人航行器航位的随机变化特点,引入遗传算法优化支持向量机设计无人航行器航位推算模型,最后与其他无人航行器航位推算算法进行对比实验。结果表明,本文算法可以适应复杂海域水下无人航行器航位的变化特点,提高无人航行器航位推算精度,无人航行器航位推算速度快,获得比对比算法整体性能更优的无人航行器航位推算结果,具有十分明显的优越性。     

多任务约束条件下基于强化学习的水面无人艇路径规划算法

本文提出一种多任务约束条件下基于强化学习的水面无人艇路径规划算法。利用灰色预测进行区域建议,提升神经网络检测连续视频帧中水面目标的速度和准确率,进而提高了路径规划环境建模的准确性。基于Q_learning算法进行在线训练,完成多任务约束条件下的无人艇路径规划。针对Q_learning算法在多任务约束条件下收敛较慢的问题,提出了一种基于任务分解奖赏函数的Q_learning算法。通过仿真试验,验证了在多任务约束条件下,采用强化学习进行路径规划的可行性,并通过实物试验,验证了该算法能够满足实际要求。     

基于边缘计算的水面无人艇通信数据分发机制

为了提高水面无人艇(Unmanned Surface Vessel,USV)通信的实时性和数据分发效率,本文提出一种基于边缘计算的无人艇通信数据分发机制(Communication Data Distribution Mechanism,CDDM)。首先,本文设计了一种基于边缘计算的USV通信架构,解决了多USV与多边缘服务器接入与匹配问题。其次,该方法通过最优数据分发和最优压缩数据逐步提高网络实时性,采用贪婪算法对数据压缩率构建的最优数据分发方程进行求解,得到全局最优数据压缩率和最优数据分发矩阵。仿真实验结果表明,CDDM比传统云计算机制的实时性更好。与现有2种先进算法相比,提出的CDDM在实时性和信息交付均有较大提升。因此,本文提出的算法具有更好的USV通信数据分发能力。     

无人船在海洋调查领域的应用分析与思考

基于无人船机动灵活、安全性高、可在常规调查平台受限的水域作业的特点,将其引入海洋调查领域,作为一种新型调查平台使用。海洋调查无人船主要用于海洋环境观测和海底探测,目前其发展的关键在于如何降低平台对任务载荷的扰动,保证循线精度,提高通信系统的可靠性。根据水深、水动力和水底地形地貌等条件,将无人船工作环境分为岛礁区、滨海区、浅海区、半深海区和深海区5类;结合作业环境,以无人船的体量和吃水深度为依据,建议将其分为微型平台、小型平台、中型平台、大型平台和超大型平台,并对适配任务载荷作出分析。