多水下机器人协调控制研究

发布时间：2020-05-18 17:43

【摘要】：自主水下航行器(Autonomous Underwater Vehicle,AUV)由于其活动范围广、灵活性好、自动化程度高等优势,在海洋资源探索及军事领域受到广泛应用。随着任务复杂度的增加,单个AUV已无法满足工作需要。相比于单个AUV,多AUV系统通过单AUV间的协调并行完成复杂任务,大大提高了任务完成效率。因此,多AUV协调控制研究成为AUV控制问题研究的主要方向之一。本文以多AUV海底地形勘察为应用背景,针对多AUV协调控制问题,对多AUV系统体系结构、任务分配及编队控制进行研究。多AUV系统体系结构是多AUV协调控制的基础。本文在分析多种体系结构的基础上,为满足系统自主性和协调性的要求,设计了一种面向多水下机器人协作系统的分层式体系结构。以多区域地形勘察为应用背景,建立了多AUV系统任务分配模型。该模型从实际出发,考虑AUV航行时需要改变速度以及进行转弯等操作,建立AUV速度、能耗模型,并在此基础上构造能量消耗函数,将能量消耗函数和航程距离函数组成性能指标函数作为多AUV任务分配的优化指标。针对多AUV任务分配问题,提出了一种基于改进蚁群算法的最优任务分配算法。改进的蚁群算法设计了任务执行能力的蚂蚁选择方法、综合代价的启发函数以及全局动态的信息素更新方式,由此提高了算法的自适应和全局搜索能力,并在局部搜索中通过2-opt算法加快了最优解收敛速度。Matlab仿真结果表明,改进的蚁群算法可以有效提高任务分配的效率,并使分配方案在能源消耗和航程距离之间保持良好均衡。针对未知环境下多AUV队形形成问题,设计了基于粒子群算法(Particle Swarm Optimization,PSO)的多水下机器人队形形成算法。根据基本行为的优先级设计了奔向目标函数、队形误差函数、避碰惩罚函数、避障惩罚函数,通过加权构成适应度函数。为适应未知环境,将PSO算法与滚动规划结合,以滚动方式优化各机器人每步的运动向量。Matlab仿真结果表明,在未知环境下可以快速形成期望队形。针对未知环境下多AUV编队控制问题,设计了基于PSO的多水下机器人队形控制算法。算法根据滚动窗口内的局部环境信息对子目标的权值和粒子飞行方向或编队形状进行调整,实现队形保持及队形变换等控制策略。Matlab仿真结果表明,算法对未知环境有很好的适应性。
【图文】：

麻省理工学院

1.2 国内外研究现状和水平1.2.1 国外水下机器人研究现状多 AUV 系统研究的主要问题是如何实现各 AUV 之间的协调。它是 AUV 技术重点研究问题之一。多 AUV 系统由多个相对结构简单的单个 AUV 构成，各 AUV 相互合作完成水下作业任务。海底环境的不确定性为多 AUV 的协调控制研究[3]带来极大的困难。目前，在研发和应用多种 AUV 方面，美国、日本以及西欧等国起步较早，处世界前列。鉴于 AUV 具有广阔的应用前景，许多国家都设有独立的研究机构，下介绍国外代表性的多水下机器人研究项目：（1）麻省理工学院研发了自主水下机器人 Odyssey 及 Reef Explorer，Odyssey 为 2.15m，重 140kg。他们将多 AUV 组成自治式海洋采样网络(AOSN)，，该网络通过星与地面计算机传递数据来给海洋气象提供实时数据；在执行海底地形探测任务时科研人员将多个 AUV 放置在海底的不同区域，机器人间以协作方式进行探测[4]。

美国海军,研究生,学院

图 1.2 美国海军研究生学院研发的 Aries 及 RemusFig.1.2 Aries and Remus developed by the United States Navy Graduate School（3）东京大学成功地研发了 r2D4、TWIN-BURGER 等多种用途的自主水下除了对 AUV 的导航、故障诊断及数据融合等方面进行研究，还研究了多机协作，每个机器人通过传感器探测的信息与其它机器人个体交互。为了测试实际效果，科研人员开发了仿真软件。最终实验表明研究的协作方法能有效AUV 间的协调。
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP242

【参考文献】