自治水下机器人一种新型非接触充电模式应用探讨
水下机器人技术的应用与发展趋势
水下机器人技术的应用与发展趋势随着科技的不断发展，水下机器人技术已经逐渐成为了未来探索海洋、开发海洋资源、保护海洋环境等领域的重要工具。
本文将从水下机器人技术的概念、应用场景、技术特点、发展趋势等多个方面进行探讨。
概念解析水下机器人，又称为水下无人机，是一种在水下进行勘探、观测、维修等任务的机器人。
其优势在于可以在人类无法到达的水下环境中执行操作，且不受水压和水温等影响。
水下机器人分为有线控制和自主运行两种。
有线控制的机器人需要通过电缆与地面的操控设备相连，而自主运行的机器人则可以自己判断并执行任务。
应用场景水下机器人在海洋勘探、海底考古、海洋环境监测等方面有广泛应用。
在石油、天然气开发方面，水下机器人可以在海底巡检和维护井口设备，还可以在海底进行探测和勘探工作。
在海底考古方面，水下机器人可以通过各种传感器进行数据采集和图像记录，帮助研究者理解古代文明的历史和文化。
在海洋环境监测方面，水下机器人可以监测海底的地形、地质活动、水文和生物等情况，帮助科学家更好地理解海洋和生物之间的相互作用。
此外，水下机器人还可以用于海洋生态修复、农业、水产养殖、水下采矿等多个领域。
技术特点水下机器人技术有着自身的特点，具体包括以下几个方面。
(1) 远距离控制: 由于水下机器人工作环境的特殊性，远程控制成为其主要的操控方式。
远程控制需要通过有线或者无线通讯实现，通讯性能和可靠性的提升将会直接影响到水下机器人的应用效果。
(2) 高强度材料: 水下机器人工作在水下高压和海流等较复杂环境下，需要具备承受外力作用的能力。
因此，在水下机器人相关的材料制备和结构设计中，需要采用高强度、高韧性、耐腐蚀的材料。
(3) 精密测量技术: 在水下机器人处理读取传感器数据的过程中，需要有较高的测量精度和信噪比。
目前，水下机器人采用的测量技术主要包括声纳、激光雷达和摄像头等。
发展趋势随着水下机器人技术的不断进步和发展,其应用范围将会越来越广泛。
水下机器人的自主控制技术研究
水下机器人的自主控制技术研究一、概述自主控制是指机器人的控制系统能够自主地进行决策和执行任务，不需要人类的直接干预。
水下机器人的自主控制技术是指将其应用到水下环境中的机器人，使其能够更好地进行水下探测和作业。
水下机器人的使用范围很广，可以用于海洋环境的勘测、石油开采、海底管道的维护等领域。
水下机器人的自主控制技术的研发和应用是海洋科学技术的重要组成部分。
二、水下机器人的自主控制技术发展水下机器人的自主控制技术目前还处于发展初期，自主控制的应用范围也比较有限。
在传统的控制方式下，水下机器人需要人类通过遥控器控制它们的运动和进行任务，这种方式虽然可行，但受到了许多因素的限制，如通信距离、水下环境的复杂性等。
因此，发展水下机器人的自主控制技术显得越来越重要。
水下机器人的自主控制技术发展主要集中在以下几个方面：1. 传感技术传感技术是水下机器人自主控制技术的重要组成部分。
目前，水下环境传感技术比较成熟，可以获取到水下环境的各种参数，如水温、盐度、流速、水深等。
这些数据可以帮助机器人做出更好的决策，并更好地适应水下环境。
2. 自主决策系统自主决策系统是指机器人能够自主进行任务安排和决策的系统。
通过对水下环境的感知，机器人可以判断当前环境下最适合的任务，并进行相应的决策。
3. 智能算法智能算法可以帮助水下机器人更好地进行自主控制。
例如，通过使用强化学习算法，机器人可以通过试错来学习最优的控制策略。
三、水下机器人的自主控制技术研究进展目前，水下机器人的自主控制技术研究已经有了不少进展。
1. 中控系统的升级中控系统是指机器人的控制系统，负责机器人的任务分配和控制。
随着技术的进步，中控系统已经得到了升级，可以更好地支持自主控制技术。
2. 构建水下机器人的自主决策系统研究人员已经开始构建适合水下机器人的自主决策系统，这个系统能够根据机器人所处的环境来决定机器人的最佳行动方案。
3. 智能算法在水下机器人的自主控制中的应用智能算法是目前水下机器人的自主控制技术中的一个重要组成部分。
小型自主水下机器人运动控制系统设计与实现的开题报告
小型自主水下机器人运动控制系统设计与实现的开题报告一、选题背景与意义随着科技的不断发展，水下机器人的应用越来越广泛。
现代水下机器人分为远程无人水下机器人和近程有人水下机器人两种。
近程有人水下机器人是指搭载有人工控制系统的机器人，由人工遥控实现机器人的运动控制。
但是这种方式存在一些弊端，如操作受限、效率低下、安全隐患等。
因此，自主水下机器人的研究和应用具有重要意义。
本课题旨在设计和实现一种小型自主水下机器人运动控制系统，提高水下机器人的智能化、自主化水平，为水下探测、维修、救援等领域提供技术支持。
二、研究内容本课题的主要研究内容包括以下方面：1. 自主水下机器人运动控制系统的设计与实现；2. 机器人运动控制算法的研究与优化；3. 机器人传感器数据的采集与处理；4. 远程控制系统的设计与实现。
三、研究方法和步骤1. 系统架构设计：设计自主水下机器人的硬件框架和软件架构，确定运动控制系统的组成部分；2. 运动控制算法研究：研究机器人运动控制的算法，根据机器人的运动状态及周围环境信息实时调整机器人的运动轨迹，以实现自主运动；3. 传感器数据采集与处理：选取合适的传感器，采集并处理数据，提取有用信息；4. 远程控制系统设计：设计远程控制系统，实现对机器人的远程遥控和监控。
四、预期目标和研究意义本研究的预期目标是完成小型自主水下机器人运动控制系统的设计与实现，以提高水下机器人的智能化、自主化水平，为水下探测、维修、救援等领域提供技术支持。
本研究的意义在于：1. 探索水下机器人自主运动的方法和技术，提高机器人自主化水平；2. 提高水下机器人在水下领域的应用能力，扩大其应用范围；3. 推动自主水下机器人技术的发展和创新。
五、拟解决的关键问题本研究拟解决的关键问题包括：1. 如何实现机器人的自主运动，如何控制机器人的运动轨迹；2. 如何选择适合水下环境的传感器，如何采集并处理传感器数据；3. 如何设计远程控制系统，实现远程遥控和监控。
国内外水下无人机应用研究
国内外水下无人机应用研究近年来，随着科技的不断发展，水下无人机的应用也越来越广泛。
无人机可以在水下执行各种任务，如水下勘探、测量、机械维护等，为人类的生产、生活带来了诸多便利。
本文将重点介绍国内外水下无人机的应用研究现状。
一、国内水下无人机应用研究我国自2008年开始研发水下无人机，短短10年间，水下无人机得到了长足的发展。
目前，在国内已经有多家企业研发生产水下无人机。
1、水下考古水下考古是水下无人机应用的一大领域。
以中山舰水下考古为例，浙江贝格科技公司研发的“深蓝号”水下机器人成功为该次水下考古提供了有力支持。
该机器人采用自主控制技术，可承担自主巡航、自主取样和自主处理证据等任务。
2、海洋勘探海洋是人们了解地球历史和人类发展的宝库，而海底深入广阔，传统的勘探方式并不能完全满足需要。
水下无人机的推出填补了这一空白。
我国的20余家企业研发的数十款水下无人机，都可以执行海洋勘探等相关任务。
3、防灾抢险防灾抢险是水下无人机又一重要的应用领域。
在灾难发生后，水下无人机可以快速进入水中，搜救被困人员或者检测灾害情况，为后续的救援工作做好充分准备。
例如，2018年厦门市出现水库泄漏事件，厦门市水务局通过无人机搜救，成功找到被困人员并成功抢救。
二、国外水下无人机应用研究随着海洋开发程度的提高，国外对水下无人机应用研究也十分重视，美国、日本、韩国、欧盟、加拿大等国家均有不少于5家以上的企业在此领域中进行研究和发展。
1、商业勘测水下无人机在商业勘测中也有广泛应用。
有些企业利用无人机搜寻探测海底的石油和天然气资源；还有一些企业将其应用于深海旅游，并为游客提供最佳的海底游览服务。
2、海洋环境监测水下无人机的环境监测使用较为广泛，可以为科研人员提供更多的信息。
例如，美国旧金山的Farallon反潜警戒网络，就采用了水下无人机进行水下热量监测和海流测量。
3、深海工程由于传统的海底运营成本高昂，深海平台维护困难，因此在深海工程中使用水下无人机的趋势也逐渐加强。
水下机器人应用场景_概述及解释说明
水下机器人应用场景概述及解释说明1. 引言1.1 概述水下机器人作为一种高科技装置，具备在水下环境中执行各种任务的能力。
随着科技的不断进步和人类对深海及海洋资源的需求不断增加，水下机器人应用场景变得愈发重要。
本文将对水下机器人应用场景进行全面概述和解释。
1.2 文章结构本文主要分为五个部分。
引言部分是本篇文章的开端，介绍了水下机器人应用场景的重要性以及文章的结构。
接下来，第二部分将详细阐述水下机器人应用场景的重要性，包括研究与探索海洋深处、海洋资源勘探与开发以及海底建设与维护等方面。
第三部分将聚焦于水下机器人在科学研究领域中的应用，包括生物学研究、地质学研究以及环境监测与气候变化研究等方面。
第四部分将重点关注水下机器人在工业领域中的应用，如石油与天然气开采及输送管道维护、港口和海事安全监测维护以及海洋能源开发利用与海上风电场建设维护等方面。
最后，结论部分将总结水下机器人应用场景的概述和重要性，并展望其未来发展方向和挑战，并提出对水下机器人应用场景的进一步研究和改进建议。
1.3 目的本文旨在全面介绍水下机器人应用场景，并强调其重要性。
希望通过对水下机器人在科学研究和工业领域中的应用进行解释说明，提高读者对水下机器人技术的了解，并为进一步研究和应用提供参考。
此外，本文还将展望水下机器人未来可能面临的挑战并提出相应建议，以推动水下机器人技术的发展。
2. 水下机器人应用场景的重要性2.1 研究与探索海洋深处水下机器人在研究与探索海洋深处方面发挥着重要作用。
传统人类潜水员面临的极高风险以及受限的工作时间和能力限制了对深海的深入探索。
而水下机器人则能够代替人类进入深海，进行更加安全和精确的科学调查和数据采集。
它们可以承担测量海水温度、盐度、含氧量等环境参数的任务，收集关于海洋生物、地理地质等信息，并帮助科学家在未知领域做出新发现。
2.2 海洋资源勘探与开发水下机器人在海洋资源勘探与开发中扮演着重要角色。
随着陆地上资源逐渐枯竭，利用并开发海洋资源成为当代社会可持续发展的重要选择之一。
水下机器人技术的应用与发展
水下机器人技术的应用与发展水下机器人技术是一门重要的技术领域，随着科技的不断进步，水下机器人已经被广泛应用于海洋科学、水下工程、环境监测、海洋资源开发等领域。
本文将探讨水下机器人技术的应用现状和未来的发展趋势。
一、水下机器人技术的应用现状目前，水下机器人技术已成为海洋勘探、深海研究和资源开发的重要工具。
水下机器人通常采用自主控制技术，可以在水下自主运动，执行各种任务。
因此，它可在多种环境下工作，包括水下油气开采、观测海底生物、进行深海勘探，以及检测污染物、监测海洋环境变化等。
1. 水下油气开采水下机器人在石油工业中已得到广泛应用，特别是在水下油气开采方面。
由于人类无法直接进入水下井口进行开采作业，需要依靠水下机器人完成工作。
水下机器人可以搭载各种工具和传感器，进行水下维护和控制，解决了人类在水下开采作业中的技术难题。
2. 海洋科学和深海研究水下机器人技术在海洋科学和深海研究方面也有着重要的应用。
水下机器人可以搭载多种传感器，监测海水中的温度、盐度、光照等参数，进行海洋科学研究。
同时，水下机器人还可在深海环境中运行，探测海底热泉、海底地形和深海生物等信息，为深海生态系统研究提供了关键的技术支持。
3. 水下环境监测水下机器人在水下环境监测中也有广泛应用。
水下机器人搭载各种传感器和检测仪器，可以对水下环境进行快速、高精度、连续的测量和监测。
这有助于准确地掌握水下环境变化，保护海洋生态环境，及早发现并预防水下灾害事件。
4. 海洋资源开发随着海洋资源日益短缺，水下机器人在海洋资源开发中也发挥了关键作用。
水下机器人可在海底寻找贵重矿产、沉积物、天然气、海藻等资源，帮助人类深入了解海底资源的分布和维护海洋资源可持续发展。
二、水下机器人技术的发展趋势随着科技的不断进步，水下机器人技术发展迎来了更多的机遇和挑战，下面我们将探讨水下机器人技术未来的发展趋势。
1. 智能化和自主化水下机器人未来的发展趋势是智能化和自主化。
水下机器人的通信与控制技术研究
水下机器人的通信与控制技术研究随着人类对未知海洋深度的探索逐渐深入，水下机器人作为一种独特的工具被广泛应用于海洋考察、生态监测、资源开发以及军事侦察等领域。
水下机器人的通信与控制技术是其顺利完成任务的关键，本文将围绕这一主题进行探讨。
一、水下通信技术的发展传统的水下通信方式主要是基于声波的通信，但其容易被水流、水声等因素影响，且传输速度较慢，适用范围较窄。
为了满足水下机器人的高速、长距离、高可靠性的通信需求，近年来除了超高频无线电和红外通信外，主要发展了以下几种新型水下通信技术：1. 激光通信技术激光通信是近年来发展较快的通信技术之一，其优点是传输速度快、抗干扰性强、适用于长距离通信。
实际应用中需克服激光容易受水流强度、颜色、浑浊程度等影响的问题。
2. 磁电感应通信技术磁电感应通信技术的工作原理是通过在两个短距离圆柱体之间通过交替激活功率线圈产生交变电磁场信号，将信息通过这种方法传输出去。
该技术具有传输速度快、抗噪声干扰能力强、适用范围广等优点。
3. 电磁波通信技术电磁波通信的实现方式有很多种，其优点是传输速度快、抗干扰能力强、适用范围较广；缺点是设备成本较高、能耗大、难以实现超高通信容量。
二、水下机器人的控制技术水下机器人常用的控制技术有纯手动控制、半自动控制、全自动控制等。
随着互联网、人工智能等技术的发展，水下机器人的自动控制技术得以不断提高。
目前，水下机器人的主要控制技术包括如下几种：1. 数字控制技术数字控制技术主要是通过对水下机器人系统的建模和仿真，进行数学分析以及物理控制，实现机器人的精确、稳定地控制。
2. 模糊控制技术模糊控制技术运用模糊逻辑理论构建规则库，加入伦理变量以达到机器人的自适应和自主控制目的。
该技术具有适应性强、自主性好等优点。
3. 神经网络控制技术神经网络控制技术通过构建感知器、网络单元、学习算法等实现机器人的智能控制。
该技术具有学习能力强、自适应性强、容错率高等优点。
水下机器人技术的应用与发展趋势
水下机器人技术的应用与发展趋势随着科技的不断发展，水下机器人技术越来越受到人们的关注和重视。
水下机器人是一种能够在水下自主运行的机器人，具有深入极深海域进行科学探索、海底资源勘探和海洋环境监测等多种应用。
本文将从水下机器人的定义和分类、应用领域与技术特点、市场需求和发展趋势等方面来进行探讨。
一、水下机器人的定义和分类水下机器人是指在水下自主运行的机器人，主要由机体、传感器、控制系统等部件组成。
按照不同的分类方法，水下机器人可分为不同的类型，如按照能源来源不同，可分为自主供能和非自主供能两类；按照载人与否，可分为载人和无人两类；按照工作深度不同，可分为浅水、深水和深海三类等。
二、应用领域与技术特点水下机器人的应用领域非常广泛，主要包括海洋科学研究、海洋资源勘探、海底地质与地形研究、海洋环境监测、海底救援与搜寻等多种领域。
在海洋科学研究中，水下机器人可用于收集海洋数据、自动化水样采集和水下声纳探测等方面，为科学家提供了非常优秀的研究工具；在海洋资源勘探中，水下机器人可用于石油勘探和深海矿产勘探等方面，为资源开发和研究提供了便利；在海底地质与地形研究中，水下机器人可用于对海底地形进行3D模型的生成和纷繁复杂的岩石结构进行三维成像等方面，大大提高了相关领域的研究效率；在海洋环境监测和海底救援与搜寻方面，水下机器人也具有重要的应用价值，可帮助人们对海底环境进行全方位的监测和救援搜寻等方面，非常有利于人们的生命安全保障。
水下机器人技术的主要特点包括：适应性强、夜间工作、自主运行、可编程控制、操作灵活、数据处理速度快、多模块化等。
这些特点使得水下机器人更加便捷地与海洋环境进行交互和运作，大大提高了其的工作效率和工作范围。
三、市场需求和发展趋势随着我国海洋事业的蓬勃发展，水下机器人的应用需求也越来越高。
作为世界上最长的海岸线国家，我国拥有丰富的海洋资源和辽阔的海域，这些都将为水下机器人的应用提供广阔的空间。
水下机器人应用市场前景非常广阔，相关领域是未来的重要发展方向。
一文看懂水下机器人的发展及应用
一文看懂水下机器人的发展及应用水下机器人（Underwater Robot）是指能够在水下环境中进行工作和行动的机器人。
随着科技的不断发展，水下机器人在海洋资源开发、环境监测、海洋科学研究、维修、救援等领域得到了广泛应用，并取得了一系列的成果。
本文将就水下机器人的发展历程以及其应用进行简要介绍。
水下机器人的发展始于20世纪60年代。
当时，水下机器人主要被用于军事目的，如潜艇的敌对水下活动监测。
此后，水下机器人的应用逐渐扩展到了科学研究与商业领域。
1985年，美国海军研究办公室（ONR）开展了水下机器人技术的研究与开发计划，推动了水下机器人的快速发展。
随着计算机技术、传感器技术和通信技术的进步，水下机器人的功能和性能得到了极大的提高。
水下机器人的应用领域非常广泛。
在海洋资源开发方面，水下机器人可以进行海底油气资源勘探、海底矿产资源调查与开采等工作，大大提高了资源开发的效率和安全性。
在海洋科学研究领域，水下机器人可以进行水下生物调查、海底地形测绘、海洋环境监测等工作，为科学家们提供了大量的珍贵数据。
在航道维护与救援领域，水下机器人可以进行船体检查与维护、海底障碍物清除、海上救援行动等工作，提高了航道安全性和救援效率。
除了上述领域，水下机器人还被广泛应用于海底考古、水下考古、海洋文化遗产保护等工作。
通过水下机器人的使用，考古学家和文物保护专家可以更好地保护和研究海洋文化遗产，探寻历史的未知。
水下机器人的发展还面临一些挑战。
首先是技术挑战。
水下机器人需要在极端的水下环境中工作，对其性能、稳定性和可靠性提出了更高的要求。
其次是能源挑战。
由于水下机器人需要长时间在水下工作，因此对于其能源供应的需求也很大。
目前，水下机器人主要依靠电池供电，能源续航能力有限。
解决能源问题是发展水下机器人的重要课题。
总的来说，水下机器人的发展与应用为人们认识和开发海洋提供了新的手段和技术支持。
随着科技的不断进步，水下机器人的功能和性能将会不断提升，进一步推动海洋领域的发展和利用。
水下机器人-毕业论文【范本模板】
目录1 绪论 (1)1。
1研究意义 (1)1.2AUV介绍 (2)1。
3国内外AUV研究动态 (2)1.4动态仿真研究现状 (3)1。
5本文主要研究内容 (4)2 AUV总体设计和三维建模 (6)2.1形体的选择 (6)2.2设计内容 (6)2。
3三维建模 (7)3 AUV的动力学分析 (10)3。
1坐标系 (10)3.2定义运动参数 (10)3。
3受力分析 (11)4 推进器动态仿真 (16)4.1ADAMS仿真 (16)4.2FLUENT仿真 (20)4.2.1 理论基础 (20)4。
2.2 仿真前期准备 (21)4.2。
3 FLUENT数值模拟计算 (23)5 总结 (29)参考文献 (30)致谢 (31)附图 (32)1 绪论1。
1 研究意义今天的人类正面临着人口、资源和环境三大难题。
随着各国经济的飞速发展和世界人口的不断增加，人类消耗的自然资源越来越多，陆地上的资源正日益减少。
为了生存和发展，人们必须寻找新的物质来源，海洋应当是首选。
海洋是一个巨大的资源宝库，开发蓝色国土,拓展生存和发展空间，“人类重返海洋”将成为全球经济发展的大趋势。
世界沿海国家和地区正在进入全面开发利用海洋的新时期,美、俄、中、英、法、日、加拿大、韩、印度以及东盟诸国等140多个国家相继制定海洋科技发展和海洋开发计划，采取具体措施加快抢占海洋科技的制高点，海洋开发已成为全球产业进步的重要标志，海洋经济已成为全球经济发展的重要增长点。
海洋是强国之本。
谁掌握了海洋，谁就掌握了经济发展的未来.没有强大的海洋科技事业,没有强大的现代海洋经济,就不可能成为真正的经济强国。
我国是海洋大国,但不是强国，人均占有陆地面积和资源量都远远低于世界平均水平,研究开发利用海洋是顺应世界海洋开发大潮。
为了推动海洋经济持续快速的发展，科技部、国家计委、国家海洋局、农业部联合推出了“科技兴海”计划.《中国海洋21世纪议程》把“科教兴海”作为海洋经济可持续发展的重大意义的战略选择。
水下机器人技术研究及应用
水下机器人技术研究及应用一、简介水下机器人是一种特殊的机器人，它主要适用于水下领域的勘测、探测、作业等应用。
随着现代科技的不断发展，水下机器人技术也日益先进。
目前，水下机器人已经广泛应用于深海航行、海底矿产开采、海底光缆铺设等领域。
二、技术研究1.潜水器结构潜水器主要由下面几部分组成：- 船体：用于搭载控制室、动力设备和其他附件的船体。
- 充气室：用于保持潜水器在水下的浮力。
- 排水室：用于液压设备、传动机构、摄像头等设备的放置和保护。
- 接口：用于连接深潜器和远程控制器的电缆；- 传动系统：用于提供前进力和操控力；- 操控手柄：用于操纵潜水器，对潜水器进行前进、后退、升降、左右和旋转等动作的控制。
2.控制系统潜水器控制系统主要由电路系统、通讯系统、操纵系统、图像处理系统等组成。
通讯系统是潜水器和现场指挥部之间的关键连接，负责传输视频信号、遥感信号或其他控制指令。
操纵系统收集操纵者的指令，并通过电动伺服进行控制，帮助潜水器进行全方位的运动。
图像处理系统则是用来处理潜水器拍摄到的海底图像，对海洋环境进行分析和识别。
3.能源系统能源是潜水器的重要性，传统的潜水器使用电池或锂电池作为能源。
但是这种能源供应方式有限，工作时间较短。
近年来，太阳能电池板开始被应用在水下机器人中，它可以利用光能将太阳能转化为电能，提供更为可靠的能源供应。
三、应用领域1.深海海底探测水下机器人可以深入海底，环境恶劣，具体的地形、构造、植被等信息可以通过潜水器的摄像头和其他科学仪器观测。
2.海底资源探测在海底深处的矿产，如油气、钴等都可以通过水下机器人进行探测和开采，实现人类对海洋资源的最大化利用。
3.海洋生物研究水下机器人也可以用于海洋生物的研究，协助科学家们对海洋生态系统的成分、分布、数量等进行调查和研究。
4.海底光缆铺设现阶段大部分的海底通讯、电力设施都需要通过水下机器人实现海底施工和维护，使我们的现代化工业如通讯、交通、能源等可以得到保障。
水下机器人的开发与应用
水下机器人的开发与应用水下机器人，又称潜水机器人、水下机器人、深海机器人等，是一种具备自主行动和操作能力的机器人，能够在水下环境中进行各种工作、探测和勘探等操作。
水下机器人的开发与应用已成为当今科技发展的重要领域，具有广阔的应用前景。
一、水下机器人的开发历程水下机器人的开发历程可以追溯到20世纪50年代，当时美国海军研究部门开始开发水下机器人，用于海底勘探和军事任务，这些机器人主要由电池和电机组成，通过遥控器控制水下机器人的运动和操作。
随着科技的发展和技术的进步，水下机器人的结构和功能不断完善。
20世纪80年代初，美国的Alvin号水下机器人成功完成了深海勘探任务，并发现了生物多样性和热水喷口等重要信息，这标志着水下机器人应用的进一步扩展。
现在，世界各国正在着力开发更先进的水下机器人，旨在满足不同领域的需求。
二、水下机器人的应用领域1.海洋科学研究水下机器人可以在海洋深处进行特殊探测和勘察，深海探测器可以帮助科学家们研究深海环境，发现新物种，为人类认识海洋做出贡献。
此外，水下机器人还可以进行海洋资源搜寻和勘探，拓宽海洋领域的经济利用。
2.水下工程施工水下机器人可以在水下进行施工和维护工作，如：海底管线、石油钻探、堤坝维修等。
水下机器人在水下环境中具有更好的适应性和灵活性，能够高效地完成各种维护和安装工作。
3.水下搜索和救援水下机器人可以通过声纳等技术远程探测水下情况，帮助搜救人员进行搜救工作。
此外，在海难、飞机失事等事故中，水下机器人可以帮助搜救人员探测事故记录器。
4.科学普及和娱乐体验随着科技的不断发展和人们科学意识的提高，水下机器人已经成为科学普及和娱乐体验的新选择。
如：水下机器人科普馆、水下机器人游戏等。
三、水下机器人应用现状随着水下机器人技术的发展和应用扩大，在海洋资源利用、工程施工、科学研究等各个领域出现了广泛的应用。
在国内，中国水下机器人技术不断突破，虎鲸号水下机器人和深潜者号水下机器人等具有自主导航和样品采集等多项技术优势。
自治水下机器人的自主启发式生物启发神经网络路径规划算法
自治水下机器人的自主启发式生物启发神经网络路径规划算法朱大奇;刘雨;孙兵;刘清沁【摘要】针对复杂海流环境下自治水下机器人(autonomous underwater vehicle,AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks,GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.【期刊名称】《控制理论与应用》【年(卷),期】2019(036)002【总页数】9页(P183-191)【关键词】栅格地图;生物启发神经网络;运动规划;海流环境;避障【作者】朱大奇;刘雨;孙兵;刘清沁【作者单位】上海海事大学水下机器人与智能系统实验室, 上海 201306;上海海事大学水下机器人与智能系统实验室, 上海 201306;上海海事大学水下机器人与智能系统实验室, 上海 201306;上海海事大学水下机器人与智能系统实验室, 上海201306【正文语种】中文1 引言自治水下机器人(autonomous underwater vehicle,AUV)是海洋资源探索和海洋科学研究的重要工具.由于海洋深处环境的复杂性、不可预知性以及AUV自身携带动力能源有限、高度自治的要求,为了使AUV能够在有限的动力能源下高效地完成水下作业任务,且能够安全航行,其路径规划与安全避障技术研究十分关键[1–4].目前,AUV路径规划的主要方法有人工势场方法[5–6]、模板匹配方法[7]、和人工智能路径规划方法[8]等.人工势场方法的核心思想是采用创建一个虚拟的力场,将地图中的目标设置为引力源,障碍物设置成斥力源,并通过建立引力场函数、斥力场函数来进行路径规划.人工势场方法的优点是:规划的路径一般比较平滑,算法模型实现简单.但它的缺点也很明显,那就是存在局部最优的问题,并且对于局部最优问题一直还没有一个通用高效的解决方案.基于模板匹配的全覆盖路径规划算法,主要是把机器人当前的状态与其以往的经历进行比较,并从中找到最接近的状态,然后修改该状态下的路径,从而得到一条适合当前状态的新的路径[9–10].在该算法中,首先需将路径规划中用到的已知信息建成一个模板库,库中含有各种环境信息以及相应的全覆盖路径;然后,将机器人当前的任务、环境信息与库中的模板进行匹配,通过索引的方式,从中寻找最优的匹配模板;最后,根据当前任务的具体情况修正该模板路径,即可得到最终的路径.该方法原理简单,成功匹配时全覆盖路径规划效果好,易于实现区域全覆盖,路径重复率低.但是,该算法需要建立足够大的模板库,若未找到匹配模板,特别是新的未知环境则难以得到合适的路径.随着人工智能的快速发展,其在机器人的路径规划中也得到了广泛的运用,其中,人工神经网络算法[11–13]以其智能性较高的特点得到较多关注,但是大多数的人工神经网络算法都存在学习时间长、学习滞后等缺点.对此,加拿大学者Simon Yang提出了一种无学习、自适应的生物启发神经网络(Glasius bioinspired neural networks,GBNN)[14–15]算法并将其应用于移动机器人的全覆盖路径规划中.该算法将生物启发神经网络中的神经元与目标区域的二维栅格地图中的各个栅格一一对应起来,并根据栅格地图中各栅格的状态来决定神经元的外部输入,从而直接计算出神经元活性值,机器人的路径将由神经网络的活性值以及其前一步的路径共同决定.该算法无需任何的神经网络学习、训练过程,算法实时性较好.文献[16]进一步将其引入水下环境中,提出一种基于生物启发模型的AUV的三维动态路径规划与安全避障方法,但是并没有考虑水下环境中的重要因素海流影响.鉴于此,本文针对水下环境中多障碍物和海流影响,在基本GBNN模型的基础上,加入海流模型,并提出一种海流环境下的新型自主启发式AUV的路径规划与安全避障方法.2 基于生物启发神经网络的自主路径规划算法生物启发神经网络是一种适用于多领域的智能方法,目前国外的研究已经从生物行为开始,逐渐扩展到图像处理、电路设计、机器人控制等领域;在路径规划方面的应用是近十年发展起来的,主要应用于地面移动机器人的全覆盖路径规划,目前仍具有更深入研究和拓展应用的空间;国内对该神经网络的研究已有报道,但局限于室内清扫机器人的路径规划和仿真研究.在水下机器人路径规划领域的研究有待深入.自主路径规划算法的基本原理是在栅格地图的基础上,建立生物启发神经网络模型GBNN,用GBNN模型表示AUV工作环境,建立神经网络与栅格地图中的一一对应关系.根据神经网络中神经元的在线活性输出值分布情况使AUV自主规划出一条无碰撞且节省能量的航行路径.2.1 GBNN算法数学模型本文中GBNN[14–15]算法是一种离散的生物启发神经网络,它的基本思想是目标不断向外传递激励,而障碍物则对激励有抑制作用,通过迭代计算出每个位置的活性值.GBNN模型是一种离散的网络,它具有记忆特性,也就是说从地图上的任何一点都可以通过不断迭代求解回到激励发出点,也就是路径规划问题中的目标点. GBNN模型数学描述如下:其中:xi代表神经元i的输出活性值;w是连接系数矩阵,它的网络结构如图1和图2所示,由它的网络结构易知接系数矩阵w是一个对称的矩阵;wij表示第i个神经元与第j个神经元之间连接系数.图1 二维生物启发神经网络结构Fig.1 2D bio-inspired neural network structure图2 三维生物启发神经网络结构Fig.2 3D bio-inspired neural network structure|i−j|表示第i个神经元与第j个神经元之间欧式距离,其中式(3)是对应二维GBNN 模型的欧式距离,式(4)是三维GBNN模型对应的欧氏距离.函数g是模型的变换函数,主要是为了对模型的原始输出做一个阈值化处理.γ和r是大于0的常数.Ii表示第i个神经元的外部输入激励,Ii的数学定义如下:转换函数一般是个线性递增的函数,本文采用一个分段式函数作为转换函数其中β的取值范围是(0,1].上式中β的作用是对GBNN网络的活性值进行一个缩放,使得它的取值方位限定在0到1之间.虽然β的取值只要满足在(0,1]这个条件,算法都能正常运行.但是选则一个较小的β值会导致GBNN活性值衰减过快,特别是离目标较远的点.它的活性值通常能够到达10的负50次方以上.由于在个GBNN模型当中,除了目标处的活性值为1,其余位置的活性值都应该小于1.由于网络更新特性,活性值存在累积叠加,因此需要保证非目标处活性值要小于1,否则神经网络活性值无法正常进行传递,这是GBNN模型中需要满足的基本条件.式(1)–(3)中参数γ与β共同决定网络中神经元的活性值大小.在路径规划中是通过比较GBNN网络的活性值的大小来选择路径的,因此就需要硬件提供一个高精度的运算处理器,所以在实际路径规划问题中一般通过选择合适γ值,来让β值取1,这样做的好处是能够防止GBNN中活性值衰减过快.式(6)转换函数的目的是防止活性值传递过程中出现溢出现象,即原本一个活性值小于1的点通过加权求和得到的新的活性值超过了1.通过选择合适的γ参数我们也能够防止这种溢出现象.下面以二维网络为例分析γ与β的取值范围,取极端情况分析,神经元周围八个邻域的活性值都是1,而该神经元非目标处,即该神经元的活性值要小于1,对于二维GBNN模型,结合式(1)–(2)可以推出有以下不等式成立:为了简化求解,将其中一个参数设置为定值.本文中将β的值设置为1,有4(e−γ+e−2γ)61,进而求解得到同理三维网络中对应的β设置为1,有8e−γ+12e−2γ+8e−3r61,对应的γ >2.2375.在实验中发现γ取临界值时对应的轨迹往往不是很平滑,所以实际中往往取一个稍大的值,这样可以在保证路径平滑的前提下最大限度的降低激励扩散过程中衰减速率.可以发现,基于GBNN模型的新型自主启发式路径规划和安全避障算法中,GBNN模型中转换函数g和参数γ十分关键,关系到AUV规划的实时性.同时应注意到,GBNN模型可以处理动态障碍物,当环境信息变化时(如障碍物移动或消失等情况),GBNN网络的活性值也会随之更新,从而达到在动态环境下的路径规划.传统栅格算法在复杂环境下通常难以取得理想的路径规划效果,所以栅格法往往被用来建立环境模型,最后结合其他路径规划算法实现复杂路径下的路径规划问题求解.本文也是通过栅格法来建立环境模型,通过GBNN模型优化求解最优路径.与传统的栅格法相比,该算法的能量消耗比较低,即路径规划效果较之传统栅格法要好.2.2 海流模型与能量函数海流是海水在较大区域内相对稳定的流动.海流形成的原因可以分为2类:风海流和密度流.风海流是指由海面上的风力驱使而形成的海流.由于海水粘滞性会造成海水在流动中对动能的消耗,随着深度的提高,海水的动能越来越小,因此这种海流主要存在海洋的表面.而密度流是指不同海域内的海水密度不同而造成的海水流动,海水密度通常与海水的盐分含量和海水温度有关.这种海流主要出现在2个不同海域的交界处.由于海流是一种相对稳定的流动,所以在较小范围内可以认为海流是相同的.因此将AUV工作空间进行栅格化处理时,假设每个栅格内的海流大小方向相同.流函数[17]的数学定义如下:海流的速度可以通过对海流函数ψ(x,y,t)求偏导数而得到.下面介绍海流函数ψ(x,y,t)的偏导数的求解:其中U(x,y,t),V(x,y,t)分别是指t时刻时海流在x轴方向上、y轴方向上的强度.在海流情况下,不能简单的通过AUV航行的总路程来衡量规划算法的效果.因为在无海流环境中,最短路径等价于最小能量消耗,但是在海流环境下,通过参考文献[17]定义一个海流能量函数来衡量路径规划算法的效果.定义Xi−1Xi是连接Xi与Xi−1的路径,di代表Xi−1Xi的长度,ei是沿着Xi−1Xi方向的单位向量.V是AUV的额定速度.先定义如下速度向量:上式中vi(x,y)是(x,y)处的AUV速度向量,vc(x,y)是(x,y)处的海流速度向量,以此为基础定义AUV航行的海流能量函数,用于评估AUV路径规划的性能.Ji表示Xi−1Xi段的能量消耗,J表示整个AUV航行的总能量消耗,m是AUV所规划路径的段数.2.3 基于GBNN的水下动态路径规划算法本文所提的基于GBNN的水下动态路径规划算法,其基本思想可以总结为:通过建立栅格地图和GBNN模型,建立生物启发神经网络与地图的对应关系,基于栅格地图的神经元活性值大小规划AUV运动路径,在水下动态环境下实现无碰的路径规划.动态环境包括障碍物和海流,障碍物对路径规划的影响主要是规划的路径不能穿过障碍物,而海流对路径规划的影响主要有2个方面:一是海流环境下如何选择合适的路径;二是在海流影响下如何使得AUV能够沿着预设的路径行驶.对于第2个问题,文献[18,19]引入矢量合成算法来解决,主要是通过海流速度与AUV预设航行速度合成,使其合成速度方向保持在规划的方向上,完全是针对常值海流设计,即海流大小方向不变的情况,与实际的水下环境差距较大.本文在此基础上,针对时变海流环境,提出一种海流因素的方向信度加权算法.方向信度加权算法是用来解决时变海流环境下如何选择合适的路径这个问题的.方向信度函数加权算法通过给GBNN模型中神经元输出活性值添加一个海流影响因子,通过海流因子对AUV邻域内的活性值进行调节,从而实现海流环境下的路径规划.海流影响因子应当满足以下3个条件:1)海流影响因子应当大于等于0;2)海流影响因子应当随着方向信度函数的递增而递增;3)当AUV离目标越近对应的方向信度函数对海流影响因子影响越小.二维海流影响因子的数学模型如下:三维海流影响因子的数学模型如下:其中:fi是方向信度函数,它取海流在AUV航行方向的投影值.ui是海流影响因子:其中:Pn,Pc,Pmax分别是AUV下一时刻的位置、AUV当前时刻所在位置和Pc邻域内活性值最大单元的位置,Ti为目标单元,xPk表示GBNN输出结果中Pk位置的活性值,表示栅格地图当中以Pc为中心,邻域半径为r的邻域.首先计算出所有与当前神经元相邻的神经元的活性输出值,然后找出最大加权活性值的神经元,AUV便开始运动到这个最大活性输出值的神经元的位置.重复上述过程知道AUV抵达目标处. 综上所述,基于GBNN算法的AUV路径规划模型具体实施流程如图3所示.图3 GBNN算法的工作流程图Fig.3 Flow chart of GBNN algorithm1)初始化GBNN.2)更新AUV位置.3)更新GBNN.4)重复步骤2)和步骤3),直至AUV抵达目标.更新AUV位置采用式(17)–(18),更新GBNN网络包括GBNN置0和重新计算,当某个任务完成搜索后,其对应的GBNN置为0,否则重新计算GBNN.3 实验仿真与分析本文通过栅格法将环境地图离散化,将环境中包含障碍物的区域设置为障碍栅格,其他的被设置自由栅格.符号T表示仿真环境中的目标,符号R表示AUV,仿真图中的红色圆点是目标、绿色圆点是AUV、蓝色连线是AUV的规划路径,黑色方块代表障碍物;GBNN模型的控制参数见表1.为了表明GBNN模型运用于AUV路径规划与安全避障中的可行性和有效性,在MATLAB 2016b中针对二维障碍物环境、二维海流环境、三维障碍物海流环境,进行全局路径规划仿真实验.根据不同时刻神经网络结构中神经元活性值的分布情况,对AUV路径中一些特殊位置进行重点分析. 表1 算法控制参数Table 1 Control parameters of algorithm参数数值描述GBNN输出调节参数Dmin 0.3 最短距离γ 2(二维)、3(三维) 邻域连接系数r √β 1 3(二维) 邻域半径E 100 常数α−5 二维海流参数η−5 三维海流参数2(二维)、√需要指出的是,路径规划算法有许多智能算法,例如粒子群算法、遗传算法、蚁群算法.这些算法本质上都是利用模型代价函数的一个求最小值.如果与这些算法对比,两者之间的能量损耗相差不大,但是智能算法往往只是针对两个固定位置之间的路径优化.但是GBNN模型计算不是针对这种情况进行优化,它是直接计算全部空间的网络活性值,这样一次计算结果就可以共享给其他AUV,而不必重新计算.因此本文没有将GBNN模型与其他智能算法的能量消耗进行对比,仅仅是与人工势场算法对比.3.1 静态障碍物无海流环境下路径规划为了验证所提出算法的有效性,加入人工势场方法[5]与所提出GBNN算法进行对比分析,仿真结果如图4所示.初始参数如表1所示,人工势场方法基于障碍物与目标物所生成的势场函数进行路径规划,如图4(a)所示.GBNN算法路径规划思想是AUV 根据神经元输出大小,朝输出最大的临近地图单元运行,从而自适应地实现路径规划和安全航行.人工势场方法的路径规划过程在此不再分析,下面简要分析GBNN算法路径规划的过程.由于此时环境中没有海流,由式(13)–(14)可知其对应的海流影响因子ui是1.表2是AUV初始时刻的邻域活性值,将其代入式(17)–(18)得到Pn=(3,7).表3是AUV航行中能量消耗与总路程对比,通过对比发现GBNN算法在障碍物环境下的路近规划的总能量消耗和路程均小于人工势场方法.图4 (a)无海流环境下人工势场的路径规划Fig.4(a)Path planning of artificial potential field in no-current environment图4 (b)无海流环境下GBNN算法的路径规划Fig.4(b)Path planning of GBNN algorithm in no-current environment通过仿真实验可知,AUV能够通过GBNN模型实现在静态障碍物环境下的自主避障和路径规划,所以基于GBNN模型的AUV路径规划方法是可行的.对于在线路径重规划问题,本文所提出的算法是可行的.本文中AUV的路径规划是根据活性值来确定,在线路径重规划只需针对当前环境重新计算下整个网络的活性值,再根据重新计算的活性值分布即可实现在线路径重规划.表2 AUV的邻域活性值Table 2 The neighborhood activity value of AUV位置(1,5) (2,5) (3,4) (1,6) (3,6) (1,7) (2,7) (3,7)活性值6.36e−16 2.44e−157.91e−15 1.15e−15 2.04e−14 1.43e−15 7.11e−15 4.09e−14表3 AUV能量消耗对比Table 3 AUV energy consumption contrast算法航行路径能量消耗人工势场方法 23.0117 16.755 GBNN算法 20.9706 12.48533.2 二维海流环境下矢量合成的路径规划图5是加入二维动态海流的仿真环境,其中图5(a)是未考虑海流影响下的路径规划仿真图,图5(b)是考虑海流影响的路径规划仿真图.图5 (a)未考虑海流影响的路径规划Fig.5(a)Path planning without consider the impact of the current图5 (b)考虑海流影响的路径规划Fig.5(b)Path planning consider the impact of the current通过对比图5(a)和图5(b)可以发现在海流的影响下图5(a)中的AUV的运动轨迹会发生偏移,无法到达算法规划的位置;而图5(b)是根据文献[18–19]矢量合成算法的路径规划结果,可以发现5(b)中AUV能够正确抵达算法规划的位置.表4是AUV航行过程中的能量消耗与总路程,通过对比发现加入矢量合成算法的GBNN模型能够有效的抵消海流对AUV航行的干扰.表4 AUV能量消耗对比Table 4 AUV energy consumption contrast算法能量消耗航行长度改进前 16.2473 23.2785改进后 14.9612 20.38483.3 海流环境下方向信度GBNN仿真海流对AUV的影响另一个方面体现在对路径选择上,本节通过对比验证加入方向信度算法对GBNN模型路径规划的影响.考虑2个AUV分别在二维动态海流和三维常值海流环境下进行仿真实验.3.3.1 二维动态海流下路径规划图6是二维动态海流环境下的路径规划仿真.图6 (a)GBNN算法路径规划Fig.6(a)GBNN algorithm path planning图6 (b)改进GBNN算法路径规划Fig.6(b)Improved GBNN algorithm path planning图6(a)是未添加方向信度算法的GBNN模型仿真结果,图6(b)是添加方向信度算法的GBNN模型仿真结果.表5是AUV初始时刻的邻域内的活性值和对应的海流因子,其中红色区域是式(17)–(18)的计算结果.下面以R1的初始位置来简要分析其路径规划过程,图6(a)中R1的路径选择是根据AUV所在邻域内活性值最大的一点作为下一步目标,由表5可知(3,9)处的活性值最大,所以将(3,9)设为AUV航行的下一个目标点.在图6(b)中是采用方向信度算法的仿真结果,R1邻域内对应位置的活性值与海流因子见表5,将对应的海流因子与对应位置的活性值代入式(17)得到最终的AUV运动目标点为(3,11).表6是AUV能量消对比,通过对比发现改进后的能量消耗有了显著的减小.表5 R1(2,10)邻域活性值Table 5 Neighborhood active value of R1(2,10)位置(1,9) (2,9) (3,9) (1,10) (3,10) (1,11) (2,11) (3,11)海流因子 0.056 0.159 1.06470.1145 6.6554 0.9625 8.2372 17.4511活性值3.00e−12 1.20e−11 4.47e−111.68e−122.33e−11 8.53e−133.18e−12 1.08e−11加权活性值1.69e−131.91e−12 4.76e−11 1.93e−13 1.55e−10 8.21e−132.62e−11 1.88e−10表6 AUV能量消耗对比Table 6 AUV energy consumption contrast能量消耗R1 R2 总能量消耗改进前 10.1101 8.0316 18.1417改进后 3.008 6.4568 9.4648 3.3.2 三维环境常值海流环境下路径规划与二维海流环境下相似的,三维海流环境下的处理方式相同.首先利用三维GBNN模型求出地图对应的GBNN网络活性值,再利用式(15)–(16)计算出对应的海流因子.将两者代入式(17)–(18),最终求得AUV下一步的驶向的位置,并通过矢量合成算法确定AUV的实际航行,使得AUV能够低效海流对航行的干扰.表7是R1邻域内各点的具体活性值,其中蓝色部分是GBNN算法路径规划所选择的路径,红色部分是改进GBNN算法所规划的路径.下面以R1初始状态分析AUV的路径规划过程,图7中R1的初始位置是(2,2,6),其中图7(a)是原始的GBNN算法路径规划仿真图,图7(b)是改进的GBNN算法仿真图.GBNN算法通过选择AUV邻域内活性值最大的一点最为路径规划结果,R1邻域内的各点活性值由表7可以得知,易知(3,3,7)处的活性值最大,因此R1的下一个目标点是(3,3,7),重复上述过程直至R1到达T1处.对于改进的GBNN算法,通过引入海流因子还协调AUV的路径规划,R1邻域内各点处的海流因子也在表7中展示出来了,将R1邻域内各点的活性值与海流因子代入式(17)得到AUV的路径规划结果Pn=(3,2,7).表8是AUV完成任务时的能量消耗,通过对比发现添加方向信度算法的GBNN模型能在三维海流环境下有效利用海流选择出一条相对节省能量的路径.GBNN算法进行路径规划的核心是激活值传播,它能够对于障碍物环境进行自主规划和快速避障,并能有效解决海流影响下的路径优化(这也是本文的主要创新点),但是当与栅格环境结合,会出现折线现象.在后续研究中可以考虑将所提方法与曲线平滑结合(参见文献[20]),这样能够很好利用所提GBNN算法的优势,同时也能有效避免折线现象.表7 R1(2,2,6)邻域活性值Table 7 Neighborhood active value of R1(2,2,6)位置 (1,1,5) (2,1,5) (3,1,5) (1,2,5) (2,2,5) (2,2,6) (1,3,5) (2,3,5) (3,3,5)海流因子46.65 0.1102 0.7858 9.0748 1 9.0748 0.7858 0.1102 0.0214活性值2.75e−31 3.09e−30 3.00e−29 3.09e−30 3.60e−29 3.62e−28 3.00e−29 3.62e−283.71e−27加权活性值1.28e−29 3.40e−31 2.35e−29 2.80e−29 3.60e−29 3.29e−27 2.35e−294.00e−29 7.96e−29位置 (1,1,6) (2,1,6) (3,1,6) (1,2,6) (3,2,6) (1,3,6) (2,3,6) (3,3,6) (1,1,7)海流因子 115.839 0.0442 0.7109 22.625 22.625 0.7109 0.0442 0.0086 46.6508活性值5.50e−30 6.52e−29 6.70e−28 6.52e−29 8.72e−27 6.71e−28 8.72e−27 9.84e−26 1.02e−28加权活性值6.38e−28 2.88e−30 4.77e−28 1.48e−27 1.97e−25 4.77e−28 3.86e−288.50e−28 4.77e−27位置 (2,1,7) (3,1,7) (1,2,7) (2,2,7) (3,2,7) (1,3,7) (2,3,7) (3,3,7)海流因子 0.1102 0.7858 9.0748 1 9.0748 0.7858 0.1102 0.0214活性值1.28e−27 1.39e−26 1.28e−27 1.68e−26 1.93e−25 1.39e−26 1.93e−252.33e−24加权活性值1.41e−28 1.09e−26 1.16e−26 1.68e−26 1.75e−24 1.09e−26 2.13e−26 5.00e−26图7 (a)GBNN算法路径规划Fig.7(a)GBNN algorithm path planning图7 (b)改进GBNN算法路径规划Fig.7(b)Improved GBNN algorithm path planning表8 AUV能量消耗对比Table 8 AUV energy consumption contrast能量消耗R1 R2 系统总消耗改进前 52.2487 35.0416 87.2903改进后 9.6442 23.351 32.9952同时对于三维状态下可能的空间爆炸问题,空间的栅格数量急剧上升所带来的计算量增加,从而影响算法实时性.目前采用非固定栅格的方法来减缓这种空间爆炸.即在实际路径规划中先用大尺度栅格构建一个精度较低地图,在障碍物周围小空间内构建一个小尺度栅格地图.通过结合两种栅格地图进行路径规划,以减小不必要的计算,从而减缓空间爆炸问题.4 结论本文在已经构建好AUV水下三维栅格地图的基础上,应用GBNN模型研究其自主路径规划和安全避障.该模型结构简单、无需样本学习与训练,有效地使AUV自动避开障碍物,并能考虑动态时变海流的影响,自适应地规划出一条无碰撞且节省能量的行驶路径,实时性较好.参考文献(References):【相关文献】[1]ZHU Daqi,YAN Mingzhong.Survey on technology of mobile robot pathplanning.Control and Decision,2010,25(7):961–967.(朱大奇,颜明重.移动机器人路径规划技术综述.控制与决策,2010,25(7):961–967.)[2]SMITH S L,JANA,BELTA C,et al.Optimal path planning for surveillance with temporal-logic constraints.International Journal of Robotics Research,2011,30(14):1695–1708. [3]ZHONG Chaoliang,LIU Shirong,ZHANG Botao.Online fast path planning based on regionalized spatial knowledge model.Control Theory&Applications,2015,32(3):357–365.(仲朝亮,刘士荣,张波涛.基于区域空间知识模型的在线快速路径规划.控制理论与应用,2015,32(3):357–365.)[4]ZHU D,CAO X,SUN B,et al.Biologically inspired self-organizing map applied to task assignment and path planning of an AUV system.IEEE Transactions on Cognitive and Developmental Systems,2018,10(2):304–313.[5]GE S S,CUI Y J.Dynamic motion planning for mobile robots using potential field method.Autonomous Robots,2002,13(3):207–222.[6]SABATTINI L,SECCHI C,FANYTUZZI C.Arbitrarily shaped formations of mobile robots:artificial potential fields and coordinate transformation.AutonomousRobots,2011,30(4):385–397.[7]FUKUDA T,ITO S,ARAI F,et al.Navigation system based on ceiling landmark recognition for autonomous mobile robot-landmark detection based on fuzzy template。
水下机器人-机械手末端精度测量方法及误差分析
水下机器人-机械手末端精度测量方法及误差分析姚峰;杨超;张铭钧;王连强【摘要】针对水下机器人-机械手系统的末端精度测量问题,本文研究2种不同原理的末端精度测量方法.为检测系统末端精度是否在某一特定范围内,提出一种非接触式末端精度范围测量方法;针对水下环境中机械手末端精度数值的测量问题,提出一种接触式水下机械手末端精度测量方法.针对末端精度测量方法的原理性误差问题,分析测量方法中误差影响因素,提出基于数值迭代方式的误差分析方法.在水下机器人艇体固定和动力悬停状态下,进行末端精度测量水池实验,实验结果表明:本文方法能实时、有效测量得出机械手末端精度,并验证了本文方法的有效性.【期刊名称】《哈尔滨工程大学学报》【年(卷),期】2019(040)006【总页数】8页(P1155-1162)【关键词】水下机器人;水下机器人-机械手系统;AUVMS;精度测量;坐标转换;原理性误差;静态精度;动态精度【作者】姚峰;杨超;张铭钧;王连强【作者单位】哈尔滨工程大学机电工程学院,黑龙江哈尔滨150001;哈尔滨工程大学机电工程学院,黑龙江哈尔滨150001;哈尔滨工程大学机电工程学院,黑龙江哈尔滨150001;哈尔滨工程大学机电工程学院,黑龙江哈尔滨150001【正文语种】中文【中图分类】P756随着陆地上不可再生资源的加速消耗，愈显海洋开发的重要性和迫切性[1]。
海洋开发需要先进的技术和装备，AUVMS作为水下作业的重要装备之一，在海洋开发中发挥着重要的作用[2-3]。
水下作业中，水下机器人(autonomous under- water vehicle, AUV) 一般处于艇体动力悬停状态，其机械手作业将影响艇体姿态、位置。
并且由于机械手展臂较长，艇体及手关节的微小偏差都将严重影响机械手的末端精度，因此水下机械手末端精度是AUVMS研究的重点内容之一[4-5]。
水下机械手末端精度表示为末端目标点与实际点之间的位置偏差。
非接触供电技术及水下应用
非接触供电技术及水下应用非接触供电技术是一种通过电磁场或无线能量传输的方法，实现对设备进行供电而无需直接连接电源线的技术。
这种技术的应用广泛，包括水下应用。
接下来，我将详细介绍非接触供电技术及其在水下应用中的重要性和优势。
非接触供电技术主要依靠电磁感应原理进行能量传输。
当一个电源端产生交流电流时，通过电磁感应作用，能量可以被传输到接收端，进而为设备提供电能。
这种技术常被用于充电设备，例如无线充电器。
非接触供电技术有以下几个关键优势：1. 简化供电过程：使用非接触供电技术可以省去传统有线连接电源的麻烦。
例如，当我们使用无线充电器给手机充电时，只需要将手机放在充电器上方便即可，无需再连接充电线和电源插座。
这种无线充电方式大幅度简化了供电过程，提高了供电的便捷性。
2. 提高设备的可靠性：非接触供电技术减少了电源和设备之间的物理接触，从而减少了由于接触不良或连接线故障导致的供电不稳定和设备损坏的可能性。
此外，由于非接触供电技术能通过空气中的电磁场进行能量传输，因此设备的外部封装可以更好地保护设备内部的电子元件，提高了设备的可靠性。
3. 提供更高的安全性：由于非接触供电技术无需使用电源线进行供电，因此可以减少电器及人体之间的直接接触。
这种技术可以降低电击和火灾的风险，提高了使用设备的安全性。
在水下应用中，非接触供电技术具有特殊的重要性和优势。
传统的有线供电方式在水下应用中受限制，因为水和电能的直接接触可能会引发电击事故。
而非接触供电技术可以通过电磁场或无线能量传输的方式，在水下环境中为设备提供稳定的电能。
非接触供电在水下应用中可以广泛应用于海洋研究、水下通信、水下设备供电等领域。
例如，科学家们可以使用非接触供电技术给潜水机器人或水下观测设备供电，从而实现长时间或连续的水下探索和监测任务。
无线供电可以消除由于有线连接易受到水流、污染物和海洋生物的干扰导致的设备故障的问题。
同时，非接触供电技术还可以用于水下通信系统。
一种AUV水下接驳站的研究
一种AUV水下接驳站的研究近年来，随着人类探索水下领域的深入，自治水下机器人（AUV）的应用范围也越来越广泛。
在这个过程中，AUV水下接驳站这一技术不断被优化和研究，以便更好地满足AUV的需求。
AUV水下接驳站是一种能够在水下对AUV进行充电、存储数据、维修等操作的设备。
它可以有效地解决AUV在深海中长时间运行后能量耗尽、数据存储不足以及故障修复等问题。
其具有以下特点：首先，AUV水下接驳站具有多功能性。
不仅可以为AUV提供充电和数据存储等服务，还能够进行故障检测和维修等操作。
这样一来，AUV在深海中就能够得到更完善、更全面的保障。
其次，AUV水下接驳站具有高级自适应能力。
它可以根据不同AUV的需要进行条带设计，如合适的电压输出、数据传输速率等。
因此，AUV在接入站时可以实现自动适应，使得其更加灵活和高效。
最后，AUV水下接驳站具有高度一体化特性。
在设计中，其要考虑到自身的重量和空间，保证能够容纳多台AUV，并且具备稳定性和多方向通信能力。
这意味着 AUV之间或AUV与接驳站之间可以无缝衔接，实现高效、无障碍操作。
但是，在设计和应用AUV水下接驳站时，还存在一些技术问题和挑战。
其中之一是如何实现高效的充电和能源管理。
因为水下环境的恶劣性质，低温、高压、大气温差等都会影响电池的使用寿命，排除这些因素的影响，合理的能源管理将是最优化的解决方案。
另一个挑战是如何保证AUV与水下接驳站之间的通信质量。
因为在水下环境下，由于海水的传播特性，其受到信号弱化、频谱污染等影响，这使得AUV对于海洋环境的感知和数据传输受到了很大的限制。
解决这些问题需要使用先进的通信技术，如自组织网络技术、声纳通信技术和图形处理单位技术等，来保证良好的数据传输和通信能力。
总的来说，AUV水下接驳站是自治水下机器人研究的有益补充，它将从信号传输、能源供应、碰撞避免、维护修理、数据存储等方面，为AUV提供整体解决方案。
尽管存在一些挑战，但随着技术逐步成熟，AUV水下接驳站未来的应用前景将是非常广阔的。
服务机器人的智能自主充电考核试卷
7.服务机器人智能自主充电系统的关键技术不包括以下哪项？（）
A.电池管理技术
B.充电接口设计
C.导航与定位技术
D.人工智能算法
8.以下哪项不是服务机器人智能自主充电的优势？（）
A.提高工作效率
B.降低人工成本
C.延长机器人工作时间
D.增加机器人维护成本
9.服务机器人智能自主充电系统在充电过程中，以下哪项措施不需要考虑？（）
C.红外线感应
D.磁场导航
3.服务机器人智能充电系统的电源管理系统主要包括哪些功能？（）
A.电池状态监测
B.充电电流控制
C.电池温度管理
D.机器人运动控制
4.以下哪些情况可能会导致服务机器人无法准确找到充电座？（）
A.充电座损坏
B.充电座位置移动
C.环境光照变化
D.机器人传感器故障
5.下列哪些充电方式可以实现在线充电，即服务机器人工作过程中的充电？（）
A.线缆充电
B.电磁感应充电
C.超声波充电
D.无线充电
6.服务机器人智能自主充电系统的安全措施包括哪些？（）
A.过充保护
B.过放保护
C.短路保护
D.漏电保护
7.以下哪些部件可能包含在服务机器人的充电座中？（）
A.通信模块
B.传感器
C.充电控制器
D.电池
8.以下哪些因素会影响服务机器人智能自主充电的效率？（）
12.以下哪种技术不适用于服务机器人智能自主充电系统的能量传输？（）
A.电磁感应
B.磁场共振
C.红外线传输
D.无线射频
13.服务机器人智能自主充电系统中的充电座通常不包括以下哪部分？（）
A.充电接口
AUV水下对接装置的实现及试验
AUV水下对接装置的实现及试验国婧倩;郑荣;吕厚权;李默竹;梁洪光【摘要】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.【期刊名称】《舰船科学技术》【年(卷),期】2019(041)003【总页数】5页(P78-82)【关键词】AUV水下对接;AUV姿态校正;直接接触充电;液压系统;水池试验【作者】国婧倩;郑荣;吕厚权;李默竹;梁洪光【作者单位】中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳110016;东北大学机械工程与自动化学院,沈阳 110819;中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016;中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016;中国科学院大学,北京 100049;中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016;中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016【正文语种】中文【中图分类】TP240 引言AUV通常自带能源在水下工作，工作时间和航行距离都有限制，这就需要回收以补充能量、读取信息和维护保养[1]，但其释放和回收过程繁琐复杂，且耗时费力，存在安全隐患。
因此需要水下对接技术，在不借助第三方设备的情况下，通过与海底观测网提供的接口及其他可能设备连接[2]，使AUV自主完成充电、数据传输和新的任务下载。
自20世纪90年代初至今，国内外研究学者设计了各种AUV水下对接系统[3]，其形式主要可以划分为5类：水面起吊回收式[4]、鱼雷管回收式、捕捉对接式[5]、包容对接式、平台对接式[6]，其中包容对接式能最大限度减少对AUV外部的修改，对声学导航、AUV运动稳定性、航行控制和水阻力等基本不产生影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文章编号:1005 9865(2009)02 0115 04自治水下机器人一种新型非接触充电模式应用探讨翁飞兵1,张 凯1,潘孟春1,冯婷婷1,2(1.国防科技大学机电工程与自动化学院,湖南长沙 410073; 2.海军电磁兼容研究检测中心,上海 200235)摘 要:分析国内外无人潜水器的供电方式现状,指出能源是制约自治水下机器人(AUV)续航能力以及作业时间的一个主要因素。
简要介绍非接触式感应电能传输技术的原理、优点,以及国内外的研究成果和发展趋势。
针对自治水下机器人原有供电方式的局限,提出用感应电能传输技术结合可充电电池对AUV 进行供电设计的方法与重点问题,还探讨了非接触充电方式在AUV 以及其它领域的应用前景与技术优势。
关键词:无人潜水器;自治水下机器人;感应电能传输;水下供电;非接触中图分类号:P754.1 文献标识码:AA novel contact less power charge mode for autonomous underwater vehiclesWENG Fei bing 1,ZHANG Kai 1,PAN Meng chun 1,FE NG Ting ting 1,2(1.School of Mechatronics and Automation,National Univ.of Defense T echnology,Changsha 410073,China; 2.Center of Research and Measurement for E MC of Navy,Shanghai 200235,China)Abstract:The paper introduces power supply methods for Un manned Underwater Vehicles (UUV)at home and abroad firstly ,and i t also points out that energy is the main factor for Autonomous Underwater Vehicle (AUV)to achieve long endurance.Then basic theory and superior q uality of the induced power transfer (IPT)technology are briefly presented.Research achievements and development trends are also discussed subsequently.IPT and chargeable cell scheme is presented to solve the problem of the former AUV power supply method.Finally,the techni cal advantages and prospects of the contact less power supply (CPS)in AUVs and other fields are also analyzed.Key words:unmanned underwater vehicle (UUV);au tonomous underwater vehicle (AUV);induced power transfer (IPT );underwater power supply;contact less收稿日期:2008 05 07作者简介:翁飞兵(1962-),男,湖南岳阳人,硕士,副教授,主要从事电力电子与电力传动研究。
Email:wengfb@水下机器人(UUV)技术作为探索内空间的重要手段,与探索外空间的运载火箭技术有同等重要的意义,由于巨大的科技和军事价值,其发展一直为世界各海洋强国所关注。
各类水下机器人中,自治水下机器人(AUV)的研究与开发是当前和今后一段时间的主流,有极好的潜在应用前景[1]。
能源动力问题是AUV 研究发展的一个瓶颈,目前通常使用各种充电电池作为其主动力源。
在此探讨了日益受到各国重视的新型感应电能传输(IP T)技术在AUV 充电系统中的应用。
1 水下机器人的能量供应方式目前用于水下观测考察和开发的主要工具有载人潜水器和无人潜水器。
无人潜水器又称水下机器人,它又分为无人遥控潜水器(ROV)和自治水下机器人(AUV)。
ROV 与水面母船之间由脐带电缆连接,脐带电第27卷第2期2009年5月海洋工程THE OCE AN ENGINEERING Vol 27No 2May 2009缆既向下传输动力,又实时双向传输控制信号(由母船至ROV)和数据/图像(由ROV至母船)。
而AUV与母船之间则没有物理连接,它依靠自身携带的动力以及机器的智能自主航行[2]。
大多数现代水下机器人,无论是有缆的还是无缆的,除了少数水下机器人不用电力完成下潜和上浮外,都是靠电力来推进和游动,实现通信、照明、操纵和导航等。
有缆水下机器人(ROV)可用电缆由水面电源供电,无缆水下机器人(AUV)多用蓄电池类化学式动力源,或热能和核能类的物理式动力源[3]。
选择能源时,必须充分考虑机型的体积、任务使命、活动水域特点和其他方面的设计情况。
2004年美海军 无人潜航器总体规划建议小型UUV选择能量密度较高的一次性或充电锂电池,大型UUV则可使用技术发展较成熟、成本较低的高密度燃料电池或混合动力系统[4]。
AUV续航力、航速和负载能力均受制于可用能源,而可用能源又取决于类型、容许的质量和空间等。
虽然近年来水下机器人的能源技术研究取得了很大地进展,如挪威国防研究所已开发出供UUV使用的碱性铝-过氧化氢动力源,可使1t深潜器在4节速度下续航1200海里。
然而自主水下机器人为了更好地发挥其自主灵活的优势,尤其是军用AUV执行探测、导航、攻击等特定任务时,对自身体积和续航力提出了更高的要求。
我国第一个水下1000mAUV铅蓄电池就有126kg,一定程度制约了其用途的扩展[5]。
由此可见,AUV尤其是小型AUV相对于ROV,能源供应仍然是制约其性能发挥的关键因素。
目前多数AUV采用电动力,电能来自所携带的电池组,尽管能量密度较低、比能量较小,但考虑成本、寿命、安全性等因素,电池尤其是一次电池和可充电电池(如锂电池)在较长时期内仍将占据主导地位[2]。
由此而来的更换电池或充电行为带来的一系列问题成了制约AUV性能发挥的重要制约因素,讨论非接触充电方案正是改善这个难题的一种尝试。
2 感应电能传输技术原理和特点2.1 技术概况目前研究利用较为成熟的非接触供电方式为感应式电能传输(IP T),概念提出始于20世纪80年代早期[6]。
20世纪90年代初,新西兰奥克兰大学以B oys教授为首的课题组对I PT技术进行了系统深入研究,取得了一系列理论和实际成果;日本、德国和美国等国也相继投入经费,组织科研人员在该领域展开科学研究。
I PT技术使进行电能无线传输成为了现实,改变了人类对电能的传输只能由导线进行直接接触输送的历史,克服了传统供电方法在使用上存在的诸如滑动磨损、接触火花、碳积和不安全裸露导体等等局限[7]。
由于该技术将传统变压器的感应耦合磁路分开,实现了在电源和负载单元之间无物理连接的能量耦合。
2.2 基本结构和工作原理图1 典型IPT系统基本结构Fig.1 Basic structure of a typical IPT sys tem图1表示了一个典型IPT系统的基本结构。
可视为由两个分离的电气部分组成:一部分由能量变换装置组成,其作用是通过线圈回路提供高频交流电流(通常为10~100kHz正弦波);另一部分由能量拾取线圈和调节装置组成。
通过两部分之间的电磁感应耦合,实现无接触的能量传输。
由于耦合形式属于松耦合,与普通变压器相比,感应电压需要经过调节装置进行变换方可供负载使用[6]。
能量变换器提供的高质量回路电流对于整个IPT系统起着至关重要的作用,是保证电能传输效果的前提,选择合适电路拓扑是关键。
耦合变压器的设计重点是考虑磁性材料选取、线圈绕组方式等,能量拾取部分需考虑负载的折算和电路补偿。
关于IPT技术的更多内容可参看相关文献资料。
2.3 主要特点及研究进展采用非接触供电和传统供电方式相比,具有可自由运动、操作安全、环境友好和方便可靠的特点[6]。
因而在以下领域具有特殊优势:移动设备供电!!!对运动物体提供电能具有特别优点,如单轨行车装置、自动运行车辆、机器移动部件等场所;特殊安全要求!!!应用于某些危险场所,如喷漆车间、地下煤井等条件下;恶劣环境条件!!!适于常规供电方式使用有困难情况下,如水下、雨雪、粉尘及化学腐蚀环境。
当前的理论研究解决了松耦合感应电能传输系统的负载模型[8],变换电路高频应用时的控制策略和频116海 洋 工 程第27卷率稳定性问题[9-10],谐振变换器最小功率因数分析[11],零相位角控制松耦合感应系统的稳定性判据等问题。
非接触供电技术早期的研究是为解决核能、采矿业以及机器人供电的特殊需求而提出的,后来逐步扩展到物流、交通、电子产品和生物工程等应用领域,有着相当大的市场前景。
3 自治水下机器人新型供电方式探讨3.1 原有供电技术的局限20世界80年代以来,水下机器人已广泛应用于经济及军事等不同领域,它已经成为水下观察和水下作业方面最为有效和最具潜力的水下开发工具。
目前美国、俄罗斯及英国等国已经研制出可以载弹进行水下攻击的 攻击型水下机器人 ,它们能够悄无声息地接近敌方的舰艇,对敌人进行出其不意的打击。
AUV 还可由潜艇发射,使其更具隐蔽性和突防性[12]。
基于当前技术能力和特性,小型水下机器人宜使用缠绕式或可充电锂电池,在当前可用的电池技术中功率密度是最高的。
缠绕式电池只能一次性使用,因此用它作为大型电池的成本非常高,如何补充电池(特别是在海上)并满足潜航器快速重置的要求是该种电池使用的一个主要问题,电池组件的成本很容易超过潜航器本身的成本。
长期来看,可充电电池的成本则低得多,由于可以在不带电的状态下运送,可充电电池在安全方面具有一定优势。
AUV 和ROV 不同,由于不能利用脐带电缆获得能量补充,只能依赖于自身携带的能源。
虽然动力系统不直接实现水下机器人任何一个标志性能力,但是所有的任务都需要尽可能降低动力系统的大小、费用和噪声水平。
发挥水下机器人的性能,在能源和动力方面的风险主要来源于其尺寸的要求,比较大的尺寸可以装载更多的能源和更大的推进系统,但这与总体设计上小尺寸和低噪声的要求相矛盾,尤其对于小型军用自治水下机器人使用的充电电池,必须尽可能的减小能量供应部分,改进充电设备的性能。