基于深度学习的AUV能耗管理方法研究

In the 21st century, mankind has entered a period of large-scale exploitation and utilization of the ocean. As one of the essential means of the ocean exploration, AUV technology with great research value and scientific significance, has highly raised attention all over the world. Detecting AUVs require the long-distance autonomous voyages in a complex marine environment, hence the energy management is one of the key technical issues. Aiming at the energy management in the complex marine environment, this project studies relevant theories and methods of the AUV energy consumption optimization assessment. The specific contents include the optimization analysis for the associations of characteristic parameters of the AUV manoeuvrability; the association rules analysis of energy consumption and motion behaviours; the research on the integrated evaluation method for the AUV Energy consumption characteristic Learning. This project will provide the theoretical foundation and technical support for the optimization evaluation and management of the AUV energy consumption.

21世纪，人类进入了大规模开发利用海洋的时期。作为海洋探测的重要手段之一，AUV技术已经成为世界各国十分重视的技术领域，具有十分重要的研究价值和科学意义。探测型AUV需要在复杂海洋环境中长距离自主航行，因此能源管理是其关键的技术问题之一。本项目针对AUV在复杂海洋环境中作业时能源管理问题，研究AUV能耗优化管理的相关理论和方法。具体内容包括：AUV操纵性能特征参数关联优化分析；AUV能耗与运动行为关联规则分析；面向AUV能耗特征学习的集成评估方法研究。本项目的研究将为AUV能耗优化管理提供理论基础和技术支持。

海洋环境的组成对人类来说是特殊复杂的，具有自主环境探测和感知功能的AUV的应用可以增加人类在对海洋研究的能力。AUV在复杂海洋环境中长距离自主航行，能源优化是增强其作业能力的关键技术问题之一。本项目在研究人工智能深度学习方法与AUV能耗优化问题的基础上，根据实际情况重点对AUV在复杂海洋环境中智能感知作业时影响能耗管理评估的相关关键技术开展了深入研究。主要从提高智能环境感知精度、目标识别跟踪精度方面开展研究，提高作业任务效率以此达到能耗优化的目的，同时从低能耗实时计算硬件需求出发，基于FPGA设计了适用于水下图像识别和数据处理的卷积神经网络结构，为AUV水下智能作业任务时的能耗优化提供必要的理论支撑。