弱通信和弱观测条件下欠驱动AUV群体编队地图创建的研究

Multiple autonomous underwater vehicles(multi-AUV) formation mapping plays a very important role in tridimensional monitoring ocean enviroment by employing AUVs. This program will be engaged in under-actuated multi-AUV formation mapping. In full consideration of weak communication and observation conditions, this program will systematically and intensively carry out theoretic research on multi-AUV underwater acoustic communication, mutual localization, formation and map construction. Based on Laplacian potential associated fuction, investigation will be made on consensus problems of network with switching topography, in order to establish reliable underwater acoustic communication network. In accordance with nonlinear under-actuated AUV dynamic model, adaptive controller will be developed to compensate for sea currents influence, and therefore to progress relative position measurements and mutual localization technique between AUVs. A hierarchical control architecture will be introduced to upgrade multi-AUV formation ability of intelligence and enviromental adaptivity. The top controller will deal with online formation control through multi-AUV reinforcement learning on the basis of fuzzified classifier, while the bottom cotroller will implement formation maintenance through adaptive controller. For the mapping problem under weak observation conditions, this program will firstly sample and update local map in the combination with adaptive extended kalman filter and particle sampling based on underwater navigation system, and thereafter join local maps based on particle trees. Subprogram experiments and integrative simulation will be carried out in sequence. This program will lay theroretic and technology foundations on the settlement of under-actuated multi-AUV formation mapping under weak communication and observation conditions.

智能水下机器人(AUV)群体编队地图创建是利用AUV完成海洋环境立体监测的重要保障。本项目充分考虑弱通信和弱观测的海洋条件，针对欠驱动AUV群体编队地图创建，系统深入地开展多AUV水声通信、互定位、编队和地图创建的理论研究。具体的，基于Laplacian势能关联函数，研究动态拓扑网络的一致性问题，建立可靠水声通信网络；基于欠驱动AUV非线性动力学模型，对海流扰动进行自适应位姿补偿，发展AUV之间的相对位置量测与互定位机理；通过AUV群智能体基于模糊分类的强化学习进行在线队形决策，并使用自适应控制实现队形保持，提高多AUV编队的自主能力和对弱观测环境的适应性；基于水下导航，结合自适应卡尔曼与粒子滤波创建更新局部地图，基于粒子树完成地图合并，解决弱观测条件下地图创建问题。进行分项实验和集成仿真实验。通过本项目的研究，为解决弱通信和弱观测条件下欠驱动AUV群体编队地图创建奠定理论和技术基础。

智能水下机器人(AUV)的群体编队地图创建方法是利用多 AUV 完成海洋环境立体监测的重要手段。 本项目充分考虑弱通信和弱观测的海洋条件， 针对欠驱动 AUV群体编队地图创建，系统深入地开展多 AUV 水声通信、互定位、编队和地图创建的理论研究。.为研究水下通信网络的一致性问题，针对其时滞性和时变性，建立了关于信息流的动态有向拓扑网络，得到了动态拓扑网络在离散状态和连续状态下的一致性非线性协议。在数据链路层内建立了基于随机竞争机制的嵌入式MAC（Medium Access Control）协议以避免信道访问冲突。在信道传输能量模型的基础上研究了通信的优化控制策略，并根据通信网络状态和能耗，优化调整传输速率和数据包的大小，增加通信容量。在威海的黄海海域进行了多水下机器人的通讯试验，试验证明了所设计的信息传输协议和通信方法符合多水下机器人编队的需要。.分析了海流扰动和欠驱动AUV 各自由度的动力学关系，由欠驱动 AUV 的六自由度运动学模型推导得到二阶非完整动力学模型。基于已有的S面运动学控制律，结合海流流速观测器，推导得到了非线性自适应控制律以实现自适应位姿补偿。通过分析求解多AUV 系统的定位误差随时间演化的代数黎卡提方程，建立了系统稳态时定位误差的方差上界估计。.基于强化学习和自适应控制原理建立AUV群体编队的分层递阶控制结构。其顶层通过AUV群体强化学习实现群智能体和环境交互，将队形决策建成Markov决策过程，采用模糊分类描述AUV之间、AUV与环境之间的状态，使用支持向量机结合Q-学习的方法对编队的队形进行训练、状态评价和优化决策。其底层使用基于势场的自适应控制器实现了AUV群体的队形保持。编队方法在威海的水下机器人试验得到了验证。.确定摇荡情况下所获得采样的畸变修正机理，通过比较和分析采样区域确定局部地图的潜在重叠部分，由局部采样的位姿反演得到该粒子的重要性权值，从而根据权值更新粒子的“家谱树”和全局粒子树拓扑图。通过水池试验证明了全局粒子树拓扑图的准确性。