面向深海载人潜水器自动驾驶的智能运动规划方法研究

The automatic drive of transportations is a hot research topic today. The automatic drive of Deep Manned Submersible (DMS) is an inevitable trend and a major difficulty for deep submergence technologies, and intelligent motion planning method is the core technology to solve this problem. JIAOLONG manned submersible will be chosen as the object of study in this research. For the faced fundamental technical research during the application of DMS automatic drive when working in the complex deep-sea environment, three key technologies will be researched as follows: firstly, conducting multi-source heterogeneous sensor information fusion, active environmental sensing and modeling, the filter design under the situation of prior information missing and the fusion method in asynchronous perception will be researched to solve the active sensing problem of complex environment of the deep sea. Based on this foundation, the integrated dead reckoning algorithm and self-learning control strategy will be applied to conduct the research on integrated navigation and location technology under position measurement delay at high dive depth. Thirdly, taking the coupling relationship of navigation cost and submersible’s movement safety into consideration, to find a solution for DMS local path planning problem in deep-sea environment, a path planning algorithm with combined responsive behavior and deliberate planning will be studied. On the basis of these studies, the semi-physical simulation platform of JIAOLONG will be used to validate the feasibility of the proposed methods. Through this study, the theoretical method reserve will be formed in order to achieve the high-degree autonomy of manned submersible’s movement.

运输工具的自动驾驶是目前研究的热点，深海载人潜水器的自动驾驶是深潜技术发展的必然趋势和重大难题，智能运动规划是解决该难题的关键技术。本课题拟以蛟龙号载人潜水器为研究对象，针对其在复杂深海环境自动驾驶应用中所面临的基础技术问题，开展如下三方面关键技术研究：首先，开展基于多源异类传感器信息融合与主动环境感知和建模，进行先验信息缺少情况下的滤波器设计及其在异步感知场景下的融合方法研究，解决深海复杂环境的主动感知问题；在此基础上，结合航迹推算法和自学习控制策略，开展大潜深位置测量时滞影响下的组合导航与定位技术研究，实现潜水器的导航与定位；第三，考虑导航代价和潜水器安全性的耦合关系，开展基于反应式行为和慎思规划相结合的路径规划方法研究，解决载人潜水器在深海环境的局部路径规划问题。基于以上研究，结合蛟龙号半物理模拟仿真平台，检验方法的可行性。通过研究，以期为载人潜水器的高度自治运动提供理论方法储备。

运输工具的自动驾驶是目前研究的热点，深海载人潜水器的自动驾驶是深潜技术发展的必然趋势和重大难题，智能运动规划是解决该难题的关键技术。本项目研究团队以项目申请书与项目计划书的研究目标为主线，按照既定的研究内容，以蛟龙号等DMS自动驾驶为背景，以多传感器对深海空间环境的主动感知为基础，以多源信息融合、数学规划、机器学习等技术方法为手段，从理论方法和工程适用性角度深入开展DMS 在复杂深海环境下的主动感知、自主导航定位和局部路径规划等智能运动规划方法研究。.在本项目研究团队不断探讨和研究的基础上，我们将主要研究内容、重要结果、关键数据等及其科学意义简要汇报如下：.首先，针对深海环境下主动感知过程中出现的感知信息传输延迟、量化误差和各类干扰噪声的影响，基于特征方程求解、感知系统拆分、伪测量转化等技术手段，开展了数据同化、非线性滤波等方法研究。针对导航定位过程出现的融合滤波问题，分别基于Kalman滤波器和H∞滤波器开展了实时性更好地序贯式融合滤波方法研究，基于不动点理论给出了迭代更新滤波的非线性滤波方法。还进一步研究了融合框架对故障检测与容错估计过程的影响。针对路径规划，针对基础蚁群优化算法在解决复杂障碍环境下的载人潜水器路径规划问题时,易过早收敛于局部最优解,信息素挥发系数的设置过于依靠经验,路径规划结果受概率影响大且不稳定等问题，开展了智能路径规划方法研究。还针对载人潜水器跟踪控制过程中出现的驱动饱和问题，提出了基于量子行为粒子群优化模型预测控制和自适应滑模控制的混合控制策略。并对上述方法进行仿真验证研究。为DMS及其它深海运载器的自动驾驶积累了一定的理论储备。