多自治水下机器人协作目标搜索控制研究

Multiple autonomous underwater vehicles (multi-AUV) cooperative target search is the important element to realize underwater rescue, underwater detection, underwater offensive and defensive. The target search is one of the key content of underwater vehicle research. This project, focusing on cooperative task assignment and search path planning during the search process, aims to lay a sound foundation for a systematic algorithm which may contribute to a real effective control system for the cooperative multi-AUV team. In this study, an improved self-organizing map method is adopted by using the grid belief function. This method makes a dynamic assignment among multi-AUV team members, thus determine responsibilities of each AUV to avoid a ask conflict. For better cooperative search, a biologically inspired neural network model is also taken for path planning. Finally, considering the particularity of underwater environments, an integrated algorithm.is proposed by introducing a velocity vector synthesis algorithm into the biologically inspired neural network. This integrated algorithm is taken to keep AUVs on their planned tracks to offset ocean currents’ influence by adjusting AUVs’ moving directions. Through the system simulation research and pool experiments verified the effectiveness of the control AUV.

多自治水下机器人（Autonomous Underwater Vehicle, AUV）协作目标搜索是实现水下救援、水下侦查、水下攻防等任务的重要环节，是水下机器人研究的核心内容之一。本项目对多AUV协作目标搜索控制进行研究，探索多AUV搜索中的协作任务分配以及搜索路径规划等问题，为形成系统化的多AUV协作目标搜索控制算法和实际有效的控制系统奠定基础。首先，针对多AUV的协作任务分配问题，给出一种栅格信度自组织神经网络，为每一个AUV动态的分配任务，增强AUV之间的协作，避免冲突；其次，引入生物启发神经网络模型，给出生物启发多AUV搜索策略，解决多AUV对未知目标搜索的路径规划问题。最后，考虑到水下环境的特殊性，在生物启发神经网络中嵌入速度矢量合成算法，通过运用向量相关的知识对AUV航行方向进行调整，克服海流对AUV航行的影响。通过系统仿真研究和水池实验验证AUV控制的有效性。

海洋蕴含着丰富的生物资源、矿产资源、化学资源、水资源等，正成为各国竞相争夺的重要战略目标。作为人类探索和开发海洋不可或缺的工具，自治水下机器人（Autonomous Underwater Vehicle, AUV）发挥着越来越重要的作用。由于水下环境的复杂性和搜索区域的不断扩大，以及目标的智能性不断增强，单个AUV已经很难完成搜捕任务，需要多个AUV协作。本项目针对复杂水下环境下多AUV协作目标搜捕算法进行研究，重点对水下环境中多AUV协作任务分配算法，多AUV目标搜索策略，多AUV目标围捕等关键问题展开研究，系统的提出了多AUV协作目标搜捕算法。在多AUV协作任务分配方面，将栅格信度自组织神经网络算法用于AUV协作任务分配，确定系统中每个AUV的职责，解决了AUV任务冲突的问题。在搜索策略方面，提出了基于深度强化学习的目标搜索算法，缩短了搜索路径，节省了能量；以及通过反步算法对目标进行跟踪，防止目标逃逸。在目标围捕策略方面，选用主从编队算法和包围圈收缩算法，使得所有AUV能够同时靠近目标，快速到达围捕点，提高了目标围捕的效率，降低了目标的逃逸率。最后，设计并构建了实验平台，进行了大量的实验研究，充分验证了所提方法的有效性。以该项目为依托，出版专著1部，发表学术论文16篇，其中包括13篇SCI论文，3篇EI论文，申请发明专利4项，授权实用新型专利4项，软件著作权4项，研发自治水下机器人实验系统1套。