基于径向基神经网络的水下自主航行器寻源算法研究

针对水下航行器在二维信号场中的场源搜索问题,提出了一种基于径向基函数神经网络（radial basis function neural network,简称RBFNN）的在线自主寻源算法。在神经网络中引入全局正则化参数以保证泛化性和稳定性,通过最小化广义交叉验证误差（generalized cross-validation,简称GCV）进行正则化参数的迭代优化,并利用增量式奇异值分解（incremental SVD）对迭代过程进行加速,此外通过基于样本新颖性的资源分配网络算法（resource-allocating network,简称RAN）进行径向基函数的分配,在此基础上使用动量梯度算法进行航行器运动方向的规划。最后,以热泉区硫化氢浓度分布场中的搜索作业为背景,使用该算法与其他研究中的算法进行单峰值信号场的场源搜索模拟计算对比,结果显示该算法对于信号场梯度的估计更加准确,且搜索过程的路径更短。此外在多峰值信号场的寻源模拟中该算法能够以较高的成功率通过局部最大值区域。证明该算法具有良好的拟合、预测性能以及稳定性,并且能在一定程度上避免陷入局部最优解。     

自主回收UUV水声定位与遥测遥控导引技术研究

针对 UUV 任务结束或能源不足时自主回收的需求,深入研究了 UUV 中远程水声定位与遥测遥控导引技术,完成了水声定位与遥测遥控导引系统方案设计,重点研究了 MFSK、OFDM、扩频等水声遥测遥控调制方式。 通过分析和对比,设计了一种正交混合扩频调制方式,并采用相干二维搜索技术,提高扩频技术多普勒补偿能力。 开展了湖上静态与动态跑船试验,试验数据结果表明:水声水平定位精度优于 0. 5%,水声遥测遥控系统解算误码率达到了 10^-3 数量级,可有效引导 UUV 回收作业。     

多无人艇协同目标分配算法研究

未来战争中很多作战任务需要由多艘无人艇相互配合才能完成，多无人艇协同目标分配是无人艇自主协同控制研究的关键技术之一。为了解决多参数、多约束条件下的目标分配问题，改进贝叶斯优化算法中网络构造方式及需要存储大量数据的不足，提出了基于决策图贝叶斯优化算法(Bayesian Optimization Algorithm with Decision Graphs，DBOA)的多无人艇协同目标分配方法。根据无人艇的消耗、目标价值的毁伤和执行任务预计耗费时间 3 个决策变量，并结合约束条件构建了多无人艇协同目标分配数学模型。仿真实例表明，DBOA 算法收敛速度快，能够达到全局最优解，基于 DBOA 的协同目标分配方法具有良好的时间效率和分配效果。     

多仿生机器人协同编队捕获策略

机器人的协同编队问题是一个综合性的研究课题,主要包括编队策略及路径规划 2 个阶段。针对单一机器人在未知水下环境中执行任务时能源受限等问题,提出一种基于改进蚁群算法的安全域协商捕捉策略,以解决多仿生机器人系统水下环境中对目标的协同编队捕获问题。机器人随机搜索过程中发现目标后, 利用安全域协商策略,实现目标机器人周围捕获点的分配;采用改进的蚁群算法实现编队过程的路径规划和自适应避障。在不同大小的障碍物环境中进行仿真实验,并与经典的路径规划算法进行对比,实验结果表明： 所提出的策略能够使机器人在复杂的水下障碍物环境中完成高效的协作编队捕捉任务,具备有效性。     

水下搜救中基于先验信息的AUV区域覆盖路径规划

搭载侧扫声呐(side-scan sonar,SSS)的自主水下航行器(autonomous underwater vehicle,AUV) 执行大规模海上搜救(search and rescue,SAR)任务时通常采用区域覆盖路径规划(coverage path planning, CPP)技术。由于任务失败的可能性很大,因此实现完全覆盖的同时,优先搜索目标可能存在的区域并提高侧扫声呐的数据质量十分必要。针对以上问题,提出了一种面向操作的全覆盖路径规划方法 SAS-A*,通过生成全覆盖路径,有效提高目标可能存在区域的覆盖速度和声呐数据的质量。该方法基于救援专家预测的目标位置和轨迹,采用二维高斯分布建立目标存在的概率模型,作为路径规划的先验信息。提出的 SAS-A*算法将下一个路径点选择策略转化为多目标决策问题,采用加权度量法来进行多目标优化,使 AUV 以更短路程、更少的转弯优先搜索目标可能出现的区域。仿真结果表明：SAR- A*路径规划方法适用于大规模搜救任务,可快速提高目标的搜索概率。     

基于人工神经网络的半潜平台动力定位系统推力分配策略研究

针对带有禁止角的半潜平台动力定位系统推力分配算法功率较大的问题,提出了一种基于人工神经网络拟合桨—桨干扰推力损失函数的序列二次规划推力分配算法。该方法考虑了半潜平台桨—桨干扰造成的推力损失,引入推力系数来表达推力损失。利用人工神经网络拟合推力系数,将推力损失加入到推力分配的数学模型中,取消了禁止角。采用序列二次规划求解推力分配数学模型。最后以某半潜式钻井平台为例,选取三种浪向角工况进行推力分配仿真模拟,结果显示该算法在高效分配定位所需推力的同时有效减小了功率消耗,应用前景广泛。     

基于遗传算法的微波散射计海面风矢量反演研究

针对目前传统反演方法存在的不足和限制,引入遗传算法用于风矢量反演中的目标函数优化.以SeaWinds散射计为例,根据其模型函数和模糊解的基本特征,设计并实现了一套可用于该散射计的海面风矢量反演算法,并利用SeaWinds散射计部分L2A实测数据对该反演算法进行了验证.实验结果表明,通过多代遗传操作,算法能够收敛于几个局部极值点,从而证明该算法能够有效解决数值风矢量的优化搜索问题.     

顾及恶劣海况的船舶救援路径规划

为了保障救援船舶在恶劣海况环境下能够安全、高效地到达救援区域,本文改进人工鱼群算法开展海上救援路径规划研究。选取地形、海风和海浪等指标进行风险度量,采用GIS（geographical information system）多指标决策方法构建海洋环境威胁场,通过粒子群算法计算救援路径规划的最佳参数,并实现海上救援路径搜索。实验表明,基于改进的人工鱼群算法规划的船舶救援路径效果更优,可为海上应急救援提供辅助决策参考。     

基于无人机/无人艇的最优动态覆盖观测技术

针对无人机(unmanned aerial vehicle,UAV)/无人艇(unmanned surface vehicle,USV)对海面区域的最优动态覆盖观测问题,提出了一种以最大化观测收益为指标的航路优化方法。采用区域分解、子区域分配、航路规划相结合的分层求解思路:首先,根据信息密度等先验知识,采取基于高斯混合模型(Gaussian mixture model,GMM)的区域特征提取理论,从任务区域中提取出若干个子区域;然后,将子区域进行排序与分配,从而将复杂的协同优化问题转化为多个简单的单UAV或USV航路规划问题;最后,各UAV或USV在分配的子区域内采用并行滚动时域控制(receding horizon control,RHC)算法进行航路规划。仿真结果表明,本文提出的GMM-RHC方法具有更高的观测效率,可有效解决无人机/无人艇最优动态覆盖观测问题,具有重要的应用价值。     

基于声呐图像的深海采矿车组合定位导航算法

实现高精度的定位导航是深海采矿车完成海底工作任务的基础条件。在采矿车行进过程中,声呐设备生成的图像信息能够反映海底场景的变化,从而体现采矿车本身的运动,由此建立了一种声呐图像里程计,并将其与轮式里程计和USBL测量数据相结合提出了一种深海采矿车组合定位导航算法。首先对多波束前视声呐图像进行预处理,然后使用Canny算法进行特征检测并对特征点云进行配准,再结合声呐成像原理构建了声呐图像里程计运动模型,最后通过轮式里程计运动模型推导预测方程、声呐图像里程计运动模型和USBL测量数据推导更新方程,利用EKF（extended Kalman filter）算法实现基于多传感器融合的定位与姿态估计。海试数据验证了该组合定位算法能实现轮式里程计、声呐里程计和超短基线在速度、位置、艏向角估计、定位速率的精度互补,具有一定的有效性和精确性,该算法为深海采矿车的定位与导航算法研发提供了参考。