关注：决策智能与机器学习，深耕AI脱水干货
作者 | 张伟等
单位 | 哈尔滨工程大学
导读
随着水下无人潜航器技术的发展和日渐成熟， 单一水下无人潜航器已不能满足需求的发展， 这就使多水下无人潜航器以集群的形式互相协作执行任务成为了水下无人潜航器发展的必然趋势。本文介绍了国外主要水下无人潜航器集群项目， 包括项目设立目标和发展情况; 分析了水下无人潜航器集群的一些关键技术的国内外研究现状和发展趋势， 主要包括集群智能控制、通信网络设计、任务规划、路径规划、编队控制和导航定位等方面; 最后对水下无人潜航器集群系统发展做出展望。
下载全文PDF，公众号对话框回复：200815
集群的优势
相比于单体 UUV，集群有以下突出优势 :
1) 集群系统利用单体自主性能够实现集体决策以及群体级稳态;
2) 集群系统可扩展性很高，个别群内成员的增减不会对系统造成决定性影响;
3) 由于集群系统具有高度可扩展性和稳定性， 所以集群系 统鲁棒性较强;
4) 集群相比于个体最突出的特点是能够完成个体无法独自完成的任务。
国内外主要项目
- 持续濒海水下监控网络项目 ( PLUSNet) ，美国
- 协作自主的分布式侦察与探测系统 ( CADＲE) ，美国
- Cocoro 自主水下航行器集群 ，奥地利
- WiMUST－用于地震勘测的 AUV 舰队
- Grex 项目 ，欧盟
- Co3-AUV 自主水下航行器的协同认知控制项目 ，欧盟
- 水下多智能体平台 ( underwater multi-agent platform，MAP) ，英国
关键技术
集群智能控制算法 ：集群智能控制算法是集群系统的核心技术， 是控制各个单体活动并能将它们联系起来形成一个系统合作执行任务的关键。
通信网络设计 ：远距离通信、大容量通信、高质量通信、强抗干扰性和保密性是对 UUV 通信系统的基本使用要求。前 UUV 的主要通信方式有: 光缆通信、卫星通信、线电通信和水声通信。
任务分配 ：任务分配是随着集群技术发展最早被研究的技术之一， 任务分配的研究对象日益复杂， 分配的任务也多样化。现阶段任务分配方法根据对应集群的控制方式 不 同主要分为集中式分配和分式分配。
路径规划 ：路径规划问题是指在航行器工作环境中， 按照一定的评价标准 ( 耗能最少、路线最短、时间最少 等) 为 UUV 寻找一条安全到达目标点的最优路径。该技术拓展到集群中，对控制和算法设计提出了更高的要求。 编队控制 ：编队控制就是一种控制一组 UUV 在任务需要时沿着所需路径移动的技术， 同时保持所需的队形，并适应环境约束: 如障碍物， 有限的空间， 洋流和通信约束。目前主要的编队控制方法分为以下几种: 虚拟结构方法、领航者－跟随者方法和人工势场法。 导航定位 ：由于 UUV 通常需要长时间在大范围海域执行任务， 而且通常 UUV 体积不大， 所以所携带能源和质量等均受到一定的限制。这种客观条件限制以及隐蔽性和水下特殊环境等因素综合导致多 UUV 精确导航定位的实现是一项非常艰巨的任务。多UUV协同导航定位主要有2种方式 : 1) 每 个UV 配备的导航装备相同， 互相通过水声通信获得系统中其他 UUV 的位置信息的并行方式; 2) 采用少量 UUV 配备高精度导航设备为其他 UUV 提供精确相对定位信息， 其他 UUV 利用这种相对定位信息修正自身定位误差的领航方式。并行式的结构简单， 但每个 UUV 都装备高精度导航设备， 成本将成倍增加。而领航式则兼顾了精度和成本且能够适用于不同的使用区域和环境， 是当今多UUV 导航定位的重点研究方向。
未来展望
未来分布式优化可能会成为集群发展的突破口。
针对大规模集群的研究很少， 这也限制了 UUV 集群的发展潜力。
将人工智能技术应用到 UUV 集群控制当中， 可以预想这将大大提高现有航行器的自主能力， 也将使集群控制更加智能化。
文献信息
张伟， 王乃新， 魏世琳， 等． 水下无人潜航器集群发展现状及关键技术综述［J］ ． 哈尔滨工程大学学报， 2019， 41( 2) : 289－297． ZHANG Wei， WANG Naixin， WEI Shilin， et al． Overview of unmanned underwater vehicle swarm development status and key technologies［J］ ． Journal of Harbin Engineering University， 2019， 41( 2)
