水下智能安防機器人的系統設計及應用

謝心怡，黃豪彩，賀自力，王文斌，方 亮，馮仁棟

（1. 浙江大學 海洋學院，浙江 舟山 316021；2. 浙江優威科技有限公司，浙江 舟山 316013）

0 引言

海洋是我國經濟社會發展的重要戰略空間，加快海洋經濟增長和海洋國防建設步伐對壯大國家整體經濟實力、維護國家海洋權益、促進我國經濟持續健康發展具有十分重要的現實意義。然而，目前重要經濟基礎設施不僅受制于復雜的海洋環境，還要面對非傳統的安全威脅[1-2]。

近年來，帶纜遙控水下機器人（ROV）因為經濟性好、適應性強、靈活性高、作業效率高等優點得到迅速發展；隨著功能的不斷完善和可靠性快速提高，越來越被廣泛應用于海洋資源調查開發、水下工程作業、水下安防等領域[3-4]。目前用于深海中，能夠完成高強度、大負荷工作的中大型 ROV已經較為成熟，產業化程度很高[5-7]。而用于淺海作業中，能夠巡檢水下船體，進行檢測和維修，識別拆除危險物，并具有高機動性、控制靈活快捷、操作攜帶方便的小型多功能ROV并不多見[8-9]。

國內還未對海上作業設備的智能化水下安全防護進行系統性研究，在安防能力組合方面的技術與國外相比還有一定的差距，尤其是智能安防水下機器人的關鍵技術還處于起步階段，急待突破。本文以能力組合技術為基礎，提出多功能的水下安防智能機器人技術，突破該機器人的系統集成技術，實現自主導航高精度定位與可以目標的識別處理任務，為水下安防智能機器人的試驗工程應用提供技術支撐。

1 水下機器人的系統集成設計

水下機器人系統集成設計方案如圖1所示，系統由濕端水下作業機器人、干端系統控制臺和干濕端連接部分臍帶纜收放機構3部分結構組合而成，結構中包括5個分系統：機械結構分系統、電路分系統、控制導航分系統、臍帶纜分系統和上位機分系統。

圖1 水下機器人系統集成方案Fig. 1 System integration scheme of underwater robot

1.1 水下機器人的結構設計

水下機器人設計正常工作水深為 0～50 m，標準航速為2 kn（凈水狀態下），質量不大于100 kg，水下位置精度在1%～3%，可以完成10 cm×10 cm可疑物體的搜索識別和處置，同時滿足水中定深、定向穩定運動的功能，必要時機器人還可以貼壁運動滿足特殊功能需求。整機三維模型圖如圖 2所示。它主要包括照明燈、吊環、垂直推進器、浮力材料、攝像機、主推進器以及防撞膠條。

圖2 水下機器人整機三維模型圖Fig. 2 3D model of underwater robot

1.2 六自由度動態建模

水下機器人的幾何和物理參數和規格如表1所示。水下機器人模型具備高度對稱性，關于xy、yz、xz3個面均對稱。因而Ix和Iy的值非常相似，并且關于xy、xz和yz平面的慣性矩可以近似為 0。

表1 水下機器人參數表Table 1 Parameter table of underwater robot

根據 Fossen的理論[10]，水下智能安防機器人的非線性動力學方程可以描述為

式中：v=[uvwpqr]T，分別是水下智能安防機器人在隨體坐標系下的速度和角速度。η=［xyzφθψ］T為地面坐標系的位置和角度。M為慣性矩陣（包括附加質量）；C（v）是科氏力和向心力矩陣；D（v）是粘性類水動力矩陣；g是重力和浮力共同產生的力或力矩向量；τc為推進器產生的驅動力或力矩；τe為外界干擾力。

質量和慣性矩陣M是剛體慣性矩陣MRB和附加質量慣性矩陣MADD的總和。水下智能安防機器人模型具有高度對稱性。因此，根據附加質量慣性矩陣的特性，可以得出矩陣系數僅在對角線上為非零。類似地，科里奧利和向心矩陣C也分為剛體項CRB與科里奧利和向心力矩陣CADD。水下智能安防機器人的M和C計算如下：

在仿真中，水下機器人的線性阻力項可以忽略不計，只取粘性水動力系數的二次項可以簡化如下：

圖3和圖4分別是無海流干擾情形下深度控制和無海流干擾情形下巡航控制的實例，圖3中水下機器人以下潛10 m為最終目標；圖4中，水下機器人以追蹤藍色軌跡為最終目標。從圖3和圖4中可以看出，水下機器人的整體動態特性較好，實際路徑與參考路徑基本吻合，巡航跟蹤性能很好。說明了該水下機器人具有穩態誤差較小、響應迅速、超調量較小的優點。

圖3 無干擾情形下深度控制實例Fig. 3 An example of depth control without interference

圖4 水下機器人巡航控制結果Fig. 4 Cruise control results of underwater vehicle

2 水下自主導航高精度定位

水下安防智能機器人作業環境通常為水質較為渾濁的淺海或港口。本文擬采取慣性導航、聲吶輔助等多數據融合的定位方法來提高水下定位的精度。首先采用處理能力較強、功耗低、數據傳輸快捷的芯片；使用高強度、密度小、防腐蝕的復合材料，研究一套結構緊湊、成本低、實用可靠的硬件系統。以短基線定位結構為例，其設備布置方案如圖5所示。

圖5 系統結構示意圖Fig. 5 System structure diagram

采用基于擴展式卡爾曼濾波器和航位推算的定位數據匹配法，開發出識別并剔除定位數據異常點，并對水下目標定位數據缺失部分進行重構的數據融合處理軟件。完成軟件后，進行模擬仿真，結合實驗結果驗證其可靠性并進行優化。

3 水下目標智能識別

借鑒國內外在人工智能圖像識別領域上取得的研究成果，以水下目標智能識別為目標，通過訓練圖像數據集構建、分類識別模型訓練、模型參數優化等相結合的方法，建立水下竊聽裝置、爆炸物、追蹤裝置、毒品外掛物等人工附著物，以及水草、海帶和其他的海生植物等環境干擾物的圖像識別系統，如圖6所示。

圖6 圖像識別系統框圖Fig. 6 Block diagram of image recognition system

該系統包括原始圖像的采集、圖像的初期預處理、后期圖像的特征提取、圖像識別判斷四大部分。通過平滑、增強、恢復、邊緣檢測和分割等信息處理方式，把輸入圖像簡化為分段模式。利用特征提取進一步把分割的圖像簡單地表示為一組特征向量，依據所提取的特征，通過算法把相應原圖歸屬已知的一類人工附著物。

4 結束語

水下智能機器人是水域智能安防的重要組成部分，為正常的海洋航運生產和作業提供保障。本文提出了以能力組合技術為基礎，提出多功能的水下安防智能機器人技術，完成對水下不明物體的智能自動探測識別與驅除任務，為水下安防智能機器人的試驗工程應用提供技術支撐和可行性方案參考，實現該領域的創新與超越。