不同通信定位方式下AUV 編隊(duì)智能控制方法綜述

俞建成 ,陳 闊 ,3 ,張 進(jìn) *

(1.中國科學(xué)院沈陽自動(dòng)化研究所 機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室,遼寧 沈陽,110016;2.中國科學(xué)院機(jī)器人與智能制造創(chuàng)新研究院,遼寧 沈陽,110169;3.中國科學(xué)院大學(xué),北京,100049)

0 引言

海洋面積占地球表面積的71%,蘊(yùn)含有大量的資源,未被探索的區(qū)域很大,已經(jīng)成為全球經(jīng)濟(jì)的重要戰(zhàn)略資源。作為海洋探索和開發(fā)的重要工具,具有大面積、高復(fù)雜性探索能力的自主水下航行器(autonomous undersea vehicle,AUV)在控制、導(dǎo)航和定位等關(guān)鍵技術(shù)方面發(fā)展迅速,可用于海底探測(cè)、海洋信息采集、海上石油工程、海上搜救等領(lǐng)域[1-4]。然而,單臺(tái)AUV 的作業(yè)能力有限,存在工作時(shí)間短、探測(cè)面積小、任務(wù)執(zhí)行效率較低等缺點(diǎn);另外,若單臺(tái)AUV 出現(xiàn)故障,將導(dǎo)致整個(gè)系統(tǒng)崩潰。因此,針對(duì)單臺(tái)AUV 作業(yè)的局限性,AUV 編隊(duì)技術(shù)在近些年得到了迅速發(fā)展[5-6]。

AUV 編隊(duì)系統(tǒng)是由能進(jìn)行信息交互的多個(gè)AUV 個(gè)體組成[7]。與單臺(tái)AUV 相比,AUV 編隊(duì)具有以下優(yōu)勢(shì): 1) 效率高。AUV 編隊(duì)可大幅增加作業(yè)范圍,編隊(duì)中的個(gè)體可攜帶不同的載荷,彼此協(xié)調(diào)可縮短復(fù)雜任務(wù)作業(yè)時(shí)間;2) 魯棒性強(qiáng)。AUV編隊(duì)不會(huì)因?yàn)閱闻_(tái)AUV 出現(xiàn)故障而導(dǎo)致整體任務(wù)的失敗;3) 經(jīng)濟(jì)性好。多臺(tái)成本較低的AUV 組成編隊(duì)可以搭載更多載荷,而無需使用更高成本的大型AUV。

然而,AUV 編隊(duì)執(zhí)行任務(wù)時(shí)需要大量的信息交互,以實(shí)現(xiàn)群體的優(yōu)化決策和協(xié)同控制,這增加了編隊(duì)系統(tǒng)對(duì)通信定位能力的要求。目前AUV編隊(duì)的常用通信定位手段為光學(xué)通信定位和聲學(xué)通信定位。可達(dá)數(shù)十兆的數(shù)據(jù)傳輸速率、毫秒級(jí)別的鏈路時(shí)延、良好的安全性和較高的定位精度是水下光學(xué)通信定位的優(yōu)勢(shì)。但光學(xué)通信定位方式也存在以下不足: 1) 傳輸距離短,常規(guī)光通信機(jī)的可靠通信距離僅為幾十米,導(dǎo)致AUV 之間容易發(fā)生碰撞;2) 在湍流強(qiáng)、濁度高的環(huán)境中通信定位性能較差導(dǎo)致AUV 通常較難直接、準(zhǔn)確地測(cè)量周圍其他AUV 的運(yùn)動(dòng)參數(shù);3) 功耗較高。基于上述優(yōu)缺點(diǎn),光學(xué)通信定位主要應(yīng)用于AUV 需要大數(shù)據(jù)量傳輸或精確定位,且AUV 間距在幾十米內(nèi)的應(yīng)用場(chǎng)景。水下聲學(xué)通信定位的優(yōu)勢(shì)為信號(hào)傳播衰減小,通信定位距離遠(yuǎn)(可從幾百米延伸至幾十千米),但存在長時(shí)延、中斷和高能耗等問題。因此,聲學(xué)通信定位通常用于AUV 間距為數(shù)百米/數(shù)千米,且對(duì)通信數(shù)據(jù)量要求不高的應(yīng)用場(chǎng)景。

針對(duì)上述問題,一些學(xué)者提出了相關(guān)智能控制方法,旨在更準(zhǔn)確地獲取周圍AUV 的運(yùn)動(dòng)參數(shù),并安全完成指定作業(yè)任務(wù)。同時(shí),由于聲學(xué)通信定位存在時(shí)延和中斷的問題,導(dǎo)致傳統(tǒng)的控制方法應(yīng)用效果不佳。因此,一些學(xué)者又提出了聲學(xué)通信定位下的相關(guān)智能控制方法,旨在提高AUV編隊(duì)系統(tǒng)抵抗時(shí)延和中斷的能力。

文章以不同通信定位方式的作業(yè)特點(diǎn)為主線,歸納總結(jié)了不同通信定位方式下AUV 編隊(duì)的智能控制方法,可為研究人員提供較為清晰的學(xué)科發(fā)展現(xiàn)狀及研究問題特征。此外,針對(duì)發(fā)展現(xiàn)狀及當(dāng)前水下集群作業(yè)關(guān)注熱點(diǎn),對(duì)AUV 編隊(duì)的發(fā)展趨勢(shì)進(jìn)行了探討。

1 AUV 編隊(duì)智能控制基礎(chǔ)模型

AUV 編隊(duì)控制是控制一組AUV 在任務(wù)需要時(shí)沿指定路徑移動(dòng),同時(shí)保持所需隊(duì)形,并適應(yīng)環(huán)境約束(如海流、有限空間和通信定位約束)的一種技術(shù)。隨著任務(wù)復(fù)雜性以及能力需求的不斷提高,傳統(tǒng)編隊(duì)控制方法在應(yīng)用中難以滿足要求,因此,可處理隨機(jī)和不確定性以解決新的具有挑戰(zhàn)性問題的智能控制方法獲得了更多關(guān)注[8]。AUV 編隊(duì)基礎(chǔ)模型是實(shí)現(xiàn)編隊(duì)智能控制的基礎(chǔ),主要包括航-跟隨者法、虛擬結(jié)構(gòu)法、人工勢(shì)場(chǎng)法、行為法和信息一致性法等,其中領(lǐng)航-跟隨者法和虛擬結(jié)構(gòu)法是2 種最為常用的基礎(chǔ)模型。

領(lǐng)航-跟隨者法的思想是將編隊(duì)中的指定個(gè)體作為領(lǐng)航者,其他個(gè)體作為跟隨者,領(lǐng)航者遵循預(yù)定的路徑,跟隨者與領(lǐng)航者保持一定的距離和角度,如圖1 所示。文獻(xiàn)[9] 和[10] 基于領(lǐng)航-跟隨者法的思想并使用反步法控制AUV 進(jìn)行編隊(duì),使AUV 編隊(duì)較好地實(shí)現(xiàn)了隊(duì)形保持與變換。虛擬結(jié)構(gòu)法是一種集中式控制方法,由Lewis 等[11]提出,其主要思想是將多AUV 系統(tǒng)看作一個(gè)虛擬的剛性結(jié)構(gòu),每個(gè)AUV 在剛性結(jié)構(gòu)上都有一個(gè)相對(duì)固定的位置,系統(tǒng)中所有AUV 都參照虛擬幾何中心運(yùn)動(dòng),如圖2 所示。該方法的優(yōu)點(diǎn)是可以通過定義剛體中心的運(yùn)動(dòng)來實(shí)現(xiàn)整個(gè)編隊(duì)的運(yùn)動(dòng),但由于整個(gè)編隊(duì)必須按一定的剛體結(jié)構(gòu)運(yùn)動(dòng),因此其應(yīng)用范圍受到了限制。陳世健等[12]基于虛擬結(jié)構(gòu)法的思想研究AUV 編隊(duì)控制,使得AUV 都能在有限時(shí)間內(nèi)達(dá)到相對(duì)于虛擬領(lǐng)航者的期望位置。

圖1 領(lǐng)航-跟隨者法示意圖Fig.1 Diagram of the leader-follower method

圖2 虛擬結(jié)構(gòu)法示意圖Fig.2 Diagram of virtual structure method

2 基于光學(xué)通信定位的AUV 編隊(duì)智能控制

光學(xué)通信具備數(shù)十兆的數(shù)據(jù)傳輸速率和毫秒級(jí)別的鏈路時(shí)延,可實(shí)現(xiàn)短距離范圍內(nèi)安全、準(zhǔn)確的集群編隊(duì)。此外,光學(xué)定位相較于聲學(xué)定位更為準(zhǔn)確。因此,海底局部地形精細(xì)勘察、水下充電維護(hù)和珊瑚礁同步監(jiān)測(cè)是光學(xué)通信定位的主要應(yīng)用場(chǎng)景,這些任務(wù)需要AUV 在間距數(shù)米或數(shù)十米的范圍內(nèi)進(jìn)行精確、實(shí)時(shí)操作。然而,對(duì)于光學(xué)定位,由于水質(zhì)、湍流和外界光源的影響,基于水下光學(xué)信息難以準(zhǔn)確且直接地測(cè)量周圍AUV 的運(yùn)動(dòng)參數(shù),如圖3 所示[13]。另外,編隊(duì)內(nèi)的AUV 之間通信距離較短,容易造成編隊(duì)內(nèi)部碰撞。因此,需要采用有效的智能控制方法以實(shí)現(xiàn)光學(xué)通信定位約束下的有效編隊(duì)。

圖3 水下光學(xué)定位場(chǎng)景特征Fig.3 Characteristics of underwater optical positioning scene

針對(duì)水下光學(xué)信息難以準(zhǔn)確、直接地估計(jì)周圍AUV 運(yùn)動(dòng)參數(shù)導(dǎo)致光學(xué)定位精度相對(duì)不高的問題,一些學(xué)者提出了相關(guān)的智能控制方法,如基于高斯拉普拉斯算子和卡爾曼濾波的智能控制。文獻(xiàn)[13] 針對(duì)光源在淺水區(qū)非均勻擴(kuò)散問題,基于高斯拉普拉斯算子設(shè)計(jì)了智能控制系統(tǒng),完成了對(duì)周圍AUV 的姿態(tài)估計(jì)和自身的準(zhǔn)確控制,并在湖中開展了AUV 隊(duì)形變換(對(duì)接)試驗(yàn),試驗(yàn)中最大位置誤差僅為9.818 mm。文獻(xiàn)[14]和[15]基于卡爾曼濾波方法設(shè)計(jì)了智能控制系統(tǒng),完成了基于水下視覺信息的姿態(tài)估計(jì)和準(zhǔn)確控制,并在水池中實(shí)現(xiàn)了AUV 的隊(duì)形變換(對(duì)接)實(shí)驗(yàn),驗(yàn)證了所提方法的有效性。

針對(duì)AUV 編隊(duì)內(nèi)部通信距離過近,容易發(fā)生碰撞的問題,主要使用的方法為智能優(yōu)化分配方法和人工勢(shì)能法。文獻(xiàn)[16]設(shè)計(jì)了一種智能優(yōu)化分配方法,規(guī)劃了不交叉的直線軌跡來避免碰撞,仿真驗(yàn)證中,該方法實(shí)現(xiàn)了6 臺(tái)AUV 在3 m 區(qū)域內(nèi)無碰撞隊(duì)形保持和變換。文獻(xiàn)[17]利用3D 打印技術(shù)開發(fā)了數(shù)條130 mm 長的微型機(jī)器魚,并基于Lennard-Jones 勢(shì)能函數(shù)法解決編隊(duì)碰撞問題。研究人員將6 條機(jī)器魚放入水箱中進(jìn)行測(cè)試,魚群完成了一系列的自組織編隊(duì)行為,并實(shí)現(xiàn)了半徑僅為357 mm 的無碰撞圓周運(yùn)動(dòng)。

3 基于聲學(xué)通信定位的AUV 編隊(duì)智能控制

聲學(xué)信號(hào)具有衰減速度慢、傳輸距離遠(yuǎn)等優(yōu)勢(shì)[18-19],因此,當(dāng)AUV 編隊(duì)中個(gè)體間距為百米甚至千米時(shí),通常采用基于聲學(xué)的通信定位手段。該通信定位方式下的主要應(yīng)用包括海底調(diào)查和測(cè)繪、資源勘探、水下考古勘探以及一些救援行動(dòng)等。然而,聲學(xué)信號(hào)也有不可忽視的局限性,包括信號(hào)傳輸時(shí)延和通信中斷[20-21]。針對(duì)上述局限性,一些學(xué)者提出了相關(guān)的智能控制方法,以保證良好的編隊(duì)性能。

3.1 通信定位時(shí)延狀態(tài)下的AUV 編隊(duì)智能控制

水下通信定位時(shí)延包括數(shù)據(jù)包的傳輸時(shí)延和解析時(shí)延。傳輸時(shí)延發(fā)生在AUV 之間互相通信定位的過程中,它與水聲傳輸速度和傳輸距離有關(guān)。如圖4 所示,如果將AUVi的狀態(tài)封裝為數(shù)據(jù)包P 并發(fā)送給AUVj,那么P 預(yù)計(jì)將在下一瞬間到達(dá),由于產(chǎn)生了時(shí)延,AUVj在收到P 時(shí),時(shí)間延遲了τ。解析時(shí)延是聲信號(hào)和電信號(hào)的轉(zhuǎn)換時(shí)間,與數(shù)據(jù)包大小、通信協(xié)議等因素相關(guān)。由于時(shí)延的存在,每個(gè)AUV 的編隊(duì)誤差總是之前時(shí)刻的,導(dǎo)致AUV 編隊(duì)誤差將隨著時(shí)間增加而不斷累積,最終可能造成AUV 的丟失。因此,時(shí)延的存在大大增加了控制的難度。

圖4 AUV 編隊(duì)通信定位時(shí)間延遲示意圖Fig.4 Diagram of time delay for AUV formation communication and positioning

當(dāng)水下任務(wù)時(shí)間較短時(shí),每個(gè)AUV 的同步時(shí)鐘誤差可以忽略不計(jì),只要第j 個(gè)AUV 收到第i 個(gè)AUV 的運(yùn)動(dòng)狀態(tài)信息(加蓋了時(shí)間戳),就可以獲得延遲時(shí)間τ。針對(duì)時(shí)延可獲得情況下的AUV編隊(duì)問題,基于狀態(tài)反饋的方法、魯棒控制方法、自適應(yīng)方法和最優(yōu)控制方法等智能控制方法通常被使用。文獻(xiàn)[22]和[23]設(shè)計(jì)了雙層狀態(tài)反饋智能控制器,其在時(shí)延恒定的假設(shè)下對(duì)AUV 編隊(duì)模型進(jìn)行了解耦,并通過建立Lyapunov-Krasovskii泛函證明了系統(tǒng)的穩(wěn)定性,仿真結(jié)果表明所提方法可以容忍0.5 s 的時(shí)延。由于時(shí)延會(huì)受到距離、地形和海洋環(huán)境的影響,文獻(xiàn)[24]～[29]針對(duì)時(shí)延時(shí)變問題開展了研究,其使用狀態(tài)反饋線性化的方法將AUV 的非線性耦合模型轉(zhuǎn)移到雙積分器中,并基于這個(gè)簡(jiǎn)化的雙積分器數(shù)學(xué)模型智能決策編隊(duì)行為,仿真結(jié)果表明所提方法可以容忍最大的時(shí)變延遲為0.4 s。文獻(xiàn)[30]將H2/H∞控制器與前饋控制器組合,提出了時(shí)延下的編隊(duì)魯棒控制方法,在假設(shè)時(shí)延恒定的情況下保證了良好的編隊(duì)控制性能,仿真結(jié)果表明所提方法可以容忍0.6 s的時(shí)延。文獻(xiàn)[31]在自適應(yīng)控制器的設(shè)計(jì)中考慮到了延遲時(shí)間會(huì)隨著領(lǐng)航者AUV 和跟隨者AUV之間的距離變化問題,并基于實(shí)際的延遲時(shí)間來設(shè)計(jì)代價(jià)函數(shù),通過最小化代價(jià)函數(shù)來解決時(shí)變的延遲問題,仿真結(jié)果表明可以容忍最大為5 s 的時(shí)延。文獻(xiàn)[32]為每個(gè)AUV 設(shè)計(jì)了一個(gè)數(shù)據(jù)驅(qū)動(dòng)狀態(tài)預(yù)測(cè)器,其根據(jù)接收到的其他AUV 延遲運(yùn)動(dòng)狀態(tài)信息在線估計(jì)其他AUV 的當(dāng)前運(yùn)動(dòng)狀態(tài),并通過主動(dòng)延遲補(bǔ)償機(jī)制與最優(yōu)控制理論進(jìn)行AUV 編隊(duì)控制,仿真結(jié)果表明所提方法最大可抵抗2 s 的時(shí)延。

然而,在一些AUV 編隊(duì)控制中,時(shí)鐘同步實(shí)現(xiàn)較難,誤差不可忽略,例如為期數(shù)月的AUV 水下探測(cè)編隊(duì)控制。此外,延遲信息是通過數(shù)據(jù)包中加蓋時(shí)間戳的方式獲得的,時(shí)間信息將增加數(shù)據(jù)包的大小,最終導(dǎo)致延遲的增加,無法忽略誤差[33]。針對(duì)時(shí)鐘誤差不可忽略、時(shí)延信息無法精確獲得的編隊(duì)問題,一些用于時(shí)間延遲估計(jì)的智能方法被提出。文獻(xiàn)[33]設(shè)計(jì)了一種基于梯度下降法的時(shí)延估計(jì)器來智能估計(jì)時(shí)延,仿真和物理實(shí)驗(yàn)表明其可以抵抗實(shí)際情況下5 s 的時(shí)延。文獻(xiàn)[34]利用核密度的方法來估計(jì)時(shí)延,并在控制系統(tǒng)中增加了狀態(tài)反饋,物理實(shí)驗(yàn)表明該系統(tǒng)可以容忍實(shí)際情況中4 s 的時(shí)變時(shí)延。

3.2 通信定位中斷狀態(tài)下的AUV 編隊(duì)智能控制

在聲學(xué)通信定位中數(shù)據(jù)包丟失的主要原因包括路徑損失、噪聲和多徑傳播。當(dāng)中斷發(fā)生時(shí),AUVj將無法獲得AUVi發(fā)送的信息,如圖5 所示。為了提高系統(tǒng)抵抗通信定位中斷的能力,一些學(xué)者提出了相關(guān)的智能控制方法。所提出的智能控制器可以使用位置的預(yù)測(cè)信息代替丟包損失的信息,或通過提高系統(tǒng)的魯棒性,降低系統(tǒng)對(duì)外界擾動(dòng)的響應(yīng),從而提高系統(tǒng)抵抗通信定位中斷的能力。

圖5 AUV 編隊(duì)通信定位中斷示意圖Fig.5 Diagram of AUV formation communication and positioning interruption

文獻(xiàn)[34]基于曲線擬合的方法來智能預(yù)測(cè)領(lǐng)航者AUV 的運(yùn)動(dòng)狀態(tài),預(yù)測(cè)結(jié)果可為跟隨者AUV連續(xù)、精確軌跡的生成提供參考,仿真和物理實(shí)驗(yàn)結(jié)果驗(yàn)證了在通信定位間隔為5 s 的情況下所提方法可以容忍30%左右的丟包率。文獻(xiàn)[35]基于灰色模型理論改進(jìn)了模型預(yù)測(cè)控制方法,通過對(duì)系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)解決了通信定位中斷問題,仿真結(jié)果表明,當(dāng)通信定位間隔為0.1 s 時(shí)該方法可以容忍0.7 s 的通信定位中斷。文獻(xiàn)[36]提出一種改進(jìn)的視線法來解決通信定位中斷問題,該方法中領(lǐng)航者AUV 的運(yùn)動(dòng)狀態(tài)由現(xiàn)有數(shù)據(jù)和先驗(yàn)知識(shí)共同獲得,仿真結(jié)果表明在丟包率為3%、節(jié)點(diǎn)間通信定位間隔近20 s 的情況下系統(tǒng)仍然能夠保持編隊(duì)穩(wěn)定性。

在使用魯棒控制解決通信定位中斷問題方面,文獻(xiàn)[37] 將反饋滑模控制與狀態(tài)觀測(cè)相結(jié)合,提高了系統(tǒng)抵抗通信定位中斷的能力,仿真結(jié)果表明,當(dāng)通信定位中斷為0.6 s、通信定位間隔為0.3 s時(shí)AUV 編隊(duì)仍能保持穩(wěn)定。此外,文獻(xiàn)[38]利用反饋線性化和直接離散化方法設(shè)計(jì)了AUV 編隊(duì)智能控制器,仿真結(jié)果表明在通信定位中斷發(fā)生的情況下AUV 編隊(duì)仍能保持穩(wěn)定。

4 研究現(xiàn)狀總結(jié)

通信是AUV 編隊(duì)控制的必要條件,但是通信約束的存在使編隊(duì)效果具有不確定性,導(dǎo)致使用傳統(tǒng)方法難以滿足作業(yè)要求。智能控制方法的使用可以更好地解決編隊(duì)過程中因通信約束產(chǎn)生的不確定性問題,進(jìn)而提升系統(tǒng)隊(duì)形保持與變換的精確性、安全性和對(duì)非理想通信質(zhì)量的容忍性。

相對(duì)位姿難以準(zhǔn)確測(cè)量、個(gè)體之間易碰撞是光學(xué)通信下AUV 編隊(duì)控制的主要問題和挑戰(zhàn),這與光學(xué)通信的通信質(zhì)量受載體姿態(tài)穩(wěn)定性影響、通信能力受環(huán)境質(zhì)量影響、通信距離短等特點(diǎn)直接相關(guān)。考慮非確定因素以及系統(tǒng)安全性的智能控制方法設(shè)計(jì)是AUV 編隊(duì)性能的重要保障。通信時(shí)延與中斷是聲學(xué)通信下AUV 編隊(duì)控制的主要問題和挑戰(zhàn),這與聲學(xué)通信的遠(yuǎn)距離傳輸、路徑損失、噪聲干擾和多徑傳播等特點(diǎn)直接相關(guān),編隊(duì)的智能控制方法通常具有良好的相對(duì)位姿預(yù)測(cè)能力與性能指標(biāo)保持能力。在確定應(yīng)用場(chǎng)景指標(biāo)要求、通信方式以及控制結(jié)構(gòu)后,便可確定編隊(duì)需要重點(diǎn)解決的難點(diǎn)問題,相應(yīng)的智能控制方法也將針對(duì)該難點(diǎn)進(jìn)行設(shè)計(jì)。

針對(duì)AUV 編隊(duì)的智能控制,不同通信方式下的應(yīng)用場(chǎng)景、問題特征、使用方法、驗(yàn)證形式和試驗(yàn)成果總結(jié)如表1 所示。

5 發(fā)展趨勢(shì)

5.1 光學(xué)通信定位下大規(guī)模AUV 緊密編隊(duì)智能控制

從生物界中魚群覓食到無人機(jī)編隊(duì)表演,大規(guī)模密集個(gè)體完成任務(wù)的特點(diǎn)和優(yōu)勢(shì)已被廣泛關(guān)注和利用。隨著水下任務(wù)復(fù)雜性的不斷提升,大規(guī)模AUV 緊密編隊(duì)(其特點(diǎn)為各AUV 間相對(duì)距離近,易發(fā)生碰撞,對(duì)控制精度要求高)進(jìn)行作業(yè)將成為常見作業(yè)模式。在歐盟項(xiàng)目的資助下,奧地利Ganz 人工生命實(shí)驗(yàn)室發(fā)布了由41 個(gè)AUV 參與的編隊(duì)實(shí)驗(yàn),實(shí)驗(yàn)中AUV 間可進(jìn)行有效協(xié)同與緊密編隊(duì),主要面向的任務(wù)為水下監(jiān)測(cè)和搜索[39]。

由于對(duì)通信帶寬與實(shí)時(shí)性的要求,AUV 大規(guī)模緊密編隊(duì)需要采用光學(xué)通信方式。然而,光學(xué)通信定位不僅受到湍流和濁度等環(huán)境影響,還將受到距離、平臺(tái)姿態(tài)、通信定位模式等因素影響,給大規(guī)模AUV 隊(duì)形保持與變換帶來極大挑戰(zhàn)。大規(guī)模高效通信拓?fù)淙绾位趫D論和多智能體一致性的方法建立,多處不確定干擾下如何精確保持隊(duì)形,以及通信拓?fù)浼s束下隊(duì)形如何智能、安全切換等關(guān)鍵問題急需解決。因此,大規(guī)模AUV 編隊(duì)的智能控制方法設(shè)計(jì)將獲得更多關(guān)注。

5.2 通信定位頻率降低下解決通信時(shí)延和中斷的AUV 編隊(duì)智能控制

連續(xù)通信定位不僅會(huì)造成網(wǎng)絡(luò)擁堵,還會(huì)帶來能量消耗。在編隊(duì)控制過程中通過抑制控制器的更新次數(shù),減少AUV 之間的信息傳輸頻率,是解決上述問題的有效方法之一[40]。因此,一些學(xué)者提出了一些智能控制方法,旨在降低AUV 編隊(duì)內(nèi)部通信定位頻率。文獻(xiàn)[40]提出了一種基于脈沖系統(tǒng)的控制方法,有效減少了數(shù)據(jù)傳輸?shù)目偭俊Ｈ欢?該方法無法平衡通信定位次數(shù)和控制性能。針對(duì)上述問題,基于事件觸發(fā)的方法得以使用,系統(tǒng)只有滿足觸發(fā)條件時(shí)才能進(jìn)行通信定位,兼顧了節(jié)能與性能[41]。

雖然目前在降低通信頻率方面已有一些研究成果,但并未考慮通信時(shí)延和通信中斷情況的發(fā)生,這導(dǎo)致研究成果較難在工程應(yīng)用中直接發(fā)揮作用。因此,如何在降低通信頻率的基礎(chǔ)上解決通信時(shí)延和中斷問題是未來的發(fā)展趨勢(shì)。

6 結(jié)束語

AUV 編隊(duì)的智能控制是AUV 集群作業(yè)的重點(diǎn)研究問題。計(jì)算機(jī)技術(shù)、通信技術(shù)、自動(dòng)化技術(shù)和人工智能技術(shù)的交叉融合是實(shí)現(xiàn)AUV 編隊(duì)智能控制的基礎(chǔ)。文章從通信方式的特點(diǎn)出發(fā),歸納總結(jié)了光學(xué)與聲學(xué)通信定位方式下AUV 編隊(duì)智能控制方法,并分析了未來發(fā)展趨勢(shì)。在該方向上雖然已取得了大量的研究成果,但在實(shí)際應(yīng)用中仍存在諸多有待解決的問題,如光學(xué)通信定位下大規(guī)模AUV 緊密編隊(duì)的智能控制以及通信定位頻率降低下解決通信時(shí)延和中斷的AUV 編隊(duì)智能控制。未來AUV 編隊(duì)智能控制將在AUV編隊(duì)作業(yè)中扮演越來越重要的角色。