小型自主水下航行器群体协同地形勘察关键技术研究

针对小型无人水下航行器(MAUV)群体协同核心理论和地形勘察关键技术问题，系统深入地开展行为动力学建模、群体行为控制、自学习行为智能体、同步定位与地图创建(SLAM)理论研究，提高MAUV控制和定位标图系统精度和可靠性；突破系统设计和集成的关键技术，围绕海洋资源勘察的实际需求进行验证和应用。具体地，运用智能建模和鲁棒辨识方法、结合动力学优化方法建立和分析MAUV系统动力学模型；基于行为动力学和模糊推理方法构建MAUV自组织行为智能体；基于协同信度分配机制建立MAUV群体行为自学习智能体；基于复杂任务聚集和动态感知特性研究MAUV群体自适应任务规划方法；针对MAUV位姿、环境地图和传感器的不确定性问题，研究基于新型组合滤波的MAUV协同SLAM技术，满足MAUV在未知环境中定位准确度、勘察精度和实时性要求；通过样机研制和应用试验验证MAUV群体协同自主控制与地形勘察关键技术的有效性和可行性。

本项目针对欠驱动小型自主水下航行器(MAUV)群体协同核心理论和地形勘察关键技术问题，系统深入地研究了MAUV 航行性能和稳定性分析的动力学建模与计算、控制系统鲁棒建模、抗干扰变深控制、路径跟踪控制、协同自主控制、导航定位、同步定位与标图等理论，并探索了非线性控制、新型组合滤波、多智能体等新方法，突破了复杂环境下欠驱动MAUV自主控制关键技术，围绕海洋环境地形勘察任务需求完成了创新方法试验验证。.具体地，本项目设计了具有PID 反馈增益的变深控制器、神经网络Backstepping变深控制器、具有L2 干扰抑制的鲁棒变深控制器；建立了基于行为动力学和模糊推理的MAUV自主行为智能体、神经网络案例Q 学习的MAUV自学习行为智能体和基于语义知识框架的MAUV群体协同使命控制体系结构；提出了方差缩减粒子滤波的航位推算、强跟踪Cubature 卡尔曼滤波的导航定位、带渐消记忆时变噪声统计估值器的自适应Cubature卡尔曼滤波导航定位、强跟踪平方根容积粒子滤波的导航定位、线性优化重采样的FastSLAM、粒子权值方差缩减的FastSLAM、自适应UKF的SLAM 等新方法；仿真验证了MAUV运动模型的操纵性，实现了MAUV水平面/垂直面/三维直线/空间曲线等抗干扰路径跟踪控制、多目标任务规划与自组织作业、基于语义知识框架的使命控制、基于模糊自适度Hough 变换的海洋环境特征提取与SLAM自主导航等；基于ProE、QT、Creator、Vega Prime 等平台构建了MAUV 群体协同地形勘察集成控制系统试验平台，通过使命控制动态仿真和地形勘察三维视景仿真，较全面地验证了关键技术与研究方法的有效性与可行性。.研究结果表明，本项目所提出的MAUV群体协同地形勘察关键技术与创新方法能够有效地提高系统自主导航定位的精度、可靠性和安全性；智能建模方法能够较准确地构建系统动力学模型和控制系统模型；新型鲁棒非线性运动控制方法能够提高系统在复杂环境下的抗干扰能力和稳定性；群体协同自主控制方法能够满足MAUV复杂作业任务需求，进而保证系统自组织作业的安全性与自适应性。.通过研究，共发表与项目有关的学术论文67篇，其中48篇已标注基金支持、EI检索46篇；出版学术著作1部；申报技术发明专利12项，专利授权2项、公开9项；获得省部级科技进步二等奖1项；硕博士（后）人才培养39人。