生物启发主从式多AUV水下编队控制研究

The formation control of AUVs is studied for the underwater workspaces with multi interference,complicated ocean current and limited commication. Firstly, underwater noise interference is removed by using multi sensor information fusion technology, JSW（Juggling-like Stop-and-Wait）acoustic communications scheme is used on the basis of USBL(Ultra Short Baseline) system, and underwater information of AUV and obstacle is acquired accurately; Then a novel leader-following formation path planning algorithm is presented by combining the bio-inspired neural network model with the leader-following method, and the path planning of the following AUV is automatically realized by using the virtual AUV and the bio-inspired neural network model; On the basis of process above, the tracking control law of following AUV can be obtained adaptively by the sliding mode control algorithm for model uncertainty and ocean current; Finally the effectiveness of the proposed formation control strategy (the leading-following formation control algorithm based on the bio-inspired model) is demonstrated through AUV systems in Laboratory.

本项目研究多干扰、复杂海流、弱通信条件下AUV(Autonomous Underwater Vehicle)编队控制问题。首先，将多传感器信息融合技术引入AUV水下信号处理之中，利用数据融合多维信息处理优势消除水下噪音干扰,同时以超短基线定位系统为硬件基础，采用“交互停等”传输模式实现AUV之间的信息交互，准确获取AUV和障碍物的水下位置信息，生成水下环境地图；在此基础上将生物启发神经网络与主从式编队控制算法相结合，提出生物启发主从式AUV编队规划算法，将领航AUV产生的虚拟机器人看作目标物，利用生物启发神经网络自适应、无学习特性，实现跟随AUV自适应、实时安全的编队路径规划；在考虑海流与AUV模型不确定性影响下，利用变结构滑模控制策略实现每个AUV的路径跟踪控制。最后，应用实验室的AUV系统进行编队控制实验，验证所提生物启发主从式多AUV编队控制方法的有效性。

本项目研究了多干扰、复杂海流、弱通信条件下AUV编队控制问题。首先，将多传感器信息融合技术引入AUV水下信号处理之中，利用数据融合多维信 息处理优势消除水下噪音干扰,同时以超短基线定位系统为硬件基础，获取AUV和障碍物的水下位置信息，生成水下环境地图；在此基础上将生物启发神经网络与主从式编队控制算法相结合，提出生物启发主从式AUV编队规划算法，将领航AUV产生的虚拟机器人看作目标物，利用生物启发神经网络自适应、无学习特 性，实现跟随AUV自适应、实时安全的编队路径规划；在考虑海流与AUV模型不确定性影响下， 利用变结构滑模控制策略实现每个AUV的路径跟踪控制。应用实验室的AUV系统进行改装，实现编队 控制实验，验证所提生物启发主从式多AUV编队控制方法的有效性。. 提出一种生物启发自组织SOM编队控制方法，实现了障碍物环境下多AUV队形变换控制，得到一套多AUV水下自组织编队实验系统。研究成果将在水下搜索领域有广泛应用前景。