数据驱动的自适应海洋采样网络协作、认知与控制研究

Adaptive ocean sampling is a challenging research topic to China's ocean resources development,exploration and going to deep blue. To meet the goal of designing and proving an effective and reliable underwater mobile sensor network for collecting the richest data set in an uncertain environment given limited resources, the following issues will be considered: (1) The modeling and distiributed estimation algorithm will be proposed to characterize ocean spatio-temporal random fields, under which, the temperature, salinity, hydrothermal plumes and other interest ocean fields could be modeled and estimated. (2) An event-triggered communication logic will be poposed to ensure all the sensor nodes have coordinated cognition for the ocean fields, when the communication between AUVs can only be locally and intermittently.(3) The relationships between the deployment of sensors and sampling performance will be analyzed theoretically,and the corresponding performance metric constrained by communication delays, transmission loss will be proposed to derive the optimal paths for the network of mobile sensors.(4) The paths of AUVs will be optimized and controlled to take measurments of ocean spatio-temporal random fields and collect the richest data sets based on adaptive dynamic programming theory. An expected result of this work is to construct a cooperative,cognitive and control framwork for the multiple AUVs, which can act in response to changing conditions as measured data druing the sampling. We wish the aforementioned researches could present a novel theory and method for adaptive ocean sampling networks.

自适应海洋采样是我国海洋资源开发与走向深蓝进程中一个重要的研究课题。为实现水下移动传感网络的协作数据采样，传感器节点平台-自主水下航行器（AUV）需运动到采样信息最丰富的观测配置上。为此，本项目深入开展以下内容研究：（1）提出一种海洋环境时空数据模型建模与分布式估计方法，实现对温度、盐度、热液羽流等一类采样对象的建模与估计；（2）研究设计一种事件触发的逻辑通讯机制，在各AUV进行局部、间歇性通讯情形下，获得对环境参数的协同感知。（3）从理论上分析观测配置与采样性能之间的关系，同时考虑通讯时延、数据丢包等各类约束，以获得最优采样为目的，建立多AUV协作采样性能评价模型。（4）基于自适应动态规划理论对AUV的航迹进行优化与控制，驱动各AUV保持对采样环境的最优观测。通过本项目的研究，构建一种由采样数据信息驱动的多AUV协作、认知与控制框架，为自适应海洋采样提供新的理论和方法。

自适应海洋观测是我国海洋资源开发与走向深蓝进程中一个重要的研究课题。为实现水下移动传感网络的协作数据采样，传感器节点平台—自主水下航行器（AUV）需运动到采样信息最丰富的观测配置上。本项目面向海洋协同观测涉及的相关基础问题，主要开展了多AUV环境参数建模与分布式估计、数据驱动的面向最优观测配置的采样平台覆盖控制、面向海洋环境采样的多无人船实验平台研究与实验三项内容的研究，取得的主要创新性结果如下：. （1）基于分布式贝叶斯一致性估计思想，提出了一种海洋环境时空数据模型建模与分布式估计方法，实现了对温度、盐度、热液羽流等一类采样对象的建模与估计。该方法不需要环境模型的具体参数，可以看作是一种完全意义上的数据驱动的与具体测量环境模型无关的环境参数估计算法。. （2）针对采样环境敏感度函数未知情形，基于项目组提出的分布式贝叶斯一致性估计方法实现对采样环境建模与重构，在此基础上基于覆盖控制思想，通过对环境区域进行分割划分依次得到区域质心，在分别考虑采样平台运动学以及动力学特性基础上设计最优覆盖控制率，驱动各采样平台运动到自身区域质心，从而实现对环境最优监测和采样。. （3）研究开发了多无人船自主观测实验平台，为算法的验证和应用提供了良好的实验条件。. 通过项目的研究，构建了自适应海洋采样性能评价模型，并研究了该模型与海洋环境动态特征、观测配置、通讯约束等参数之间的关系机理，基本厘清了水下移动传感网络平台的运动规律与观测性能之间的关系。项目组通过仿真和实验分别对提出的算法进行了验证，结果表明了算法的有效性，为自适应海洋观测技术的发展和应用提供了一定的理论和方法基础。