淺談海洋調查中的水下機器人避障技術

摘 要：水下機器人在海洋調查、能源開發(fā)中的作用十分重要。本文通過多傳感器信息融合技術，利用視覺傳感器、水聲定位系統(tǒng)、聲吶傳感器、慣性測量單元和水溫水壓傳感器采集水下機器人的數據，進行信息融合?；诳柭鼮V波方法，判斷水下機器人的周圍環(huán)境，修改運動軌跡，躲避障礙物，使水下機器人在海洋中能夠自動避障。

關鍵詞：海洋調查；多傳感器融合；水下機器人；避障

中圖分類號：TP 249" " " " " " " 文獻標志碼：A

海洋面積約占地球總面積的70%，海洋中資源豐富，但是海洋中的環(huán)境復雜多變，海洋開采主要集中在淺海區(qū)域，目前的探測手段不足以開采更深的區(qū)域、獲得更多的能源，因此，有必要研究水下調查的海洋設備。

水下機器人（Autonomous Underwater Vehicle，AUV）融合人工智能、自動控制、模式識別、信息整合以及系統(tǒng)集成等技術，通過遠程遙控或自主操作，作為一個工作載體代替真人完成各種高難度的水下作業(yè)任務[1-3]。水下機器人廣泛應用于海洋探測、深海打撈和石油勘測等領域。海洋環(huán)境復雜多變，單一的傳感器無法完成高精度自主導航的任務，需要融合多種傳感器獲得更精準的數據。

本文設計多傳感器信息融合試驗，測試水下機器人的位置誤差、運動軌跡以及避障性能，驗證系統(tǒng)的應用效果，研究水下機器人的自動避障技術。

1 多傳感器信息融合采集模塊設計

水下機器人多傳感器信息融合采集技術是利用多傳感器進行數據采集、整合和處理的技術。在工作過程中，將獲得的多傳感器數據實時發(fā)送至水下機器人的主控制器，對機器人進行閉環(huán)運動控制，提高了機器人的感知能力、定位精度和環(huán)境建模能力。它包括以下幾個方面的技術細節(jié)。

1.1 多傳感器組成

1.1.1 視覺傳感器

在水下探測環(huán)境的過程中，視覺傳感器將檢測的光信號轉換為電信號并生成圖像，分析圖像中環(huán)境特征的信息。

1.1.2 水聲定位系統(tǒng)

水聲定位系統(tǒng)通過聲音在水下傳導進行信息通信。與可以全球定位的GPS系統(tǒng)不同，水聲定位系統(tǒng)按基陣間距離分為長基線系統(tǒng)、短基線系統(tǒng)和超短基線系統(tǒng)[4-6]。本文采用超短基線系統(tǒng)傳輸水下信息。

1.1.3 聲吶傳感器

本文采用多普勒聲吶傳感器，利用聲波測量環(huán)境特征的距離。該方法成本低，信息處理簡單，應用廣泛。

1.1.4 慣性測量單元

慣性測量單元是機器人在導航中常用的設備之一，具有不受外界電磁干擾影響的優(yōu)點，能夠提供位移、速度、航向和姿態(tài)角數據，數據更新頻率高，穩(wěn)定性好。

1.1.5 水溫水壓傳感器

當水下機器人在水下工作時，需要實時監(jiān)控所處環(huán)境的溫度和壓力。

1.2 多傳感器部署

在實際操作中，需要將選定的傳感器部署在水下機器人的不同部位，以覆蓋整個水下環(huán)境。本文在水下機器人前端左右兩側分別安裝視覺傳感器和聲吶傳感器，在水下機器人尾部安裝水溫水壓傳感器，在水下機器人左右兩端安裝水聲定位系統(tǒng)和慣性測量單元，當在海洋中工作時，水下機器人能夠探測周圍的環(huán)境信息。

1.3 多傳感器數據采集以及融合技術

采集傳感器數據的關鍵是保證數據的準確性和一致性。不同類型的傳感器需要采用不同的數據采集方式和頻率，以保證數據精度。同時，須對數據進行預處理和濾波，以解決傳感器數據質量差異較大的問題。

在傳感器數據融合過程中，需要整合來自不同傳感器的數據，以提供更全面、準確的環(huán)境信息。選擇數據融合算法將直接影響整個信息融合采集模塊的性能。

2 主控制器結構設計

2.1 主控制器設計概述

水下機器人主控制器設計技術是系統(tǒng)的關鍵技術之一，它負責整個系統(tǒng)的控制和決策。在水下環(huán)境中，主控制器需要具備高效、穩(wěn)定和可靠的特性，以保證水下機器人能夠有效地執(zhí)行任務。

2.2 主控制器模塊設計

主控制器需要搭建在穩(wěn)定可靠的硬件平臺上，以保證系統(tǒng)的性能和可靠性。硬件平臺包括主控制器芯片、傳感器接口和通信模塊等。水下機器人系統(tǒng)的性能和可靠性與硬件平臺和組件的質量有統(tǒng)計學意義。

本文的主控制器實時接收多傳感器采集的數據，由4個模塊組成，分別為無刷直流電機、電子調速器、電壓檢測模塊和主微控制器。采用STM32F4 芯片進行控制，可通過 UATR、SPI 進行多種數據傳輸，將多傳感器采集的信號發(fā)送給電子調速器，電子調速器控制無刷直流電機，從而控制水下機器人。水下機器人多傳感器采集模塊以及控制器結構如圖1所示。

3 基于卡爾曼濾波的信息處理技術

3.1 卡爾曼濾波的基本原理

卡爾曼濾波是一種遞歸估計技術，利用線性組合前一時刻的估計值和測量值來預測當前時刻的狀態(tài)，并修正預測結果。其核心思想是利用已知的系統(tǒng)模型和傳感器測量數據來估計系統(tǒng)的狀態(tài)，同時考慮系統(tǒng)的不確定性和測量誤差，采用最小化估計誤差的方法來優(yōu)化估計結果。

3.2 卡爾曼濾波的信息處理主要技術模塊

卡爾曼濾波是融合系統(tǒng)的測量值和模型預測值，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法。其核心思想是基于機器人的狀態(tài)空間模型，更新系統(tǒng)狀態(tài)的估計值，預測系統(tǒng)動態(tài)。

3.2.1 狀態(tài)空間模型

狀態(tài)空間模型描述系統(tǒng)的動態(tài)特性，精確表示輸出與狀態(tài)之間的關系。水下機器人導航系統(tǒng)的卡爾曼濾波狀態(tài)空間模型如公式（1）所示。

Y（k+1）=?（k）Y（k）+C（k）X（k）+Q（k） （1）

式中：Y（k）為水下機器人的狀態(tài)向量；?（k）為狀態(tài)轉移矩陣；C（k）為輸入控制矩陣；X（k）為輸入變量；Q（k）為外界噪聲；Y（k+1）為水下機器人經卡爾曼濾波后的狀態(tài)向量。

設N為水下機器人配置的傳感器數量，針對每個傳感器設置對應的局部濾波器。第i個局部濾波器設為Yi（k+1），其狀態(tài)方程如公式（2）所示。

Yi（k+1）=A（k）Yi（k）+C（k）X（k） " " " "（2）

式中：Yi（k+1）為第i個水下機器人在k+1時刻的狀態(tài)向量；A（k）為系統(tǒng)參數；Yi（k）為第i個水下機器人的狀態(tài)向量。

3.2.2 更新階段

基于公式（2）得到測量值修正系統(tǒng)的狀態(tài)預測值、更新后的水下機器人狀態(tài)值和協(xié)方差，從而優(yōu)化并估計系統(tǒng)狀態(tài)。更新方程如公式（3）所示。

（k+1|k）=?（kk）（kk|k）

Ri（k+1|k）=?（k）Ri（k|k）?（k）T+?（k）Q（k）?（k）T （3）

式中：（k+1|k）為經過預定時間更新后的水下機器人的狀態(tài)值；（k|k）為水下機器人的初始狀態(tài)值；Ri（k+1|k）為協(xié)方差；Ri（k|k）為初始協(xié)方差。

3.2.3 卡爾曼增益計算

卡爾曼增益在卡爾曼濾波中起決定性作用，充分利用測量值和預測值之間的信息來分配權重，提高濾波器的濾波精度和穩(wěn)定性。測量更新后的卡爾曼增益如公式（4）所示。

（k+1|k+1）=（k+1|k）+Ki（k+1）di（k+1） （4）

式中：Ki（k+1）為卡爾曼增益；Hi（k+1）為調整后的觀測矩陣；Si（k+1）為協(xié)方差矩陣；（k+1|k+1）為調整后的水下機器人狀態(tài)；（k+1|k）為水下機器人的狀態(tài)值；di（k+1）為信息。

3.2.4 協(xié)方差更新

協(xié)方差用于更新狀態(tài)空間模型中估計值的不確定性。利用協(xié)方差更新，動態(tài)調整系統(tǒng)的狀態(tài)估計值，提高估計值的精確度。更新后如公式（5）所示。

Ri（k+1|k+1）=I·Ri（k+1|k）-Ki（k+1）Hi（（k+1）Ri（k+1|k） （5）

式中：Ri（k+1|k+1）為誤差協(xié)方差；I為單位矩陣。

融合處理水下機器人攜帶的多傳感器采集的信息后，在控制水下機器人正常行進的過程中，實時識別水下環(huán)境中存在的障礙物信息以及可能存在的碰撞風險，基于卡爾曼濾波尋找水下機器人的最優(yōu)路徑，進行有效避障。

4 試驗結果與分析

為了更好地驗證水下機器人的避障功能，選擇一個水域進行模擬試驗，水域長200 m，寬140 m，水深50 m，對水下設備進行參數設置后讓其運動，通過試驗多傳感器融合前后的位置誤差和觀察水下機器人躲避障礙物的實際運動軌跡，分析水下機器人的避障性能。

在試驗中，在水下環(huán)境中放置不同類型的傳感器來獲取多種感知數據，將這些數據進行融合，得到更全面、準確的環(huán)境信息。在模擬中，建立水下環(huán)境的仿真模型，并引入虛擬傳感器數據，驗證信息融合算法的可行性和效果。多傳感器信息融合前后位置誤差對比如圖2所示，由圖2可知，信息融合前位置誤差很大，融合后上下波動很小，接近平穩(wěn)。由此得出結論，融合傳感器數據可以提高水下機器人的感知能力和定位精度，減少位置誤差，精準控制機器人，躲避障礙物。

為驗證水下機器人的避障效果，在試驗水域設置若干個障礙物，分析它的運動軌跡來驗證效果，如圖3所示。水下機器人的實際運動軌跡完美躲避了障礙物，當遇到障礙物時，機器人會優(yōu)化路徑，達到了很好的避障效果。

5 結論

本文通過多傳感器信息融合技術，基于卡爾曼濾波方法將視覺傳感器、水聲定位系統(tǒng)、聲吶傳感器、慣性測量單元和水溫水壓傳感器采集的數據進行信息融合。根據這些信息，水下機器人能夠識別水下環(huán)境中的障礙物，判斷周圍存在的風險，重新規(guī)劃水下運動路線，在惡劣環(huán)境中避障，順利到達目標位置。該技術能夠更好地應用于海洋探測調查中，進一步開發(fā)和利用海洋中的各種資源。

參考文獻

[1]李松，劉照輝.基于 AUV 的水下傳感器網絡數據采集軌跡規(guī)劃[J].中國電子科學研究院學報，2022，17（1）：93-97.

[2]包靈卉，曾慶軍，朱志宇，等.自主水下機器人回收導航多傳感器融合研究[J].計算機仿真，2021，38（10）：361-366.

[3]任福深，孫雅琪，胡慶，等.基于Unity3D的水下機器人半實物仿真系統(tǒng)[J].系統(tǒng)仿真學報，2020，32（8）：1546-1555.

[4]張立川，徐德民，劉明雍，等.基于移動長基線的多AUV協(xié)同導航[J].機器人，2009，31（6）：581-586.

[5]邢志偉，于開洋，王曉輝.超短基線定位系統(tǒng)在ROV動力定位中應用的可行性研究[J].機器人，2002，24（6）：487-491.

[6]田坦.水下定位與導航技術[M].北京：國防工業(yè)出版社，2007：56-70.

通信作者：陳萍（1985-），女，湖南長沙人，碩士研究生，南方醫(yī)科大學教學發(fā)展中心助理研究員，研究方向為計算機。

電子郵箱：115931716@qq.com。

基金項目：海南省重大科技項目“系統(tǒng)作業(yè)平臺搭載技術及海試”（項目編號：ZDKJ202017）。