前瞻科技

项目	陆上/空中无人系统组网	潜水器组网	信号处理面临的挑战	平台自身面临的挑战
能源	燃油、电池等	电池,充电困难	功耗与性能的权衡	续航能力,低速
硬件	结构仅受形状和材料优化设计制约	结构受制于压力和耐腐蚀性,通信和信号处理受限（如压电换能器带宽受限）,无统一标准	半双工网络	推进,机动性,有限的互操作性
网络部署	二维密集网络,大部分为静态节点,可为基础设施	三维稀疏网络,可有多移动节点,完全自组织	物理层及网络设计	自主性
卫星导航信号	有	无	定位及时钟同步困难	定位及导航
信息传播速度/ （m·s^-1）	3×10⁸（光速）	1500 （声速, 随空间变化,随时间起伏）	高时延通信协议	指挥及控制存在反馈延迟
信号起伏	中断模型已知	中断模型未知	目标检测概率低、虚警率高,低码率及不可靠通信	自主性,有限的协作性
多径	微秒级	毫秒或秒级
噪声	电噪声,非动态	环境噪声,高动态
频率/带宽	高	低
比特率	Mbps	<15 kbps（水声）
成本	便于部署多智能体网络（节点多为低成本）	网络设备及海上部署和作业昂贵	算法的有效性及宽容性	算法的有效性及宽容性

项目	陆上/空中无人系统组网	潜水器组网	信号处理面临的挑战	平台自身面临的挑战
能源	燃油、电池等	电池,充电困难	功耗与性能的权衡	续航能力,低速
硬件	结构仅受形状和材料优化设计制约	结构受制于压力和耐腐蚀性,通信和信号处理受限（如压电换能器带宽受限）,无统一标准	半双工网络	推进,机动性,有限的互操作性
网络部署	二维密集网络,大部分为静态节点,可为基础设施	三维稀疏网络,可有多移动节点,完全自组织	物理层及网络设计	自主性
卫星导航信号	有	无	定位及时钟同步困难	定位及导航
信息传播速度/ （m·s^-1）	3×10⁸（光速）	1500 （声速, 随空间变化,随时间起伏）	高时延通信协议	指挥及控制存在反馈延迟
信号起伏	中断模型已知	中断模型未知	目标检测概率低、虚警率高,低码率及不可靠通信	自主性,有限的协作性
多径	微秒级	毫秒或秒级
噪声	电噪声,非动态	环境噪声,高动态
频率/带宽	高	低
比特率	Mbps	<15 kbps（水声）
成本	便于部署多智能体网络（节点多为低成本）	网络设备及海上部署和作业昂贵	算法的有效性及宽容性	算法的有效性及宽容性

无人潜水器组网观测探测技术进展与展望

PDF下载

徐文 ¹ , 李建龙 ¹ , 李一平 ² , 陈惠芳 ¹ , 杨绍琼 ³ , 曾俊宝 ² , 王延辉 ³

前瞻科技 | 综述与述评 2022,1(2): 60-78

收起

前瞻科技 | 综述与述评 2022, 1(2): 60-78

无人潜水器组网观测探测技术进展与展望

全屏

徐文¹, 李建龙¹, 李一平², 陈惠芳¹, 杨绍琼³, 曾俊宝², 王延辉³

作者信息

1.浙江大学海洋研究院,浙江省海洋观测—成像试验区重点实验室,舟山 316021

2.中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016

3.天津大学机械工程学院,天津 300072

徐文,教授,博士研究生导师。现任浙江大学海洋研究院常务副院长。《声学学报》、IEEE Journal of Oceanic Engineering、JASA Express Letters等期刊编委。曾任“蛟龙”号载人潜水器海试技术咨询专家、“863”计划海洋环境监测技术主题专家组组长,4次担任南海试验航次首席科学家。长期从事水声信号处理及海洋监测技术研究,关注水声学与物理海洋的结合、水声系统与潜水器技术的结合。主持科技部、中国科学院、国家自然科学基金委员会多项重大科研项目。电子信箱： wxu@zju.edu.cn。

Networks of Unmanned Underwater Vehicles for Ocean Exploration: Advances and Prospects

Wen XU¹, Jianlong LI¹, Yiping LI², Huifang CHEN¹, Shaoqiong YANG³, Junbao ZENG², Yanhui WANG³

Affiliations

1. Zhejiang Provincial Key Laboratory of Ocean Observation-Imaging Testbed, Ocean Academy, Zhejiang University, Zhoushan 316021, China

2. State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China

3. School of Mechanical Engineering, Tianjin University, Tianjin 300072, China

出版时间: 2022-06-20 doi: 10.3981/j.issn.2097-0781.2022.02.005

文章导航

摘要

收起

潜水器移动观测与探测是海洋科学研究、环境保护、资源开发、防灾减灾、国防维权等应用的重要手段。作为各型潜水器单机应用的拓展,多平台组网凭借其相比于单机的倍增优势,已成为国际上潜水器研究与应用领域的热点与前沿方向之一。文章回顾了无人潜水器组网的国内外研究现状,对典型案例进行分析,重点介绍“十三五”国家重点研发计划项目的最新试验进展,并对相关技术发展趋势进行展望,为后续中国无人潜水器技术提升和海上组网应用提供科学思路和技术优先方向的参考。

关键词

无人潜水器 / 水下移动传感网络 / 通信与定位 / 协同探测

Abstract

收起

Ocean observation and exploration with underwater vehicles are playing an increasingly important role in scientific research, environmental protection, resource exploitation, disaster prevention, and national security. As a platform expanding the application of the individual underwater vehicle, networks of unmanned underwater vehicles possess outstanding advantages and have become a hot spot and cutting-edge direction in underwater vehicle research and applications globally. This paper reviews the current progress of unmanned underwater vehicle networks both in China and abroad and analyzes several typical application examples. In addition, the most recent experimental results from the National Key Research and Development Program of China during the 13th Five-Year Plan period are highlighted, and the development direction of major technologies is discussed, which may provide a reference for optimizing technologies for unmanned underwater vehicles and expanding the network applications.

Key words

unmanned underwater vehicle / underwater mobile sensor network / communication and localization / collaborative exploration

引用本文

徐文, 李建龙, 李一平, 陈惠芳, 杨绍琼, 曾俊宝, 王延辉. 无人潜水器组网观测探测技术进展与展望. 前瞻科技, 2022 , 1 (2) : 60 -78 . DOI: 10.3981/j.issn.2097-0781.2022.02.005

Wen XU, Jianlong LI, Yiping LI, Huifang CHEN, Shaoqiong YANG, Junbao ZENG, Yanhui WANG. Networks of Unmanned Underwater Vehicles for Ocean Exploration: Advances and Prospects[J]. Science and Technology Foresight, 2022 , 1 (2) : 60 -78 . DOI: 10.3981/j.issn.2097-0781.2022.02.005

正文

收起

动态海洋环境的研究已从对大尺度、慢变过程的观察发展到对中小尺度、快变过程的观察。区域环境的动态变化对特殊气候形成、灾害条件产生、生物习性变迁以及实时战区警戒等有着极其重要的影响。区域性、多变性、实时性环境观测要求具备宽覆盖、人机交互与快变跟踪能力。近年来潜水器及组网技术的快速发展为其提供了新的机会。

潜水器组网是指以各型潜水器为核心装备,可涵盖潜标系统、浮标系统、海底锚系、水面舰艇、无人机、卫星等装备的单类或多类观测与探测网络平台。得益于自主潜水器（Autonomous Underwater Vehicle, AUV）、水下滑翔机（Underwater Glider, UG）等潜水器平台的迅速发展与定型成熟,移动组网观测具备了可扩展的条件,能够执行更复杂、更智能、持续时间更久、覆盖范围更广的任务,已经成为近海、远海观测与探测的重要手段。

水下移动网络面临诸多区别于陆上网络的独特挑战和风险^[1]。首先,水下环境的动态性和非结构性,水流等环境变化性造成移动平台运动的不确定性,显著影响网络拓扑结构,控制难;其次,大气—海水界面形成一道天然屏障,全球卫星导航技术在水下无法使用,定位难;再者,声波作为主要的通信手段,信道条件异常复杂,信号带宽有限、时延-多普勒双扩展且时变、延迟大、误码率大、时常失去连通性等,通信难;此外,潜水器平台和海上试验的相对高成本导致技术发展必不可少的实际验证与应用门槛较高。因此,潜水器组网涉及的水下协同控制、通信、定位、导航、传感、路径规划以及贯穿其间的能源优化技术,不仅是海洋技术与信息技术交叉研究的热点,也是一个国家海洋高科技综合实力的体现。

1 国外研究进展

收起

伴随着海洋无人潜水器种类的多样化和性能的提升,以及传感、能源、通信网络、海洋动力环境模型构建和预测、多智能体协同控制等理论和技术的发展,潜水器编队与组网无论在理论研究,还是在海上测试与应用中,都取得了长足进步。当前国外潜水器组网技术主要集中在美国、欧盟和澳大利亚等海洋强国和地区。美国从20世纪90年代即开始潜水器编队组网研究,并自21世纪初开展了多次潜水器编队协作控制与组网观测的海上试验,相关技术已经在海洋观测、军事活动、应急处置、工程作业等领域进行了规模性或代表性应用,展现了组网观测、探测的优势与前景。

1.1 水下滑翔机协作观测研究与应用

水下滑翔机自主航行及通信能力较弱,通常只在水面与监控中心进行信息交互、接收协作任务指令,属于松耦合的网络。由于水下滑翔机海上作业的便捷性,尤其适合于大空间范围、长时间序列、多台套协作环境采样和针对目标的协同探测。国外的研究重点涵盖了水下滑翔机的多种理论和技术前沿,包括协作与自适应采样控制、最优轨迹规划、面向特定任务的水下滑翔机编队、基于水声通信的多机轨迹规划、导航和数据传输,以及台风等极端条件下水下滑翔机的采样控制等,并获得了众多应用成果。目前国际上几乎所有重要的海洋观测系统和海洋观测计划中都存在水下滑翔机编队和网络构建的研究任务和应用规划^[2]。

20世纪90年代开始,伴随水下滑翔机单机技术成熟,由美国海军研究院资助的自主海洋采样网（Autonomous Ocean Sampling Network, AOSN）计划启动,该计划的目的是以水下滑翔机为核心平台,构建海洋观测网,观测大范围近海和沿海区域内的各种重要海洋特性和海洋现象（图1（a））^[3]。AOSN分别于2000年、2003年和2006年在美国蒙特利湾（Monterey Bay）进行了一系列的海洋观测应用试验。

2003年8月,AOSN 2期试验（AOSN II）在蒙特利湾进行（图1（b））^[4]。试验中采用一组水下滑翔机,组成水下自适应采样网络,充分利用海流预测,设计控制策略并实现滑翔机的布局结构调整。此次试验共有10台Slocum水下滑翔机和5台Spray水下滑翔机参与,分别搭载温盐深仪（Conductivity-Temperature-Depth, CTD）、叶绿素、荧光计等传感器,对夏季蒙特利湾上升流进行为期40 d的调查试验,获得12000组剖面试验数据,提高了海洋科学家对海洋上升流、跃层和锋面的认识和理解。

2006年8月,在AOSN II的基础上,开展了自适应采样与预报（Adaptive Sampling and Prediction, ASAP）试验研究,以验证如何利用多个水下滑翔机进行高效的参数采样。ASAP在蒙特利湾展开的试验,共有4台Spray水下滑翔机和6台Slocum水下滑翔机参加,对蒙特利湾西北部寒流的周期上升流进行了调查。试验中水下滑翔机协作控制系统（Glider Coordinate Control System, GCCS）被用来优化滑翔机间的相对距离和编队构型优化。通过ASAP试验,多水下滑翔机组成分布式、移动的海洋参数自主采样网络,在实际应用中进一步展现了其效能。

2018年4月美国海军海洋局（Naval Oceanographic Office, NAVOCEANO）采用卫星通信的方式指挥水下滑翔机,达成了同时控制50台水下滑翔机的目标;目前其正通过自动化新方法提高效率,实现同时控制100台水下滑翔机。通过水下滑翔机在水中收集的温度和盐度数据,可以用于构建海洋模型、实现环境预测,这些预测对于分布范围广泛的海军作战保障非常重要。

同期,美国海洋大气署根据其业务需要构建了综合海洋观测系统（Integrated Ocean Observing System, IOOS）^[5],海洋滑翔机编队在其中起到了重要作用。IOOS已经建立了持续的气候和生态观测区、危机快速响应区和飓风密集区3个常规性观测网。经统计,2018—2021年间,水下滑翔机编队平均每年总滑翔天数超过6500 d。

此外,欧盟科学家2005年以来实施了欧洲滑翔机观测网络（European Gliding Observatories Network, EGO）计划^[6],主要目的是研究如何协调组织滑翔机编队实现全球性、区域性及近海岸等不同范围内的长期海洋观测任务,对物理—生物耦合现象、海洋环流等进行调查。

澳大利亚自2007年开始构建综合海洋观测系统（Integrated Marine Observing System, IMOS）。IMOS系统的子观测网（Australian National Facility for Ocean Gliders, ANFOG）负责水下滑翔机编队的运行和维护,用来对澳大利亚周边海域进行观测^[7]。迄今为止,它已经完成对大陆架海域的物理、化学、生物现象的高分辨率观测和预报。

在一些特殊的海洋现象观测与调查中,水下滑翔机编队组成的协作观测也开展了大量的实际应用,包括美国南加州近海观测（2006年至今）、墨西哥湾观测（2010年至今）、意大利海域温度观测（2016年）、非洲东南部洋流观测（2017年）等,取得了一定效果。

1.2 AUV协同组网研究与应用

虽然水下滑翔机是当前移动组网观测中的主要平台,但是AUV的机动性和通信能力可形成紧耦合的网络,使得组网的效能得到更好的发挥。针对多AUV在海洋要素观测、目标搜索跟踪、环境监督、区域巡逻等方面的应用,需要有效地组织各平台,通过各平台之间的协同完成复杂任务,待解决的问题主要有：可靠的通信协议、感知及多AUV间的数据信息融合,多平台间的协同控制、协同导航定位等。

最知名的AUV组网研究项目为美国麻省理工学院（Massachusetts Institute of Technology, MIT）开展的通用海洋阵列技术系统（Generic Oceanographic Array Technology System, GOATS）研究^[8]（图2（a））。从1998年开始,GOATS致力于将多自主式潜水器系统组成移动式的水下探测网络,实现多潜水器系统在濒海水域的水雷搜索和快速环境感知。并在1998—2014年开展了一系列基于AUV及其组网的水声探测实验,发展了声学参量阵、合成孔径处理、多基地目标散射成像、节点间精准同步、基于机器学习的目标分类等技术。可以说,GOATS项目既引领了AUV平台的发展,直接促成了Bluefin机器人技术公司的成立,又引领了水下移动组网技术的研究。

与GOATS相关,Bluefin机器人技术公司联合多家公司、大学和政府实验室开展了“分布式侦察与探测的协作自主性”（Cooperative Autonomy for Distributed Reconnaissance and Exploration, CADRE）研究^[9],发展CADRE系统是为了实现美国海军的无人潜水器（UUV）总规划提出的水下考察、测量和水下辅助通信/导航能力。该研究以多AUV及水面无人船协作探雷使命为背景,系统由3种不同类型的AUV组成,分别担任导航、探测和识别水雷任务,2005年进行了试验。

北约水下研究中心与MIT的研究人员在原有GOATS的基础上将多水中无人系统的作业使命从反水雷作战扩展到了反潜作战领域上来,开展了被称为“通用近海互操作网络技术”（Generic Littoral Interoperable Network Technology, GLINT）的研究（图2（b））^[10]。该项目研究和论证如何能够让多种传感器系统在水下网络中配合作业,在水下战场中完成自动探测、定位、跟踪以及识别的工作。2008—2011年期间,该项目每年都开展多水中无人系统协同作业的海上实验,为研制全功能协作反潜战系统这一长期目标奠定了基础。

这一项目还于2010年在意大利海域进行了AUV协同内波观测试验,并基于水声通信实现了AUV—船—锚定传感器的实时通信。2011年又成功使用了多个Bluefin AUV组网在地中海沿岸和美国夏普仑湖对水下温跃层进行三维特征跟踪,也展现了多AUV组网在通信与数据融合方面的挑战性。

针对水声通信组网技术发展的需要,美国海军支持了历时12年的海网（Seaweb）项目^[11],由固定/移动的水下节点和浮标节点构成水声网络,提供声学通信、声学探测、定位导航功能的集成方案。先后引入了多址接入复用设计、分布式结构控制、动态路由、中继传输等技术,促进了水下组网的技术发展。

欧盟方面,从2014年开始,开展了名为“可扩展移动水声组网技术”（Widely-scalable Mobile Underwater Sonar Technology, WiMUST）的研究项目^[12],旨在建立一套包含多个AUV的可扩展水声组网系统,用于大范围海底地形测绘、海底地震波探测、海洋水文采样、海洋搜救、海洋考古以及敌情侦察、雷区搜索等任务,并提高协同作业效率。2016年11月在葡萄牙附近海域开展了海上试验,基于EvoLogics水声通信系统,实现了10余套AUV的协同导航和网络化控制。

综上所述,目前国际上海洋观测和探测应用中使用AUV的设计很多,基于平台经济性、续航能力和布放回收方便性的考虑,组网试验的规模大都比较有限,协同能力和技术水平还有较大的提升空间。

1.3 异构潜水器组网研究与应用

AUV、水下滑翔机、水面无人艇等不同移动平台及浮潜标、海床基等固定平台在功能、特点、载荷、适用范围存在差异和互补性,使得采用异构平台的组网逐渐成为海洋观测探测技术发展的一种趋势,相关技术的研究也成为关注的重点。

2006年欧盟启动了名为“未知环境下异构无人系统的协调与控制”（Coordination and Control of Cooperating Heterogeneous Unmanned Systems in Uncertain Environments）技术研究^[13]。该项目研究目的在于初步实现真正意义上的分布式智能作业系统,多水下（水面）无人移动平台能够在真实的海洋环境中进行协调作业,从而缩短多无人系统研究中理论到实践之间的差距。其主要内容包括异构无人系统集成指挥控制系统设计与开发,适用于异构水中无人系统的信息交互中间件设计,基于网络、无线网络、无线电、水声通信的信息交互体系结构设计,以及异构多无人系统在未知环境下的协调控制技术等。2009年11月在葡萄牙塞辛布拉（Sesimbra）附近海域进行了多水下（水面）无人系统的协同作业海上试验,取得了较好的效果。

上述项目之后,2009年欧盟又资助了名为“多无人潜水器协同认知与控制技术”（Cooperative Cognitive Control for Autonomous Underwater Vehicles/CO3-AUV）项目的研究^[14]。其主要内容包括多无人潜水器仿真环境开发（包括水声通信仿真）,2D/3D地图创建,水下环境中协同定位与导航技术,协作式行为设计等,旨在提高水下环境建模的准确性和多无人潜水器协同认知能力。

2012年3月,由德国、法国、西班牙、葡萄牙、意大利相关研究机构共同承担的“自组织海洋机器人系统—逻辑连接的物理节点”（Marine Robotic Systems of Self-organizing, Logically Linked Physical Nodes）项目正式启动^[15]。该项目主要研究多海洋无人系统在海底地形起伏区域的自适应编队、高精度协同定位以及协同探测技术。重点解决复杂海底情况下的无人系统紧耦合作业问题,通过多无人系统的信息融合提高协同探测的精度。北约水下研究中心为该项目研究提供水面及水下通信系统支持,研究成果应用于港口警戒、反水雷和反潜作战。

典型异构潜水器组网应用包括2010年墨西哥湾漏油事件调查、2011年日本震后紧急救援、2013年加拿大主持的南部海洋观测、2015年开始的马来西亚航空MH370航班搜寻等。

2 国内研究进展

收起

2.1 “十一五”以来进展

随着中国经济实力与研发制造能力的进一步增强,“十一五”以来,中国常规潜水器的关键技术取得突破,潜水器关键零部件国产化方面也有较大进展,潜水器制造产业链初具规模。同时在潜水器的组网理论研究方面,国内相关单位在潜水器编队控制、轨迹规划与避障、协同导航、任务分配、水声通信网络、仿真平台等多方面开展了大量研究工作。

中国科学院声学研究所、哈尔滨工程大学、中国船舶集团第七一五研究所、浙江大学等联合开展了水声通信组网技术研究,2014年4—6月在南海进行了15个节点的水声通信组网测试,支持高速正交频分复用技术（OFDM）和低速多载波多进制数字频率调制（MFSK）两种通信能力^[16]。哈尔滨工程大学在多无人潜水器体系结构、任务分解与分配、弱通信条件下的协调控制等方面开展了研究,并于2014年8月在山东威海附近海域进行了潜水器协同编队海上试验。中国科学院沈阳自动化研究所在多无人潜水器仿真系统设计、协同导航以及协同编队控制方面开展了研究,2014年起相继进行了基于水声通信的多AUV协同编队试验、异构无人潜水器编队试验。

在单体技术成熟的基础上,潜水器协作和编队的应用也逐步开展。以水下滑翔机为核心装备,天津大学、中国科学院沈阳自动化研究所均已开展了多平台编队规模性海上应用示范。2014年9月,天津大学在西沙附近海域实现了3台“海燕”水下滑翔机的编队与协作观测。2017年7月,中国科学院沈阳自动化研究所研制的“海翼”系列水下滑翔机在中国科学院海洋先导专项南海综合调查航次第一航段科考任务中,共布放12台水下滑翔机,实现了一定规模的水下滑翔机集群观测。2017年8月,青岛海洋科学与技术试点国家实验室联合天津大学、中国海洋大学等多家单位开展了覆盖大气—海水界面至4200 m水深范围的14万km²海区的中尺度涡海洋组网观测实验,其中移动观测平台包括“海燕”水下滑翔机、各型波浪滑翔机等共计30余台套国产观测装备。2019年5月,青岛海洋科学与技术试点国家实验室再次联合天津大学等多家单位启动了包括“海燕”水下滑翔机、两型波浪滑翔机、HM-2000浮标、实时传输潜标等共计74台无人设备的海洋组网观测计划,观测区域以南海中部、北部为核心,辐射吕宋海峡及黑潮延伸体等海域,覆盖海气界面至4000 m水深范围的105万km²海区,同时在网观测设备达45台。2019年10月,在中国第10次北极科考期间,自然资源部第一海洋研究所组织实施了中国首次针对北极海域的水文与生化要素水下滑翔机协作组网观测^[17]。

在国家“863”计划支持下,浙江大学牵头开展了“声场-动力环境同步观测系统集成与示范”研究,以声学-动力数据同化与模式预报为指导,采用移动声学-动力观测节点与锚系声学-动力观测潜标组网,将大范围、低分辨声层析和小范围、高分辨自适应水文采样相结合,实现区域动力环境-声场同步、机动、智能监测,形成快变动力环境的观测能力。该项目在完成相关硬件、软件及协议等研制及开发的基础上,于2016年6月开展集成试验,通过射频/水声通信组网,在岸基中心完成数据集成、声场与动力环境耦合预报以及AUV观测策略反馈,是国内首次多台套AUV参与组网环境观测并形成闭环控制的集成示范试验。2018年6月,中国科学院沈阳自动化研究所组织开展的空海一体化立体协同观测联合试验,投放的装备有“云鸮100”无人直升机、“GZ-01”无人水面艇、“远征二号”AUV、“探索4500”AUV和“海翼”水下滑翔机,共计5大类型8台套无人装备,在构建空海一体化立体协同观测系统方面作出了有益尝试。总体上,到“十二五”规划收官,中国在规模化的移动组网观测探测方面尚处于初步探索阶段,在组网关键技术及海上验证、关键设备自主研制以及应用能力等方面,与国际先进水平相比,仍有较大差距。

2.2 “十三五”国家重点研发计划项目进展

“十三五”期间,国家重点研发计划“深海关键技术与装备”专项设立了“无人无缆潜水器组网作业技术与应用示范”项目。项目在深圳市投资控股有限公司配套经费支持下,实现了“探索100”自主潜水器,“海翼1000”和“海燕1000”水下滑翔机,“海鳐”“蓝鲸”和“黑珍珠”波浪滑翔机的定型和小批量生产,有力推动了无人潜水器平台核心技术的成熟和产业化（图3）。在此基础上,通过组网关键技术攻关,构建了包含3类潜水器、54台套的异构潜水器网络系统,围绕中尺度涡动力现象观测、水下声学环境测量与目标探测、海洋油气工程环境保障、大亚湾海域环境特征研究等科学和应用目标,2019—2021年开展了累计6个多月的海上试验与示范。依据公开发表的文献,综合考虑参与组网观测与探测应用的潜水器种类和数量、组网通信方式,移动组网规模已进入国际领先行列。该项目的成功实施,使中国海洋移动组网技术从理论仿真研究进入成规模试验乃至应用示范阶段。主要的技术进展和试验结果介绍如下。

2.2.1 多海洋滑翔机编队协作观测

针对由水下滑翔机和波浪滑翔机组成的海洋滑翔机编队,基于编队的运动规律与协作控制机理,完成了智能化岸基操控中心开发,实现多海洋滑翔机遥控、遥测、协调及实时观测数据的自动分发。给定长时滞通信约束,提出了基于虚拟信息分布和动态领导跟随模型的海洋滑翔机异构编队控制系统架构（图4）,同时在算法层面,通过滑翔机水面点位精准预测,采用集中式反馈控制策略完成海洋滑翔机编队跑航与定点高频观测。

海上试验中采用15台水下滑翔机和17台波浪滑翔机,分别进行了水下滑翔机三角形编队跑航,水下滑翔机和波浪滑翔机联合编队的水平梳状协作跑航和三角形队形位置保持试验（图5）,试验中水下滑翔机和波浪滑翔机控轨和控位精度平均偏差可以控制在2 km以内,但波浪滑翔机在海面水流较强时偏差增大。

2.2.2 多水面信标区域定位网络示范

针对水下移动节点大范围、低功耗定位的需

求,提出了一种基于海面多信标的可迁移区域定位网络设计（图6）,包括星座规划、报文格式、发送时序、定位方法及其算法等,具备水下移动节点网络区域内定位和短报文通信功能。项目研制了小型化定位/通信声学信标节点和用户定位接收终端,构建了包括10个海面信标（搭载于波浪滑翔机）、3个水下移动节点（水下滑翔机）、1个船基移动节点和1个岸基控制中心的区域定位网络（图7）,开展了海上试验验证与应用示范,实现了100 km²区域水下滑翔机的定位与短消息指令业务,定位精度小于10 m。依据公开发表的文献,可迁移区域定位网络设计及成规模海上应用示范为国际上首次,可为水下移动节点,包括具有航位推算功能的AUV和不具有航位推算功能的水下滑翔机、地转海洋学实时观测阵（Argo）浮标等,提供定位服务,满足特定应用的需求。

2.2.3 移动节点通信辅助网络应用

为了给水下作业的AUV编队提供通信服务,项目构建了异构通信辅助网络,包括3个海面移动节点（搭载于波浪滑翔机）、2个海底固定节点（搭载于坐底平台）、1个岸基节点,至少支持2个水下移动节点（AUV）的实时接入。海面节点作为汇聚节点,通过卫星与岸基控制中心进行数据和信息交换。在网络的上行方向,水下各节点将采集到的数据和平台状态通过水声通信发送到海面汇聚节点,汇聚节点通过卫星将数据和状态发送到岸基控制中心。在网络的下行方向,岸基控制中心通过卫星和海面汇聚节点将工作参数、控制命令、任务指令等发送到水下移动节点或固定节点。

通信网络海上试验场景和部分结果如图8所示,采用的水声通信机为项目重点培育的国产自主品牌——SmartOcean Angelfish,其调制方式可以根据通信性能动态调整,试验过程中节点间通信距离约为3 km。网络协议在SeaLinx框架下开发,考虑到上行方向的数据量较大、频次高,下行方向频次相对较低,上行采用多汇聚逐跳机会动态路由协议（国际上最新发表的水下移动网络综述论文对此做了重点介绍^[1]）,下行采用基于上行路径的路由协议,AUV之间采用移动节点簇内自适应洪泛路由协议;数据链路层则为自适应发送时延的广播多路访问控制协议。试验结果表明,通信网络在包到达率、吞吐量、端到端时延和能量有效性等方面具有良好性能,网络传输速率超过400 bps。

2.2.4 潜水器海洋环境协同观测应用

潜水器海洋环境协同观测以提高研究海域环境场预报性能为目标,涉及动力模式参数化、预报误差评估及潜水器路径规划、多潜水器协同观测、分尺度数据同化等理论和技术,是美国AOSN计划的重点之一。项目组在前期国家“863”计划研究的基础上,于2020年7—10月在南海东北部海域开展了为期100 d的较大规模潜水器环境协同观测应用示范。图9为海洋环境协同观测试验采用10台水下滑翔机及8台AUV布放示意图。试验中潜水器路径规划包括整体布局优化和局部路径优化（AUV自适应采样）。

图10（a）和图10（b）为岸基远程大型服务器系统在2020年7月13日预报的7月14日上午10时温度场。岸基数据中心读取远程服务器系统输出的预报场数据,通过误差分析并执行路径规划算法,产生AUV系统级自适应采样路径信息,如图10（c）所示。采用图8构建的跨域异构通信网络,路径信息由岸基应用服务器经过母船应用服务器下达至AUV下位机;AUV根据规划的路径信息进行CTD采样,CTD数据通过水声通信经母船应用服务器发送至岸基数据中心,如图10（d）所示,可见实测温度低于预报温度。图10（e）和图10（f ）为同化后的温度场,可见由于实测数据的融合,同化后的温度整体低于预报场温度。

2.2.5 AUV组网水下目标探测

水下目标多节点组网探测可显著提高覆盖范围、检测概率、目标定位精度等,涉及单节点载荷及在线感知、异构通信网络、多节点数据融合及轨迹关联等理论和技术。针对潜水器平台特点,项目组解决了自噪声抑制、小孔径阵高分辨目标方位估计、跨域可靠通信及平台队形保持、多节点信息时空配准及融合等关键技术。

2020年7—9月以及2021年6月开展了多批次AUV、水下滑翔机及波浪滑翔机异构组网探测试验。采用图8的跨域异构网络进行信息交互,图11为AUV组网探测实施流程示意图,从左至右包括AUV目标探测场景（图11（a））;AUV并行搜索目标（图11（b））;当有AUV检测到目标信号并经确认后,AUV群变换搜索队形,组合成有利于目标定位的三角形（图11（c））并保持队形;母船应用服务器利用收到的AUV群探测信息获取目标位置信息后,AUV群围绕目标进行探测,当目标移动后,继续跟踪探测（图11（d））。图12为典型航次的3台AUV海试轨迹、目标估计方位（图12（a））以及估计误差（图12（b））。图12（b）绿色区域表示模拟目标移动时无跟踪信息,当目标信号重新出现时再次实现探测与跟踪,收敛后位置估计误差均小于50 m。

2.2.6 水下滑翔机声学应用

水下滑翔机由于具有低自噪声特点,在声学应用领域日益受到关注。2020年海试期间,项目组开展了多台套水下滑翔机区域协同探测、预警、深海信道连通性评估等试验。

图13（a）和图13（b）分别为水下声学滑翔机及AUV模拟目标源,其中水下声学滑翔机具有实时目标检测功能。图13（c）为3台声学滑翔机检测到AUV模拟目标后触发预警的上浮轨迹图,其中目标与滑翔机距离在2~6 km范围。图13（d）为目标拉距状态下3台水下滑翔机单节点检测及经融合后的协同检测概率,由图可知,协同情况下可显著提高目标检测概率（至82%）。

图14为深海信道连通性评估海试布放（图14（a））及声源距离水下滑翔机40 km时的信噪比(SNR)和对应的扩频二进制调制通信误码率(BER)（图14（b））。图14（a）中,黄色点为声源拉距站位,红色虚线为其拉距轨迹,红色点为4台水下声学滑翔机布放区（3 km半径范围）。由图14（b）可知,在水深200~600 m范围内,具有较高的接收信噪比及较低的通信误码率,验证了深海情况下,深度对通信接收性能具有显著影响。

3 无人潜水器组网技术未来展望与建议

收起

21世纪以来,中国及美国、欧盟、澳大利亚等采用多类型潜水器结合传统的船基、海床基、浮潜标、卫星遥感等观测手段,在感兴趣区域进行了大量沿岸流、上升流、中/亚中尺度物理、生化过程观测,海底测绘,海洋工程作业,以及水下目标探测等试验和示范,表明潜水器组网具有长时序、高时空分辨率、高效费比等特性,可以作为海洋科学研究、环境保护、资源开发、防灾减灾、国防维权等应用的重要手段。纵观国际上潜水器及其组网技术的发展历程,应用驱动一直是技术发展的源动力,讨论技术发展的未来方向,对应用场景的科学分析十分必要甚至是最重要的。本文讨论两种典型的潜水器组网应用场景,并对后续技术发展方向进行展望。

3.1 典型应用场景

1）海洋多尺度动力现象观测

海洋动力现象具有丰富的时空结构。海洋动力现象研究需要以足够的时空分辨率发现、跟踪、获取动力特征来研究海洋中物理、化学、生物、微生物相互作用,该研究是海洋科学研究面临的巨大挑战。尤其是大尺度的动力现象,其可能由小尺度的物理—生物现象驱动,例如研究人员早已认识到小尺度过程对全球气候以及对搅拌、混合、耗散率的影响,然而同时研究大尺度过程和小尺度过程仍然非常困难。利用不同时空观测尺度的异构潜水器组成网络进行协同观测,受到全球各地海洋科学家不约而同的关注。

为研究北太平洋亚热带锋面,欧美科学家2018年联合实施了称为“多机器人锋面探索”（Exploring Fronts with Multiple Robots）的航次,集成了3台水文参数AUV（航程>50 h）,3台水文—生化参数AUV（航程>24 h）,3台带有二甲硫、红外、多光谱传感器的无人机,1台带有可见光摄像的无人机,2台无人帆船,1台波浪滑翔机以及船载设备,对锋面进行发现、测量、采样、跟踪作业,获得了颇有科学价值的研究成果^[18]。这项研究工作的特色在于充分利用跨域的低成本无人平台的协同观测。这里的“协同”既包括整个作业流程中不同类型平台的分工协作,也包括单个作业阶段同一平台不同台套设备之间的协同测量,其中所开发的专用异构平台一体化网络操作软件发挥了重要作用。此外,研究工作还展现了即使平台之间的交互时有间断,为提高作业效率而嵌入的机器智能以及增强的船基、岸基“人在环路”设计对于观测过程的“觉知和反应”可以显著提高异构网络的作业能力,适应动态的环境条件和低带宽通信链接。

无独有偶,中国著名海洋科学家、中国科学院院士陈大可正在牵头构建一套“智能敏捷海洋立体观测仪”（Intelligent Swift Ocean Observing Device, ISOOD）,力图刻画次中尺度涡旋立体图像,阐明海洋与台风的作用机理。作为全球海洋动力系统和能量平衡中关键一环的海洋次中尺度过程,至今未能有人在海上直接观测到其完整的三维结构。而过去几十年间,台风路径预报水平一直稳步提升,但其强度预报却没有明显改进,亟需获取台风过境时上层海洋和海气界面的测量数据。ISOOD以智慧母船作为多种无人装备的运载工具和控制中心,可根据任务需求携带大批无人机、无人艇、自主潜水器等装备快速到达目标区域,并通过专用的布放回收装置实现无人装备的批量化高效部署（图15）。母船部署到位后,在无人节点集群组网协同控制、跨域异构组网通信、时间同步与定位导航一体化、数据可视化与科考作业管理等关键部件的支撑下,形成从空中4000 m到水下1500 m、水平覆盖160 km的跨域协同立体观测网,同时可投放剖面浮标、表面漂流浮标、漂流小浮子、探空仪等抛弃式装备作为补充。不难看出,ISOOD将提供一种全新的海洋观测模式,具有深远的科学意义和广阔的应用前景。

上述工作为后续的异构潜水器（进一步拓展到无人系统）网络技术研发和应用提供了重要的借鉴,其中科学家作为用户的任务设计起到了关键的作用。类似的观测方法和观测理念或许可以应用于中国南海频发的内波观测、琼东上升流观测、沿岸频发的赤潮监测等。

2）广域水下监控

前面讨论的AOSN、GOATS等美欧早期的潜水器及组网技术研究都有具体的军事应用背景,典型的如军事海洋保障、水雷对抗、反潜战等。随着相关技术的成熟,广域水下监控成为异构潜水器组网的重要应用场景。传统水下监控系统以固定节点为主,也包括费用、时间成本较大的船基/艇基系统,而无人移动平台可以作为有效的补充。虽然这些小型、低功耗的移动单元探测、通信能力有限,但是通过分布式、广域的部署以及信息交互,可以形成智能网络,自适应变化的环境条件和通信链路失效,从而实现较高的任务效能。

2005年,美国启动研制水下持续监视网（Persistent Littoral Underwater Surveillance Network, PLUSNet）^[19],以潜艇为母节点,以AUV及水下滑翔机为移动子节点,以水下潜标、浮标、水声探测阵为固定子节点,在自适应快速环境测量（Adaptive Rapid Environmental Assessment, AREA）的系统框架下,构成一种分布式海底固定/机动的水下网络,为水下作战提供海洋环境、水下目标信息支撑。在PLUSNet、Seaweb等重大项目基础上,美国海军进一步完善和强化了综合水下监控系统体系化及其操作能力。

2010年,北约科技组织（Science & Technology Organization, STO）等单位组织开展了协作海上演习——快速环境图景大西洋演习（Rapid Environment Picture Atlantic Exercise）。该演习包括3艘海军舰船、1艘海洋调查船、2台波浪滑翔器、18台无人潜水器,以及锚系潜标等,完成了自主无人平台网络相关技术的演示与验证。2016年10月,英国海军在苏格兰西海岸组织了“无人战士-2016”（Unmanned Warrior 2016）大型无人装备演习,出动50部无人装备,包括战机、水下潜器、水面快艇等,开展了大规模任务协同和作战测试,完成了海域探索、监控、情报收集等任务。

在水下部署移动监控网络与在陆上/空中部署网络相比需要面对更大的挑战,包括水下作业的难度、能源和续航力的不足以及有限的通信手段。表1总结了潜水器组网中水下探测处理和移动平台面临的主要问题^[20]。

应对这些挑战,需要解决以下几个方面的问题^[20]：①平台的自主性设计,从传统模型驱动转变为数据驱动,在一定目标准则下完成自主行为决策,这种自主性贯穿于通信、导航和多平台协作中;②水声信号处理设计,在潜水器平台能源、载荷搭载能力、计算能力、通信定位能力以及环境不确定性的限制下,研究稳健有效的探测模式和信号处理算法;③多目标跟踪与分布式信息融合设计,克服不确定测量的影响,研究低复杂度、适合分布式执行的算法;④水下通信体系设计,提供互操作性、物理层、网络层、多制式、安全性的解决方案,采用基于软件定义的架构是一个重要方向。

3.2 优先技术方向

综合国内外潜水器组网研究与应用进展,以及对应用场景的分析,建议优先发展以下技术方向。

1）多无人潜水器通用互操作技术

国际上在研及现役无人潜水器种类和数量均大幅增加,其在提升作业能力、推动高技术装备发展的同时也带来了重复建设、缺乏共享信息平台、通用性差等问题。当涉及到异构多无人潜水器协同作业研究时,上述问题显得尤为突出。无人系统互操作性是解决上述问题的关键之一。通过建立适当的互操作性标准,包括技术体系、接口标准和标准的操作程序,可以有效减少购置成本,实现不同用户传感器数据有效共享,简化协同控制操作流程。

2）多无人潜水器协同规划与预测技术

多无人潜水器协同作业过程中面临通信带宽受限、通信延时显著等突出问题。在这样的条件下,如何采用分布式的估计与预测策略,综合邻近通信节点的信息对协同作业所需的状态信息做出无偏估计,提高系统协同作业的鲁棒性并保证多无人潜水器系统的可扩展性,是多无人潜水器协同作业的重要内容之一。在此基础之上,研究如何利用得到的状态信息进行本地规划与决策,保证系统能够顺利完成协同作业过程中承担的任务。

3）多无人潜水器协作控制技术

由多无人潜水器组成的复杂网络,单独个体在作业过程中只能获得系统中部分其他个体的信息,同时由于水声通信条件的限制,不同个体之间的信息交互存在较大的延迟和不确定性。对于该类动态变化的系统,无法简单地通过提高维数从而转化为单个超高维的巨系统加以控制和处理。因此,对于多无人潜水器组成的有向（演化）网络,个体间的分布式非线性控制问题是一个核心问题。针对该典型的复杂网络系统,需要结合网络科学与控制相关学科理论,探索并建立一套适合于复杂网络条件下多智能体分布式控制的理论与方法,为多无人潜水器协作控制提供理论与方法的支撑。

4）水下滑翔机的大规模集群化技术

虽然当前国际上已经实现了超过50台水下滑翔机集群的协作操控与应用,近百台的滑翔机协作控制也正在开展研究,但更大规模的集群应用是其重要技术发展方向。通过提高控制与协作水平,实现更大规模和更广范围的海洋观测和巡查是其重要应用方向。其中,基于多机水下通信的相关研究,伴随着水声通信技术的发展,尤其是水声通信机的体积和能耗降低,已由理论研究逐步扩展为试验性研究,并开展了技术应用的演示。

5）基于大数据、仿生技术的高效控制策略

美国已研究并验证了蜂群、蚁群等仿生轨迹控制策略,如集群协同态势感知和智能识别、集群信息共享、集群自主编队控制、集群协同智能决策等技术,用于优化轨迹的控制算法,以达到时间最优和采样最优。智能化深度学习的进一步应用,各种编队算法将逐步完善,有效提升潜水器移动网的运行效率。随着对海洋的深入观测,将所得数据结合理论计算,可用于海洋动力学模型的构建,这对于洋流影响下潜水器的轨迹预测与规划有重要意义,能够大大提升轨迹的精度,从而确保多潜水器协同的效率和质量。利用大数据分析,建立潜水器任务评估系统,通过对任务的分解、分配、规划以及以往数据的处理,进行生存性预测与可靠性评估,可降低潜水器执行任务的风险。

6）跨介质多维空间的监控体系

水下及跨空—海界面通信技术是潜水器系统与水面/水下平台之间信息交互的关键,是数据传输与水下导航的瓶颈,而定位能力也是潜水器长期、高可靠、高精度工作的制约因素。随着通信和定位技术的进一步发展,移动节点依据时间基准、网络定位、协同导航及信息传输可大大提升传感器网络的可用性和可靠性,从而构建水下滑翔机、AUV、水面自航器、无人机、舰艇、飞机等的异构网络,实现范围更广、效能更高的空中—海上—水下多维空间的监控体系。

7）移动分布式网络与声学遥测的高效集成技术

为充分利用节点的分布性、移动性和声学测量在节点之间断面的覆盖性,需发展具备高自主性、高可靠性和高性能的潜水器多基地组网探测系统。该系统由多个发射、接收节点组网构成,利用多节点接收信号的融合实现水下目标定位和识别以及三维环境反演。其关键技术包括多基地系统移动组网、同步、通信、抗干扰,多基地框架下的移动层析、多目标自动检测、自主识别、跟踪及数据融合,小型化声呐系统及多传感功能集成,以及低复杂度、低功耗信号处理等,形成一批产业化前景良好的新型应用声呐。

8）有人/无人潜水器协同作业技术

不同类型的潜水器功能定位上各有差异,载人潜水器成本高,作业能力强,适合于精细观察、作业,而相对低成本的自主无人潜水器通过多台套组网可实现大范围目标搜寻探测。协同作业可以充分发挥不同类型潜水器各自的优势,以达到提升作业效率的目的。以特定应用需求为牵引,聚焦载人/无人潜水器组网协同搜寻、探测和作业关键技术,形成载人/无人潜水器深海协同搜寻、探测、作业全流程方案。

3.3 无人潜水器组网技术发展建议

综合以上现状与趋势分析,提出以下政策建议。

（1）加强无人潜水器及组网技术研发基础设施建设。前期相关单位在各类科技项目支持下已经研制了数量众多的各类潜水器,应协调建立共享平台,并选择典型海域建设公共试验场,这有利于研发组网技术的测试验证,并鼓励其他相关优势专业的科研人员参与,使得新理论、新技术、新工艺、新模式得以快速应用。

（2）加强无人潜水器组网技术及应用的基础理论研究。技术水平的提高依赖于基础理论的厚实,无论是海洋科学研究,还是海洋工程实践,基础理论水平对于应用设计至关重要。例如,海洋观测被认为可以在信息—物理—空间的框架下实现^[21],因而发展了面向海洋感知的潜水器网络自主性海洋信息环理论^[22]。这类理论需要结合具体的应用进一步深化。

（3）加强海洋科学家、专业业务保障人员等用户在无人潜水器及组网技术研发中的引领作用,提升用户应用水平,同时形成无人潜水器集群的管理、维护、操作人员培养的机制和运行模式,建立专业运维团队,尽早进入科学研究和业务保障的常规应用。

4 结束语

收起

无人潜水器组网观测探测是海洋高技术发展的前沿方向之一。通过构建移动潜水器观测网络,建立天空、水面、水下、海底长时协作观测系统,不但能够支撑风暴潮、溢油等重大海洋灾害和突发事件的应对,更能够为海洋的精细化观测和监控提供有利保障,为海洋安全提供先进技术支持。

中国无人潜水器组网技术已经从技术理论研究步入技术应用阶段,但与发达国家的组网技术相比,其在基础理论、协作能力、试验验证、应用水平上还存在一定差距。到目前为止,中国构建的海洋立体观测网络中还很少使用自主潜水器作为组网观测平台。准确把握关键技术发展趋势、加强关键技术海上验证、实现关键设备国产化、显著提升应用水平,是中国无人潜水器组网观测探测技术实现超越的有效途径。

基金

收起

国家重点研发计划(2017YFC0305900)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

Ansa

S S

, Dhongdi

S C

. Review of underwater mobile sensor network for ocean phenomena monitoring[J]. Journal of Network and Computer Applications, 2022, doi: 10.1016/j.jnca.2022.103418.

https://doi.org/10.1016/j.jnca.2022.103418

[2]

沈新蕊, 王延辉, 杨绍琼, 等. 水下滑翔机技术发展现状与展望[J]. 水下无人系统学报, 2018, 26(2): 89-106.

[3]

Curtin

T B

, Bellingham

J G

, Catipovic

, et al. Autonomous oceanographic sampling networks[J]. Oceanography, 1993, 6(3): 86-94.

https://doi.org/10.5670/oceanog.1993.03

[4]

Ramp

S R

, Davis

R E

, Leonard

N E

, et al. Preparing to predict: The Second Autonomous Ocean Sampling Network (AOSN-II) experiment in the Monterey Bay[J]. Deep Sea Research Part II: Topical Studies in Oceanography, 2009, 56(3): 68-86.

https://doi.org/10.1016/j.dsr2.2008.08.013

[5]

Houtman

, Legler

, Undstrom

, et al. Integrated Ocean Observing System (U.S. IOOS) 2013 report to congress[R/OL]. Silver Spring:U.S. IOOS Program. [2022-05-20]. https://cdn.ioos.noaa.gov/media/2017/12/2013-IOOS-Report-to-Congress-FINAL-compressed.pdf

[6]

Testor

, Mortier

, Send

, et al. European Gliding Observatories (EGO)[J]. Coriolis Newsletter, 2007(4): 11-12.

[7]

Pattiaratchi

, Woo

L M

, Thomson

P G

, et al. Ocean glider observations around Australia[J]. Oceanography, 2017, 30(2): 90-91.

[8]

Schmidt

, Edwards

J R

. GOATS: Multiplatform sonar concept for coastal mine countermeasures[M]// Schultz A C, Parker L E. Multi-robot systems: From swarms to intelligent automata. Dordrecht: Springer, 2002: 133-140.

[9]

Willcox

, Goldberg

, Vaganay

, et al. Multi-vehicle cooperative navigation and autonomy with the Bluefin CADRE system[C]// International Federation of Automatic Control Conference. Lisbon: IFAC, 2006: 20-22.

[10]

Lum

, Balasuriya

, Schmidt

. Multistatic processing and tracking of underwater target using autonomous underwater vehicles[C]// 3rd International Conference on Underwater Acoustic Measurements:Technologies and Results. Nafplion: Underwater Acoustic Conference & Exhibition, 2009: 1475-1482.

[11]

Rice

, Green

. Underwater acoustic communications and networks for the US Navy,s Seaweb Program[C]// 2nd International Conference on Sensor Technologies and Applications. Piscataway: IEEE Press, 2008, doi: 10.1109/SENSORCOMM.2008.137.

https://doi.org/10.1109/SENSORCOMM.2008.137

[12]

Al-Khatiba

, Antonellib

, Caffazc

. The Widely scalable Mobile Underwater Sonar Technology (WiMUST) project: An overview[C]// MTS/IEEE OCEANS Con-ference. Piscataway: IEEE Press, 2015, doi: 10.1109/OCEANS-Genova.2015.7271688.

https://doi.org/10.1109/OCEANS-Genova.2015.7271688

[13]

Kalwa

. The GREX-project: Coordination and control of cooperating heterogeneous unmanned systems in uncertain environments[C]// MTS/IEEE OCEANS Conference. Piscataway: IEEE Press, 2009, doi: 10.1109/OCEANSE.2009.5278179.

https://doi.org/10.1109/OCEANSE.2009.5278179

[14]

Birk

, Antonelli

, Caiti

, et al. The CO³AUVs (Cooperative Cognitive Control for Autonomous Underwater Vehicles) project: Overview and current progresses[C]// MTS/IEEE OCEANS Conference. Piscataway: IEEE Press, 2011, doi: 10.1109/Oceans-Spain.2011.6003552.

https://doi.org/10.1109/Oceans-Spain.2011.6003552

[15]

Kalwa

, Pascoal

, Ridao

, et al. The European R&D-project MORPH: Marine robotic systems of self-organizing, logically linked physical nodes[J]. IFAC Proceedings Volumes, 2012, 45(5): 349-354.

[16]

朱敏, 武岩波. 水声通信技术进展[J]. 中国科学院院刊, 2019, 34(3): 289-296.

[17]

陈红霞, 魏泽勋, 何琰, 等. 中国第十次北极物理海洋学科学考察综述[J]. 海洋科学进展, 2021, 39(3): 327-338.

[18]

Pinto

, Costa

, Mendes

, et al. Coordinated robotic exploration of dynamic open ocean phenomena[J]. Field Robotics, 2022, 2: 843-871.

https://doi.org/10.55417/fr.2022028

[19]

Grund

, Freitag

, Preisig

, et al. The PLUSNet underwater communications system: Acoustic telemetry for undersea surveillance[C]// OCEANS 2006. Piscataway:IEEE Press, 2006, doi: 10.1109/OCEANS.2006.307036.

https://doi.org/10.1109/OCEANS.2006.307036

[20]

Ferri

, Munafò

, Tesei

, et al. Cooperative robotic networks for underwater surveillance: An overview[J]. IET Radar, Sonar & Navigation, 2017, 11(12): 1740-1761.

https://doi.org/10.1049/iet-rsn.2017.0074

[21]

徐文, 鄢社锋, 季飞, 等. 海洋信息获取、传输、处理及融合前沿研究评述[J]. 中国科学: 信息科学, 2016, 46(8): 1053-1085.

[22]

Zhang

. Cyber-maritime cycle: Autonomy of marine robots for ocean sensing[J]. Foundations and Trends in Robotics, 2016, 5(1): 1-115.

https://doi.org/10.1561/2300000037

2022年第1卷第2期

PDF下载

3782

1988

引用本文

BibTeX

文章信息

doi: 10.3981/j.issn.2097-0781.2022.02.005

接收时间：2022-05-22
出版时间：2022-06-20
发布时间：2022-08-18

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2022-05-22
修回日期：2022-06-02

基金

国家重点研发计划(2017YFC0305900)

作者信息

1.浙江大学海洋研究院,浙江省海洋观测—成像试验区重点实验室,舟山 316021

2.中国科学院沈阳自动化研究所机器人学国家重点实验室,沈阳 110016

3.天津大学机械工程学院,天津 300072

通讯作者:

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/qzkj/CN/10.3981/j.issn.2097-0781.2022.02.005

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

表12种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

访问统计

友情链接

联系我们

官方微信公众号