不同通信定位方式下AUV 編隊智能控制方法綜述

俞建成 ,陳 闊 ,3 ,張 進 *

(1.中國科學(xué)院沈陽自動化研究所 機器人學(xué)國家重點實驗室,遼寧 沈陽,110016;2.中國科學(xué)院機器人與智能制造創(chuàng)新研究院,遼寧 沈陽,110169;3.中國科學(xué)院大學(xué),北京,100049)

0 引言

海洋面積占地球表面積的71%,蘊含有大量的資源,未被探索的區(qū)域很大,已經(jīng)成為全球經(jīng)濟的重要戰(zhàn)略資源。作為海洋探索和開發(fā)的重要工具,具有大面積、高復(fù)雜性探索能力的自主水下航行器(autonomous undersea vehicle,AUV)在控制、導(dǎo)航和定位等關(guān)鍵技術(shù)方面發(fā)展迅速,可用于海底探測、海洋信息采集、海上石油工程、海上搜救等領(lǐng)域[1-4]。然而,單臺AUV 的作業(yè)能力有限,存在工作時間短、探測面積小、任務(wù)執(zhí)行效率較低等缺點;另外,若單臺AUV 出現(xiàn)故障,將導(dǎo)致整個系統(tǒng)崩潰。因此,針對單臺AUV 作業(yè)的局限性,AUV 編隊技術(shù)在近些年得到了迅速發(fā)展[5-6]。

AUV 編隊系統(tǒng)是由能進行信息交互的多個AUV 個體組成[7]。與單臺AUV 相比,AUV 編隊具有以下優(yōu)勢: 1) 效率高。AUV 編隊可大幅增加作業(yè)范圍,編隊中的個體可攜帶不同的載荷,彼此協(xié)調(diào)可縮短復(fù)雜任務(wù)作業(yè)時間;2) 魯棒性強。AUV編隊不會因為單臺AUV 出現(xiàn)故障而導(dǎo)致整體任務(wù)的失敗;3) 經(jīng)濟性好。多臺成本較低的AUV 組成編隊可以搭載更多載荷,而無需使用更高成本的大型AUV。

然而,AUV 編隊執(zhí)行任務(wù)時需要大量的信息交互,以實現(xiàn)群體的優(yōu)化決策和協(xié)同控制,這增加了編隊系統(tǒng)對通信定位能力的要求。目前AUV編隊的常用通信定位手段為光學(xué)通信定位和聲學(xué)通信定位?？蛇_數(shù)十兆的數(shù)據(jù)傳輸速率、毫秒級別的鏈路時延、良好的安全性和較高的定位精度是水下光學(xué)通信定位的優(yōu)勢。但光學(xué)通信定位方式也存在以下不足: 1) 傳輸距離短,常規(guī)光通信機的可靠通信距離僅為幾十米,導(dǎo)致AUV 之間容易發(fā)生碰撞;2) 在湍流強、濁度高的環(huán)境中通信定位性能較差導(dǎo)致AUV 通常較難直接、準(zhǔn)確地測量周圍其他AUV 的運動參數(shù);3) 功耗較高?；谏鲜鰞?yōu)缺點,光學(xué)通信定位主要應(yīng)用于AUV 需要大數(shù)據(jù)量傳輸或精確定位,且AUV 間距在幾十米內(nèi)的應(yīng)用場景。水下聲學(xué)通信定位的優(yōu)勢為信號傳播衰減小,通信定位距離遠(可從幾百米延伸至幾十千米),但存在長時延、中斷和高能耗等問題。因此,聲學(xué)通信定位通常用于AUV 間距為數(shù)百米/數(shù)千米,且對通信數(shù)據(jù)量要求不高的應(yīng)用場景。

針對上述問題,一些學(xué)者提出了相關(guān)智能控制方法,旨在更準(zhǔn)確地獲取周圍AUV 的運動參數(shù),并安全完成指定作業(yè)任務(wù)。同時,由于聲學(xué)通信定位存在時延和中斷的問題,導(dǎo)致傳統(tǒng)的控制方法應(yīng)用效果不佳。因此,一些學(xué)者又提出了聲學(xué)通信定位下的相關(guān)智能控制方法,旨在提高AUV編隊系統(tǒng)抵抗時延和中斷的能力。

文章以不同通信定位方式的作業(yè)特點為主線,歸納總結(jié)了不同通信定位方式下AUV 編隊的智能控制方法,可為研究人員提供較為清晰的學(xué)科發(fā)展現(xiàn)狀及研究問題特征。此外,針對發(fā)展現(xiàn)狀及當(dāng)前水下集群作業(yè)關(guān)注熱點,對AUV 編隊的發(fā)展趨勢進行了探討。

1 AUV 編隊智能控制基礎(chǔ)模型

AUV 編隊控制是控制一組AUV 在任務(wù)需要時沿指定路徑移動,同時保持所需隊形,并適應(yīng)環(huán)境約束(如海流、有限空間和通信定位約束)的一種技術(shù)。隨著任務(wù)復(fù)雜性以及能力需求的不斷提高,傳統(tǒng)編隊控制方法在應(yīng)用中難以滿足要求,因此,可處理隨機和不確定性以解決新的具有挑戰(zhàn)性問題的智能控制方法獲得了更多關(guān)注[8]。AUV 編隊基礎(chǔ)模型是實現(xiàn)編隊智能控制的基礎(chǔ),主要包括航-跟隨者法、虛擬結(jié)構(gòu)法、人工勢場法、行為法和信息一致性法等,其中領(lǐng)航-跟隨者法和虛擬結(jié)構(gòu)法是2 種最為常用的基礎(chǔ)模型。

領(lǐng)航-跟隨者法的思想是將編隊中的指定個體作為領(lǐng)航者,其他個體作為跟隨者,領(lǐng)航者遵循預(yù)定的路徑,跟隨者與領(lǐng)航者保持一定的距離和角度,如圖1 所示。文獻[9] 和[10] 基于領(lǐng)航-跟隨者法的思想并使用反步法控制AUV 進行編隊,使AUV 編隊較好地實現(xiàn)了隊形保持與變換。虛擬結(jié)構(gòu)法是一種集中式控制方法,由Lewis 等[11]提出,其主要思想是將多AUV 系統(tǒng)看作一個虛擬的剛性結(jié)構(gòu),每個AUV 在剛性結(jié)構(gòu)上都有一個相對固定的位置,系統(tǒng)中所有AUV 都參照虛擬幾何中心運動,如圖2 所示。該方法的優(yōu)點是可以通過定義剛體中心的運動來實現(xiàn)整個編隊的運動,但由于整個編隊必須按一定的剛體結(jié)構(gòu)運動,因此其應(yīng)用范圍受到了限制。陳世健等[12]基于虛擬結(jié)構(gòu)法的思想研究AUV 編隊控制,使得AUV 都能在有限時間內(nèi)達到相對于虛擬領(lǐng)航者的期望位置。

圖1 領(lǐng)航-跟隨者法示意圖Fig.1 Diagram of the leader-follower method

圖2 虛擬結(jié)構(gòu)法示意圖Fig.2 Diagram of virtual structure method

2 基于光學(xué)通信定位的AUV 編隊智能控制

光學(xué)通信具備數(shù)十兆的數(shù)據(jù)傳輸速率和毫秒級別的鏈路時延,可實現(xiàn)短距離范圍內(nèi)安全、準(zhǔn)確的集群編隊。此外,光學(xué)定位相較于聲學(xué)定位更為準(zhǔn)確。因此,海底局部地形精細勘察、水下充電維護和珊瑚礁同步監(jiān)測是光學(xué)通信定位的主要應(yīng)用場景,這些任務(wù)需要AUV 在間距數(shù)米或數(shù)十米的范圍內(nèi)進行精確、實時操作。然而,對于光學(xué)定位,由于水質(zhì)、湍流和外界光源的影響,基于水下光學(xué)信息難以準(zhǔn)確且直接地測量周圍AUV 的運動參數(shù),如圖3 所示[13]。另外,編隊內(nèi)的AUV 之間通信距離較短,容易造成編隊內(nèi)部碰撞。因此,需要采用有效的智能控制方法以實現(xiàn)光學(xué)通信定位約束下的有效編隊。

圖3 水下光學(xué)定位場景特征Fig.3 Characteristics of underwater optical positioning scene

針對水下光學(xué)信息難以準(zhǔn)確、直接地估計周圍AUV 運動參數(shù)導(dǎo)致光學(xué)定位精度相對不高的問題,一些學(xué)者提出了相關(guān)的智能控制方法,如基于高斯拉普拉斯算子和卡爾曼濾波的智能控制。文獻[13] 針對光源在淺水區(qū)非均勻擴散問題,基于高斯拉普拉斯算子設(shè)計了智能控制系統(tǒng),完成了對周圍AUV 的姿態(tài)估計和自身的準(zhǔn)確控制,并在湖中開展了AUV 隊形變換(對接)試驗,試驗中最大位置誤差僅為9.818 mm。文獻[14]和[15]基于卡爾曼濾波方法設(shè)計了智能控制系統(tǒng),完成了基于水下視覺信息的姿態(tài)估計和準(zhǔn)確控制,并在水池中實現(xiàn)了AUV 的隊形變換(對接)實驗,驗證了所提方法的有效性。

針對AUV 編隊內(nèi)部通信距離過近,容易發(fā)生碰撞的問題,主要使用的方法為智能優(yōu)化分配方法和人工勢能法。文獻[16]設(shè)計了一種智能優(yōu)化分配方法,規(guī)劃了不交叉的直線軌跡來避免碰撞,仿真驗證中,該方法實現(xiàn)了6 臺AUV 在3 m 區(qū)域內(nèi)無碰撞隊形保持和變換。文獻[17]利用3D 打印技術(shù)開發(fā)了數(shù)條130 mm 長的微型機器魚,并基于Lennard-Jones 勢能函數(shù)法解決編隊碰撞問題。研究人員將6 條機器魚放入水箱中進行測試,魚群完成了一系列的自組織編隊行為,并實現(xiàn)了半徑僅為357 mm 的無碰撞圓周運動。

3 基于聲學(xué)通信定位的AUV 編隊智能控制

聲學(xué)信號具有衰減速度慢、傳輸距離遠等優(yōu)勢[18-19],因此,當(dāng)AUV 編隊中個體間距為百米甚至千米時,通常采用基于聲學(xué)的通信定位手段。該通信定位方式下的主要應(yīng)用包括海底調(diào)查和測繪、資源勘探、水下考古勘探以及一些救援行動等。然而,聲學(xué)信號也有不可忽視的局限性,包括信號傳輸時延和通信中斷[20-21]。針對上述局限性,一些學(xué)者提出了相關(guān)的智能控制方法,以保證良好的編隊性能。

3.1 通信定位時延狀態(tài)下的AUV 編隊智能控制

水下通信定位時延包括數(shù)據(jù)包的傳輸時延和解析時延。傳輸時延發(fā)生在AUV 之間互相通信定位的過程中,它與水聲傳輸速度和傳輸距離有關(guān)。如圖4 所示,如果將AUVi的狀態(tài)封裝為數(shù)據(jù)包P 并發(fā)送給AUVj,那么P 預(yù)計將在下一瞬間到達,由于產(chǎn)生了時延,AUVj在收到P 時,時間延遲了τ。解析時延是聲信號和電信號的轉(zhuǎn)換時間,與數(shù)據(jù)包大小、通信協(xié)議等因素相關(guān)。由于時延的存在,每個AUV 的編隊誤差總是之前時刻的,導(dǎo)致AUV 編隊誤差將隨著時間增加而不斷累積,最終可能造成AUV 的丟失。因此,時延的存在大大增加了控制的難度。

圖4 AUV 編隊通信定位時間延遲示意圖Fig.4 Diagram of time delay for AUV formation communication and positioning

當(dāng)水下任務(wù)時間較短時,每個AUV 的同步時鐘誤差可以忽略不計,只要第j 個AUV 收到第i 個AUV 的運動狀態(tài)信息(加蓋了時間戳),就可以獲得延遲時間τ。針對時延可獲得情況下的AUV編隊問題,基于狀態(tài)反饋的方法、魯棒控制方法、自適應(yīng)方法和最優(yōu)控制方法等智能控制方法通常被使用。文獻[22]和[23]設(shè)計了雙層狀態(tài)反饋智能控制器,其在時延恒定的假設(shè)下對AUV 編隊模型進行了解耦,并通過建立Lyapunov-Krasovskii泛函證明了系統(tǒng)的穩(wěn)定性,仿真結(jié)果表明所提方法可以容忍0.5 s 的時延。由于時延會受到距離、地形和海洋環(huán)境的影響,文獻[24]～[29]針對時延時變問題開展了研究,其使用狀態(tài)反饋線性化的方法將AUV 的非線性耦合模型轉(zhuǎn)移到雙積分器中,并基于這個簡化的雙積分器數(shù)學(xué)模型智能決策編隊行為,仿真結(jié)果表明所提方法可以容忍最大的時變延遲為0.4 s。文獻[30]將H2/H∞控制器與前饋控制器組合,提出了時延下的編隊魯棒控制方法,在假設(shè)時延恒定的情況下保證了良好的編隊控制性能,仿真結(jié)果表明所提方法可以容忍0.6 s的時延。文獻[31]在自適應(yīng)控制器的設(shè)計中考慮到了延遲時間會隨著領(lǐng)航者AUV 和跟隨者AUV之間的距離變化問題,并基于實際的延遲時間來設(shè)計代價函數(shù),通過最小化代價函數(shù)來解決時變的延遲問題,仿真結(jié)果表明可以容忍最大為5 s 的時延。文獻[32]為每個AUV 設(shè)計了一個數(shù)據(jù)驅(qū)動狀態(tài)預(yù)測器,其根據(jù)接收到的其他AUV 延遲運動狀態(tài)信息在線估計其他AUV 的當(dāng)前運動狀態(tài),并通過主動延遲補償機制與最優(yōu)控制理論進行AUV 編隊控制,仿真結(jié)果表明所提方法最大可抵抗2 s 的時延。

然而,在一些AUV 編隊控制中,時鐘同步實現(xiàn)較難,誤差不可忽略,例如為期數(shù)月的AUV 水下探測編隊控制。此外,延遲信息是通過數(shù)據(jù)包中加蓋時間戳的方式獲得的,時間信息將增加數(shù)據(jù)包的大小,最終導(dǎo)致延遲的增加,無法忽略誤差[33]。針對時鐘誤差不可忽略、時延信息無法精確獲得的編隊問題,一些用于時間延遲估計的智能方法被提出。文獻[33]設(shè)計了一種基于梯度下降法的時延估計器來智能估計時延,仿真和物理實驗表明其可以抵抗實際情況下5 s 的時延。文獻[34]利用核密度的方法來估計時延,并在控制系統(tǒng)中增加了狀態(tài)反饋,物理實驗表明該系統(tǒng)可以容忍實際情況中4 s 的時變時延。

3.2 通信定位中斷狀態(tài)下的AUV 編隊智能控制

在聲學(xué)通信定位中數(shù)據(jù)包丟失的主要原因包括路徑損失、噪聲和多徑傳播。當(dāng)中斷發(fā)生時,AUVj將無法獲得AUVi發(fā)送的信息,如圖5 所示。為了提高系統(tǒng)抵抗通信定位中斷的能力,一些學(xué)者提出了相關(guān)的智能控制方法。所提出的智能控制器可以使用位置的預(yù)測信息代替丟包損失的信息,或通過提高系統(tǒng)的魯棒性,降低系統(tǒng)對外界擾動的響應(yīng),從而提高系統(tǒng)抵抗通信定位中斷的能力。

圖5 AUV 編隊通信定位中斷示意圖Fig.5 Diagram of AUV formation communication and positioning interruption

文獻[34]基于曲線擬合的方法來智能預(yù)測領(lǐng)航者AUV 的運動狀態(tài),預(yù)測結(jié)果可為跟隨者AUV連續(xù)、精確軌跡的生成提供參考,仿真和物理實驗結(jié)果驗證了在通信定位間隔為5 s 的情況下所提方法可以容忍30%左右的丟包率。文獻[35]基于灰色模型理論改進了模型預(yù)測控制方法,通過對系統(tǒng)狀態(tài)進行預(yù)測解決了通信定位中斷問題,仿真結(jié)果表明,當(dāng)通信定位間隔為0.1 s 時該方法可以容忍0.7 s 的通信定位中斷。文獻[36]提出一種改進的視線法來解決通信定位中斷問題,該方法中領(lǐng)航者AUV 的運動狀態(tài)由現(xiàn)有數(shù)據(jù)和先驗知識共同獲得,仿真結(jié)果表明在丟包率為3%、節(jié)點間通信定位間隔近20 s 的情況下系統(tǒng)仍然能夠保持編隊穩(wěn)定性。

在使用魯棒控制解決通信定位中斷問題方面,文獻[37] 將反饋滑?？刂婆c狀態(tài)觀測相結(jié)合,提高了系統(tǒng)抵抗通信定位中斷的能力,仿真結(jié)果表明,當(dāng)通信定位中斷為0.6 s、通信定位間隔為0.3 s時AUV 編隊仍能保持穩(wěn)定。此外,文獻[38]利用反饋線性化和直接離散化方法設(shè)計了AUV 編隊智能控制器,仿真結(jié)果表明在通信定位中斷發(fā)生的情況下AUV 編隊仍能保持穩(wěn)定。

4 研究現(xiàn)狀總結(jié)

通信是AUV 編隊控制的必要條件,但是通信約束的存在使編隊效果具有不確定性,導(dǎo)致使用傳統(tǒng)方法難以滿足作業(yè)要求。智能控制方法的使用可以更好地解決編隊過程中因通信約束產(chǎn)生的不確定性問題,進而提升系統(tǒng)隊形保持與變換的精確性、安全性和對非理想通信質(zhì)量的容忍性。

相對位姿難以準(zhǔn)確測量、個體之間易碰撞是光學(xué)通信下AUV 編隊控制的主要問題和挑戰(zhàn),這與光學(xué)通信的通信質(zhì)量受載體姿態(tài)穩(wěn)定性影響、通信能力受環(huán)境質(zhì)量影響、通信距離短等特點直接相關(guān)?？紤]非確定因素以及系統(tǒng)安全性的智能控制方法設(shè)計是AUV 編隊性能的重要保障。通信時延與中斷是聲學(xué)通信下AUV 編隊控制的主要問題和挑戰(zhàn),這與聲學(xué)通信的遠距離傳輸、路徑損失、噪聲干擾和多徑傳播等特點直接相關(guān),編隊的智能控制方法通常具有良好的相對位姿預(yù)測能力與性能指標(biāo)保持能力。在確定應(yīng)用場景指標(biāo)要求、通信方式以及控制結(jié)構(gòu)后,便可確定編隊需要重點解決的難點問題,相應(yīng)的智能控制方法也將針對該難點進行設(shè)計。

針對AUV 編隊的智能控制,不同通信方式下的應(yīng)用場景、問題特征、使用方法、驗證形式和試驗成果總結(jié)如表1 所示。

5 發(fā)展趨勢

5.1 光學(xué)通信定位下大規(guī)模AUV 緊密編隊智能控制

從生物界中魚群覓食到無人機編隊表演,大規(guī)模密集個體完成任務(wù)的特點和優(yōu)勢已被廣泛關(guān)注和利用。隨著水下任務(wù)復(fù)雜性的不斷提升,大規(guī)模AUV 緊密編隊(其特點為各AUV 間相對距離近,易發(fā)生碰撞,對控制精度要求高)進行作業(yè)將成為常見作業(yè)模式。在歐盟項目的資助下,奧地利Ganz 人工生命實驗室發(fā)布了由41 個AUV 參與的編隊實驗,實驗中AUV 間可進行有效協(xié)同與緊密編隊,主要面向的任務(wù)為水下監(jiān)測和搜索[39]。

由于對通信帶寬與實時性的要求,AUV 大規(guī)模緊密編隊需要采用光學(xué)通信方式。然而,光學(xué)通信定位不僅受到湍流和濁度等環(huán)境影響,還將受到距離、平臺姿態(tài)、通信定位模式等因素影響,給大規(guī)模AUV 隊形保持與變換帶來極大挑戰(zhàn)。大規(guī)模高效通信拓撲如何基于圖論和多智能體一致性的方法建立,多處不確定干擾下如何精確保持隊形,以及通信拓撲約束下隊形如何智能、安全切換等關(guān)鍵問題急需解決。因此,大規(guī)模AUV 編隊的智能控制方法設(shè)計將獲得更多關(guān)注。

5.2 通信定位頻率降低下解決通信時延和中斷的AUV 編隊智能控制

連續(xù)通信定位不僅會造成網(wǎng)絡(luò)擁堵,還會帶來能量消耗。在編隊控制過程中通過抑制控制器的更新次數(shù),減少AUV 之間的信息傳輸頻率,是解決上述問題的有效方法之一[40]。因此,一些學(xué)者提出了一些智能控制方法,旨在降低AUV 編隊內(nèi)部通信定位頻率。文獻[40]提出了一種基于脈沖系統(tǒng)的控制方法,有效減少了數(shù)據(jù)傳輸?shù)目偭俊Ｈ欢?該方法無法平衡通信定位次數(shù)和控制性能。針對上述問題,基于事件觸發(fā)的方法得以使用,系統(tǒng)只有滿足觸發(fā)條件時才能進行通信定位,兼顧了節(jié)能與性能[41]。

雖然目前在降低通信頻率方面已有一些研究成果,但并未考慮通信時延和通信中斷情況的發(fā)生,這導(dǎo)致研究成果較難在工程應(yīng)用中直接發(fā)揮作用。因此,如何在降低通信頻率的基礎(chǔ)上解決通信時延和中斷問題是未來的發(fā)展趨勢。

6 結(jié)束語

AUV 編隊的智能控制是AUV 集群作業(yè)的重點研究問題。計算機技術(shù)、通信技術(shù)、自動化技術(shù)和人工智能技術(shù)的交叉融合是實現(xiàn)AUV 編隊智能控制的基礎(chǔ)。文章從通信方式的特點出發(fā),歸納總結(jié)了光學(xué)與聲學(xué)通信定位方式下AUV 編隊智能控制方法,并分析了未來發(fā)展趨勢。在該方向上雖然已取得了大量的研究成果,但在實際應(yīng)用中仍存在諸多有待解決的問題,如光學(xué)通信定位下大規(guī)模AUV 緊密編隊的智能控制以及通信定位頻率降低下解決通信時延和中斷的AUV 編隊智能控制。未來AUV 編隊智能控制將在AUV編隊作業(yè)中扮演越來越重要的角色。