基于水下機器人的熱液羽狀流自主搜尋定位方法研究.pdf

1、海底熱液活動的發(fā)現(xiàn)是海洋科學和地球科學研究中的重大事件。海底熱液噴口不僅為人類提供了易開發(fā)的豐富的熱液硫化物礦產(chǎn)資源，熱液噴口區(qū)周圍形成的獨特的極端環(huán)境熱液生態(tài)系統(tǒng)還為探索生命起源的研究提出了新的理論。傳統(tǒng)的熱液探測工作主要包括利用走航式拖曳系統(tǒng)和利用載人潛水器(HOV)與調查船向結合的方式深入大洋中脊進行探測。隨著科技的不斷發(fā)展，相比傳統(tǒng)的探測方式，智能水下機器人(AUV)在自主探測方面具有巨大的優(yōu)勢，利用智能水下機器人進行熱液噴口調

2、查將成為該領域的必然趨勢。制定高效精確的機器人搜尋方案是基于水下機器人的海底熱液噴口探測技術的核心內容和重要課題。本文以熱液探測為背景，重點對基于源頭概率分布地圖的追蹤策略、和基于行為的在線任務規(guī)劃算法進行了研究，為日后研究和設計高效的搜尋定位技術提供必要的理論基礎。
　　本文主要研究內容如下：
　　一、在現(xiàn)有羽狀物模型和計算流體力學理論基礎上，提出一種基于細絲隨機運動的建模方法，利用該方法建立了用于驗證羽狀物源頭搜尋定位算

3、法的非浮升熱液羽狀流仿真模型。通過動態(tài)仿真平臺的顯示模塊，可以看到模擬的非浮升熱液羽狀流呈現(xiàn)出蜿蜒的形態(tài)，以及羽狀物分布不均勻、不連續(xù)等特點，能夠較真實的模擬出真實環(huán)境中非浮升熱液羽狀流的運動特性，彌補了現(xiàn)有羽狀物仿真模型在描述自身擴散特征上存在的不足。
　　二、對基于智能理論的羽狀物搜尋定位方法進行研究，提出利用機器學習中的改進部分觀測馬爾可夫決策過程進行源頭概率分布地圖的構建，并利用六元組建立了化學羽狀物源頭概率分布地圖。通過

4、信念狀態(tài)更新機制可以實時在線更新羽狀物源頭概率分布地圖，并與貝葉斯構圖方法進行了對比實驗，實驗結果表明了本文提出的構圖方法在收斂范圍以及估算源頭概率值等方面都優(yōu)于貝葉斯構圖方法，進一步驗證了本文提出的方法能夠繪制出較準確的羽狀物源頭概率分布地圖。
　　三、針對時變流場環(huán)境下的羽狀物源頭定位問題，提出一種具有較強目的性的基于行為的羽狀物源頭搜尋定位方法。包括變化Z字形搜索羽狀物行為、基于改進人工勢場理論的追蹤羽狀物行為、多三角形再發(fā)

5、現(xiàn)羽狀物行為和基于源頭概率分布地圖的源頭確認行為。并針對搜尋定位方法中的追蹤羽狀物行為進行了詳細研究，將人工勢場法引入追蹤羽狀物問題中，把網(wǎng)格內源頭概率值視為引力，通過計算得到的合力方向指導機器人進行追蹤羽狀物。
　　四、由于水中環(huán)境的熱液羽狀流搜尋定位實驗復雜度和成本較高，為了提高水下機器人在水中環(huán)境進行熱液羽狀流搜尋定位實驗的安全性和成功率。首先利用陸地實物平臺對本文提出的搜尋定位方法進行實驗驗證，結果表明，本文提出的4種行為