舰船科学技术  2022, Vol. 44 Issue (1): 86-90    DOI: 10.3404/j.issn.1672-7649.2022.01.017   PDF    
智能自主式水下航行器技术发展研究
侯海平1, 付春龙1, 赵楠1, 王达2, 邵浩1     
1. 中国人民解放军91039部队,北京 102401;
2. 中国船舶集团有限公司第七一四研究所,北京 100101
摘要: 自主式水下航行器(AUV)具有自主性、隐蔽性、环境适应性、可部署性和高效费比等优点,被广泛应用于民用、军用和商用等领域。智能化是目前AUV技术的研究热点,智能AUV具有更先进的“智能”技术,能够极大地拓展海上无人装备的任务范围,提高作业能力。结合典型智能AUV设备,对近年来智能AUV的发展现状进行阐述,对智能AUV的关键技术以及未来发展情况进行详细分析,研究成果对开展智能AUV设备技术研究和发展具有一定借鉴意义。
关键词: 自主式水下航行器     智能     技术发展    
Research on technology development of the intelligent AUV
HOU Hai-ping1, FU Chun-long1, ZHAO Nan1, WANG Da2, SHAO Hao1     
1. No. 91039 Unit of PLA, Beijing 102401, China;
2. The 714 Research Institute of CSSC, Beijing 100101, China
Abstract: Autonomous Underwater Vehicle(AUV) has the advantages of autonomy, concealment, environment adaptability, deployability and high efficiency cost ratio, which is widely used in civil, military and commercial fields. Intelligence is the research hotspot of AUV technology. Intelligent AUV has more advanced intelligent technology, which can greatly expand the task scope of marine unmanned equipment and improve the operation ability. In this paper, combined with some typical intelligent AUV equipment, the developing status of intelligent AUV in recent years is described in detail, and the key technologies and future development of intelligent AUV are analyzed in detail. It can be used for reference in the research and development of intelligent AUV equipment technology.
Key words: AUV     intelligent     technical development    
0 引 言

自主式水下航行器(AUV)是水下无人航行器(UUV)的一种,属于新型水下无人平台,可携带多种传感器和任务模块,具有自主性、隐蔽性、环境适应性、可部署性和高效费比等优点。21世纪以来,AUV发展迅速,在民用、军用和商用等领域[1]被广泛应用。民用领域在海底勘探、水下救援、海底打捞、海洋科考等发挥着越来越重要的作用,军用领域可用于水下执行潜艇战和反潜战、反水雷战、海洋侦察和监视、情报搜集、信息通信、目标攻击等,极大拓展了水面和水下作战系统的作战空间,是当今世界主要海军国家重点发展的水下作战装备[2-3]。性能优越化、功能完善化和模块智能化是AUV的主要发展方向。

智能化是当前AUV技术的研究热点,智能AUV的关键技术是人工智能技术。与智能化程度较低的AUV相比,高智能化AUV能够完成更复杂的任务,具备更广泛的作业范围以及更高的任务可靠性。本文主要结合近年来以美英等国为代表的典型智能AUV系统,介绍智能AUV的发展现状,探讨智能AUV的关键技术特点,对其未来发展情况进行分析。

1 智能AUV发展现状

1957年,第1台真正意义的AUV−SPURV在美国华盛顿大学发明。经历半个多世纪发展,AUV技术逐渐成熟,不同功能和型号AUV在军用和民用领域得到了广泛应用。21世纪以来,AUV的自主控制和推进动力水平等不断提高,但其重要的技术瓶颈之一是智能化不足[4],智能型AUV已成为各国研究的重点和热点。

美国海军UUV发展呈现“自主化”、“模块化”、“智能化”和“多用途化”的发展趋势。国防高级研究计划局(DARPA)和海军不断推进UUV等水下无人系统及相关技术的研发和作战应用,将REMUS、SEAHORSE、“沙鲨”等系列AUV用于扫雷、侦察、情报搜集和海洋探测等任务,推动了水下无人作战能力不断发展[1],成为一种新型作战平台和海上力量倍增器。2010年2月,美军启动“反潜战持续跟踪无人航行器”(ACTUV)计划,该航行器按照性能优先和最佳适航性原则设计,能连续数月在大洋中主动跟踪敌方潜艇。2011年以来,美海军致力研发大排水量无人水下航行器(LDUUV),视其为“游戏规则的改变者”,用于大洋和近海港口海域执行情报、监视与侦察,载荷投送和战场环境情报准备任务[5]。2016年1月,美海军宣布已使用“UUV通用控制系统(CCS)”软件对LDUUV进行了一系列监视与情报侦察测试。LDUUV被拆分成2个并行开发项目,其中一个作为创新型原理样机(INP)项目的LDUUV-INP具有自主工作和智能化攻击的能力。

近年来,美国国防部(DoD)相关组织和各军种发布了系列无人系统研究和专题报告。2016年,美海军发布了《AUV 2025年需求》、美国国防科学委员会(DSB)先后发布了《自主性》和《下一代水下无人系统》执行摘要。2017年2月9日,美国战略与预算评估中心(CSBA)发布的《重振美国海上力量:美国海军新舰队结构》研究报告指出要创新战法、部署方法和力量包,发展超大型和智能AUV[6]。截至2018年,美军先后发布了多版《无人系统综合路线图》。系列文件显示了美军发展智能化AUV的规划,具有重要的导向作用[7]。其中,《AUV 2025年需求》提出要加强对“曼塔”(MANTA)等大型AUV的快速利用。MANTA是典型可重构无人航行器(见图1),它采用非常规扁平外形模块化设计,平时与潜艇共形,安装在艇首,可根据任务携载不同载荷执行情报搜集、侦察、反水雷和反潜等多重任务。战时,MANTA根据指令离开潜艇外壳坞站独立执行作战任务,任务完成后返回母艇外壳坞站形成流线型外壳。

图 1 仿生可重构AUV MANTA与潜艇共形 Fig. 1 Bionic reconfigurable AUV, MANTA conformal with submarine

最近被关注的是新型仿生AUV“幽灵泳者”(Ghost Swimmer),如图2所示。“幽灵泳者”是美海军作战部长快速创新单位(CRIC)计划Silent NEMO项目开发的一系列“科幻变现实”的最新成果,该系统概念对美海军自然科学技术战略规划和海军研究顾问委员会报告等产生了重要的影响,意义深远。Ghost Swimmer在沿河情报侦察监视、港口探测与持续监视等方面有巨大的应用前景,获得包括美海岸警卫队(USCG)、海军远征作战指挥部(NECC)的广泛认可。

图 2 新型仿生AUV“幽灵泳者” Fig. 2 New bionic AUV, Ghost Swimmer

2017年英国海军发布了一系列基于仿生的极具未来感的潜艇及负载概念,包括“鹦鹉螺”-100仿生潜艇(见图3)、‘鳗鱼”仿生无人航行器、“飞鱼”仿生武器和多种仿生微型潜航器。这些概念的设计灵感主要来自于海洋生物,在未来50年或将彻底颠覆水下作战方式。目前,英国海军仅披露了3款微型潜航器,它们可在预定时间自行分解,适合编组部署在关键海域,执行监视侦察任务[5]

图 3 “鹦鹉螺”-100仿生潜艇效果图 Fig. 3 Sketch of Nautilus-100 bionic submarine

近年来国内无人智能技术发展迅速,围绕UUV总体设计、智能控制、通信导航、探测识别和动力能源等关键技术开展了理论和工程研究。

我国自主研发的智能AUV已在海洋环境观测和资源调查等领域得到应用,但在某些领域与国际上仍有一定差距。例如,标准化有利于提高产品竞争力、降低生命周期成本、提高系统的互操作性,国内有关无人智能技术基础标准、生产技术标准、质量检测标准、作业技术标准以及应用和管理保障标准等均处于空白状态,无人智能技术标准化组织体系尚待建立[8]。此外,军事需求的不断增强对AUV智能性、多AUV协同性的建模与仿真研究提出了更高要求,在面向智能化、协同化等军事应用方向与发达国家相比有一定差距[9],大多数水下无人作战系统项目尚未开展实际应用。

目前,AUV虽然能进行路径规划、避障避碰、编队航行等简单智能行为,但受人工智能技术和智能控制系统发展水平限制,其智能化程度不足,自主决策能力较差,尚无法完全自主控制,同时受复杂水下环境等因素影响,水下自适应能力仍有待提升。尤其对于军用AUV系统,战场态势和作战规则复杂多变,智能AUV通过自主学习进化的过程比较缓慢,无法快速适应瞬息万变的水下战场环境。在无人参与指挥情况下,AUV不能实现完全无人自主指挥控制,作战灵活性较差[10]

2 智能AUV技术特点

除了具有常规AUV设备高可靠性技术、任务模块化技术、海上通信技术、续航技术、推进技术及通用智能技术外,智能AUV主要体现出在“智能”方面的技术优势。智能技术水平能极大拓展AUV的任务范围、提高作业能力,使智能化策略更好地实现[2]。主要分析4类智能AUV关键技术。

2.1 智能控制技术

水下任务的多样性及水下环境的复杂性、未知性使AUV控制技术面临更高要求与挑战。智能控制技术具有反应性、自主性、协调性和能动性,是实现AUV系统自主运行及支撑AUV智慧大脑的关键技术[3]。智能控制技术涵盖了对智能系统内部软硬件平台的智能控制和对外部信息反馈的智能控制等,表现为可以依据事先的规划指令和任务过程中的应变指令进行最优自主控制,更重要的是其控制系统可以根据对内部和外部的感知信息,结合任务要求,自主对路径、规避以及目标等选择做出最优决策方案[11]。智能AUV系统建立了精确的运动模型,同时结合了先进的控制方法,如深度学习、人工神经网络、粒子群优化算法等实现高机动性和稳定性的目的[12]。对于军用智能AUV,高程度的智能化控制可实现最佳作战效能。

2.2 智能自主技术

DSB将自主技术定义为“使系统的特定功能能够自动运行,或者在经编程的边界内,能够‘自治’的一种(或一组)能力”。自主性将增加复杂/动态/战术环境中设备的生存性和自适应性,减少人为干预,通过导航和通信继电设备实现合作以及多设备操作,并提供更高水平的环境态势感知。AUV智能自主技术能够根据内部和外部状态完成环境探测和分析、运动决策、最优路径实时规划、自主寻的和避障等[13]。为了适应复杂的水下环境,智能AUV对于自身模型的不确定性和外部扰动具有学习和自适应能力,其迅速发展是建立在大数据、深度学习、强化学习和计算硬件迅速发展的基础上[14]

智能自主技术已应用到水下机器人。2019年1月,美国兰德公司发布《推进自主系统发展—对无人航行器当前和未来技术的分析》研究报告,对无人航行器的自主能力发展现状进行了详细分析。DARPA最新发布的“琵琶鱼”水下自主机器人,无需外部操纵和通信,仅通过自身传感器自主探测海底环境,实现自主水下定位、导航、搜索、避障和控制。

2.3 智能感知技术

智能AUV基于深度学习等先进的图像智能识别技术,具有更先进的感知智能化水平[15]。过去几十年中,人工智能、计算智能和神经网络展示了其在信号-图像分析、对象检测和模式识别等方面的强大能力。在智能AUV中装备的具有智能识别或控制决策能力的计算机专家系统,通过与神经网络结合,可以充分发挥逻辑推理能力强和神经网络鲁棒性好、学习功能强等优点,克服学习能力弱和容错能力差的缺点。

基于智能感知技术,AUV能够基于声学、光学等传感信息进行自主调配以自动适应环境,建立符合复杂环境的泛在感知能力,实现异构多源传感器异类信息柔性融合的组合运用。2016年,美国俄勒冈州立大学联合特拉华大学位巴哈马群岛附近海域成功完成了无人潜航器智能反应系统试验。通过在瑞典水螅公司生产的REMUS 600型AUV上使用传感器融合技术,使AUV能够实时有效地应对周围生物的影响,并跟踪收集生物信息。

2.4 智能导航技术

近代脑科学研究的进步促进了人工智能理论和技术的快速发展,也使以类脑的方式实现对人或动物认知导航机制的模拟成为可能,从而加快了在无人化平台发展中引入人工智能技术实现智能导航的步伐。智能AUV在对导航信息处理中引入了人工智能理论和技术,如认知科学等。例如,以认知导航具有的学习记忆、知识推理以及行为规划等智能导航信息处理能力为技术支撑,可以实现无人平台在自主选择的航迹上持续性自由行进,达到全自动化运行控制的目的[16]

智能导航技术极大拓展了无人平台水下活动空间。近期,日本东京大学提出了一种远距离、大范围海底测绘技术,能使多台AUV在没有任何海面支持的情况下,交替降落在海底实现高精度导航和测绘,开展自主大范围海底勘测。

3 智能AUV未来发展分析

目前,AUV主要用于开展海洋调查、水下测绘、目标探测识别及情报搜集与侦察等一些基本任务。随着人工智能技术和AUV平台的深度融合,对智能AUV的研究将得到进一步深化和拓展。

3.1 先进的人工智能技术

人工智能技术在诸多领域取得了突破性成果,并促进智能AUV向类型多样化、功能扩展化的方向发展。文献[2]提出了将无人平台智能水平划分为5个等级,描述了各等级的作业能力、任务内容等,明确了各等级间演进的关键技术以及功能差异,对智能装备技术水平作了较好界定。美军大力推进人工智能的军事应用,五角大楼于2018年6月在国防部首席信息官领导下成立了联合人工智能中心。美军2018年版《无人系统综合路线图》首次将人工智能和机器学习列为影响无人系统发展的支撑因素,这2种技术将使无人系统能够自主学习,并作出高质量决策,从而提升自主性,拓展和改进无人系统的功能,极大增强作战空间感知能力,最终变革作战空间管理和指挥控制[17]。2019年2月12日,DoD发布《2018国防部人工智能战略概要:利用人工智能促进安全与繁荣》,指出美国要加快利用人工智能解决美军关键任务,因此先进的智能技术将是智能AUV的核心。深度学习、类脑计算、人工神经网络等先进智能理论正在推动感知、控制与智能方面的深刻变革[4,18],AUV自主化和智能化进程将得到全面提速。

3.2 基于仿生技术智能平台

近年来,仿生技术、控制技术和材料技术的发展为仿鱼水下机器人控制理论和方法、系统构成和实现提供了有力支撑。仿鱼类AUV研制涉及机构仿生、感知仿生、控制仿生、智能仿生等关键技术,通过综合应用机械、电子、传感、控制、材料等学科最新成果,研究其推进机理和流线型结构以提高平台机动性能[1]。基于仿生技术的智能AUV具有流体扰动小、推进效率高、机动性能好、智能化程度高等特征。

现今,美国已在脑控与控脑、生物材料和仿生机械等领域取得重大突破,DARPA成立了生物技术办公室,目标是发展基于生命科学的新一代装备和技术,进一步推动水下平台仿生研究的发展。军事应用中,仿生AUV比常规水下武器隐蔽性、突防性和欺骗性更好,将被应用于各个战术领域。未来的智能仿生AUV将“综合仿生”水下生物,在性能和结构上实现创新性跨越式发展。

3.3 基于可重构技术智能平台

美国海军《情报、监视与侦察路线图》远期(2012−2019年)规划要“实现‘大续航力、多功能、可重构的LDUUV’,在成熟技术支持下,能完成实际监视与侦察任务”。“可重构”作为技术要求被提出,是智能AUV研制的重要技术亮点之一,是提高智能AUV对环境适应能力的一种重要手段。当前可重构技术主要针对固定构型AUV,当任务超出其自身的机构物理特性时,它将很难甚至无法完成。可重构AUV是一种利用智能材料优势,结合轻质高效变形结构和驱动装置的“智能变形机构”。它能够根据任务需要,通过独立模块自主构型。这种组合并不是简单的机械重构,还包括控制系统(电子硬件、控制算法、软件)的重构。

智能可重构AUV平台已初具雏形。冰岛研制的GAVIA采用了可重构高度模块化设计,具有便于携带、可重构、易于更换电池、维护费用低、装拆方便等优点。美军的MANTA将子模块设计成一种共形组件,在智能控制下,众多子模块实现与母体平台的外体与机制共形,是一种智能结构体。但结构模块化仅是可重构的第一步,要实现真正的“可重构”,系统的智能控制仍是亟待解决的难点。

3.4 多AUV协同智能化系统

多AUV协同智能化系统是由多个同构或异构智能无人子AUV系统组成的空间、时间、事件和功能分布的复杂系统[19]。具有高度并行性、鲁棒性和协作性的多AUV智能系统已成为智能AUV发展的重要方向之一。该系统具备信息收集和环境认知能力,可借鉴人类在认知过程中的认知信息处理、复杂环境认知算法、基于认知的学习和推理方法等,感知、识别、理解其所处的水下环境[20]。智能化系统主要涉及自主控制、多源信息融合、水声通信、场景分割、目标检测与识别、精确导航、地图构建等多项关键技术[20-21],朝长航时、大深度、智能化、模块化、体系化、协同化等方向不断发展。多AUV协同智能化系统将突破水下通信和组网局限,通过水下传感器网络,从独立运作升级为与可其他平台协同完成复杂任务[18,22]

目前,美国已基本解决了单AUV技术,正在向多AUV自主集群协同及海陆空集群协同发展。但多AUV协同优化仍存在一些问题,如未知的环境模型导致搜索方法不确定性、动态环境变化导致智能算法效果较差,现有算法处理不同条件变量的灵活性较差等[23]。未来海战必然需要海上无人装备编队的智能化作业,届时,智能化水平将是决定其作业能力的关键。

4 结 语

智能化给人类发展带来了前所未有的机遇和挑战,我国已将智能机器人产业发展提升到国家战略层面。智能化无人系统以人工智能技术为基础,智能AUV是人工智能技术和无人系统平台全技术链条深入融合的一个典型代表。一些先进的人工智能方法已经在水下无人平台的智能控制、自主运动、感知和导航中获得了广泛应用,各种智能算法和先进技术的发展,将极大地推动智能AUV的发展。

鉴于AUV的发展趋势,人工智能技术将在AUV发展中扮演越来越重要的角色,也是我国在无人智能平台研发领域实现弯道超车的重要技术突破点。尤其对于水下战场,智能AUV的发展和体系化应用,将成为未来水下攻防体系的重要力量。

参考文献
[1]
GAFUROV S A, KLOCHKOV E V. Autonomous unmanned underwater vehicles development tendencies[J]. Procedia Engineering, 2015, 106: 141-148. DOI:10.1016/j.proeng.2015.06.017
[2]
金克帆, 王鸿东, 易宏, 等. 海上无人装备关键技术与智能演进展望[J]. 中国舰船研究, 2018, 13(6): 1-8.
JIN Ke-fan, WANG Hong-dong, YI Hong, et al. Key technologies and intelligence evolution of maritime UV[J]. Chinese Journal of Ship Research, 2018, 13(6): 1-8.
[3]
ZHANG Guo-cheng, HUANG Hai, QIN Hong-de, et al. A novel adaptive second order sliding mode path following control for a portable AUV[J]. Ocean Engineering, 2018, 151: 82-92. DOI:10.1016/j.oceaneng.2017.12.054
[4]
黄琰, 李岩, 俞建成, 等. AUV智能化现状与发展趋势[J]. 机器人, 2020, 42(2): 215−231.
HUANG Yan, LI Yan, YU Jian-cheng, et al. State-of-the-art and development trends of AUV intelligence[J] .Robot, 2020, 42(2): 215−231.
[5]
钟宏伟, 李国良, 宋林桦, 等. 国外大型无人水下航行器发展综述[J]. 水下无人系统学报, 2018, 26(4): 273-282.
ZHONG Hong-wei, LI Guo-liang, SONG Lin-hua, et al. Development of large displacement unmanned undersea vehicle in foreign countries: a review[J]. Journal of Unmanned Undersea Systems, 2018, 26(4): 273-282.
[6]
CLARK B, HAYNES P, MCGRATH B, et al. Restoring American seapower: a new fleet architecture for the United States navy[R/OL]. (2017-02-09). http://csbaonline.org/research/publications/restoring-american-seapower-a-new-fleet-architecture-for-the-united-states-.
[7]
钱东, 赵江, 杨芸. 军用UUV发展方向与趋势(上)——美军用无人系统发展规划分析解读[J]. 水下无人系统学报, 2017, 25(1): 1-30.
QIAN Dong, ZHAO Jiang, YANG Yun. Development trend of military UUV(I): a review of U. S. military unmanned system development plan[J]. Journal of Unmanned Undersea Systems, 2017, 25(1): 1-30.
[8]
覃耀青, 王佳胜. 无人智能技术与标准研究现状浅析[J]. 标准科学, 2018(1): 50−56.
[9]
梁洪涛, 康凤举, 傅妍芳. 面向水下无人作战系统的MAS建模与仿真研究综述[J]. 系统仿真学报, 2018, 30(11): 4053-4066.
[10]
王圣洁, 康凤举, 韩翃. 潜艇与智能无人水下航行器协同系统控制体系及决策研究[J]. 兵工学报, 2017, 38(2): 335-344. DOI:10.3969/j.issn.1000-1093.2017.02.018
[11]
石章松, 左丹. 无人作战平台智能指挥控制系统结构[J]. 指挥信息系统与技术, 2012, 3(4): 12-15,67. DOI:10.3969/j.issn.1674-909X.2012.04.004
[12]
MOUSAVIAN S H, KOOFIGAR H R. Identification-based robust motion control of an AUV: optimized by particle swarm optimization algorithm[J]. J. Intell. Robot. Syst., 2017, 85: 331-352. DOI:10.1007/s10846-016-0401-9
[13]
CASHMORE M, FOX M, LONG D, et al. Artificial intelligence planning for AUV mission control[J]. IFAC-Papersonline, 2015, 48(2): 262-267. DOI:10.1016/j.ifacol.2015.06.043
[14]
黄汉桥, 白俊强, 周欢, 等. 智能空战体系下无人协同作战发展现状及关键技术[J]. 导航与控制, 2019, 18(1): 10-18. DOI:10.3969/j.issn.1674-5558.2019.01.002
[15]
杜雪, 廖泓舟, 张勋. 基于深度卷积特征的水下目标智能识别方法[J]. 水下无人系统学报, 2019, 27(3): 260-265.
[16]
吴德伟, 何晶, 韩昆, 等. 无人作战平台认知导航及其类脑实现思想[J]. 空军工程大学学报(自然科学版), 2018, 19(6): 33-38.
[17]
钟宏伟, 宋林桦, 郭钦文. 美海军大型水下无人系统发展与启示[J]. 舰船工程研究, 2019(2): 54-60.
[18]
FERRI G, MUNAFÒ A, TESEI A, et al. Cooperative robotic networks for underwater surveillance: an overview[J]. IET Radar, Sonar & Navigation, 2017, 11(12): 1740−1761.
[19]
WEI Xiao-hui, WANG Xing-wang, BAI Xin, et al. Autonomous underwater vehicles localization in mobile underwater networks[J]. International Journal of Sensor Networks, 2017, 23(1): 61-71. DOI:10.1504/IJSNET.2017.080664
[20]
DAS B, SUBUDHI B, PATI B B. Cooperative formation control of autonomous underwater vehicles: an overview[J]. International Journal of Automation and Computing, 2016, 13(3): 199-225. DOI:10.1007/s11633-016-1004-4
[21]
GUO Jia, HE Bo, DUAN Huan. Intelligent assistance positioning methodology based on modified iSAM for AUV using low-cost sensors[J]. Ocean Engineering, 2018, 152: 36-46. DOI:10.1016/j.oceaneng.2018.01.018
[22]
胡光桃. 未来海战场作战形态研究[J]. 现代雷达, 2019, 41(7): 16-20,32.
[23]
CAO Xiang, SUN Hong-bing, JAN G E. Multi-AUV cooperative target search and tracking in unknown underwater environment[J]. Ocean Engineering, 2018, 150: 1-11. DOI:10.1016/j.oceaneng.2017.12.037