舰船科学技术  2024, Vol. 46 Issue (4): 185-189    DOI: 10.3404/j.issn.1672-7649.2024.04.035   PDF    
国外无人潜航器技术发展热点分析
张大中, 韩冬梅, 马晓晨, 丁宏     
中国船舶集团有限公司第七一四研究所,北京 100101
摘要: 基于科学引文索引数据库及相关科技文献数据,分析国外军用无人潜航器技术的研究热点,着重研究无人潜航器技术军事应用重点解决的问题和对未来作战的影响。相关结果初步勾勒国外军用无人潜航器技术发展全貌,可为理清军用无人潜航器技术方向提供参考。
关键词: 无人潜航器     自主性     指挥控制     无人集群     通信导航    
Analysis of hot spots in the development of foreign unmanned underwater vehicle technology
ZHANG Da-zhong, HAN Dong-mei, MA Xiao-chen, DING Hong     
The 714 Research institute of CSSC, Beijing 100101, China
Abstract: Based on the scientific citation index database and relevant scientific and technological literature data, this article analyzes the research hotspots of foreign military unmanned underwater vehicle technology, focusing on the key problems to be solved in military applications of unmanned underwater vehicle technology and its impact on future operations. The relevant results provide a preliminary overview of the development of military unmanned underwater vehicle technology abroad, which can provide reference for clarifying the direction of military unmanned underwater vehicle technology.
Key words: UUV     autonomy     command and control     unmanned cluster     communication navigation    
0 引 言

无人潜航器综合了海洋环境技术以及自主、探测、指控、能量储存与转换、推进、新材料、新工艺等多个领域的高新技术,是各国海军近年来的发展重点。对2013−2023年间外军资助或由外军研究机构发表的1455篇无人潜航器科技文献进行分析,可看到,无人潜航器自主性是近10年的核心热点,主要包括自主路径规划、仿生自主控制、自主任务规划等;无人潜航器指挥控制是仅次于自主性的探究热点;海洋环境通信导航是无人潜航器领域的传统研究方向,利用水声网络辅助通信、水下可见光通信、地球物理信息导航等技术解决水下通信导航难题;海上无人集群是无人潜航器领域的长期研究方向;此外,海上态势感知、海上无人平台总体设计等热点也值得关注。本文基于科学引文索引数据库及相关科技文献,对无人潜航器技术在军事领域的研究热点等开展调研分析,重点分析无人潜航器技术的发展趋势和作战优势。

1 国外无人潜航器技术热点

无人潜航器技术热点共包括自主性、指挥控制、海洋环境通信导航、海上无人集群、海上态势感知、海上无人平台总体设计6个技术方向。各技术方向的技术热点如图1所示。

图 1 无人潜航器技术热点分布 Fig. 1 Distribution of UUV technology hotspots
1.1 自主性

国外在自主性方向重点关注自主路径规划、仿生自主控制、自主任务规划、无人艇自主避碰、自主搜索数据融合、艇载数据实时处理、计算机视觉目标识别、无人潜航器健康管理、海上扰动环境自主控制等9个技术热点。

其中,自主路径规划技术是对静态及动态环境作出综合性判断,进行智能自主决策,选择移动路径;仿生自主控制技术是利用仿生算法,实现无人潜航器的自主导航和操控,提高安全性和操纵性;自主任务规划技术是通过神经网络进化等算法,考虑任务优先级和现有资源,规划并调整任务及先后顺序;无人潜航器自主避碰技术是对水面和浅水环境中的障碍物进行扫描识别,自主调整行进路线,或采取紧急制动措施以避免碰撞;自主搜索数据融合技术是对不同来源、不同结构的传感器搜索数据进行融合处理,为实现数据综合处理分析奠定基础;数据实时处理技术是对传感器数据进行实时、在线处理,形成决策参考信息,降低无人潜航器上存储和传输系统负担;计算机视觉目标识别技术是利用计算机视觉、图像增强等技术,对水面和水下目标进行识别分析;无人潜航器健康管理技术是综合运用专家系统、监督学习方法等,实现无人潜航器建模和主动故障检测,提高故障预测能力和任务可靠性。

1.2 指挥控制

国外在指挥控制方向重点关注海上模拟环境仿真控制、无人潜航器部署风险评估、无人潜航器故障检测与诊断、无人潜航器互操作控制与通信、无人潜航器故障检测与诊断、无人平台互操作控制与通信、人机监控界面与接口、远程引导与控制、无人潜航器低成本控制、蛙人行为检测与交互、海上自主信息物理系统安全性、松耦合海上人机编组等12个热点方向。

其中,海上模拟环境仿真控制技术是考虑无人潜航器运动方程、任务环境、通信接口等,构建海上虚拟仿真环境,测试无人潜航器自主软件中的控制算法;无人潜航器部署风险评估技术是利用混合模糊系统动力学、动态风险评估方法等,分析无人潜航器部署时的风险因素及复杂动态相互关系;无人潜航器故障检测与诊断技术是通过失效特性分析、传感器数据自动分类等,实现无人潜航器的自我感知、健康监测和故障诊断;无人平台互操作控制与通信技术是设计通用任务控制接口、通信协议等,实现异构无人平台跨域、跨制造商、跨控制站、跨操作员的互操作;无人潜航器故障检测与诊断技术是通过失效特性分析、传感器数据自动分类等,实现无人潜航器的自我感知、健康监测和故障诊断;无人平台互操作控制与通信技术是设计通用任务控制接口、通信协议等,实现异构无人平台跨域、跨制造商、跨控制站、跨操作员的互操作;人机监控界面与接口技术是集成多个控制站界面,为无人平台操控人员提供自适应控制、自主运行监视、远程控制方案,以管理海上异构无人平台;远程引导与控制技术是通过对人类操作员的感知过程建模、基于人工智能模型的自适应学习等,实现对无人潜航器的远程引导和航向控制;无人潜航器低成本控制技术是利用商用组件、开源软件接口等成熟技术,实现对中小型无人潜航器的低功耗、低成本控制;蛙人行为检测与交互技术是利用新型声纳处理算法、图像识别与处理方法、可穿戴传感器、协同运动策略等,增强蛙人动作识别与跟踪能力,促进无人潜航器与蛙人的交互;海上自主信息物理系统安全性技术是利用基于行为树的自主架构、故障检测和隔离学习组件、复杂系统深度防御等技术,增强海上网络信息安全,提高无人舰队的生存能力及任务成功率;松耦合海上人机编组技术是利用音频、里程计测量等构建松散耦合的控制架构,建立无人潜航器与操作员间的联系,无需实时图像或数据传输。

1.3 海洋环境通信导航

国外在海洋环境通信导航方向重点关注水声网络辅助通信与定位、水下可见光通信、水下自适应通信、声通信性能空间场预测、地球物理信息导航、主动感知惯性导航、水下多传感器导航、低成本高可靠性水下导航、环境适应性高精度冰下导航、无人潜航器辅助蛙人导航、水下地形辅助导航等11个技术热点。

其中,水声网络辅助通信与定位技术是借助异构水声网络中的静态和动态节点,采用并发通信和定位等技术,实现无人潜航器的精确定位;水下可见光通信技术是利用水下自由空间光通信、水下激光通信等技术,实现百米距离内无人潜航器间的高速通信,并提供精确的相对定位;水下自适应通信技术是通过灵活调节传输时隙通信速率等方式,适应水下声速剖面的动态变化,实现无人潜航器在水声环境中的自适应通信;声通信性能空间场预测技术是利用基于模型的学习等方法,准确估计水声通信性能空间场分布,预测在水下未知位置的通信性能;地球物理信息导航技术是利用地磁特征等地球物理信息,纠正航位推算导致的位置误差漂移,实现较为精确的无人潜航器路径规划和导航;主动感知惯性导航技术是通过无人潜航器运动情况估计、海洋流动状态估计、洋流图分析等,主动分析平台与环境状态变化,减轻水下定位漂移误差;水下多传感器导航技术是综合惯性测量单元、航位推算、声学传感等方法,结合多传感器数据融合算法,实现无人潜航器的自主导航;低成本高可靠性水下导航技术是针对尺寸、能源受限的无人潜航器,定制低成本、低功耗里程计导航系统、声学导航系统等;环境适应性高精度冰下导航技术是利用声学通信、冰下环境模拟、自适应综合通信和导航网络等,适应冰下不断变化的声学环境,为无人潜航器提供高精度导航;无人潜航器辅助蛙人导航技术是以无人潜航器为辅助定位平台,为蛙人水下作业提供精确导航;水下地形辅助导航技术是利用分布式通信规划方法、改进型卡尔曼滤波器、信息论与强化学习算法等,增强水下地形辅助导航能力。

1.4 海上无人集群

国外在海上无人集群方向重点关注协作式自主与数据共享、多代理自主导航和控制、海上多智能体强化学习、无人编队行为协调、低成本无人舰队、水面-水下异构无人协同、多目标路径规划、多代理资源分配最优化、海上分布式连接维护等9个技术热点。

其中,协作式自主与数据共享技术是利用分布式协作式自主、通用战术态势图、数据融合与共享技术等,提高无人潜航器网络的海上环境监视能力;多代理自主导航和控制技术是通过多代理导航、分布式协同控制等系统,使多艘无人潜航器集群实现自主导航和控制;海上多智能体强化学习技术是利用多智能体强化学习技术,实现海上无人舰队的分布式协作控制及自适应作业任务;无人编队行为协调技术是学习并预测无人编队在海上环境中的复杂行为,并用于协调无人舰队的整体性和相对性行为;低成本无人舰队技术是以商用现成技术、开源软件、模块化组件等,装配并构建低成本海上无人舰队集群;水面-水下异构无人协同技术是利用启发式协同算法、主动声学定位系统等,实现水面和水下无人系统信息交互,保证两者 安全协同完成海洋监测等任务;多目标路径规划技术是利用基于图的寻路算法、人工势场避障算法等,根据具体任务为无人潜航器集群提供最佳航行路径;多代理资源分配最优化技术是开发快速近似、基于广义能量的领导者选择(GELS)等算法,综合考虑多智能体能源、成本等资源的消耗问题,制定最优化资源分配方案;海上分布式连接维护技术是因故障或环境等导致通信受限时,利用网络连接维护、内部驱动算法等,保障多无人潜航器之间的正常信息交换和团队协作。

1.5 海上态势感知

国外在海上态势感知方向重点关注基于雷达的水面目标检测、基于视觉的障碍物检测、声呐图像目标识别、海底地形环境重构、持续目标监视与跟踪、海上目标自适应跟踪算法、水下环境自主感知等7个技术热点。

其中,基于雷达的水面目标检测技术是利用雷达对海面以上目标进行检测,以识别海上障碍物或威胁目标;基于视觉的障碍物检测技术是利用摄像机等光学传感器,对水面和水下目标进行检测和识别;声呐图像目标识别技术是利用智能算法、图像识别等技术,对合成孔径声呐获取的图像进行处理,识别水下目标;海底地形环境重构技术是利用侧扫声呐等扫描水下海洋结构,用于卫星信号缺失时的目标检测及海底地形环境重构;持续目标监视与跟踪技术是利用图像传感器、声呐等,对水面和水下目标的机动和变化情况进行持续跟踪监视;海上目标自适应跟踪算法技术是研发和改进均值漂移算法、卡尔曼滤波、和积算法、贝叶斯因子等算法,实现对海上目标的自适应跟踪;水下环境自主感知技术是利用水下传感器对水下环境进行探测和分析,形成环境模型或障碍物信息。

1.6 海上无人平台总体设计

国外在海上无人平台总体设计方向重点关注新概念无人潜航器设计、仿生无人潜航器设计、水动力性能优化、水下无线充电与数据传输、无人潜航器燃料电池、海洋环境能量获取、无人潜航器安全可靠性设计、无人潜航器布放回收等8个技术热点。

其中,新概念无人潜航器设计技术是通过设计新的结构、形状、运用方式、推进方式等,探索未来新型无人潜航器概念;仿生无人潜航器设计技术是以鱼类等海洋动物为模仿对象,设计新型无人潜航器,提高其推进效率或隐身性;水动力性能优化技术是利用深度学习等方法,借助流体力学仿真和试验等工具,对无人潜航器进行水动力学优化;水下无线充电与数据传输技术是研发水下充电装备,在对无人潜航器充电的同时传输数据,延长部署时间,提高隐蔽性;无人潜航器燃料电池技术是研发能源密度高、效率高、成本低、易维护的燃料电池系统,用于大潜深长航时无人潜航器;海洋环境能量获取技术是利用波浪能发电装置、微生物燃料电池等,从海洋环境中获取能量,为无人潜航器提供动力,提高部署灵活性和工作时间;无人潜航器安全可靠性设计技术是以可靠性为主要设计目标,对无人潜航器平台、主要系统、体系结构进行设计和优化;无人潜航器布放回收技术是从母艇或基地对各类无人潜航器实施布放,确保无人系统顺利执行任务,并在完成任务返航后及时可靠回收。

2 国外无人潜航器技术重点问题

综合来看,国外无人潜航器技术近10年内重点解决无人潜航器的自主算法、集群协同、指挥控制、网络安全等4个问题。

2.1 利用人工智能技术使无人潜航器更加自主智能

无人潜航器自主技术的核心是支撑各类任务的算法,具体包括决策、导航、探测、对抗措施、资源管理等。目前国外现役无人潜航器仅能实现路径规划、避碰、目标识别等局部自主行为,在任务执行中依然需要操作员的辅助与控制。未来,基于人工智能技术和神经网络算法的发展,无人潜航器可针对静态及动态的环境作出综合性判断,考虑任务优先级和现有资源,规划并调整任务及先后顺序,实现更高层级的全局自主。

2.2 利用体系架构技术实现无人潜航器集群协同作战

体系架构技术的核心是统一无人潜航器的通用任务控制接口、通信协议等,实现有人平台与无人平台、异构无人平台之间的跨域、跨制造商、跨控制站、跨操作员互操作。目前,美海军正在推广无人海上(见图2)自主体系架构,已应用于“虎鲸”超大型无人潜航器、“剃刀鲸”中型无人潜航器等重点项目,并强制要求2020年后启动研制的海上无人系统采用该体系架构,企图解决无人艇、无人潜航器彼此间、与有人装备体系间的互联互通问题,对于实现有人-无人协同、集群作战意义重大。

图 2 无人海上自主体系架构核心框架 Fig. 2 Framework of UMAA
2.3 利用去中心技术使无人潜航器指控结构扁平化

国外提出了“去中心”的战场组织形态,强调指控体系扁平化,将传统自上而下的指控网络转变为更加灵活多样的作战授权分级机制。无人潜航器通用控制系统可集成至水面舰艇、潜艇等各型有人平台,指控权可根据战场环境、战损状态等在岸上指控中心和有人平台之间动态调整,实现战区内对各无人作战力量的灵活调配。

2.4 利用网络防御技术保护无人潜航器数据的完整、实用、可靠

无人潜航器可通过基于行为树的故障检测、复杂系统深度防御等关键技术来增强海上网络信息安全。目前,国外正在开发网络安全漏洞数据库,收集各型无人潜航器传感器潜在或已知漏洞,以加速新漏洞识别和修补;未来,网络防御将以稳健性为主要目标,对无人潜航器指控通信线路进行优化,提高生存能力及任务成功率。

3 国外无人潜航器技术对未来作战的影响 3.1 拓展任务谱系,加速变革传统战争形态

近十年,国外无人潜航器技术研究主要聚焦3个方面工作:一是自主技术,包括自主探测、自主导航、自主决策等;二是布放回收技术;三是高可靠C4ISR技术,包括主被动声呐、跨域通信、数据融合计算等。伴随平台设计、自主、载荷等的快速发展,无人潜航器作战概念研究将更多转向应用探索,在试验演训、应急部署中凝练战术、技术和程序,不断延展任务谱系,从传统的情监侦、目标指示、通信中继等支援保障类任务扩展至电子战、反潜、布雷、反水雷等主战任务。

3.2 加速融入现有作战体系,逐步实现有人-无人协同作战

无人潜航器须融入到现有作战体系中,与有人装备协同作战,才能发挥出全部优势,国外主要采取了以下3项措施:一是研发人机界面、边缘计算、人工智能等关键赋能技术,减轻操作员控制无人潜航器的认知载荷和工作负担;二是无人潜航器通过发展网络、基础设施、数据与自主性、接口与标准、指挥控制等跨平台共性技术,实现最大程度的体系联结,力避“烟囱式”研发模式带来的信息屏障;三是扩大兵力规模、优化兵力结构、提升与有人装备协同作战能力作为无人潜航器发展的牵引型指标,以求最有效地使用潜航器。

3.3 健全无人装备发展及保障体系,推进实战运用

为加快推进实战运用,国外正在健全无人装备产业,配套相关保障体系:一是采用平战结合的无人装备技术研制思路,多依托商业成熟产品技术快速发展军用型号;二是筹建专门的自主技术研发组织,例如美海军筹建“快速自主集成实验室”,专门负责无人系统自主软件的开发、测试和认证工作;三是通过演习探索演示评估新兴技术,服务高效开发和部署原型,促进技术的跨军种应用。

4 结 语

近十年来,在自主、指控、通信导航、无人集群、平台总体设计等关键技术快速发展的推动下,无人潜航器得到快速发展,执行任务能力不断增强,可靠性不断提高,任务领域快速扩展,作业形式也正从遥控向自主、单体向网络化集群转变,有望对未来的海军武器装备体系、水下战模式产生重大乃至革命性的影响。

参考文献
[1]
JOSEPH R E. Data-driven learning and modeling of AUV operational characteristics for optimal path planning[J]. Oceans, 2017: 75−53.
[2]
COCOCCIONI MARCO. Game theory for unmanned vehicle path planning in the marine domain: state of the art and new possibilities[J]. Journal of Marine Science and Engineering, 2021, 9(11): 1175−1177.
[3]
CHARIS N. A comparative study on Ant Colony Optimization algorithm approaches for solving multi-objective path planning problems in case of unmanned surface vehicles[J]. Ocean Engineering, 2022, 255.
[4]
PARK J. Mission planning and performance verification of an unmanned surface vehicle using a genetic algorithm[J]. International Journal of Naval Architecture and Ocean Engineering, 2020, 13.
[5]
BEN Y. Detection of unanticipated faults for autonomous underwater vehicles using online topic models[J]. J Field Robotics, 2018, 35: 705–716.
[6]
RICCARDO C. Interoperability among unmanned maritime vehicles: review and first in-field experimentation[J]. Frontiers in Robotics and AI, 2020, 791.
[7]
GLORIA C. Human-autonomy teaming interface design considerations for multi-unmanned vehicle control[J]. Theoretical Issues in Ergonomics Science, 2018 19(3): 321-352.
[8]
PEDRO M L. Monitor and control human-computer interface for unmanned surface vehicle fleets[J]. Oceans, 2019, 1−5.
[9]
JONATHAN A. Modeling the human visuo-motor system to support remote-control operation[J]. Sensors (Basel), 2019, 18(9): 2979.
[10]
SIERRA N Y. Review of human-machine interfaces for small unmanned systems with robotic manipulators[J]. Transactions on Human-machine Systems, 2020, 50(2): 131−143.
[11]
OSLER S. Controlling remotely operated vehicles with deterministic artificial intelligence[J]. Applied Sciences, 2022, 12(6): 2810.
[12]
JAN S. Bandwidth efficient concurrent localisation and communication in underwater acoustic networks[J]. Kobe Techno-Ocean, 2018, 1−7.
[13]
GABRIELE F. localisation through next generation underwater acoustic networks: results from the field[J]. IROS, 2016, 1328−1333.
[14]
RIDGE J, NELSON C, WALKER O, et al. Underwater 2-D visible light communication system[C]//SPIE Defense and Commercial Sensing, 2020.
[15]
HARDY N. Demonstration of vehicle-to-vehicle optical pointing, acquisition, and tracking for undersea laser communications[C]//Proceedings of the SPIE, 2019.
[16]
SUPUN R, TOBY S, HENRIK S. Construction of a high-resolution under-ice AUV navigation framework using a multidisciplinary virtual environment[C]//IEEE/OES Autonomous Underwater Vehicle Symposium, 2020.
[17]
SUPUN R. A high-resolution AUV navigation framework with integrated communication and tracking for under-ice deployments[J]. Journal of Field Robotics, 2020, 40(2): 346−367.
[18]
JESSE R P. AUV-assisted diver navigation[C]//IEEE Robotics and Automation Letters, 2022.
[19]
I KVASIĆ. Aided diver navigation using autonomous vehicles in simulated underwater environment[J]. Journal of Marine Science and Engineering, 2020, 8(16): 413.
[20]
MATTEO B. ASV acoustically tracking and following an AUV: preliminary experimental evaluation[J]. IEEE Journal of Oceanic Engineering, 2021, 35(4): 971−983.
[21]
SETH M. Ocean front detection and tracking using a team of heterogeneous marine vehicles[J]. Journal of Field Robotics, 2021, 38(6): 854−881.
[22]
JO YUN-JAE. Omparison of velocity obstacle and artificial potential field methods for collision avoidance in swarm operation of unmanned surface vehicles[J]. Journal of Marine Science & Engineering, 2022, 12: 2036.
[23]
CHARIS N. A swarm intelligence graph-based pathfinding algorithm based on fuzzy logic (SIGPAF): a case study on unmanned surface vehicle multi-objective path planning[J]. Journal of Marine Science and Engineering, 2021, 9(11): 1243.