AUV导航-规划-控制技术研究_李冀永.pdf

AUV 导航导航-规划规划-控制技术研究控制技术研究李冀永，钟荣兴，徐雪峰，邓福建，于双宁，王益民(天津航海仪器研究所，天津 300131)摘 要:AUV 导航、规划和控制技术是实现其自主航行和作业的核心内容和关键环节。本文从硬件组成、算法对比角度归纳分析 AUV 导航技术的发展，从传统算法、智能算法角度归纳分析 AUV 避障规划技术的发展，从控制算法、控制分配策略角度归纳分析 AUV 控制技术的发展。最后，对 AUV 自主航行技术的未来发展趋势和挑战进行了展望。关键词：AUV；自主航行；导航技术；规划技术；控制技术中图分类号：U664.82 文献标识码：A文章编号：1672 7649(2023)12 0051 06 doi：10.3404/j.issn.1672 7619.2023.12.010Review of navigation,planning and control technology of AUVsLI Ji-yong,ZHONG Rong-xing,XU Xue-feng,DENG Fu-jian,YU Shuang-ning,WANG Yi-min(Tianjin Navigation Instruments Research Institute,Tianjin 300131,China)Abstract:Navigation,path planning and control technologies are key components of AUVs to realize its autonomoussailing and operations.Developments of AUV navigation technology have been analyzed from points of view of hardwarecomponents and data fusion algorithms，evolutions of AUV path planning technology have been investigated from aspectsof traditional algorithms and intelligence algorithms，developments of AUV control technology have been introduced fromaspects of control algorithms and control allocation strategies.Challenges and future development tendencies of AUVs arebeing discussed in the final of this paper.Key words:AUV；autonomous navigation；navigation；planning；control 0 引言智能水下机器人（autonomous underwater vehicle，AUV）是一种无脐带缆、依赖自身能源以预编程或完全自主方式完成作业任务的无人水下潜器1 2。较之遥控水下机器人（remotely operated vehicle，ROV）或载人潜水器，AUV 具备脱离操纵人员自主航行实现自主作业的能力，无需母船支持，具有更好的安全性和经济性3 4。AUV 一般用于海洋科考任务、工程设备检修维护以及军事任务，如海底石油管线巡检、地形地貌精细探测、水文参数测量、矿产资源探测、水下目标搜索、自主排雷、反潜警戒以及中继通信等，近年来，受到各国科研机构及研究人员的广泛重视5。AUV 自主航行是实现作业任务重要基础，品质良好的自主航行需要几点要素：1）导航系统提供稳定精确的实时位姿信息。AUV 作为一类自主机器人系统，完成既定航行任务的前提是明确自身位姿状态，而水下环境中电磁波传输距离极短，AUV 水下航行时无法使用卫星导航设备定位，需依靠惯性导航元件、多普勒测速仪（Doppler velocity logger，DVL）等设备实现导航6 7，导航精度不仅影响航行任务完成效果，还决定了 AUV 上浮校正位置的次数，影响 AUV 隐蔽性。2）规划系统提供安全可行的航行路径。AUV 在广阔水域航行，需充分利用环境信息进行实时决策，结合自身传感器规避环境中的未知障碍，以高效安全的方式规划安全经济的路径8 9。3）控制系统实现品质良好的运动控制。AUV 需要充分考虑自身特性，根据配置的执行机构，在具有环境扰动、模型参数不确定等影响下稳定完成期望运动，从而实现预定的具体任务10 11。本文分析近年来 AUV 自主航行过程中导航、规划以及控制技术的发展，最后对 AUV 未来发展趋势和挑第 45 卷 第 12 期舰 船 科 学 技 术Vol.45,No.122023 年 6 月SHIP SCIENCE AND TECHNOLOGYJun.,2023 收稿日期:2022 06 28作者简介:李冀永(1992 )，男，博士，工程师，研究方向为水下机器人技术。战进行了展望。1 AUV 导航技术AUV 作为一种无缆自治的水下机器人，由自主导航、规划、控制构成的自主航行能力是 AUV 完成任务的核心，如图 1 所示。尤其随着 AUV 面向智能化、集群化发展过程中，自主航行技术对保障 AUV 作业能力起到愈发重要的作用。图 1 AUV 自主航行框架Fig.1 The architecture of AUV autonomous voyage 水下导航系统需要提供 AUV 的准确位置、姿态信息，引导 AUV 从起始点按照要求精度到达目的地。由于水下环境中电磁波传输距离极短，卫星导航技术无法在 AUV 处于水下时应用，因此水下导航与陆空导航具有较大差别。依据 AUV 任务需求合理使用各类导航手段是 AUV 完成既定任务的基础，常见的 AUV 导航技术包括惯性导航技术、水下声学定位与导航技术、地球物理场导航技术等。惯性导航设备因具有自主性好、信息输出频率高而成为了组合导航系统的核心部件之一，借助其他高精度的导航设备辅助惯性导航设备抑制误差随时间的积累或修正误差，以提高导航系统的性能指标12。水下声学定位与导航包括利用多普勒测速仪（Doppler ve-locity logger，DVL）和声学基线系统两类：DVL 能够获取 AUV 相对水底或水层的速度，在 AUV 导航系统中往往与惯导进行信息融合提升惯导精度；声学基线系统分为长基线、短基线和超短基线系统等，能够依据声学信息提供 AUV 位置，但长基线系统需要在海底预先铺设，短基线和超短基线系统作用距离均相对有限，对环境有一定需求。地球物理场导航主要包括重力匹配导航、地磁导航等，能够直接获取位置信息，但需要事先在 AUV 上建立用于信息匹配的数据库，在 AUV 上应用尚不成熟。目前，以惯性导航系统、DVL 等传感器为基础的组合导航技术在 AUV 上得到了广泛的应用7。RDI 与 Kearfott 公司联合研制的 SeaDevil 号AUV 使用惯导/DVL 组合导航系统，其惯导设备使用Kearfott 公司开发的惯性产品，包括 MOD VIIA 型加速度计和 T24、T16-B 罗经等设备，SeaDevil 号 AUV 数据通过卡尔曼滤波器进行惯导/DVL 数据融合，定位精度可达到航程 0.5%13。美国海军研究生院研制的 AR-IES 型 AUV 采用惯导/DVL/GPS 组合导航系统，其中，选择频率为 1 200 kHz 的 DVL 以及惯导单元，并配置了一个水面载波相位差分 GPS，以 AUV 定期上浮方式修正导航偏差14。美国伍兹霍尔海洋研究所、蓝鳍机器人公司、英国国家海洋中心也均将基于惯性导航系统和 DVL 的组合导航技术应用于 AUV15。AUV 需要选择一种有效信息整合策略将各传感器输出的导航信息进行有效融合，信息融合方法在组合导航系统中起着至关重要的作用，常用方法包括卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）等。KF 是最基础的数据融合方法，挪威 Hugin 1 000 型 AUV16以及丹麦的 Maridan 150 型 AUV17均采用该方法进行数据融合。由于水下环境复杂，模型难以精确建立，因而EKF，UKF，PF 等非线性数据融合算法被进一步应用于 AUV 组合导航领域。Loebis 等18将模糊逻辑技术引入到 PF 和 EKF，对基于 GPS/惯导的 AUV 组合导航系统进行了数据融合研究，仿真结果表明该技术能提高组合导航系统的性能。张晓娟等19将 EKF 应用于AUV 组合导航，AUV 导航系统包含罗经/DVL/GPS，仿真结果表明 EKF 能很好的融合观测数据，误差相对于 GPS 和船位推算单独定位时明显减小。张涛等20将UKF 应用到惯导/LBL 组成的 AUV 组合导航系统中，提升了系统的定位精度。Karimi 等21面向基于惯导/DVL的组合导航系统，分别采用 UKF 和 EKF 进行了数据融合验证，结果表明 EKF 精度更好。当前，以惯导、DVL 为核心传感器，以 EKF，UKF 等算法进行多传感器数据融合是 AUV 实现自主导航的主流做法，但其也具有以下缺陷：1）DVL 直接测量速度信息而非位置信息，虽然能校正惯导的位置信息，但组合后得到的位置信息依然会随时间发散；2）海洋环境中存在的温、盐、密变化、风、浪、流干扰均会影响导航效果，因此，AUV 需要定期上浮通过卫星导航校正，不仅降低了 AUV 作业效率，还影响了其隐蔽性；3）由于 DVL 是一种主动声源，会进一步削弱 AUV 隐蔽性。因此，各研究机构也在研究多种辅助导航手段提升水下自主导航效果，随着水下声学定位与导航、水下地形匹配、水下重力匹配等辅助导航技术的发展，AUV 长航程导航效果有望得到进一步提升。52 舰 船 科 学 技 术第 45 卷 2 AUV 规划技术AUV 的路径规划指在包含障碍物等约束条件的水下环境内，AUV 对预期航线、航向等不断迭代、优化，形成符合某类目标函数最优的路径的技术22。由于 AUV 决策自主能源自持的特性，良好的规划技术不仅能够确保 AUV 及时规避障碍物，实现安全航行，还能提供最优路径，节约能源。AUV 路径规划可分为全局路径规划和局部路径规划，全局路径规划指 AUV 根据电子海图等手段获取已知全局环境信息从而规划出的路径，可以在 AUV 执行任务前离线获取，因此对算法实时性要求不高。局部路径规划指 AUV 在航行过程中根据配备的声呐、摄像机、DVL 等传感器感知到环境中事先未知的障碍物、实时海流情况下，快速调整现有规划路径，对于算法实时性、鲁棒性要求较高8。在具体规划方法上，可以分为以人工势场法、视觉锥法、A*和 D*等算法为代表的传统算法以及以粒子群算法、蚁群算法、深度学习算法、强化学习算法为代表的智能算法。人工势场法由 Khatib 发明23，这种方法利用环境中障碍物产生的虚拟斥力和目标点产生的虚拟引力引导机器人达到目标，具有结构简单，容易实现的优点，但存在容易陷入局部极值、机器人在障碍物前方难以搜索可行解等缺陷。Yun 等24提出一种改进人工势场法，避免了局部极小值，并降低了水下机器人首向改变量；Cheng 等25利用在人工势场法中利用速度矢量合成技术降低了 AUV 航行中的能耗。A*是一种启发式规划算法，常用于静态环境中 AUV 的规划避障。Chen 等26提出了一种基于 A*算法的 AUV 全局规划方法，Garau27进一步在 A*算法中考虑了海流对AUV 的影响。但 A*算法基于网格搜索策略，限制了AUV 搜索空间，有一定局限性。D*算法对 A*算法进行了改进，进一步适用于动态路径路轨问题。视锥法基于 AUV 前视声呐对障碍物的感知，通过构造一个避障速度锥实现障碍物规避。Wiig 等28对该方法进行了了大量研究与改进，目前完成了纵倾速率、纵倾和关键距离约束条件下复杂海底地形规避、冰盖避碰航行、多组动态障碍物共同规避等复杂场景的避碰算法的仿真与试验验证，为 Hugin AUV 提供了避碰系统。智能算法可以进一步分为基于群体智能与基于机器学习两类算法。基于群体智能一类包括蚁群算法、粒子群算法、遗传算法等，这类算法将 AUV 路径规划转换为目标函数寻优问题，能够在高维空间有效使用，较好解决作业调度问题，但也存在需要精确环境模型、不易得到全局最优解的缺点。占银29提出了一种改进蚁群与人工势场结合的 AUV 规划算法，实现全局规划与局部避障的有效结合，改善了传统蚁群算法中收敛慢、不易得到全局最优的缺陷。祖伟30在粒子群算法中引入了遗传算法中交叉、变异策略，提升了算法搜索能力，实现了 AUV 在实际海底的三维路径规划，对突发的障碍也具备一定适应性。Tanakitkorn 等31研究了一种针对 AUV 的遗传算法，通过在代价函数中增加 AUV 能量损耗项，实现了 AUV 节能路径规划。基于群体智能的规划方法还包括萤火虫算法、人工鱼群算法等，这一类算法均较适用于 AUV 全局路径规划。基于机器学习方法主要包括人工神经网络算法、强化学习算法等，需要通过数据训练进行学习，具有对环境模型依赖性低，能够解决实时规划的优势。但部分算法学习成本较大，需要大量数据、时间，且泛化性依赖于学习效果。AUV 规划时一般将传感器采集的环境信息作为网络输入，将规划路径作为输出，通过大量数据对网络进行训练得到误差收敛的网络模型。朱大奇等32重点研究了障碍物对神经网络中神经元激励和输出的影响，AUV 能够利用人工神经网络实现避障规划，其团队还将自组织神经网络与生物启发神经网络结合，继续研究了多 AUV 路径规划算法。强化学习是一类无监督学习方法，将规划作为马尔科夫决策过程处理，环境根据 AUV 动作给出奖励或惩罚强化信号，AUV 根据强化信号和自身状态选择动作。强化学习是一个不断试探、评价从而改善动作策略的过程，目的是使累积奖励最大，可以在无先验环境下实现 AUV 避障。冉祥瑞33设计了一种基于 MaxQ 学习算法的 AUV 路径规划分层框架，通过分层强化学习方式获得避障策略，并在仿真中验证了算法的有效性。徐杨34结合使用了粒子群算法与值迭代网络的强化学习方法实现了海生物捕捞机器人的避障规划。Yoo35利用强化学习算法实现了船舶在海流中的路径规划，并在仿真中与 A*算法进行了对比。Cheng 等36将深度强化学习算法引入到水下机器人避障中。3 AUV 控制技术AUV 通过导航系统获得自身运动状态，通过路径规划算法得到期望路径或轨迹后，需要依靠控制算法计算 AUV 执行机构输出，实现路径或轨迹误差的收敛。设计品质优良的 AUV 控制器需考虑如下难点：1）大部分 AUV 是一类欠驱动系统，部分自由度不能直接由执行机构控制，需要依靠动力学耦合关系间接第 45 卷李冀永，等：AUV 导航-规划-控制技术研究 53 控制；2）AUV 运动学模型和动力学模型具有强非线性，其水动力系数还会随着航态而变化；3）AUV 动力学模型包含大量水动力系数，模型难以精确获得，且易遭受外部环境干扰影响。PID 控制器结构简单，鲁棒性强，广泛应用于AUV 运动控制中。文献 37 提出了一种模糊自适应PID 算法，自主调整控制器参数，实现 AUV 首向和深度控制。闫敬等38提出了一种融合 Q 学习与 PID 控制器的 AUV 跟踪方法，利用 Q 学习策略调节控制器参数，改善控制品质。在 IAUV 方面，文献 39 利用PID 控制器实时跟踪逆运动学规划器规划的期望轨迹，实现了 Girona-500 型 IAUV 在机械臂作业时的稳定姿态控制，完成了水下目标平稳抓取。PID 控制器本质是一类线性控制器，但 AUV 是一类强非线性系统，易受外界扰动影响，因此这类控制方法具有一定局限性。S 面控制是刘学敏等40提出的一种用于 AUV 运动控制的方法，借鉴了模糊理论思想并与 PID 控制相融合。S 面控制利用 Sigmoid 函数构造关于误差的非线性控制器，因此相较于传统 PID 控制器更适用于具有强非线性特征的 AUV。李岳明41进一步对 S 面控制器的位置阶和速度阶的稳定性做出了全面论证，并提出了一种新的积分调整项，构造了品质更好的自适应 S 面控制器。Li 等42面向携带机械臂的 IAUV，提出了一种基于模型的 S 面控制器，结合干扰观测器以及机械臂耦合干扰前馈补偿项，实现了 IAUV 精确运动控制。目前，S 面控制及其改进方法广泛用于 AUV，ROV 以及 USV 的运动控制中。滑模控制是一类特殊的变结构非线性控制方法，由切换函数和趋近律构成，切换函数评估当前系统状态，根据状态选择对应趋近律形成反馈控制律趋近滑模面，因此具备变结构特性。孙俊松43提出了一种基于干扰观测器的终端滑模控制方法，提高了海流干扰和参数摄动情况下 AUV 的控制品质。考虑执行机构饱和及曲线路径跟踪问题，韩亚楠44提出了一种降阶扩张状态观测器和反步积分滑模相结合的控制方法，在模型参数不确定、具有外界干扰的条件下进行了仿真验证。滑模控制不需要模型精确参数，对外界干扰具有鲁棒性，能较好结合其他控制方法。滑模控制的缺陷是系统在趋近律引导下可能会频繁穿越滑模面，引起抖振现象，导致执行机构震颤，影响控制品质。反步控制是一种常用于欠驱动 AUV 的控制方法，其设计过程通过递归迭代李雅普诺夫函数，求取控制器的解析解。贾鹤鸣45提出了一种滤波反步法，通过滤波器获得信号微分值，避免了系统对虚拟控制输入信号反复求导过程，对信号具有一定鲁棒性，实现了欠驱动 AUV 三维路径跟踪控制。徐昊46考虑 AUV 受高频海浪影响，基于海浪滤波器与滑模反步法设计了控制器，实现 AUV 节能三维路径跟踪控制。Liang 等47针对欠驱动 AUV 三维路径跟踪问题，设计了基于滑模控制和反步法相结合的控制器，并通过模糊理论近似外界干扰和模型不确定项，提升控制器的鲁棒性。反步法主要问题是计算较复杂，可能需要面对虚拟控制输入微分爆炸或积分饱和等问题。除上述方法之外，自适应控制、模糊控制、神经网络控制均在 AUV 自主航行中有一定应用。大部分 AUV 配备了具有鲜明物理意义的十字舵配合主推进器构成执行机构，控制器解算后直接输出期望舵角和主推进器转速并由对应执行机构响应。但传统十字舵出现舵面卡死、失效等故障，会对 AUV 航态造成严重影响。采用 X 型布置的 AUV 尾舵，每个舵面均能产生横摇、纵摇、首摇力矩，具有更强的容错控制能力，文献 48 还论证了 X 舵有相比十字舵更好的舵效，因此，X 舵在 AUV 上得到了越来越多的应用。但 X 舵物理意义不如十字舵明确，X 舵 AUV 控制器输出不再是舵角而是力/力矩形式，还应考虑控制分配策略。控制分配策略可分为直接分配法、伪逆法及其改进方法、最优分配法等。直接分配法利用几何优化法直接进行控制分配，易于理解但计算量大。伪逆法原理是通过对执行机构的配置矩阵直接求取伪逆，计算执行机构输出。Fosson49将伪逆法引入 AUV 控制分配，该方法及其改进方法在 AUV 领域应用较为广泛。文献 50 利用加权伪逆法为各执行机构分配了权重，一定程度上避免了执行机构饱和问题。伪逆法计算量小，易于理解，但没有考虑执行机构的饱和特性，也未考虑控制输入的饱和特性，可能会影响控制精确性，此外仅能对单一目标进行优化。最优分配法采用最优化理论，通过约束条件下对目标函数寻优的方式实现控制分配策略，王小平51提出了一种改进序列二次规划算法，提高了 X 舵的控制分配精度和计算速度。张英浩52提出了基于 Levy 飞行特征的 X 舵优化分配方法，避免目标函数陷入局部最优的情况，并讨论了卡舵、舵损模式下 AUV 容错控制及控制分配的策略。4 未来发展趋势和挑战AUV 自诞生以来就不断向智能化方向发展，但当 54 舰 船 科 学 技 术第 45 卷前 AUV 仍处于较低智能化水平1，自主学习能力和与环境交互能力有望通过引入人工智能技术进一步提高；相较于 UAV、陆地机器人等机器人系统，AUV 仍以个体作业为主，集群编队能够大大加强 AUV 环境搜索、海域侦察等任务的作业效率，是 AUV 未来发展的另一大趋势；深远海航行具有重要的科学和军事意义，AUV 无需驾驶员，深远海航行安全性更好，随着新材料、新能源技术的进一步发展，朝着更深、更远的大洋进行探索具有更强的可行性。AUV 向智能化、集群化、深海远洋化发展的需求，也为由导航、规划和控制构成的自主航行技术提出了新的挑战。当前 AUV 导航系统多以由惯导、DVL 为核心构成。如何进一步提高惯导、DVL 等传感器的测量精度、如何构造更适于 AUV 运动特性的数据融合方法、如何在个别传感器失效时有效保证导航精度等问题均需进一步研究。在多平台组队集群时，如何根据多AUV 甚至多跨域平台配置的异构传感器实现高精度导航，发挥“1+12”的作用也需进一步研究1。军事任务中，还需要考虑 DVL 测量带来的隐蔽性问题。最后，将地磁导航、重力匹配、地形匹配、SLAM 等技术融入到 AUV 导航系统中，有望解决传统 AUV 导航系统需上浮校正的问题，大大增强 AUV 航行隐蔽性。当前 AUV 路径规划技术以 A*、D*、人工势场等方法为主，面向未知动态环境适应性较差，利用强化学习方法使 AUV 具备面向环境自主学习能力有望解决这一问题8。但如何合理确定强化学习中的奖励函数、如何提升强化学习泛化性、如何解决强化学习训练需要大量数据等问题需要进一步研究。此外，在组队集群任务中，借助编队中其他 AUV 实现品质优良的规划效果也需要进一步研究。当前 AUV 实际航行中的控制算法仍以 PID 控制、S 面控制等结构简单、无需模型参数的控制方法为主。但面对波、浪、流干扰的复杂海洋环境以及不同工作模式（如 AUV 目标搜索、回收、IAUV 带臂作业等）仍缺乏足够适应性。进一步通过人工智能方法提升 AUV 面向不同环境的控制能力，强化 AUV 深远海作业时故障诊断以及容错控制能力，研究 AUV 长距离航行能量最优控制方法，从 AUV 控制精度、控制鲁棒性以及节能角度提高控制效果，是 AUV 控制技术面临的重要挑战。5 结语本文从多角度分析归纳了 AUV 自主航行中导航技术、规划技术以及控制技术的发展，对 AUV 自主航行技术未来发展趋势和挑战进行了展望。参考文献：吴有生,赵羿羽,郎舒妍,等.智能无人潜水器技术发展研究J.中国工程科学,2020,22(6):2631.1 徐玉如,李彭超.水下机器人发展趋势 J.自然杂志,2011,33(03):125132+2.2 黄海,张国成,杨溢.水下无人航行器机械手系统动力学建模与协调运动轨迹优化 J.上海交通大学学报,2016,50(09):14371443+1451.3 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):215231.4 秦洪德,孙延超.AUV 关键技术与发展趋势 J.舰船科学技术,2020,42(23):2528.5 徐博,白金磊,郝燕玲,等.多 AUV 协同导航问题的研究现状与进展 J.自动化学报,2015,41(3):445461.6 黄玉龙,张勇刚,赵玉新.自主水下航行器导航方法综述 J.水下无人系统学报,2019,27(3):232253.7 孙玉山,冉祥瑞,张国成,等.智能水下机器人路径规划研究现 状 与 展 望 J.哈 尔 滨 工 程 大 学 学 报,2020,41(8):11111116.8 赵苗,高永琪,吴笛霄,等.复杂海战场环境下 AUV 全局路径规划方法 J.国防科技大学学报,2021,43(1):4148.9 姜春萌.自主水下机器人智能控制与参数优化技术研究 D.哈尔滨:哈尔滨工程大学,2018.10乔磊.复杂海洋环境下水下无人航行器定深与三维轨迹跟踪控制 D.上海:上海交通大学,2020.11杨峻巍.水下航行器导航及数据融合技术研究 D.哈尔滨:哈尔滨工程大学,2012.12ALAMEDA W.SEADEVIL A totally integrated inertial navi-gation system(INS)solutionJ.Proceedings of the Underwa-ter Intervention Symposium,2002.13MARCO D B,HEALEY A J.Command,control,and naviga-tion experimental results with the NPS ARIES AUVJ.IEEEJournal of Oceanic Engineering,2001,26(4):466476.14赵俊波,葛锡云,冯雪磊,等.水下 SINS/DVL 组合导航技术综述 J.水下无人系统学报,2018,26(1):29.15LARSEN M B.High Performance doppler-inertial navigation-experimental resultsC/Ocean 2000 MTS/IEEE Conferenceand Exhibition.RI,USA:IEEE,2000.16JALVING B,GADE K,SVARTVEIT K,et al.DVL velocityaiding in the Hugin 1000 integrated inertial navigationsystemJ.Modeling,Identification and Control,2004,25(4):223235.17LOEBIS D,ET R et al.A fuzzy Kalman filter optimized usinga multi-objective genetic algorithm for enhanced autonomousunderwater vehicle navigationJ.Proceedings of the I MECHE Part M Journal of Engineering for the Maritime Envi,2004.18张晓娟,梁捷.基于扩展卡尔曼滤波器的 AUV 导航定位数据融合 J.测控技术,2016,35(6):5.19张涛,石宏飞,陈立平,等.基于 UKF 的 SINS/LBL 水下AUV 紧组合定位技术 J.中国惯性技术学报,2016,24(5):638642.20第 45 卷李冀永，等：AUV 导航-规划-控制技术研究 55 KARIMI M,BOZORG M,KHAYATIAN A R.A comparisonof DVL/INS fusion by ukf and ekf to localize an autonomousunderwater vehicleC/Proceeding of the 2013 RSI/ISM Inter-national Conference on Robotics and Mechatronics.Tehran,Iran:IEEE,2013.21郭银景,侯佳辰,吴琪,等.AUV 全局路径规划环境建模算法研究进展 J.舰船科学技术,2021,43(17):1218.22KATHIB O.Real-time obstacle avoidance for manipulatorsand mobile robotsM.Springer New York,1986.23YUN G,WEI Z,GONG F,et al.Dynamic path planning forunderwater vehicles based on modified artificial potential fieldmethodC/Digital Manufacturing and Automation(ICDMA),2013 Fourth International Conference on.IEEE,2013.24CHENG C,ZHU D,BING S,et al.Path planning for au-tonomous underwater vehicle based on artificial potential fieldand velocity synthesisC/2015 IEEE 28th Canadian Confer-ence on Electrical and Computer Engineering(CCECE).IEEE,2015.25CHEN S,LIU C W,HUANG Z P,et al.Global path planningfor auv based on sparse A*search algorithmJ.Torpedo Tech-nology,2012.26GARAU B,ALVAREZ A,OLIVER G.Path planning of au-tonomous underwater vehicles in current fields with complexspatial variability:an A*approachC/2005.27WIIG M S,PETTERSEN K Y,KROGSTAD T R.A 3D re-active collision avoidance algorithm for underactuated under-water vehiclesJ.Journal of Field Robotics,2020(5).28占银.基于蚁群算法和人工势场法的水下机器人路径规划研究 D.长春:吉林大学,2020.29祖伟.基于粒子群优化算法的水下潜器实时路径规划技术研究 D.哈尔滨:哈尔滨工程大学,2008.30TANAKITKORN K,WILSON P A,TURNOCK S R,et al.Grid-based GA path planning with improved cost function foran over-actuated hover-capable AUVC/AUV 2014.IEEE,2014.31朱大奇,孙兵,李利.基于生物启发模型的 AUV 三维自主路径规划与安全避障算法 J.控制与决策,2015,30(05):798806.32冉祥瑞.基于分层强化学习的 AUV 路径规划方法研究 D.哈尔滨:哈尔滨工程大学,2017.33徐杨.海生物抓取捕捞水下机器人运动规划研究 D.哈尔滨:哈尔滨工程大学,2020.34YOO B ,KIM J .Path optimization for marine vehicles inocean currents using reinforcement learningJ.Journal of Ma-rine Science&Technology,2016.35YIN C,ZHANG W.Concise deep reinforcement learning ob-stacle avoidance for underactuated unmanned marine36vesselsJ.Neurocomputing,2018,272(jan.10):6373.KHODAYARI M H,BALOCHIAN S.Modeling and controlof autonomous underwater vehicle (AUV)in heading anddepth attitude via self-adaptive fuzzy PID controllerJ.Jour-nal of Marine Science and Technology,2015,20(3):559578.37闫敬,李文飚,杨晛,等.融合 Q 学习与 PID 控制器的 AUV跟踪控制 J.水下无人系统学报,2021,29(5):565574.38CIESLAK P,RIDAO P,GIERGIEL M.Autonomous under-water panel operation by GIRONA500 UVMS:A practical ap-proach to autonomous underwater manipulationC/2015IEEE International Conference on Robotics and Automation(ICRA).IEEE,2015.39刘学敏,徐玉如.水下机器人运动的 S 面控制方法 J.海洋工程,2001(3):8184.40李岳明.多功能自主式水下机器人运动控制研究 D.哈尔滨:哈尔滨工程大学,2013.41LI J,HUANG H,WAN L,et al.Hybrid strategy-based coor-dinate controller for an underwater vehicle manipulator systemusing nonlinear disturbance observerJ.Robotica,2019:1-22.42孙俊松.欠驱动 AUV 的轨迹跟踪反步滑模控制研究 D.大连:大连海事大学,2020.43韩亚楠.复杂海洋环境下的欠驱动 AUV 路径跟踪控制 D.大连:大连海事大学,2020.44贾鹤鸣.基于反步法的欠驱动 UUV 空间目标跟踪非线性控制方法研究 D.哈尔滨:哈尔滨工程大学,2012.45徐昊.X 舵 UUV 节能路径跟踪控制技术研究 D.哈尔滨:哈尔滨工程大学,2021.46LIANG X,QU X,WAN L,et al.Three-dimensional path fol-lowing of an underactuated auv based on fuzzy backsteppingsliding mode controlJ.International Journal of Fuzzy Sys-tems,2017.47黄哲敏,程舟济,夏英凯,等.X 舵自主式水下航行器抗横滚控制研究与操纵性试验 J.中国舰船研究,2021,16(S1):19-30.48FOSSEN T I,JOHANSEN T A.A Survey of control alloca-tion methods for ships and underwater vehiclesC/2006 14thMediterranean Conference on Control and Automation.IEEE,2007.49SARKAR N,PODDER T K,ANTONELLI G.Fault-accom-modating thruster force allocation of an AUV consideringthruster redundancy and saturationJ.IEEE Transactions onRobotics&Automation,2002,18(2):223233.50王小平.X 舵 AUV 控制分配优化与容错控制方法研究 D.哈尔滨:哈尔滨工程大学,2020.51张英浩.X 舵智能水下机器人运动控制方法研究 D.哈尔滨:哈尔滨工程大学,2019.52 56 舰 船 科 学 技 术第 45 卷