地理空间信息工程 地理空间信息工程专业前景怎么样
本文内容来源于《测绘通报》2022年第10期，审图号：GS京（2022）0980号
柴洪洲1, 杜祯强1,2, 向民志1, 黄紫如1
1. 信息工程大学地理空间信息学院, 河南 郑州 450001;2. 自然资源部海洋测绘重点实验室, 山东 青岛 266590基金项目：国家自然科学基金(42074014);自然资源部海洋测绘重点实验室开放基金(2021B15)
关键词：水下无人航行器, 协同定位, 关键技术, 编队构型, 误差改正, 水声通信
引文格式：柴洪洲, 杜祯强, 向民志, 等. 水下UUVs集群协同定位技术发展现状及趋势[J]. 测绘通报, 2022(10): 62-67,92. DOI: 10.13474/j.cnki.11-2246.2022.0295.摘要 ：随着水下装备逐渐走向自主化、无人化、智能化,水下无人航行器(UUV)以集群的形式协同作业成为必然的发展方向。本文介绍了UUVs集群设备的发展现状及相关项目开展情况;系统梳理了UUVs集群协同定位技术在编队构型设计、观测量误差建模、模型与解算方法及水声通信技术方面取得的研究进展;重点讨论了UUVs集群协同定位技术的发展趋势,即协同编队构型设计的可视化、多源传感器误差建模的精细化、集群协同定位算法的智能化及定位结果质量控制的实时化;最后对UUVs集群协同定位技术的发展作出展望。
随着国家海洋战略逐步从近海走向远洋、从区域走向全球，由人类逐步开发和利用海洋导致的权益冲突日益加剧，海洋目标安全需求不断提高，如何快速准确地获取海洋目标位置信息已成为各海洋强国占领制高点的必然需求[1]。无人装备因其具备可执行危险、肮脏、枯燥、苛刻任务的特点，特别适合水下预警、警戒、目标指示、电子侦查、通信中继、电子对抗及打击作战的任务。然而，由于海洋气象、风浪、电磁干扰等复杂海洋环境的影响，以及电磁波在水介质中快速衰减的原因，包括全球卫星导航系统(global navigation satellite system, GNSS)在内的陆地传统定位手段无法使用 [2]。因此，高精度、高可靠性的水下无人定位系统的研究和关键技术突破是目前水下位置服务的迫切需求。水下无人航行器(unmanned underwater vehicle, UUV)是执行水下勘探侦察、海洋工程、水下作业及水下作战等任务，具有一定智能的水下自航行载体。自第一艘UUV “SPURV”于1957年诞生于华盛顿大学应用物理实验以来，UUV因其具有不依赖母船提供动力、机动性强、活动范围大、作业效率高等特点，逐步成为美国、法国、挪威等西方国家的主要研究对象。2014年马航MH370失踪后，美国海军派出了“Bluefin-21” UUV进行水下搜救，如图 1(a)所示。其直径为0.53 m，长为4.93 m，重750 kg，在3节航速和标准负载下，其续航能力可达25 h[3]。2018年美国通用动力公司在“Oceans 2018”会议上展示了其“Bluefin-9”系列最新款的UUV，如图 1(b)所示。其可集高分辨率声呐、高精度导航和精密作业于一体，并能测量温度、盐度、深度、浊度等海洋环境数据[4]。同年，俄罗斯海军第二代“克拉维辛” UUV进行下水试验，其直径约为1 m，长约为7 m，重约4 t[5]；法国ECA集团发布了“A18-M” UUV，其装备合成孔径声呐和图像数据回传网络用于水雷的探测与识别[6]；挪威Kongsberg Maritime公司开发新一代“HUGIN Superior” UUV，旨在容纳更大的数据量并具备更强的数据处理能力[7]。2019年在我国国庆阅兵式上，我国自主研发的“HSU001” UUV首次亮相，如图 2(a)所示，表明我国已掌握了大型高性能无人潜航器研发和制造的技术。同年11月在南海，由中国科学院沈阳自动化研究所研制的“海鲸2000” UUV进行了长续航试验，如图 2(b)所示。其连续航行37 d，航程突破2000 km。随着UUV技术发展日趋成熟，它所担负的任务难度和复杂度也有很大的提升，如大面积海洋测绘、失事船只搜素、海底勘探、水下目标探测与识别，单体UUV的性能指标已无法满足这些要求。德国物理学家赫尔曼·哈肯于20世纪70年代首次提出协同的概念，指出子系统之间通过协同可实现资源的有效整合，进而实现“1+1>2”的效果。20世纪90年代，日本学者Kurazume在研究多机器人定位时提出协同定位的概念[8]，随后其作为导航领域最具研究前途的方向之一，在卫星定位、无线传感器网络定位、机器人协作定位等领域得到了广泛的研究与应用。随着水下声学通信技术的发展，基于水声通信网络的UUVs集群协同技术得到了越来越多的关注[9]。UUVs集群协同技术具有空间分布、功能分布、时间分布的特点，能够扩展单体UUV的感知范围，提高工作效率，完成单体UUV无法或难以完成的复杂任务。自20世纪中期以来，欧盟、美国、奥地利等西方国家针对UUVs集群协同定位技术开展了“The European GREX Project”[10]、“Autonomous Ocean Sampling Network”[11]、“CoCoRo”[12]、“WiMUST”[13]等一系列项目，如图 3—图 4所示，并在海洋监测、水下排雷、资源探查及军事作战等领域进行初步应用。美国麻省理工学院海洋实验室、伍兹霍尔海洋研究所、华盛顿大学应用物理实验室等多家研究机构于1995年开展了“自主海洋采样网络”(autonomous ocean sampling network，AOSN) 项目[11]，其主要任务是建立一个携带多个探测传感器的UUV组成的网络。欧盟于2006年组织德国、意大利、葡萄牙、挪威、法国联合开展了主题为“协作无人系统的协调和控制”的“The European GREX Project”项目[10]，其主要任务是基于UUVs集群的协作完成海底地图测绘。奥地利Ganz人工生命实验室于2011年发布了由41个UUV组成的“CoCoRo”自主水下航行器集群[12]，其主要任务是进行水下监测和搜救。欧盟于2014—2015年开展了“The Widely Scalable Mobile Underwater Sonar Technology (WiMUST)”项目[13]，其主要任务是设计并测试新一代UUVs集群系统的水下地震勘探效果，UUV充当水下声学网络的感知和通信节点，相比于传统的拖缆平台具有显著的优势。2 UUV集群协同定位关键技术研究进展2.1 编队构型设计由于水下的弱通信条件和水介质的特殊性，UUVs集群编队构型的优劣直接影响协同定位结果的精度。目前UUVs集群编队构型主要分为主从式和并行式两种[14]。主从式将UUVs集群分为主艇和从艇，主艇搭载高精度的传感器并可定期通过GNSS获取自身高精度的位置信息[15]。从艇搭载低精度的传感器，通过水声通信设备接收来自主艇的观测信息，并对自身航位推算误差进行校正。与主从式不同，并行式UUVs集群中的所有航行器均搭载精度相同的传感器。目前的编队构型设计研究大多针对主从式。为了设计最优的UUVs集群编队构型，文献[16—19]研究了评估编队构型的各类指标，如Cramer Rao下界(cramer rao lower bound, CRLB)、Fisher信息矩阵(fisher information matrix, FIM)、非线性李导数，将最优构型设计转化为求解指标最优的问题。针对UUVs集群编队构型设计缺乏统一性的问题，文献[20—21]分别从因子图和网络导航模型的角度，构建统一的协同定位构型设计框架。为解决UUVs集群编队构型设计缺乏直观性的问题，文献[22—23]分别基于几何椭圆和误差椭圆的理论给出UUVs集群构型设计的几何解释。与无线电信号相比，声波信号在水中衰减很小，传播距离最远可达上千千米，在水下UUVs集群协同定位中主要采用声波作为信息载体。由于水下在弱通信条件下UUVs集群通信频带受限，通常采取单向水声通信(one way travel time, OWTT)模式实现水声测距。在OWTT模式下，UUVs集群内部需保持时间同步，即使部分UUV可通过GNSS完成授时，但随着时间的推移，UUVs集群内部时钟必然会发生漂移，如图 5所示。针对时间不同步问题，文献[24—26]分别从建立时钟相对偏移与相对漂移模型两方面，将时钟差作为未知量引入方程的角度对时延造成的定位误差予以补偿。为削弱水下未知洋流对协同定位的影响，文献[27—28]构建了不同的滤波算法对水声测量误差进行估计或剔除。水声学定位的多传感器数据融合，需建立精确随机模型，文献[29—30]分别提出了顾及声线入射角的水下随机模型、顾及观测值时空相关性估计当前历元残差的方差协方差的随机模型。协同定位与单UUV定位的最大区别是多个UUV之间可进行协调、合作与信息交互，如何采用合理的数据融合算法有效融合UUV内、外部传感器信息及UUV之间的声学测距信息是实现UUVs集群协同定位的关键。美国麻省理工大学Leonard研究团队首先提出了基于“移动长基线”的协同定位方法[31]，并利用有人驾驶的母船通过声学通信设备实现了水下UUV的协同定位。针对单主模式UUVs集群协同定位的可观性弱、对主UUV的机动性要求高等问题，文献[32]提出一种基于双主交替领航的UUVs集群协同定位方法。由于协同更新频率低和水声距离异常量测噪声造成的常规滤波算法性能受限，文献[9, 33—34]分别构建了基于声线跟踪算法、自适应Kalman滤波、增广信息滤波的UUVs集群协同定位方法。近年来，因子图模型开始应用于UUVs集群协同定位领域，因子图和积算法原理是载体间信息交互的基础，文献[35]提出了一种基于距离观测的因子图多AUV协同定位算法。文献[36]再将角度观测量引入模型。与经典EKF算法相比，因子图算法能够有效降低线性化截断误差，灵活性与扩展性更好。UUVs集群的水下控制、数据传输、协同作战均离不开通信的保障，远距离、高质量、抗干扰及保密性是UUVs集群通信的基本要求。目前UUV之间的主要通信方式包括水声通信、无线电通信、光缆通信及卫星通信。由于电磁波在水介质中的快速衰减，同时顾及通信的有效性、通用性和成本，UUV之间多采用可传输几百米至几十千米的水声通信技术，如图 6(a)所示。麻省理工学院以I=最大通信距离×通信速率为水声通信系统性能标准，并给出了2000年以前系统性能的经验性上界[37-38]：I=40 km×kbps。随着水声通信技术的快速发展，文献[39]对2000—2017年通信距离在30 km以内的水声通信试验结果进行统计，指出水声通信系统性能上界已经接近I=100 km×kbps。文献[40]进一步对通信距离在30~1000 km的研究成果进行总结，得到数据率性能与通信距离关系如图 6(b)所示。可以看出当前在各个距离上的水声通信系统性能上界均已经接近100 km×kbps，水声通信技术得到了迅速发展。3 UUVs集群协同定位关键技术发展趋势3.1 协同编队构型设计的可视化UUVs集群数量和构型与其担负的任务及搭载的传感器性能密切相关，不同的编队构型直接影响协同定位精度。目前UUVs集群编队构型设计主要采用李导数、CRLB、FIM等单一的函数分析手段，造成编队直观性较差，不利于实际使用。此外，当前UUVs集群编队构型设计中，模型假设过于理想，均未考虑实际中的声线弯曲和声速变化误差。应进一步研究实际水下环境中UUVs集群编队构型设计的可视化，尤其是水声测距的系统性偏差及UUVs集群之间入射角变化的实时展示。随着UUVs集群所执行任务的复杂化，UUVs集群搭载了多种具有不同误差特性的多源异构传感器，分析各种协同定位观测量的误差特性。针对不同观测量建立相应的误差模型或校正方法，是提高UUVs集群协同定位精度和可靠性的关键。此外，UUVs集群协同观测量受声速误差的系统性影响，造成精度各异、误差特性复杂且难以精确改正的问题，应进一步考虑水下声线弯曲和声速变化误差，基于实际海洋环境建立声速实时改正模型，提高UUVs集群协同定位观测量的精度。由于任务多样化和环境复杂化，引起UUVs集群传感器异步、时延及有效性动态发生改变。以卡尔曼滤波为核心的算法融合信息时将产生拟合误差，且某些传感器的有效性动态改变将导致系统重构。应进一步研究UUVs集群协同定位的模型与解算方法，基于类脑计算、仿生学算法、机器学习和强化学习算法建立起智能化的集群协同定位算法。同时，由于集中式数据融合方法容错性低，中心节点故障将致使整个系统瘫痪，应进一步研究协同定位的分散式处理方法，智能建立分散式协同定位的数据链，实现UUVs集群协同定位去中心化。UUVs集群协同定位作为一种水下动态定位技术，除了定位精度外，保证实时定位结果的连续性和可靠性是其应用的关键。在复杂的水下环境下，如由于海流的干扰、水文参数变化产生的不平衡力，以及海底铁磁物质的扰动，使得传感器数据中断和定位系统中的时间延迟不可避免，造成定位结果的不可靠。应在深入分析不同情况的滤波模型和解算方法的基础上，研究UUVs集群协同定位的实时完好性算法，建立起无外部检核的定位结果精度评估方法，确保UUVs集群编队协同定位结果的可靠性。UUVs集群协同作业是海洋调查、海洋测绘和军事目标侦察的重要手段，动态、实时、精确定位是协同作业的必要前提。本文概述了UUVs集群设备的发展现状及相关项目的开展情况，阐明了UUVs集群协同定位的背景及意义，梳理了UUVs集群协同定位中的关键技术及其发展趋势，旨在为UUVs集群协同定位的技术研究与应用提供一定借鉴。随着UUV智能化水平、互操作性、自主性、通信能力、机动能力的不断提升，UUVs集群协同定位一系列理论、技术和算法的突破能够为敏感海域侦查、海底地形地貌勘探、水下目标探测与识别提供水下高精度的位置服务，为建设数字化海洋提供有力保障。
作者简介：柴洪洲(1969-),男,博士,教授,研究方向为海洋大地测量。E-mail:chaihz1969@163.com
标签： 地理空间信息工程
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
