[论文解读] AUV optimal path for leak detection

Olivier Marceau, Jean-Michel Vanpeperstraete|arXiv (Cornell University)|Sep 1, 2017

Underwater Vehicles and Communication Systems参考文献 5被引用 4

一句话总结

本文提出了一种基于贝叶斯搜索理论和分层算法的多目标优化框架，用于在复杂水下环境中为自主水下航行器（AUV）生成最优的波束形路径，以同时最小化检测延迟和路径持续时间。该方法通过优先考虑高概率泄漏区域，在不同AUV续航能力下实现了帕累托最优轨迹，显著优于均匀速度的波束形路径。

ABSTRACT

This paper studies an optimal autonomous underwater vehicule (AUV) path planning method for both reducing average delay before pollutants detection in underwater mining, oil or gas fields and reducing AUV occupancy time. The proposed technique, based on the bayesian search theory framework and multi-objective optimization, extracts optimal boustrophedon paths for leak detection in complex environment. We describe a multi-objective nonlinear mixed integer optimization model for both reducing global nondetection probability and path duration. We then propose a hierarchical algorithm combining two functions. The main function is a multi-objective cross entropy which places the tracklines. The second function sets the optimal speeds on each trackline by means of an interior point method. Numerical simulations show that the proposed framework is a very promising approach because the optimal paths cross spill of highly probable leaks before less probable ones. We show that our optimized paths outperform boustrophedon paths of same duration with uniform speed and spacing of trackline. Thanks to Pareto efficiency approach, our tool propose optimal trajectories for numerous AUV autonomies. Hence it can be used for both real time path planning and design purpose.

研究动机与目标

• 降低在海底采矿、石油和天然气田中检测污染物的平均延迟时间。
• 最小化在复杂水下环境中进行泄漏检测任务时AUV的占用时间。
• 开发一种路径规划框架，以平衡全局未检测概率最低化与路径持续时间最短化。
• 通过生成针对不同AUV续航能力的帕累托最优轨迹，支持实时路径规划与任务设计。

提出的方法

• 构建一个用于最小化全局未检测概率与路径持续时间的多目标非线性混合整数优化模型。
• 采用多目标交叉熵算法，根据泄漏概率分布确定最优航迹线位置。
• 利用内点法计算每条航迹线上的最优速度，以实现能量与时间效率的最优平衡。
• 整合贝叶斯搜索理论，在路径生成过程中优先处理泄漏概率较高的区域。
• 应用分层算法结构，按顺序优化航迹线布置与速度分配。
• 生成帕累托有效解，以在不同AUV续航能力约束下平衡检测性能与任务持续时间。

实验结果

研究问题

• RQ1 如何优化AUV路径规划，以最小化在复杂水下环境中对泄漏的检测延迟？
• RQ2 在基于AUV的泄漏检测中，最小化检测延迟与减少路径持续时间之间存在何种权衡？
• RQ3 所提方法相较于标准的均匀速度与间距的波束形模式有何改进？
• RQ4 该框架在多大程度上能够为不同续航能力的AUV生成帕累托最优轨迹？
• RQ5 贝叶斯搜索理论能否在路径规划过程中有效优先处理高概率泄漏区域？

主要发现

• 所提框架生成的最优路径优先穿越高概率泄漏羽流区域，显著提升了检测效率。
• 优化后的路径在相同持续时间与均匀速度条件下，检测性能显著优于标准波束形路径。
• 帕累托效率的使用使得能够根据不同的AUV续航能力生成最优轨迹。
• 数值仿真结果证实了该方法在降低检测延迟与整体任务时间方面的有效性。
• 分层算法成功解耦了航迹线布置与速度优化，提升了计算可行性。
• 由于对不同AUV能力具有良好的适应性，该框架适用于实时路径规划与任务预设计。