[论文解读] Efficient Deployment and Mission Timing of Autonomous Underwater Vehicles in Large-Scale Operations

Somaiyeh Mahmoud Zadeh, Reza Bairam Zadeh|arXiv (Cornell University)|Jan 1, 2018

Underwater Vehicles and Communication Systems被引用 1

一句话总结

本文提出了一种自主水下航行器（AUV）的协作式路由与局部路径规划模型，可在大规模、湍流环境中实现高效的时间管理与抗水流干扰的导航。通过将萤火虫优化算法（FOA）集成到全局路由与局部路径规划中，系统可动态重新组织节点序列以补偿延迟，从而在洋流变化和电池限制下仍能实现稳健的实时性能与精确的任务时间控制。

ABSTRACT

This study introduces a connective model of routing- local path planning for Autonomous Underwater Vehicle (AUV) time efficient maneuver in long-range operations. Assuming the vehicle operating in a turbulent underwater environment, the local path planner produces the water-current resilient shortest paths along the existent nodes in the global route. A re-routing procedure is defined to re-organize the order of nodes in a route and compensate any lost time during the mission. The Firefly Optimization Algorithm (FOA) is conducted by both of the planners to validate the model's performance in mission timing and its robustness against water current variations. Considering the limitation over the battery life time, the model offers an accurate mission timing and real-time performance. The routing system and the local path planner operate cooperatively, and this is another reason for model's real-time performance. The simulation results confirms the model's capability in fulfillment of the expected criterion and proves its significant robustness against underwater uncertainties and variations of the mission conditions.

研究动机与目标

• 解决在大规模、长距离水下任务中，于湍流条件下实现时间高效AUV部署的挑战。
• 克服传统路由与路径规划在具有不可预测洋流的动态水下环境中所面临的局限性。
• 在电池寿命限制与环境不确定性下，确保实时性能与精确的任务时间控制。
• 开发一种协作框架，使全局路由与局部路径规划协同优化任务时长与鲁棒性。
• 通过自适应重路由与抗洋流路径计算，增强对任务条件变化的鲁棒性。

提出的方法

• 采用一种耦合全局路由与局部路径规划的连接模型，以实现在大规模操作中高效的时间管理AUV导航。
• 使用萤火虫优化算法（FOA）优化全局路径选择与局部路径生成，以最小化任务时间。
• 实施一种重路由程序，通过重新组织路径中的节点序列来补偿洋流导致的时间损失。
• 设计一种局部路径规划器，计算全局路径中节点之间的抗洋流最短路径，以适应湍流流场条件。
• 通过使路由系统与局部路径规划器协同工作，确保实时性能。
• 通过仿真验证模型在不同洋流条件与电池寿命限制下的鲁棒性与准确性。

实验结果

研究问题

• RQ1 如何协同优化全局路由与局部路径规划，以在大规模AUV操作中最小化任务时间？
• RQ2 萤火虫优化算法（FOA）在多大程度上可提升AUV导航的时间效率与对洋流变化的抗扰能力？
• RQ3 重路由程序在补偿AUV任务期间因环境扰动导致的时间损失方面有多有效？
• RQ4 该模型在电池寿命限制与动态水下条件下，维持精确任务时间的能力如何？
• RQ5 将FOA集成到路由与局部规划中，如何提升系统对水下不确定性的鲁棒性？

主要发现

• 所提出的模型在大规模、长距离水下任务中，于湍流水下条件下成功实现了时间高效的操作。
• 将FOA集成到路由与局部路径规划中，显著提升了任务时间控制的准确性与对洋流变化的抗扰能力。
• 重路由程序有效补偿了任务期间的时间损失，维持了整体任务效率。
• 路由系统与局部路径规划器之间的协作运行，即使在动态与不确定条件下，也能实现实时性能。
• 仿真结果证实了该模型对水下不确定性的鲁棒性，以及其满足预期任务指标的能力。
• 该模型在电池寿命限制与环境波动下，表现出强大的适应性与可靠性，能够维持精确的任务时间。