韋 韜,朱 遴,梁世龍

(中國(guó)人民解放軍92228部隊(duì),北京 100072)

近年來(lái),隨著人工智能、無(wú)線通信以及智能控制等技術(shù)的快速發(fā)展及其在軍事方面的廣泛應(yīng)用,水下無(wú)人系統(tǒng)(Underwater Unmanned System,UUS)已成為世界各國(guó)競(jìng)相發(fā)展的重要裝備,正在深刻改變戰(zhàn)爭(zhēng)面貌。同時(shí),單體智能化水平的提高,也為無(wú)人系統(tǒng)集群的發(fā)展提供了有利條件。水下無(wú)人系統(tǒng)集群(Underwater Unmanned System Swarm,UUSS)，作為一種新的裝備形態(tài)，發(fā)展快速,但存在許多亟待攻克的技術(shù)難題。

本文以水下無(wú)人系統(tǒng)集群為研究對(duì)象,通過(guò)回顧其國(guó)內(nèi)外發(fā)展歷程,指出我國(guó)現(xiàn)階段研發(fā)的緊迫性和可行性。然后,圍繞集群的信息獲取和處理,對(duì)水下環(huán)境感知技術(shù)(如聲學(xué)感知、光學(xué)感知)和水下協(xié)同技術(shù)(如協(xié)同通信、協(xié)同控制、協(xié)同定位與導(dǎo)航技術(shù))進(jìn)行詳細(xì)論述,系統(tǒng)性地對(duì)水下無(wú)人系統(tǒng)集群關(guān)鍵技術(shù)進(jìn)行梳理。最后,針對(duì)水下特定環(huán)境帶來(lái)的技術(shù)挑戰(zhàn),給出了水下無(wú)人系統(tǒng)集群可能的研究方向,為其在軍事作戰(zhàn)領(lǐng)域的應(yīng)用提供技術(shù)參考。

1 水下無(wú)人系統(tǒng)國(guó)內(nèi)外發(fā)展現(xiàn)狀

1.1 水下無(wú)人系統(tǒng)發(fā)展現(xiàn)狀

水下無(wú)人系統(tǒng)具有自主性、隱蔽性、環(huán)境適應(yīng)性、可部署性和高效費(fèi)比等優(yōu)點(diǎn),可廣泛應(yīng)用于水下警戒、偵察、監(jiān)視、跟蹤等軍事任務(wù)及水文測(cè)量、海洋學(xué)研究等科考任務(wù),具有重要的實(shí)戰(zhàn)意義和研究?jī)r(jià)值。

美國(guó)長(zhǎng)期致力于水下無(wú)人化、智能化、新概念裝備等方面的研究,擁有從微型到超大型種類多樣的水下無(wú)人系統(tǒng),且其功能逐漸向能夠?qū)崿F(xiàn)水下攻擊、水雷戰(zhàn)、情/監(jiān)/偵等綜合任務(wù)的智能一體化趨勢(shì)發(fā)展。俄羅斯研制出多款具有綜合性強(qiáng)、作戰(zhàn)任務(wù)廣等優(yōu)勢(shì)的水下無(wú)人系統(tǒng)。其中,Poseidon戰(zhàn)略級(jí)核動(dòng)力水下無(wú)人系統(tǒng)具有優(yōu)良的核打擊能力。英國(guó)、法國(guó)、新加坡等國(guó)也積極開(kāi)展智能化水下無(wú)人系統(tǒng)的研制。近年來(lái),我國(guó)水下無(wú)人系統(tǒng)的研制取得了顯著成果,研制出以“海斗一號(hào)”為代表的多款用于深海探測(cè)的無(wú)人系統(tǒng)。整體上,現(xiàn)有單體水下無(wú)人系統(tǒng)具備較高的自主性和智能化,代表性水下無(wú)人系統(tǒng)如表1所示。

表1 國(guó)內(nèi)外代表性水下無(wú)人系統(tǒng)

1.2 水下無(wú)人系統(tǒng)集群發(fā)展現(xiàn)狀

水下無(wú)人系統(tǒng)集群由多個(gè)具有一定自主決策能力、彼此之間存在指揮控制和通信關(guān)系,且共同承擔(dān)給定任務(wù)的水下無(wú)人系統(tǒng)組成。利用單體間的協(xié)同優(yōu)勢(shì),集群可綜合多源信息,擴(kuò)大感知范圍,完成更復(fù)雜的任務(wù),實(shí)現(xiàn)由單體智能向群體智能的跨越。

美國(guó)開(kāi)展了以“持續(xù)瀕海水下監(jiān)控網(wǎng)絡(luò)項(xiàng)目(PLUSNet)”和“協(xié)作自主的分布式偵察與探測(cè)系統(tǒng)(CADRE)等為代表的水下無(wú)人系統(tǒng)集群研究與測(cè)試,以完備美軍的水下信息網(wǎng)絡(luò)功能。SwarmDiver水下無(wú)人系統(tǒng)集群可支持多達(dá)100臺(tái)SwarmDiver同時(shí)作業(yè),主要用于偵察、反水雷及創(chuàng)造安全邊界等。歐盟2011年設(shè)立“集體認(rèn)知機(jī)器人(CoCoRo)”項(xiàng)目,依賴多個(gè)單體機(jī)器人及其搭載的各類傳感器,實(shí)現(xiàn)水下監(jiān)測(cè)和搜索。目前,我國(guó)針對(duì)水下無(wú)人系統(tǒng)集群的研究多集中于關(guān)鍵技術(shù),水下無(wú)人系統(tǒng)集群的實(shí)踐研究報(bào)道較少。相關(guān)集群信息如表2所示。

表2 國(guó)外水下無(wú)人系統(tǒng)集群

我國(guó)對(duì)水下無(wú)人系統(tǒng)的研制起步較晚,特別是在軍事應(yīng)用方面,與國(guó)外還有較大的差距,亟須加強(qiáng)水下無(wú)人系統(tǒng)集群的研究,提升水下防御和攻擊能力?，F(xiàn)階段,我國(guó)在單體無(wú)人系統(tǒng)方面取得的成果為軍事水下無(wú)人系統(tǒng)的研制積累了豐富的經(jīng)驗(yàn)。同時(shí),人工智能、大數(shù)據(jù)、無(wú)線通信、自動(dòng)控制等關(guān)鍵技術(shù)的飛速發(fā)展與廣泛應(yīng)用,為我國(guó)水下無(wú)人系統(tǒng)集群的協(xié)同操作提供了可行的技術(shù)支撐。另外,我國(guó)在無(wú)人機(jī)集群協(xié)同方面開(kāi)展了廣泛的研究,并積累了大量的技術(shù)儲(chǔ)備,可為水下無(wú)人系統(tǒng)集群研究提供技術(shù)借鑒。

2 水下環(huán)境感知技術(shù)

根據(jù)傳感設(shè)備的不同,水下環(huán)境感知主要分為水下環(huán)境聲學(xué)感知和水下環(huán)境光學(xué)感知。其中,聲學(xué)感知利用聲吶圖像(由聲吶成像設(shè)備生成)實(shí)現(xiàn)水下遠(yuǎn)距離目標(biāo)的定位與探測(cè);光學(xué)感知利用水下RGB圖像(由水下相機(jī)生成)實(shí)現(xiàn)水下近距離目標(biāo)的檢測(cè)與定位。自主的環(huán)境感知能力是水下無(wú)人系統(tǒng)實(shí)現(xiàn)智能化的基礎(chǔ)。

2.1 水下環(huán)境聲學(xué)感知方法

水下聲學(xué)環(huán)境感知以聲吶為傳感設(shè)備,利用聲波在水下的傳播和反射特性,通過(guò)聲吶接收與成像設(shè)備,對(duì)聲波信號(hào)進(jìn)行電聲轉(zhuǎn)換與信息處理,進(jìn)而獲取聲吶圖像和探測(cè)數(shù)據(jù),以實(shí)現(xiàn)水下目標(biāo)檢測(cè)、海底地形探測(cè)等目的。

水下聲學(xué)目標(biāo)感知分為傳統(tǒng)的聲學(xué)圖像目標(biāo)檢測(cè)和基于深度學(xué)習(xí)的聲學(xué)圖像目標(biāo)檢測(cè)。傳統(tǒng)的聲學(xué)圖像目標(biāo)檢測(cè)因其使用手工設(shè)計(jì)特征，而無(wú)法實(shí)現(xiàn)高層決策,并且存在光照要求高，受噪聲干擾嚴(yán)重，魯棒性不足和泛化性較差等問(wèn)題;而基于深度學(xué)習(xí)的聲吶圖像目標(biāo)檢測(cè)具有計(jì)算量小，檢測(cè)速率快，實(shí)時(shí)性高等優(yōu)勢(shì),是目前的主流研究思路。王非等融合聲吶圖像的紋理特征和深度圖的空間幾何特征,通過(guò)YOLOv3(You Only Look Once,YOLO)模型實(shí)現(xiàn)水下目標(biāo)物體檢測(cè)。李寶奇等利用可擴(kuò)張、可選擇卷積核模塊提取、融合聲吶圖像的多尺度特征,通過(guò)改進(jìn)SSD(Single Shot Detection)模型的特征表達(dá)能力來(lái)實(shí)現(xiàn)水下目標(biāo)檢測(cè),圖1展示了該方法對(duì)聲學(xué)圖像的目標(biāo)感知結(jié)果。

圖1 水下聲學(xué)目標(biāo)感知:圓柱形目標(biāo)(左)和電纜(右)[7]

此外,受水下環(huán)境和設(shè)備自身特性影響,聲學(xué)圖像存在噪聲干擾大，分辨率低，圖像模糊等嚴(yán)重退化問(wèn)題。研究者開(kāi)展了聲學(xué)圖像的降噪算法,以提高圖像的可視化質(zhì)量。近期的研究主要包括基于噪聲參數(shù)估計(jì)、基于R-CNN網(wǎng)絡(luò)和基于生成對(duì)抗網(wǎng)絡(luò)等方法。圖2展示了使用噪聲參數(shù)估計(jì)方法去噪前后的聲學(xué)圖像。

圖2 原始水下聲學(xué)圖像(左)與去噪后圖像(右)[8]

2.2 水下環(huán)境光學(xué)感知方法

水下光學(xué)圖像目標(biāo)感知是在水下光學(xué)圖像中，檢測(cè)或識(shí)別出感興趣目標(biāo)，并確定其所在位置。由于水下環(huán)境復(fù)雜多變,且水體吸收光線,水下光學(xué)圖像成像存在顏色偏移、失真以及對(duì)比度低等問(wèn)題,導(dǎo)致水下光學(xué)圖像目標(biāo)感知精度難以滿足應(yīng)用需求。針對(duì)這一問(wèn)題,近期的研究主要圍繞基于深度學(xué)習(xí)的方法開(kāi)展。

李慶忠等提出了基于YOLO模型的水下魚(yú)群檢測(cè)。黃廷輝等提出了基于FAttention-YOLOv5的水下目標(biāo)檢測(cè)算法。考慮SSD模型能較好地兼顧檢測(cè)精度和檢測(cè)速度,強(qiáng)偉等提出一種基于改進(jìn)SSD的目標(biāo)檢測(cè)算法,提高了水下復(fù)雜環(huán)境下目標(biāo)檢測(cè)的準(zhǔn)確率和實(shí)時(shí)性。李寶奇等利用輕量化、卷積核可變形、通道可選擇的特征提取模塊改進(jìn)SSD框架,實(shí)現(xiàn)水下光學(xué)圖像感興趣目標(biāo)的檢測(cè)與識(shí)別。Islam等結(jié)合Faster R-CNN、YOLOv2以及SSD模型,將訓(xùn)練好的模型部署到水下無(wú)人系統(tǒng)，實(shí)現(xiàn)潛水員檢測(cè)、自主跟隨等功能。圖3給出了水下光學(xué)圖像目標(biāo)感知示例。

圖3 原始水下光學(xué)圖像(左)與水下目標(biāo)感知結(jié)果(右)

此外,為了生成滿足人眼視覺(jué)感知效果的水下圖像,研究者從對(duì)比度、清晰度和顏色等方面對(duì)獲取的水下光學(xué)圖像進(jìn)行增強(qiáng)。最初，利用簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)優(yōu)化模糊圖像和清晰圖像之間的殘差，訓(xùn)練端到端的圖像增強(qiáng)模型;后來(lái)發(fā)展為構(gòu)建具有顏色校正網(wǎng)絡(luò)和去霧網(wǎng)絡(luò)兩分支的UIE-Net模型,構(gòu)建能夠保留原始結(jié)構(gòu)和紋理細(xì)節(jié)、重建清晰水下光學(xué)圖像的UWCNN模型;進(jìn)一步,提出嵌入非局部注意機(jī)制和通道注意機(jī)制的殘差雙層注意網(wǎng)絡(luò)RTFAN來(lái)消除色偏和噪聲。隨著CNN在水下光學(xué)圖像增強(qiáng)領(lǐng)域的持續(xù)發(fā)展,水下圖像數(shù)據(jù)匱乏等問(wèn)題逐漸凸顯。研究者利用生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)開(kāi)展無(wú)監(jiān)督的水下圖像增強(qiáng)方法研究,減少對(duì)數(shù)據(jù)的依賴性。Li等提出一種實(shí)時(shí)的水下圖像顏色校正模型WaterGAN。李慶忠等和Zong等基于改進(jìn)的CycleGAN實(shí)現(xiàn)水下圖像的顏色校正與增強(qiáng)。圖4給出了增強(qiáng)前后的水下圖像。

圖4 原始水下光學(xué)圖像(左)與增強(qiáng)后圖像(右)

2.3 水下環(huán)境協(xié)同感知方法

單一水下無(wú)人系統(tǒng)傳感資源有限,而水下環(huán)境復(fù)雜，態(tài)勢(shì)多變。為擴(kuò)大環(huán)境態(tài)勢(shì)感知范圍,提高目標(biāo)探測(cè)精度,增強(qiáng)目標(biāo)感知的抗干擾能力,水下無(wú)人系統(tǒng)集群的協(xié)同感知具有重要的實(shí)戰(zhàn)意義。

在無(wú)人系統(tǒng)集群協(xié)同感知方面,美國(guó)的“班組X實(shí)驗(yàn)”(Squad X)項(xiàng)目通過(guò)集成傳感技術(shù)、無(wú)人系統(tǒng)(無(wú)人機(jī)、無(wú)人車等)以及智能算法等,組建以人工智能協(xié)助的作戰(zhàn)部隊(duì),提高小型作戰(zhàn)單元對(duì)威脅的感知與響應(yīng)能力,驗(yàn)證了無(wú)人集群協(xié)同感知在作戰(zhàn)中的實(shí)際軍事意義。然而,對(duì)于水下無(wú)人系統(tǒng)集群協(xié)同環(huán)境感知方面的研究,特別是針對(duì)水下無(wú)人系統(tǒng)獲取的高維信息(聲學(xué)、光學(xué)信息)的協(xié)同感知，目前相關(guān)的報(bào)道有限,而這方面的研究對(duì)于水下態(tài)勢(shì)感知具有重要作用。

3 水下協(xié)同技術(shù)

水下無(wú)人系統(tǒng)集群由具備自主決策，能夠相互通信且存在指揮控制關(guān)系的群組構(gòu)建而成,通過(guò)利用水下協(xié)同通信、控制、定位與導(dǎo)航技術(shù)可以實(shí)現(xiàn)水下各種協(xié)同任務(wù)。

3.1 協(xié)同通信技術(shù)

水下常用的通信技術(shù)為水聲通信和光通信。水聲通信以聲波為載體,在海水中衰減較小,已成功應(yīng)用于國(guó)外多種水下無(wú)人系統(tǒng)。然而,聲學(xué)通信面臨小帶寬、低數(shù)據(jù)率、高延遲以及環(huán)境噪聲等諸多挑戰(zhàn),直接影響通信的效率,導(dǎo)致協(xié)作任務(wù)中的通信周期變長(zhǎng)。

為提高水下通信效率,光通信受到越來(lái)越多的關(guān)注，具有代表性的激光潛艇通信，具有高比特率、高安全性、寬帶寬等優(yōu)點(diǎn),其發(fā)出的藍(lán)綠光(波長(zhǎng)為470～580 nm)穿透水效果好，能量衰減小。因此,研究人員探索了基于藍(lán)綠光的光通信系統(tǒng),以確保水下無(wú)人系統(tǒng)在任何深度均能接收信息。此外,相關(guān)研究表明，盡管紅色激光器能夠?qū)崿F(xiàn)水下物體和空間平臺(tái)之間的光通信效果,但是，紅光系統(tǒng)衰減的性能明顯低于藍(lán)光系統(tǒng)。

水下多無(wú)人系統(tǒng)間的協(xié)同通信通過(guò)復(fù)雜的水下無(wú)線通信網(wǎng)絡(luò)實(shí)現(xiàn),圖5展示了一個(gè)水下無(wú)線通信網(wǎng)絡(luò)的應(yīng)用場(chǎng)景。其中,成員節(jié)點(diǎn)(Member Nodes)和錨定節(jié)點(diǎn)(Anchored Nodes)用于輔助水下無(wú)人系統(tǒng)采集海底的信息;聚集頭節(jié)點(diǎn)(Cluster Head)用于聚合成員節(jié)點(diǎn)或錨定節(jié)點(diǎn)采集的信息與水下無(wú)人系統(tǒng)發(fā)送的信息;中繼節(jié)點(diǎn)(Relay Node/Tethered Relay Node)則用來(lái)擴(kuò)大無(wú)人系統(tǒng)間的通信距離。對(duì)于兩個(gè)自主水下無(wú)人系統(tǒng)間的通信,一個(gè)無(wú)人系統(tǒng)發(fā)送的信息,首先通過(guò)聚合頭節(jié)點(diǎn)與收集的地面信息聚合,再將聚合后的信息以聲學(xué)或光磁鏈路方式,通過(guò)中繼節(jié)點(diǎn)實(shí)現(xiàn)遠(yuǎn)距離轉(zhuǎn)發(fā),將轉(zhuǎn)發(fā)后的信息通過(guò)一個(gè)sink站點(diǎn)發(fā)送給與sink站點(diǎn)連接的另一個(gè)水下無(wú)人系統(tǒng),實(shí)現(xiàn)系統(tǒng)間的通信。

圖5 水下無(wú)線通信網(wǎng)絡(luò)場(chǎng)景[25]

為提高水下通信網(wǎng)絡(luò)系統(tǒng)的性能,王冠群等提出基于分布式融合的水下傳感器網(wǎng)絡(luò)部署策略。該方法將網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行空間劃分,通過(guò)尋找空間區(qū)域內(nèi)的最小拓?fù)浣Y(jié)構(gòu)中節(jié)點(diǎn)間的最優(yōu)距離,來(lái)提高水下通信網(wǎng)絡(luò)的傳輸效率。為了保證水下信息傳輸?shù)恼_性,楊麗等利用位置誤差和通信網(wǎng)絡(luò)的協(xié)同定位原理,提出一種抗干擾的水下無(wú)人系統(tǒng)通信網(wǎng)絡(luò)。為了解決水下協(xié)同通信時(shí)信息傳輸?shù)木W(wǎng)絡(luò)能耗問(wèn)題,陳露等采用分層式的網(wǎng)絡(luò)架構(gòu),通過(guò)對(duì)網(wǎng)絡(luò)的分層操作來(lái)合理均衡網(wǎng)絡(luò)能耗。此外,該方法還提出一種基于協(xié)作通信的網(wǎng)絡(luò)優(yōu)化協(xié)議,以更好地保證水下鏈路質(zhì)量。

3.2 協(xié)同控制技術(shù)

水下無(wú)人系統(tǒng)集群需要協(xié)同控制技術(shù)來(lái)完成對(duì)集群內(nèi)各單體系統(tǒng)的整體控制。常用的協(xié)同控制技術(shù)有一致性控制、蜂擁控制和編隊(duì)控制。

在集群分布式控制中,一致性控制算法被提出得較早。一致性是指水下無(wú)人系統(tǒng)集群根據(jù)通信網(wǎng)絡(luò)或感知系統(tǒng)相互交流,使得各個(gè)水下無(wú)人系統(tǒng)在時(shí)間上趨于一致性。Jamshidi 等人通過(guò)研究水下無(wú)人系統(tǒng)試驗(yàn)臺(tái)的開(kāi)發(fā)、自組網(wǎng)和基于網(wǎng)絡(luò)控制的協(xié)議的實(shí)現(xiàn)以及一致性協(xié)同控制的共識(shí)控制算法,來(lái)促進(jìn)協(xié)同控制的發(fā)展。Shoja等人針對(duì)多無(wú)人系統(tǒng)間非線性運(yùn)動(dòng)的控制,設(shè)計(jì)一種基于估計(jì)的一致性控制方案,可同時(shí)控制多個(gè)無(wú)人系統(tǒng)。Gallehdari等人利用無(wú)人系統(tǒng)間周圍鄰居系統(tǒng)的相對(duì)位置信息，實(shí)現(xiàn)多無(wú)人系統(tǒng)間信息的一致性控制。

蜂擁控制是指由許多單體組成群體來(lái)實(shí)現(xiàn)共同目標(biāo)的控制算法,與一致性算法相比,基于蜂擁算法的集群系統(tǒng)結(jié)構(gòu)并不一定是一種固定拓?fù)?它的結(jié)構(gòu)在運(yùn)動(dòng)過(guò)程中可能會(huì)發(fā)生變化。Moshtagh等基于圖論知識(shí),提出利用最短距離控制來(lái)最小化相對(duì)勢(shì)能,實(shí)現(xiàn)水下航行器間的速度匹配和聚集效果。Martin 等認(rèn)為智能水下無(wú)人系統(tǒng)間存在通信半徑，并且集群內(nèi)各水下無(wú)人系統(tǒng)的通信半徑隨機(jī),在選擇合適的初始速度誤差后，集群間可以最終實(shí)現(xiàn)蜂擁。

編隊(duì)控制是學(xué)術(shù)界的研究熱點(diǎn)。目前,編隊(duì)控制正從集中控制向分布式控制發(fā)展。集中式方法依賴于無(wú)人系統(tǒng)與中心節(jié)點(diǎn)之間的有效通信,而分布式方法更注重?zé)o人系統(tǒng)集群之間的相互自主協(xié)調(diào),具有分散、自動(dòng)化和自主等特點(diǎn)。Zhong等提出了一種分布式控制策略,使水下多無(wú)人系統(tǒng)以預(yù)先設(shè)計(jì)的方向到達(dá)目標(biāo)平面,以規(guī)定的半徑圍繞目標(biāo)進(jìn)行循環(huán),避免多主體之間的碰撞。為了更好地維護(hù)和控制水下無(wú)人航行器,董權(quán)威等提出了一種基于控制器局域網(wǎng)絡(luò)總線的分布式控制系統(tǒng),將水下無(wú)人系統(tǒng)的功能分布到不同的節(jié)點(diǎn),對(duì)每個(gè)節(jié)點(diǎn)實(shí)現(xiàn)局部控制,再利用分布式控制協(xié)議將局部控制轉(zhuǎn)化為對(duì)整個(gè)系統(tǒng)的全局控制,具有良好的實(shí)時(shí)性和可擴(kuò)展性。吳淼等針對(duì)多無(wú)人系統(tǒng)編隊(duì)控制的動(dòng)態(tài)控制問(wèn)題,提出一種基于強(qiáng)化學(xué)習(xí)的分布式控制算法,實(shí)現(xiàn)了水下無(wú)人系統(tǒng)運(yùn)動(dòng)軌跡的精確控制,提高了編隊(duì)系統(tǒng)的學(xué)習(xí)能力。

一致性控制算法、蜂擁控制算法、編隊(duì)控制算法均可用于實(shí)現(xiàn)水下無(wú)人系統(tǒng)集群的協(xié)同控制。一致性算法用邊表示通信,其優(yōu)點(diǎn)是可用圖表示任意隊(duì)形,理論較為成熟,針對(duì)的是水下集群中存在的時(shí)間延遲問(wèn)題。蜂擁控制算法解決的是水下集群執(zhí)行任務(wù)中的避障問(wèn)題。編隊(duì)控制算法因?yàn)槠潢?duì)形控制可以更簡(jiǎn)單地與實(shí)物系統(tǒng)相結(jié)合,所以往往解決的是工程問(wèn)題,如避障、信息估計(jì)等。

3.3 協(xié)同導(dǎo)航與定位技術(shù)

高精度水下導(dǎo)航與定位技術(shù)對(duì)水下無(wú)人系統(tǒng)集群實(shí)現(xiàn)諸多復(fù)雜任務(wù)(如海底地形地貌勘探、情報(bào)收集、沿岸反潛、水雷探測(cè)等)十分重要。然而,現(xiàn)有水下導(dǎo)航與定位技術(shù)受傳感器質(zhì)量、體積以及水聲介質(zhì)等因素的影響,仍然是一項(xiàng)具有挑戰(zhàn)性的難題。

目前,僅依靠單個(gè)水下無(wú)人系統(tǒng)的導(dǎo)航定位很難完成大范圍、多目標(biāo)感知的水下任務(wù)。多水下無(wú)人系統(tǒng)的協(xié)同導(dǎo)航與定位可以提高整個(gè)任務(wù)系統(tǒng)的智能化水平和效率,有效提高單個(gè)導(dǎo)航系統(tǒng)的導(dǎo)航精度，降低誤差,完成單無(wú)人系統(tǒng)難以完成的任務(wù)。

水下無(wú)人系統(tǒng)協(xié)同導(dǎo)航定位技術(shù)主要分為并行式(如圖6左圖所示)和主從式(如圖6右圖所示)。并行式協(xié)同導(dǎo)航定位是指無(wú)人系統(tǒng)集群中每個(gè)無(wú)人系統(tǒng)具有相同的結(jié)構(gòu)和功能,利用各自的導(dǎo)航系統(tǒng)進(jìn)行定位,通過(guò)水聲通信技術(shù)獲取其他系統(tǒng)的位置信息。主從式(也稱領(lǐng)航式)協(xié)同導(dǎo)航定位是指無(wú)人系統(tǒng)集群包含少量領(lǐng)航無(wú)人系統(tǒng)和大量跟隨無(wú)人系統(tǒng)。其中,領(lǐng)航系統(tǒng)裝備高精度慣性導(dǎo)航設(shè)備、水聲通信設(shè)備、全球定位系統(tǒng)等；跟隨系統(tǒng)通過(guò)獲得與領(lǐng)航系統(tǒng)的位置關(guān)系提高自身導(dǎo)航精度,通過(guò)水聲通信技術(shù)在系統(tǒng)中確定自身位置。主從式協(xié)同導(dǎo)航定位有效地平衡了導(dǎo)航精度和設(shè)備成本,成為多水下無(wú)人系統(tǒng)協(xié)同導(dǎo)航與定位的主要研究方向。

圖6 并行式(左)和主從式(右)協(xié)同方式[37]

Allotta等提出了一種主從式多水下無(wú)人系統(tǒng)的協(xié)同導(dǎo)航算法,該算法利用傳統(tǒng)的四面體配置的幾何方法來(lái)確定航行器的位置信息,實(shí)現(xiàn)了無(wú)人系統(tǒng)間的精確定位。湯高宇在非線性濾波算法的基礎(chǔ)上,提出一種基于迭代的主從式協(xié)同導(dǎo)航算法,在得到無(wú)人系統(tǒng)狀態(tài)信息后,對(duì)量測(cè)算法進(jìn)行迭代修正,直至獲得理想的導(dǎo)航精度,較傳統(tǒng)的非線性濾波算法提高了導(dǎo)航精度。王俊將主從式與并行式算法相結(jié)合,提出一種基于自適應(yīng)快恢復(fù)的分布式協(xié)同導(dǎo)航算法,選擇誤差最小的水下無(wú)人系統(tǒng)作為領(lǐng)航者,減少水下多無(wú)人系統(tǒng)的導(dǎo)航誤差;利用自適應(yīng)的快恢復(fù)算法,在任務(wù)執(zhí)行過(guò)程中自適應(yīng)選擇新的領(lǐng)航者,解決了領(lǐng)航者的失效問(wèn)題。Chen等提出兩種新的容錯(cuò)控制技術(shù),使得每個(gè)相鄰的水下無(wú)人系統(tǒng)間都可交換信息,即利用分布式共識(shí)控制策略來(lái)容忍主從式和并行式系統(tǒng)協(xié)同導(dǎo)航過(guò)程中的信息傳輸故障。為了給水下無(wú)人系統(tǒng)集群協(xié)同導(dǎo)航提供有效的路徑,Sahu等提出一種基于模糊人工勢(shì)函數(shù)的模糊控制算法,該算法優(yōu)于數(shù)學(xué)勢(shì)函數(shù)的控制器性能,實(shí)現(xiàn)了精確的路徑選擇。

4 發(fā)展趨勢(shì)

隨著軍事作戰(zhàn)模式的自主化和智能化,無(wú)人系統(tǒng)因其軍事用途多樣化已成為現(xiàn)代作戰(zhàn)裝備中不可或缺的一員,而集群化是無(wú)人系統(tǒng)的重要發(fā)展方向。但對(duì)于水下無(wú)人系統(tǒng)集群,還存在較多的技術(shù)難題亟待解決。針對(duì)水下無(wú)人系統(tǒng)集群的感知和協(xié)同技術(shù),后續(xù)的研究可以重點(diǎn)關(guān)注以下三個(gè)方面。

1)提升集群環(huán)境感知的能力。信息感知是后續(xù)集群決策和協(xié)同控制的依據(jù),但復(fù)雜的水下環(huán)境對(duì)水下無(wú)人系統(tǒng)的信息感知造成了很大干擾,降低了水下感知的準(zhǔn)確性。后續(xù)研究應(yīng)立足大縱深、高動(dòng)態(tài)的海洋環(huán)境感知技術(shù),改善水下獲取圖像的顯示質(zhì)量，提高水下無(wú)人系統(tǒng)的探測(cè)準(zhǔn)確性。具體地,借助深度學(xué)習(xí)強(qiáng)大的學(xué)習(xí)能力,解決環(huán)境因素導(dǎo)致的圖像退化問(wèn)題,改善水下成像的質(zhì)量。應(yīng)開(kāi)展異源傳感信息的融合方法研究,提高無(wú)人系統(tǒng)攜帶的多種異源傳感器獲取信息的利用率,提升單個(gè)無(wú)人系統(tǒng)的探測(cè)能力。同時(shí),要開(kāi)展多視角、多特征以及多平臺(tái)的協(xié)同感知融合技術(shù)研究,通過(guò)跨平臺(tái)信息融合、在線協(xié)同更新和分布式集成學(xué)習(xí)等方式,提高無(wú)人系統(tǒng)集群的感知范圍和感知精度。

2)增加集群協(xié)同通信的穩(wěn)定性。協(xié)同通信是水下無(wú)人系統(tǒng)集群內(nèi)各系統(tǒng)間實(shí)現(xiàn)互聯(lián)互通,接收和回傳指令、戰(zhàn)場(chǎng)態(tài)勢(shì)信息的基本保障。然而,水體天然的屏障作用為水下無(wú)線實(shí)時(shí)通信的實(shí)現(xiàn)制造了技術(shù)壁壘。應(yīng)開(kāi)展基于場(chǎng)景驅(qū)動(dòng)的協(xié)同通信技術(shù)研究,重點(diǎn)突破水下環(huán)境中無(wú)人系統(tǒng)集群全域信息共享以及信息交互等關(guān)鍵技術(shù),利用邊緣計(jì)算代替云計(jì)算以建立多代理信息互補(bǔ)模型,有效提高協(xié)同通信的數(shù)據(jù)傳輸效率。同時(shí)，考慮引入高動(dòng)態(tài)、大帶寬通信技術(shù),提高信息傳遞帶寬及實(shí)時(shí)性。應(yīng)進(jìn)一步關(guān)注無(wú)線通信網(wǎng)絡(luò)的抗干擾能力,提高集群信息共享的可靠性和安全性。

3)跨域多種類無(wú)人系統(tǒng)集群協(xié)同研究。跨陸、海、空域的立體式協(xié)同態(tài)勢(shì)感知已成為重要的發(fā)展趨勢(shì),但受限于異構(gòu)融合、工作條件、復(fù)雜環(huán)境等多重因素,跨域協(xié)同作戰(zhàn)具有高度的復(fù)雜性,無(wú)人系統(tǒng)集群在交互學(xué)習(xí)、協(xié)同運(yùn)行方面具有很大的挑戰(zhàn)性。后續(xù)研究應(yīng)充分利用人工智能技術(shù),立足多層次、跨時(shí)空的統(tǒng)一表征感知模型,開(kāi)展多維度、跨領(lǐng)域、大數(shù)據(jù)驅(qū)動(dòng)的多無(wú)人系統(tǒng)集群協(xié)同感知理論和方法研究,重點(diǎn)突破多種類無(wú)人系統(tǒng)協(xié)作領(lǐng)域中無(wú)人系統(tǒng)的角色分配、意外情境響應(yīng)機(jī)制等關(guān)鍵技術(shù),根據(jù)不同種類無(wú)人系統(tǒng)的優(yōu)勢(shì)進(jìn)行角色劃分，以實(shí)現(xiàn)全空間域的感知互補(bǔ),構(gòu)建一種分布式學(xué)習(xí)和云邊緣協(xié)同智能傳感技術(shù),以應(yīng)對(duì)跨域任務(wù)的多樣性挑戰(zhàn)。