張波波，Dongphil Chun*，代學冬

（韓國國立釜慶大學技術經(jīng)營專門大學院，韓國 釜山）

引言

黨的二十大明確提出，發(fā)展海洋經(jīng)濟、保護海洋生態(tài)環(huán)境、加快建設海洋強國。由于海洋環(huán)境的復雜性和未知性，且人類到達海底深度有限，水下機器人已成為開發(fā)海洋經(jīng)濟的重要工具，并廣泛應用于海洋資源開發(fā)、深海科研探測、水下軍事打擊等領域。

學術界對水下機器人展開深入的研究，已涌現(xiàn)出眾多科研成果。大量學者從水下機器人的關鍵技術方面進行探索與研究，如劉雨青等[1]、Zhu 等[2]。也有學者采用不同研究方法對相關研究內(nèi)容進行了綜述，如孫玉山等[3]、康帥等[4]，大部分學者以主觀綜述、定性分析為主，而采用文獻計量等研究方法的定量分析較少，趙羿羽等[5]借助CiteSpace 等工具分析了國外水下機器人研究熱點。但現(xiàn)有文獻對研究熱點及研究趨勢等內(nèi)容分析力度不夠，且主要針對國外水下機器人相關研究文獻，缺乏國內(nèi)外在該領域的研究比較分析。

國內(nèi)外水下機器人已經(jīng)歷了多年的發(fā)展，所涉及的研究內(nèi)容呈現(xiàn)多樣化，研究方向分散化特征明顯，缺乏一條全局的、宏觀的邏輯主線。同時，目前仍缺少對國內(nèi)外水下機器人研究熱點主題和趨勢的宏觀分析以及研究成果的系統(tǒng)性描述。因此，本文選取國內(nèi)外水下機器人研究相關文獻，借助CiteSpace 工具和文獻計量方法對相關研究成果進行全面梳理，分析該領域的研究主題及發(fā)展趨勢，以期為水下機器人相關研究后續(xù)發(fā)展提供參考和借鑒。

1 水下機器人領域文獻統(tǒng)計分析

1.1 數(shù)據(jù)來源與處理

國內(nèi)數(shù)據(jù)來源于中國學術期刊出版總庫(CNKI)，利用CNKI 高級檢索工具，以“水下機器人”、“水下滑翔機”、“水下航行器”、“無人潛水器”為主題詞，檢索時間范圍不限，檢索時間為2023 年4 月30 日，文獻檢索范圍為中國科學引文數(shù)據(jù)庫(CSCD)、中文社會科學引文索引(CSSCI）、北大中文核心期刊(PKU)、中國人文社會科學期刊(AMI)。去除會議、報紙、標準等非學術性期刊，最終得到目標文獻2 653 篇(以下簡稱中文文獻)。

國外數(shù)據(jù)來源于Web of Science 核心集合數(shù)據(jù)庫(WoS)，以“underwater vehicle”、“underwater robot”、“underwater glider”為主題詞，檢索時間范圍不限，檢索時間為2023 年4 月30 日，文獻檢索范圍涉及社會科學引文索引 (SSCI)、以科學引文檢索擴展版(SCI-EXPANDED)，文獻類型為論文，共檢索到9 924篇文獻(以下簡稱英文文獻)。

1.2 文獻數(shù)量趨勢分析

文獻發(fā)表數(shù)量可以反映某一學科或領域的研究現(xiàn)狀及發(fā)展趨勢。根據(jù)文獻發(fā)表數(shù)量繪制水下機器人相關研究文獻的分布圖(如圖1 所示)，因2023 年的文獻數(shù)據(jù)不滿一年，故未在該圖中顯示。其中，國外水下機器人相關研究呈現(xiàn)明顯的階段特征，大致可以分為三個階段。第一階段為早期研究(1960-1990)，文獻數(shù)量較少，平均每年2 篇，主要是圍繞基礎理論、技術展開研究。第二階段為緩慢發(fā)展階段(1991-2010)，文獻數(shù)量大量增加，平均每年80 篇，逐漸引起學術界、產(chǎn)業(yè)界的高度關注。第三階段為快速上升階段(2011-2022)，文獻數(shù)量呈爆發(fā)式的增長趨勢，且水下機器人已經(jīng)在多個領域廣泛使用。

圖1 水下機器人研究文獻的年度分布

根據(jù)英文文獻統(tǒng)計各個國家的發(fā)文數(shù)量(如圖2 所示)，中國、美國的文獻數(shù)量最多，分別為3 583 篇、2 016 篇，遠遠超過其他國家的發(fā)文數(shù)量，意大利、日本、英國、韓國、加拿大等沿海國家在水下機器人領域擁有大量科研成果。

圖2 水下機器人研究英文文獻的國家網(wǎng)絡

其中，國內(nèi)的水下機器人研究起源于20 世紀70 年代末，起步晚于國外且發(fā)文數(shù)量相對滯后。2005 年之前，中文文獻的發(fā)文數(shù)量一直處于較低水平，2005 年后發(fā)文數(shù)量快速增長并保持相對穩(wěn)定，共計約2 451 篇，占中文文獻樣本數(shù)量的92.4%。

2 關鍵技術視角下的水下機器人研究

關鍵詞反映了文獻的研究主題，通過對關鍵詞的統(tǒng)計分析，有助于深入了解水下機器人研究領域的重點與偏好。本文通過CiteSpace 工具對英文、中文文獻分別進行關鍵詞共現(xiàn)分析，并統(tǒng)計解析結果(如表1 所示)，其中關鍵詞出現(xiàn)的頻次越大，說明對應主題的研究熱度越高。

表1 水下機器人研究文獻的高頻關鍵詞(前20 位)

從表1 可以發(fā)現(xiàn)，“autonomous underwater vehicle”、“underwater vehicle”、“design”是英文文獻出現(xiàn)頻次最多的關鍵詞，“system”、“model”、“navigation”、“trajectory tracking”、“performance”等關鍵詞的出現(xiàn)頻次位居前列；“路徑規(guī)劃”、“仿真”、“運動按制”是中文文獻出現(xiàn)頻次最多的關鍵詞，“滑模按制”、“神經(jīng)網(wǎng)絡”、“組合導航”、“按制系統(tǒng)”等關鍵詞的出現(xiàn)頻次也位居前列。

結合參考文獻的研究內(nèi)容和關鍵詞的統(tǒng)計分析，對水下機器人研究的主題進行歸納總結。從水下機器人關鍵技術的視角來看，主要涉及導航技術、路徑規(guī)劃、跟蹤按制、目標識別、仿真技術、故障診斷等。以下將圍繞水下機器人的部分關鍵技術展開討論：

2.1 跟蹤按制

軌跡跟蹤按制主要包括用戶界面、軌跡跟蹤按制和軌跡規(guī)劃三部分，而軌跡跟蹤按制的精確度和穩(wěn)定性影響水下機器人的最終任務完成，目前主要的軌跡跟蹤按制方法包括PID 按制、模糊按制、自適應按制、神經(jīng)網(wǎng)絡按制、滑模變結構按制等，詳細描述如表2所示。

針對上述提到的幾種跟蹤按制方法，每一種按制策略都存在一定的局限性，因此在實際應用過程中，采用多種按制方法相結合的模式，形成新的按制策略，從而實現(xiàn)更加理想的按制效果。

基于此，國內(nèi)外學者在跟蹤按制領域提出了先進的技術解決方案，但現(xiàn)階段軌跡跟蹤按制在關鍵技術領域仍有待進一步解決或優(yōu)化。例如，水下環(huán)境的不確定性，導致水下機器人運動可靠性和穩(wěn)定性較復雜；受到非線性機器人動力學和海流時變干擾的影響，實現(xiàn)快速準確的軌跡跟蹤存在挑戰(zhàn)性。

2.2 組合導航

導航系統(tǒng)作為水下機器人的引導，在水下機器人的發(fā)展過程中發(fā)揮著重要的作用。目前水下導航的主要方法包括慣性導航、航位推算、聲學導航、地球物理導航，詳細描述如表3 所示。

隨著水下機器人導航性能需求的不斷提升，上述單一的導航方式在精度、穩(wěn)定性等方面不能滿足當前的導航需求，多種組合導航方式應運而生，并已成為水下機器人導航技術的主要發(fā)展方向。

國內(nèi)外學者在水下機器人組合導航領域形成了諸多的研究成果，反映了當前研究的發(fā)展趨勢。首先，水下導航將采用慣性導航、聲學導航、地球物理導航等多種組合模式，以獲取高性能、高精度的水下導航信息；其次，針對水下復雜的環(huán)境特征，不斷優(yōu)化、設計具有高魯棒性的濾波算法，以提高數(shù)據(jù)濾波處理的質(zhì)量。

2.3 目標識別

由于水下環(huán)境的復雜性，有效獲取水下目標信息對水下機器人的應用至關重要。水下目標識別主要涉及兩方面的內(nèi)容：一是目標圖像處理，二是目標檢測識別。目前傳統(tǒng)的圖像處理可分為圖像復原與圖像增強，對水下圖像的顏色失真、圖像霧化和模糊進行處理，實現(xiàn)復原真實圖像或者突出目標特征。

到目前為止，聲納是水下目標識別最成熟的技術之一，但也存在一些局限性。其難點在于：聲波在水中傳播受到嚴重的干擾，以及水聲信道的空變形和時變，使得聲納成像技術具有像素數(shù)據(jù)少、分辨率低等缺點，其發(fā)展落后于空氣環(huán)境中的目標識別。

未來水下目標識別技術將不斷優(yōu)化水下圖像處理算法的魯棒性與實時性，針對不同水域環(huán)境設計個性化圖像處理算法。同時，在惡劣環(huán)境下，采用圖像精準識別技術，并提升水下機器人目標探測識別的智能性。

3 水下機器人研究前沿分析

一般而言，關鍵詞激增指數(shù)能夠反映某一階段關鍵詞的高頻次變化率，這些關鍵詞體現(xiàn)了該領域的研究趨勢和前沿。本文通過CiteSpace 對水下機器人研究的英文文獻進行關鍵詞突現(xiàn)檢測，并統(tǒng)計突現(xiàn)率前20 位的關鍵詞，發(fā)現(xiàn)2011-2023 年期間出現(xiàn)了多種類型的突變性關鍵詞，說明了水下機器人研究領域的多樣化特征。其中，強度最大的關鍵詞分別是“mathematical model”、“l(fā)ocomotion”和“task analysis”，強度值分別為20.05、12.97 和11.49；突現(xiàn)時間持續(xù)最長的關鍵詞為“evolution”和“coordinated control”，持續(xù)時間分別為8 年、6 年。近幾年突現(xiàn)的關鍵詞有“energyconsumption”、 “l(fā)ocationawareness”、“internet”、“deep learning”、“task analysis”等，說明這些研究內(nèi)容在水下機器人領域中比較活躍，在未來一段時間內(nèi)有可能成為該領域的研究前沿方向。

3.1 人工智能

隨著人工智能的快速發(fā)展，任務分析(task analysis)、深度學習(deep learning)等人工智能方法已應用于水下機器人，不斷提高了水下機器人的自主行為預測、環(huán)境感知理解等智能化水平，以滿足更復雜、更極端的任務需求。

例如，國內(nèi)外學者將深度學習用于目標識別和分類，使得水下機器人在數(shù)字圖像處理等方面取得了顯著的成果，比如珊瑚、魚類和浮游生物等物體的識別；也有學者指出，基于強化學習的水下機器人路徑規(guī)劃，弱化了水下環(huán)境和模型精度的約束；同時，在水下機器人的運動按制領域，強化學習對于變化環(huán)境具有較好的適應能力。

由于不僅限于以上優(yōu)勢，將人工智能技術與水下機器人的深度融合，已成為水下機器人未來的重要發(fā)展趨勢之一。

3.2 續(xù)航技術

能源是影響水下機器人航線距離的重要因素。目前，大部分水下機器人采用電池供電，包括鋰電池、堿性電池、燃料電池，具有能量密度高、體積小以及無需轉換就能直接供電等優(yōu)點。同時，風能、太陽能、波浪能、潮汐能等可再生能源為水下機器人源源不斷的提供能量，可以有效提高續(xù)航和采樣能力，關于可再生能源的采集和利用已成為重要的研究方向。

此外，一套功能完備且智能的能源管理、監(jiān)測系統(tǒng)同樣重要，提高能源利用效率并降低事故發(fā)生可能性。研究發(fā)現(xiàn)，以能源消耗(energy consumption)為例，通過運動優(yōu)化按制方法可以提高水下機器人的續(xù)航能力；建立洋流對水下機器人能耗影響的成本模型，以規(guī)劃出一條最佳的能耗路徑。

4 結論

本文基于科學知識圖譜和文獻計量方法，對國內(nèi)外主要核心數(shù)據(jù)庫中水下機器人研究領域的相關文獻進行統(tǒng)計分析，通過繪制文獻數(shù)量圖表、關鍵詞共現(xiàn)及突現(xiàn)圖表等客觀揭示水下機器人研究現(xiàn)狀、熱點及未來趨勢，主要結論如下：

首先，從文獻數(shù)量來看，整體呈現(xiàn)逐年遞增趨勢，英文文獻數(shù)量的階段性特征比較明顯，先后經(jīng)歷了早期研究階段、緩慢發(fā)展階段、快速上升階段，學術界對該領域的研究保持較高的研究熱度，中國、美國是發(fā)文量最大的國家。

其次，從關鍵詞分析來看，研究熱點涉及水下機器人的多個核心領域，主要包括“autonomous underwater vehicle”、“underwater vehicle”、“路徑規(guī)劃”、“仿真”等。其中，“跟蹤按制”、“組合導航”、“目標識別”等也是相關文獻研究的熱點主題，反映了學術界高度關注水下機器人的關鍵技術研究。

最后，從關鍵詞突現(xiàn)來看，隨著時間推移而突變性關鍵詞出現(xiàn)了不同變化，水下機器人研究領域呈現(xiàn)多樣性特征，近幾年突現(xiàn)的關鍵詞有“energy consumption”、“task analysis”、“deep learning”等，說明這些主題在水下機器人研究領域中比較活躍，將成為該領域的研究趨勢。