摘 要：水下機(jī)器人在海洋調(diào)查、能源開發(fā)中的作用十分重要。本文通過多傳感器信息融合技術(shù)，利用視覺傳感器、水聲定位系統(tǒng)、聲吶傳感器、慣性測量單元和水溫水壓傳感器采集水下機(jī)器人的數(shù)據(jù)，進(jìn)行信息融合?；诳柭鼮V波方法，判斷水下機(jī)器人的周圍環(huán)境，修改運(yùn)動(dòng)軌跡，躲避障礙物，使水下機(jī)器人在海洋中能夠自動(dòng)避障。

關(guān)鍵詞：海洋調(diào)查；多傳感器融合；水下機(jī)器人；避障

中圖分類號(hào)：TP 249" " " " " " " 文獻(xiàn)標(biāo)志碼：A

海洋面積約占地球總面積的70%，海洋中資源豐富，但是海洋中的環(huán)境復(fù)雜多變，海洋開采主要集中在淺海區(qū)域，目前的探測手段不足以開采更深的區(qū)域、獲得更多的能源，因此，有必要研究水下調(diào)查的海洋設(shè)備。

水下機(jī)器人（Autonomous Underwater Vehicle，AUV）融合人工智能、自動(dòng)控制、模式識(shí)別、信息整合以及系統(tǒng)集成等技術(shù)，通過遠(yuǎn)程遙控或自主操作，作為一個(gè)工作載體代替真人完成各種高難度的水下作業(yè)任務(wù)[1-3]。水下機(jī)器人廣泛應(yīng)用于海洋探測、深海打撈和石油勘測等領(lǐng)域。海洋環(huán)境復(fù)雜多變，單一的傳感器無法完成高精度自主導(dǎo)航的任務(wù)，需要融合多種傳感器獲得更精準(zhǔn)的數(shù)據(jù)。

本文設(shè)計(jì)多傳感器信息融合試驗(yàn)，測試水下機(jī)器人的位置誤差、運(yùn)動(dòng)軌跡以及避障性能，驗(yàn)證系統(tǒng)的應(yīng)用效果，研究水下機(jī)器人的自動(dòng)避障技術(shù)。

1 多傳感器信息融合采集模塊設(shè)計(jì)

水下機(jī)器人多傳感器信息融合采集技術(shù)是利用多傳感器進(jìn)行數(shù)據(jù)采集、整合和處理的技術(shù)。在工作過程中，將獲得的多傳感器數(shù)據(jù)實(shí)時(shí)發(fā)送至水下機(jī)器人的主控制器，對機(jī)器人進(jìn)行閉環(huán)運(yùn)動(dòng)控制，提高了機(jī)器人的感知能力、定位精度和環(huán)境建模能力。它包括以下幾個(gè)方面的技術(shù)細(xì)節(jié)。

1.1 多傳感器組成

1.1.1 視覺傳感器

在水下探測環(huán)境的過程中，視覺傳感器將檢測的光信號(hào)轉(zhuǎn)換為電信號(hào)并生成圖像，分析圖像中環(huán)境特征的信息。

1.1.2 水聲定位系統(tǒng)

水聲定位系統(tǒng)通過聲音在水下傳導(dǎo)進(jìn)行信息通信。與可以全球定位的GPS系統(tǒng)不同，水聲定位系統(tǒng)按基陣間距離分為長基線系統(tǒng)、短基線系統(tǒng)和超短基線系統(tǒng)[4-6]。本文采用超短基線系統(tǒng)傳輸水下信息。

1.1.3 聲吶傳感器

本文采用多普勒聲吶傳感器，利用聲波測量環(huán)境特征的距離。該方法成本低，信息處理簡單，應(yīng)用廣泛。

1.1.4 慣性測量單元

慣性測量單元是機(jī)器人在導(dǎo)航中常用的設(shè)備之一，具有不受外界電磁干擾影響的優(yōu)點(diǎn)，能夠提供位移、速度、航向和姿態(tài)角數(shù)據(jù)，數(shù)據(jù)更新頻率高，穩(wěn)定性好。

1.1.5 水溫水壓傳感器

當(dāng)水下機(jī)器人在水下工作時(shí)，需要實(shí)時(shí)監(jiān)控所處環(huán)境的溫度和壓力。

1.2 多傳感器部署

在實(shí)際操作中，需要將選定的傳感器部署在水下機(jī)器人的不同部位，以覆蓋整個(gè)水下環(huán)境。本文在水下機(jī)器人前端左右兩側(cè)分別安裝視覺傳感器和聲吶傳感器，在水下機(jī)器人尾部安裝水溫水壓傳感器，在水下機(jī)器人左右兩端安裝水聲定位系統(tǒng)和慣性測量單元，當(dāng)在海洋中工作時(shí)，水下機(jī)器人能夠探測周圍的環(huán)境信息。

1.3 多傳感器數(shù)據(jù)采集以及融合技術(shù)

采集傳感器數(shù)據(jù)的關(guān)鍵是保證數(shù)據(jù)的準(zhǔn)確性和一致性。不同類型的傳感器需要采用不同的數(shù)據(jù)采集方式和頻率，以保證數(shù)據(jù)精度。同時(shí)，須對數(shù)據(jù)進(jìn)行預(yù)處理和濾波，以解決傳感器數(shù)據(jù)質(zhì)量差異較大的問題。

在傳感器數(shù)據(jù)融合過程中，需要整合來自不同傳感器的數(shù)據(jù)，以提供更全面、準(zhǔn)確的環(huán)境信息。選擇數(shù)據(jù)融合算法將直接影響整個(gè)信息融合采集模塊的性能。

2 主控制器結(jié)構(gòu)設(shè)計(jì)

2.1 主控制器設(shè)計(jì)概述

水下機(jī)器人主控制器設(shè)計(jì)技術(shù)是系統(tǒng)的關(guān)鍵技術(shù)之一，它負(fù)責(zé)整個(gè)系統(tǒng)的控制和決策。在水下環(huán)境中，主控制器需要具備高效、穩(wěn)定和可靠的特性，以保證水下機(jī)器人能夠有效地執(zhí)行任務(wù)。

2.2 主控制器模塊設(shè)計(jì)

主控制器需要搭建在穩(wěn)定可靠的硬件平臺(tái)上，以保證系統(tǒng)的性能和可靠性。硬件平臺(tái)包括主控制器芯片、傳感器接口和通信模塊等。水下機(jī)器人系統(tǒng)的性能和可靠性與硬件平臺(tái)和組件的質(zhì)量有統(tǒng)計(jì)學(xué)意義。

本文的主控制器實(shí)時(shí)接收多傳感器采集的數(shù)據(jù)，由4個(gè)模塊組成，分別為無刷直流電機(jī)、電子調(diào)速器、電壓檢測模塊和主微控制器。采用STM32F4 芯片進(jìn)行控制，可通過 UATR、SPI 進(jìn)行多種數(shù)據(jù)傳輸，將多傳感器采集的信號(hào)發(fā)送給電子調(diào)速器，電子調(diào)速器控制無刷直流電機(jī)，從而控制水下機(jī)器人。水下機(jī)器人多傳感器采集模塊以及控制器結(jié)構(gòu)如圖1所示。

3 基于卡爾曼濾波的信息處理技術(shù)

3.1 卡爾曼濾波的基本原理

卡爾曼濾波是一種遞歸估計(jì)技術(shù)，利用線性組合前一時(shí)刻的估計(jì)值和測量值來預(yù)測當(dāng)前時(shí)刻的狀態(tài)，并修正預(yù)測結(jié)果。其核心思想是利用已知的系統(tǒng)模型和傳感器測量數(shù)據(jù)來估計(jì)系統(tǒng)的狀態(tài)，同時(shí)考慮系統(tǒng)的不確定性和測量誤差，采用最小化估計(jì)誤差的方法來優(yōu)化估計(jì)結(jié)果。

3.2 卡爾曼濾波的信息處理主要技術(shù)模塊

卡爾曼濾波是融合系統(tǒng)的測量值和模型預(yù)測值，對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。其核心思想是基于機(jī)器人的狀態(tài)空間模型，更新系統(tǒng)狀態(tài)的估計(jì)值，預(yù)測系統(tǒng)動(dòng)態(tài)。

3.2.1 狀態(tài)空間模型

狀態(tài)空間模型描述系統(tǒng)的動(dòng)態(tài)特性，精確表示輸出與狀態(tài)之間的關(guān)系。水下機(jī)器人導(dǎo)航系統(tǒng)的卡爾曼濾波狀態(tài)空間模型如公式（1）所示。

Y（k+1）=?（k）Y（k）+C（k）X（k）+Q（k） （1）

式中：Y（k）為水下機(jī)器人的狀態(tài)向量；?（k）為狀態(tài)轉(zhuǎn)移矩陣；C（k）為輸入控制矩陣；X（k）為輸入變量；Q（k）為外界噪聲；Y（k+1）為水下機(jī)器人經(jīng)卡爾曼濾波后的狀態(tài)向量。

設(shè)N為水下機(jī)器人配置的傳感器數(shù)量，針對每個(gè)傳感器設(shè)置對應(yīng)的局部濾波器。第i個(gè)局部濾波器設(shè)為Yi（k+1），其狀態(tài)方程如公式（2）所示。

Yi（k+1）=A（k）Yi（k）+C（k）X（k） " " " "（2）

式中：Yi（k+1）為第i個(gè)水下機(jī)器人在k+1時(shí)刻的狀態(tài)向量；A（k）為系統(tǒng)參數(shù)；Yi（k）為第i個(gè)水下機(jī)器人的狀態(tài)向量。

3.2.2 更新階段

基于公式（2）得到測量值修正系統(tǒng)的狀態(tài)預(yù)測值、更新后的水下機(jī)器人狀態(tài)值和協(xié)方差，從而優(yōu)化并估計(jì)系統(tǒng)狀態(tài)。更新方程如公式（3）所示。

（k+1|k）=?（kk）（kk|k）

Ri（k+1|k）=?（k）Ri（k|k）?（k）T+?（k）Q（k）?（k）T （3）

式中：（k+1|k）為經(jīng)過預(yù)定時(shí)間更新后的水下機(jī)器人的狀態(tài)值；（k|k）為水下機(jī)器人的初始狀態(tài)值；Ri（k+1|k）為協(xié)方差；Ri（k|k）為初始協(xié)方差。

3.2.3 卡爾曼增益計(jì)算

卡爾曼增益在卡爾曼濾波中起決定性作用，充分利用測量值和預(yù)測值之間的信息來分配權(quán)重，提高濾波器的濾波精度和穩(wěn)定性。測量更新后的卡爾曼增益如公式（4）所示。

（k+1|k+1）=（k+1|k）+Ki（k+1）di（k+1） （4）

式中：Ki（k+1）為卡爾曼增益；Hi（k+1）為調(diào)整后的觀測矩陣；Si（k+1）為協(xié)方差矩陣；（k+1|k+1）為調(diào)整后的水下機(jī)器人狀態(tài)；（k+1|k）為水下機(jī)器人的狀態(tài)值；di（k+1）為信息。

3.2.4 協(xié)方差更新

協(xié)方差用于更新狀態(tài)空間模型中估計(jì)值的不確定性。利用協(xié)方差更新，動(dòng)態(tài)調(diào)整系統(tǒng)的狀態(tài)估計(jì)值，提高估計(jì)值的精確度。更新后如公式（5）所示。

Ri（k+1|k+1）=I·Ri（k+1|k）-Ki（k+1）Hi（（k+1）Ri（k+1|k） （5）

式中：Ri（k+1|k+1）為誤差協(xié)方差；I為單位矩陣。

融合處理水下機(jī)器人攜帶的多傳感器采集的信息后，在控制水下機(jī)器人正常行進(jìn)的過程中，實(shí)時(shí)識(shí)別水下環(huán)境中存在的障礙物信息以及可能存在的碰撞風(fēng)險(xiǎn)，基于卡爾曼濾波尋找水下機(jī)器人的最優(yōu)路徑，進(jìn)行有效避障。

4 試驗(yàn)結(jié)果與分析

為了更好地驗(yàn)證水下機(jī)器人的避障功能，選擇一個(gè)水域進(jìn)行模擬試驗(yàn)，水域長200 m，寬140 m，水深50 m，對水下設(shè)備進(jìn)行參數(shù)設(shè)置后讓其運(yùn)動(dòng)，通過試驗(yàn)多傳感器融合前后的位置誤差和觀察水下機(jī)器人躲避障礙物的實(shí)際運(yùn)動(dòng)軌跡，分析水下機(jī)器人的避障性能。

在試驗(yàn)中，在水下環(huán)境中放置不同類型的傳感器來獲取多種感知數(shù)據(jù)，將這些數(shù)據(jù)進(jìn)行融合，得到更全面、準(zhǔn)確的環(huán)境信息。在模擬中，建立水下環(huán)境的仿真模型，并引入虛擬傳感器數(shù)據(jù)，驗(yàn)證信息融合算法的可行性和效果。多傳感器信息融合前后位置誤差對比如圖2所示，由圖2可知，信息融合前位置誤差很大，融合后上下波動(dòng)很小，接近平穩(wěn)。由此得出結(jié)論，融合傳感器數(shù)據(jù)可以提高水下機(jī)器人的感知能力和定位精度，減少位置誤差，精準(zhǔn)控制機(jī)器人，躲避障礙物。

為驗(yàn)證水下機(jī)器人的避障效果，在試驗(yàn)水域設(shè)置若干個(gè)障礙物，分析它的運(yùn)動(dòng)軌跡來驗(yàn)證效果，如圖3所示。水下機(jī)器人的實(shí)際運(yùn)動(dòng)軌跡完美躲避了障礙物，當(dāng)遇到障礙物時(shí)，機(jī)器人會(huì)優(yōu)化路徑，達(dá)到了很好的避障效果。

5 結(jié)論

本文通過多傳感器信息融合技術(shù)，基于卡爾曼濾波方法將視覺傳感器、水聲定位系統(tǒng)、聲吶傳感器、慣性測量單元和水溫水壓傳感器采集的數(shù)據(jù)進(jìn)行信息融合。根據(jù)這些信息，水下機(jī)器人能夠識(shí)別水下環(huán)境中的障礙物，判斷周圍存在的風(fēng)險(xiǎn)，重新規(guī)劃水下運(yùn)動(dòng)路線，在惡劣環(huán)境中避障，順利到達(dá)目標(biāo)位置。該技術(shù)能夠更好地應(yīng)用于海洋探測調(diào)查中，進(jìn)一步開發(fā)和利用海洋中的各種資源。

參考文獻(xiàn)

[1]李松，劉照輝.基于 AUV 的水下傳感器網(wǎng)絡(luò)數(shù)據(jù)采集軌跡規(guī)劃[J].中國電子科學(xué)研究院學(xué)報(bào)，2022，17（1）：93-97.

[2]包靈卉，曾慶軍，朱志宇，等.自主水下機(jī)器人回收導(dǎo)航多傳感器融合研究[J].計(jì)算機(jī)仿真，2021，38（10）：361-366.

[3]任福深，孫雅琪，胡慶，等.基于Unity3D的水下機(jī)器人半實(shí)物仿真系統(tǒng)[J].系統(tǒng)仿真學(xué)報(bào)，2020，32（8）：1546-1555.

[4]張立川，徐德民，劉明雍，等.基于移動(dòng)長基線的多AUV協(xié)同導(dǎo)航[J].機(jī)器人，2009，31（6）：581-586.

[5]邢志偉，于開洋，王曉輝.超短基線定位系統(tǒng)在ROV動(dòng)力定位中應(yīng)用的可行性研究[J].機(jī)器人，2002，24（6）：487-491.

[6]田坦.水下定位與導(dǎo)航技術(shù)[M].北京：國防工業(yè)出版社，2007：56-70.

通信作者：陳萍（1985-），女，湖南長沙人，碩士研究生，南方醫(yī)科大學(xué)教學(xué)發(fā)展中心助理研究員，研究方向?yàn)橛?jì)算機(jī)。

電子郵箱：115931716@qq.com。

基金項(xiàng)目：海南省重大科技項(xiàng)目“系統(tǒng)作業(yè)平臺(tái)搭載技術(shù)及海試”（項(xiàng)目編號(hào)：ZDKJ202017）。