针对复杂水文环境下无人自治水下机器人(AUV)轨迹跟踪实时性较慢、精度较低的问题, 设计了一种基于拉盖尔函数的自适应预测轨迹跟踪控制方法。首先, 基于预测控制将轨迹跟踪问题转化为二次规划设计; 其次, 为解决AUV 轨迹变化以及外部干扰所造成的控制量突变, 融合递推最小二乘法设计了自适应预测控制器; 接着, 采用拉盖尔函数重构控制器, 以解决运算量过大导致的系统响应速度变慢的问题; 最后, 仿真证明了该方法能够提升系统的响应速度、抗干扰性和鲁棒性。

针对回收对接过程中, 自主式水下机器人(AUV)的组合导航系统由于子传感器量测信息发生阶跃性突变而导致导航系统滤波发散的问题, 以分布式联邦滤波结构为基础, 提出了一种基于无迹卡尔曼滤波(UKF)的自适应容错异步融合算法。该算法以传感器的采样率为依据, 建立分布式组合导航多尺度系统模型, 在辅助信息突变时利用自适应渐消因子优化UKF动态调整增益矩阵、削弱故障信息对滤波精度的影响, 使得多源导航系统更加稳定、容错性更高。仿真实验表明, 提出的自适应容错UKF异步融合算法能更好地抑制滤波发散, 提升导航系统的精度与可靠性, 有效提高AUV的导航系统在回收对接过程中的稳定性与容错性。

针对水下机器人(ROV)避碰机动障碍物的问题,提出了一种改进的速度障碍法,以提高复杂环境中水下机器人的自主避障能力。将动态障碍物在速度空间中的运动不确定性转化为位置的不确定性; 通过分析动态障碍物的碰撞风险和最大膨胀圆的速度障碍来明确开始和结束避障的时间; 设计了考虑安全性、目标趋向性和速度改变量3个因素的目标函数,以实现最优避障速度的选取。最后,通过仿真实验验证了该避障方法的可行性与有效性。

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA)，用于解决自主水下机器人(AUV)协同任务分配问题。为避免粒子群算法陷入局部最优，加入改进的模拟退火技术，形成一种新的多目标局部搜索策略。仿真结果表明，MODPSO-SA算法能够得出多组合理Pareto解集，可以有效解决多AUV任务分配问题。

针对水下机器人搭载平台进行深海遗迹探寻所面临的数据样本缺乏、采集图像模糊、嵌入式系统计算能力有限的问题,分别在数据增强、视频增强和目标检测算法压缩等方面提出了有效的解决方案。首先,利用数据增强提高小样本数据的泛化能力,通过迁移学习进行知识迁移,加速模型收敛;然后,基于结构相似性对采集视频进行关键帧图像选择,采用限制对比度直方图拉伸对选择后的关键帧进行实时图像增强;最后,基于多粒度剪枝策略对YOLOV4进行通道和卷积层的双向压缩。实验结果表明,压缩后的YOLOV4模型运算复杂度(BFLOPS)降为10.588,在Jetson TX2嵌入式图像处理器上,对大小为640 pixel×480 pixel的输入图像的平均检测速度可以达到18.2 frame/s。

针对智能水下机器人(AUV)的海底管道自动识别与跟踪问题，从仿真环境构建、图像处理、管道识别及环境建模等数据层次进行了分析，搭建了一套完整的水下管道识别与跟踪系统。在管道识别过程中，针对传统的Hough直线拟合的缺点，提出了基于特征聚类的伪假区域的去除和峰值点邻域逆向处理的改进Hough变换。并利用所搭建的三维仿真环境，对直管和弯管在线进行了多次检测和跟踪试验。仿真实验结果表明通过管道识别和环境映射，本套系统能有效完成水下管道自主检测和跟踪。