多UUV协调控制技术研究现状及发展趋势

2019-12-01严浙平刘祥玲

水下无人系统学报 2019年3期

严浙平,刘祥玲

(哈尔滨工程大学自动化学院,黑龙江哈尔滨,150001)

0 引言

无人水下航行器(unmanned undersea vehicle,UUV)是一种利用各种传感器及其他任务模块执行扫雷、侦察、勘测及情报搜集等任务,通过其自身搭载的能源设备、导航设备和执行机构来进行自主导航、自主决策与自主控制的水下运载器[1]。随着海洋任务需求的增加,单一航行器面临着冗余性差、任务范围小和工作效率低等局限性[2]。利用多 UUV系统执行共同的任务能够很好地克服上述问题,多 UUV协作可以增加系统的冗余性和鲁棒性,提高任务执行效率,降低成本,因此多 UUV协作系统得到了越来越多的科研机构和学者的重视[3]。多UUV系统具有空间分布、时间分布、信息分布、资源分布及功能分布等特点[4]。

水下环境相比于陆地和空中环境而言,干扰较多,存在洋流、断层及海底复杂地形等各种情况。水下有效的通信方式是水声通信,但声波传播速度比电磁波要低 5个数量级,导致信息传输速度低,时延严重,还有丢包及衰减快等问题[5]。在复杂的海洋环境中,多 UUV协作将提高多个个体单独执行任务的智能性和效率,能够更好地完成单个个体无法完成的任务。Curtin等[6]最早提出利用多个UUV并行作业来提高效率的UUV协作思想。然而,单依靠并行作业仍很难完成复杂的任务,因而需要多UUV间的协调合作。文中将在整理分析多UUV协调控制现阶段研究成果的基础上,综述该领域的研究现状,并提出多UUV协调控制存在的关键性问题以及未来发展方向。

1 多UUV协调控制关键技术

多 UUV系统在执行任务期间所采用的协调策略跟据系统任务的不同而定。近年来,国内外在多 UUV协调控制方面做了大量的理论和试验研究,其研究的关键技术主要有编队控制、任务分配、协调路径规划和围捕问题等。

1.1 编队控制

多 UUV系统执行任务时保持一个相对固定的队形结构会增加系统的安全性、稳定性以及协调性。编队控制是当前多 UUV系统协调控制的热点研究问题。编队控制指多个 UUV形成的团队按照预先指定的几何结构向特定的目标运动的过程。UUV编队控制依赖于各航行器快速准确获取其运动状态信息以及 UUV之间的局部信息交互,而特殊的水下通信条件和工作环境增加了UUV编队控制的难度。

编队控制主要研究内容有队形保持、队形重构和协同避障等。文中将重点介绍以上三方面以及编队衍生出的集群控制等问题。

1)队形保持

队形保持是指多 UUV在执行任务过程中需保持特定的队形。目前,队形保持控制方法主要有领航者-跟随者法[7]、基于行为法[8-9]、虚拟结构法[10]和基于一致性法[11-12]等几种。

领航者-跟随者法是目前多 UUV编队控制中最常用的方法。指定队伍中一个航行器作为领航者,其他作为跟随者,领航者跟踪预先给定的路径,跟随者与领航者保持一定的队形并达到一致的速度。Cui等[7]基于领航者-跟随者法研究了欠驱动多自主水下航行器(autonomous undersea vehicle,AUV)编队控制问题,提出一种不需要领航者速度与加速度信息的编队控制方法,构建了一个虚拟航行器,使其运动轨迹收敛到跟随者的参考路径,然后跟随者采用反步法跟踪虚拟航行器。

基于行为法的思想是将编队控制分解为一系列基本行为,包括队形形成、跟随和避障等行为,通过行为的综合来实现编队运动控制,这使得系统中每个个体都能够根据自身决策来与其他个体协同完成任务。基于行为法可以实现分布式控制,能够提高多 UUV系统的并行性和实时性。但该方法是根据预先设定的信息和触发条件来形成控制指令,因而降低了系统的灵活性和适应性。

虚拟结构法是一种集中式控制结构方法,由Lewis等[10]提出,其主要思想是将多UUV系统看作一个虚拟的刚性结构,每个 UUV都是刚性结构上相对位置固定的一个点,系统中所有 UUV都参照虚拟几何中心运动。该方法的优点在于,可以通过定义刚体中心的运动来实现整个团队的运动,但由于整个团队必须按一定的刚体结构运动,因此限制了其应用范围。

一致性法是指 UUV利用与其通信的相邻个体的状态信息更新自身的状态信息,进而使系统中所有UUV达到状态一致,是一种分布式结构。Saber等[13]提出了多智能体收敛的充要条件是系统的拓扑图是连通的。Ren等[14]将一致性理论应用到多智能体编队控制当中,分别对时不变通信拓扑和动态变化拓扑2种情况进行了一致性协调控制算法研究。王银涛等[15]将一致性应用于多AUV系统编队跟踪控制,使得AUV编队可以在只有部分航行器能获得参考速度信号的条件下完成编队跟踪控制。Zhao等[16]提出基于神经网络的反步法控制方法来进行多AUV一致性跟踪控制。基于分布式结构的一致性编队控制具有良好的灵活性,同时增加了系统的鲁棒性,多UUV系统不会因为某个个体损坏而对整体队形产生大的影响。但是分布式控制算法比较复杂,而且对通信时延和通信带宽有较高要求。

通过上述分析可以得出,编队控制的队形保持控制属于分布式控制结构。当前已有的研究多建立在理想通信条件下,考虑到实际海底通信条件的严苛以及水声通信的约束条件,目前 UUV编队协调控制技术远非成熟,该领域的理论研究与实际应用均任重而道远。

2)队形重构和协同避障

在多 UUV 编队执行任务时,难免会遇到一些障碍物。对于整个编队个体来说,很难维持原队形通过该障碍物,或者维持原队形绕过障碍物从而浪费大量的时间与资源,这对水下运动的UUV来说是极为不利的。这时就需要进行队形切换,形成新的队形避开障碍物,通过障碍物区域后再形成原先的队形,即队形重构。

队形重构包括队形切换和有航行器故障时新编队队形的形成,在队形重构过程中,要防止UUV之间的碰撞,同时要考虑UUV编队规避障碍物的问题。多个体实现队形重构的方法有:势能域函数法、滚动时域法、模型预测法、生物算法和最优控制法[17]等。目前已有的队形重构研究多是关于多智能体以及多无人机编队的队形重构算法,而关于多UUV队形重构的研究很少,这就给多UUV编队控制提供了新的研究方向。

3)集群控制

集群控制问题是指受激励于鸟群鱼群等生物群体进行的群体行为和自组织行为而衍生出的群体控制研究。集群控制与编队控制的不同之处在于集群控制对UUV群体中的UUV之间距离没有固定约束(只要UUV个体间距离不为零即可)。集群控制有灵活性、鲁棒性、分散性和自组织性等特性。

现有关于集群控制的研究多为移动机器人类,由于水下环境的限制以及 UUV本身质量及对能量的要求较高等限制条件,对多 UUV的集群控制研究很少。Sahu等[18]利用模糊算法针对多UUV系统提出了基于势函数的集群算法;该团队在文献[19]中基于吸引/排斥势函数设计了领航者-跟随者算法,用来实现4艘UUV的集群控制。2018年,Sahu等[20]又提出了基于模糊人工势场函数的多 UUV集群控制算法,集群中心由一致性协议计算得到,而避免航行器之间以及航行器与障碍物之间的碰撞问题由模糊排斥势场函数来实现。目前,对于多UUV系统集群控制的研究较少,未来随着船载能源、水声通信等技术的不断发展,将会获得越来越多的多UUV集群控制研究成果。

1.2 任务分配

多UUV系统任务分配是实现多UUV系统协调控制的关键技术之一。当对多 UUV系统下达一个具体任务时,多 UUV协作层需要根据具体任务的复杂度、系统内UUV数量以及各个UUV所在位置来对任务进行规划分配,达到减少任务完成的时间及提高执行效率的目标。任务分配方法主要有市场机制法、线性规划法、群智能法和图论法等。

任务分配算法需要考虑实时性、计算量和通信等问题。针对水下通信的特殊情况,于大海[21]研究了在弱通信条件下的任务分配问题,根据对水下通信进行预估得到的时延,来完成动态不确定环境下的任务分配。吕洪莉[22]针对多区域海底地形勘察问题,对多 UUV群体协同任务分配问题进行了研究,提出一种基于多个蚁群的多目标优化算法,解决了多个UUV从不同地点出发,对多个离散区域进行协同探测的任务分配问题。朱大奇等[23]提出一种基于自组织映射(self organizing maps,SOM)神经网络的多 UUV多目标分配策略,该方法稳定可靠,可以完成静态环境和动态环境下的任务分配工作,使多 UUV系统能够自主地分配任务,并能根据动态环境实时调整规划策略。

高效合理的任务分配是多 UUV系统智能化自治性的前提。针对任务分配算法的实时性及计算量等问题已进行了大量研究,最新研究进展已涉及到不确定性通信约束、动态环境下任务分配以及多目标的任务分配策略。但多 UUV任务分配的研究仍多处于理论研究阶段,多 UUV系统的智能化还有待提高。

1.3 协调路径规划

路径规划指航行器按照某一规定的准则在其作业空间内寻找到一条从起点到终点的最优路径。多UUV系统执行任务时,通常按照某一规划好的路径前进,路径规划的优劣将直接影响到系统作业的效率。多 UUV系统协调路径规划不仅要考虑给每个 UUV规划一条最优的路径,同时要考虑UUV之间的避碰问题。

Stack等[24]提出了一种用于多UUV扫雷任务的路径规划算法。该算法是针对水下环境设计的,各 UUV的起点和终点都不相同,如果有 2个UUV的起点和终点的连线有交叉,那么就必须考虑这2个UUV之间的避碰问题,但该算法并没有考虑到这一问题。UUV路径规划是一个组合优化问题,随着问题规模的增大,UUV路径规划搜索空间解的数量将会呈指数增长,这样就会对UUV的计算速度要求提高,同时降低路径规划的实时性。针对上述问题,吴小平等[25]提出了一种基于蚁群算法的多 UUV路径规划算法,该算法可检查潜在的碰撞,试验表明该算法能很好地处理大规模复杂组合优化问题。Zhu等[26]提出了一种任务分配及路径规划算法,该算法结合改进的 SOM 神经网络及速度合成方法,能够在有海流干扰的三维空间环境中控制多 UUV系统一次性到达所有指定的目标位置。

在复杂未知的海洋环境中,为了能够使多UUV编队安全快速达到目标区域,路径规划是研究中重要的组成部分。目前已有的研究能够针对水下环境,考虑到航行器之间的避碰问题,并且基于蚁群算法及神经网络算法等来解决实时性及计算量大的问题。

1.4 围捕问题

多 UUV围捕问题是指多航行器群体根据协调控制机制使得其中各 UUV在位置和速度上与围捕目标达到一致或有界,可以分为追逐逃跑问题和协调目标跟踪问题。

Wang等[27]设计了分布式卡尔曼滤波器来预估围捕目标的位置,并提出分布式集群算法来完成对预估目标的跟踪以及个体间的避碰。考虑到在 UUV群体对目标感知范围有限的情况下,在围捕过程中航行器对目标感知的状态可能会发生变化,Kawakami等[28]研究了依赖于UUV间相对位置的动态网络拓扑结构下的目标围捕问题,提出了基于一致性搜寻方法的捕获控制算法。Kim等[29]基于循环追踪策略提出了一种协调围捕方法,但仅适用于所有个体均能获得目标的完整状态信息时。针对航行器获得的目标状态信息不完整的情况,Sharma等[30]提出了一种基于非精确目标信息的分布式编队控制算法来实现对机动目标的围捕,然而该算法的通信拓扑是稳定的,而且没有考虑时延等实际因素。

目前围捕问题的研究能够考虑到 UUV群体对目标感知范围有限的情况,针对依赖于 UUV间相对位置的动态网络拓扑结构下的目标围捕问题,提出了一致性搜索方法。然而研究成果并没有完全考虑到状态信息的不完整性及通信网络的非完整性。

2 有待解决的问题

多UUV协调控制的理论研究已经取得了可观的成果,但与实际应用还有很大差距。多UUV协调控制理论研究多是将 UUV转化为线性动力学模型来设计控制器,且通常假设感知、通信能力良好,但实际的多 UUV系统是在水下弱通信条件下作业的,且 UUV动力学模型是强耦合非线性的,所以部分已有的协调控制方法无法直接应用到实际多UUV系统中。为了促进多UUV系统在实际环境中的应用,以下问题有待解决。

1)具有强耦合非线性模型的协调控制研究

UUV的动力学模型是强耦合非线性的,而现有的多 UUV协调控制研究多基于线性模型,特别是 2阶积分器模型[31-32]。实际应用中,很难将复杂的非线性航行器简单地用2阶线性模型描述。所以有必要用非线性控制理论来研究多航行器系统,以提高理论研究的实用性。

2)弱通信约束条件下的协调控制研究

航行器协调控制稳定的前提是通信,而水下通信环境非常恶劣,存在通信延迟、数据丢包、通信带宽受限和水下信道不稳定等约束条件,因此,非理想通信条件下的多 UUV协调控制是亟待解决的问题之一。

3)异构多UUV系统的协调控制研究

现有的多 UUV协调控制研究多是同构的多UUV系统,即所有的UUV均有相同的动力学模型,装备有相同的硬件设施,智能化也相同,这将造成系统资源的浪费。同时,有的任务需要不同的智能体协作完成,比如,水面船与水下航行器的协作,而不同智能体的动力学模型有很大的不同。因此面向实际应用,异构多UUV协调控制也是研究方向之一。

3 结束语

多 UUV协调控制是提高航行器工作效率、完成复杂艰难任务的有效手段。文中对近年来国内外有关多 UUV协调控制的几个关键问题进行了综述,阐述了多UUV编队控制、任务分配、协调路径规划和围捕等问题的研究现状,并进行了相应的分析总结和展望。同时归纳总结出了多UUV协调控制有待解决的问题,认为目前对多UUV协调控制的研究成果多是理论研究,对现实中具有强耦合非线性模型的协调控制研究比较少,针对海洋特殊环境下的弱通信约束条件下的协调控制研究也有待加强,同时异构多 UUV协调控制也是未来的研究方向之一。

虽然目前对多 UUV协调控制的理论研究有了较多成果,但随着日益复杂的作业环境和多样多变的任务需求,各种多 UUV协调控制技术也亟待急速发展,因此,未来迫切需要展开在通信约束和复杂环境下的高精度、强鲁棒协调控制算法研究。相信随着控制、通信、数据融合等技术的交融发展,多 UUV协调控制技术必将得到更深远的发展。