自主水下航行器(AUVs)是由機載計算機控制的水下航行器。AUV編隊是一種合作控制,主要是在執行任務時控制多個AUV在一個群體中移動。與單個AUV相比,多AUV編隊在許多應用中代表著更高的效率和更好的穩定性,如石油和天然氣工業、水文測量和軍事任務等。為了實現更好的編隊,有幾個關鍵因素,包括AUV性能、編隊控制和通信能力。然而,AUV編隊領域的大多數研究主要集中在編隊控制方法上。我們觀察到,對多個AUV編隊的通信能力和AUV性能的研究仍處于早期階段。對AUV編隊研究和發展的現狀進行全面的調查,對研究人員是有益的。在本文中,我們詳細研究了AUV、編隊控制和水下聲學通信能力。我們提出了一個具有三個維度的分類框架,包括AUV性能、編隊控制和通信能力。這個框架為未來AUV編隊研究提供了一個全面的分類方法。它還可以用來比較不同的方法,幫助工程師為各種應用選擇合適的編隊方法。此外,我們的調查還討論了具有通信約束的編隊架構,我們還發現了一些常見的誤解和與通信有關的編隊控制的可疑研究。
大多數研究只關注AUV編隊的一個研究課題。然而,由于水下通信和AUV特點的限制,AUV編隊成為一個跨學科的研究。典型的編隊控制方法可能無法滿足水下環境,因為大多數方法是在一些難以在水下環境中實現的強假設下開發的。盡管文獻[35]對AUV編隊進行了調查,但該文獻仍然主要關注控制技術,只是非常簡單地提到了通信,而且缺乏通信能力和編隊控制之間的關系。我們注意到,一些研究人員試圖解決帶有通信約束的AUV編隊問題,但由于AUV編隊的跨學科特點和相關知識的缺乏,研究人員用不切實際的假設對通信約束進行建模,并朝著可疑的方向研究。為了幫助研究人員避免不切實際的研究,從跨學科的角度來研究AUV編隊是很及時的。在本文中,我們對AUV編隊研究和發展的現狀進行了全面的調查。為了滿足跨學科的受眾,我們試圖將研究人員在開始研究AUV編隊之前應該考慮的所有初步背景方面歸納起來。此外,我們試圖指出迄今為止有疑問的研究,并找到AUV編隊領域的理論研究和實際情況之間的關鍵差距。我們的主要貢獻列舉如下:
據我們所知,這是文獻中第一次提出關于AUV形成的綜合調查,以滿足跨學科的受眾。我們提出了一個具有三個維度的分類框架,包括AUV性能、編隊控制和通信能力。這種分類可以幫助人們對AUV編隊進行研究和開發。
我們結合通信和控制領域的知識,研究了現有的AUV編隊論文。此外,我們為建立可行的AUV編隊提供了一些建議。
我們總結了幾個優秀AUV的配置和幾個著名公司的調制解調器產品清單。這個總結可以說明AUV通信和傳統的水下傳感器通信之間的區別。
我們找出了一些常見的誤解和與通信有關的編隊控制的可疑研究。例如,我們指出假設一個小的邊界延遲對于水下AUV編隊控制來說是不現實的和危險的;將控制信息減半并不能將流量減半,事實上,由于控制信息的長度較小和網絡協議頭的開銷較大,它只能將流量減少一丁點。
我們總結并深入討論了AUV動態和通信約束的數學模型。此外,我們指出了數學模型的潛在假設和限制。
本文的主要貢獻是為AUV蜂群編隊控制系統提供了一個教程和調查,以滿足跨學科的受眾,并討論了在通過分析和模擬來評估所設計的編隊控制系統時,從事該主題工作的人的主要錯誤。
基于設計實用AUV編隊的目的,我們列出了幾個未來的研究方向。
本文的其余部分組織如下。在第二節中,我們將AUV和編隊控制作為背景介紹。在第三節中,我們分別對AUV、編隊控制、通信約束和網絡拓撲結構進行分類。在第四節中,我們以跨學科的考慮討論和分析AUV編隊。此外,我們確定了幾個常見的誤解和有問題的研究。我們通過結合通信和控制領域的知識來研究AUV形成的現有論文。未來的研究方向和結論分別在第五節和第六節提出。
自主水下航行器(AUVs)是機器人平臺,通常用于收集環境數據,提供測深圖像,并執行操縱任務。這些機器人不僅用于科學,而且還用于工業和軍事目的。氣候變化、政治不穩定以及對可再生能源和化石能源日益增長的需求,使得人們對高性能AUV,特別是長距離AUV的需求。
長距離AUV的性能由幾個參數來描述,如自主決策、精確導航、系統可靠性和航行器續航能力。航行器的續航能力是實現長距離任務的關鍵能力,由能量容量和功率消耗決定。通過以最佳速度巡航,可以最有效地利用航行器的續航能力,從而實現最長的航行器航程。AUV的航程可以通過最大限度地提高可用的能量容量和最大限度地減少總功率消耗來延長。本論文展示了推進系統和動力源的選擇如何有助于提高AUV的航程。
功率消耗包括旅館負荷和推進功率。賓館負荷主要取決于有效載荷的傳感器,而推進功率可以通過選擇正確的推進系統而最小化。作為本論文的一部分,使用分析方法分析了水下滑翔機的過境性能。該分析產生了一個用于評估水下滑翔機能源效率的滑翔指標,并允許與其他常規推進系統進行比較。
AUV最常見的能源系統是一次和二次電化學電池,特別是鋰離子電池。替代能源系統,如燃料電池(FC)系統可以潛在地提高AUV的航程。通過一個使用現成組件的概念設計研究,顯示了FC系統如何能增加AUV的能量容量。FC系統通常作為混合系統與小容量的電池系統配對實施。需要能源管理策略(EMS)來協調這兩種電源。在這篇論文中,確定性的和基于優化的策略已經在模擬中進行了測試,并根據現場試驗的現實AUV電力消耗數據進行了評估。結果表明,EMS的復雜性需要隨著任務的復雜性而增長。雖然確定性方法可以為標準任務(如測深成像)產生最低的能量消耗,但基于優化的方法提供了最佳的負載跟隨行為,使這些方法更適合于通過保持電池的充電狀態來保持電源的可靠性。
創新和技術發展在科學的突破中一直發揮著重要作用。在過去的幾十年里,無人水下航行器(UUV)的使用已經徹底改變了水生探索。UUV可以部署在人類無法到達的深度和環境中,并且可以收集到其他方式無法獲得的數據。
近年來,人們對重新開放歐洲各地的廢棄礦區的興趣越來越大,這些礦區可能含有目前急需的原材料,其開發將減少歐洲對外部資源的依賴。最近一項關于歐洲廢棄礦場的調查收集了關于30000個礦場的數據,其中有8000多個礦場被淹沒。本論文為UNEXMIN項目框架內開發的創新解決方案做出了貢獻,該項目旨在探索這些被淹沒的地點,其中設計了一個新型水下平臺系統,名為UX-1。UX1機器人需要在未知礦井隧道的三維網絡中完全自主航行,因為不可能有任何通信,并收集各種地球科學數據。開發這個打算在挑戰性環境中執行的新型平臺,需要對其軟件和硬件模塊采取創新設計方法。
本論文的主要研究目標是設計、實現和驗證UX-1水下機器人的自主引導系統。該機器人新穎的機械設計及其獨特的機載科學儀器代表了該平臺的具體特征。這些儀器與潛水器本身的運動的協調,滿足每一種類型的傳感器的科學樣品捕獲的嚴格位置要求,必須由平臺的引導系統來保證。由于這些原因,UX-1的導向系統的設計和實施構成了一個獨特的研究挑戰。
此外,為了確保長期的自主性,需要有足夠程度的彈性,以便在受到意外事件干擾時保持和恢復系統的運行功能。為此,我們開發了一種先進的基于知識的自我意識技術,名為元控制。元控制器的設計是為了通過提高機器人的容錯能力來增加其自主性。一個自我診斷模塊被用來確定機器人的狀態,一個決策模塊被用來根據之前的診斷結果選擇整個機器人系統的最佳重新配置以實現最佳功能。
所提出的解決方案在復雜的情況下使用模擬、軟件在環(SIL)和硬件在環(HIL)方法進行實驗驗證,旨在以越來越高的保真度重現礦井隧道環境中的導航。代表最高保真度的HIL實驗要求將真實的硬件和軟件模塊,包括我們的制導系統,與部分模擬的環境讀數相結合。實驗是在一個水池中進行的,其中與定位有關的真實讀數被用于導航和控制目的,而測繪傳感器的讀數被繞過,以便復制不同的礦井隧道結構。在這些測試中獲得的結果證明了制導系統的有效性及其與機器人其他系統的適當整合,并驗證了UX-1平臺在淹沒的礦山環境中執行復雜任務的能力。
本論文分為七章,第一章介紹了論文的動機、問題陳述和目標,以及方法。論文的其余部分組織如下。
第二章介紹了機器人學的背景,機器人的分類,并回顧了水下航行器領域的技術現狀,重點介紹了UUVs。此外,還介紹了自主系統,以及自主水平(LOA)和技術準備水平(TRLs)的定義。
第三章介紹了水下探雷機器人UX-1,它被用作開發我們的引導系統的平臺。解釋了對機器人設計的要求和限制,詳細介紹了機器人的機械設計以及運動系統。此外,還解釋了UX-1的硬件組件和它的傳感器,以及它的軟件結構。
第四章介紹了制導系統。首先,介紹了水下機器人的路徑規劃和任務控制的技術現狀。然后,解釋了制導系統,以及它的子系統,即任務規劃器、行動執行器、軌跡發生器。最后,對幾個路徑規劃器進行了基準測試和討論。
第五章介紹了為實現容錯操作而開發的元控制器。首先,介紹了容錯和自我意識方面的技術現狀。第二,介紹了一般的元控制框架和TOMASys元模型的擴展。第三,解釋了使用TOMASys的UX-1機器人的本體建模。最后,討論了所提解決方案的好處和局限性。
第六章介紹了用于測試和驗證制導系統的實驗裝置。解釋了軟件在環(SIL)和HIL范式,以及使用的虛擬環境。然后,詳細介紹了用于制導系統驗證的實驗。
第七章包括結論和未來工作。
本書是基于作者最近在編隊控制問題上的研究成果,包括時變編隊、通信延遲和容錯編隊,針對多個具有高非線性關系、參數不確定性和外部干擾的無人機系統。與已有的研究成果不同,本書提出了一種基于線性二次型調節器控制方法和魯棒補償理論的無人機群分布式協同控制律的魯棒最優編隊設計方法。所提出的控制方法由兩部分組成:標稱部分以實現期望的跟蹤性能,魯棒補償部分以抑制高非線性、參數不確定性和外部擾動對全局閉環控制系統的影響。此外,本書還證明了它們的魯棒性。該魯棒編隊控制協議可以抑制通信時延和執行器容錯的影響,使編隊跟蹤誤差在有限時間內收斂到以給定常數為界的原點鄰域內。此外,這本書提供了關于所提出的方法的實際應用的細節,以設計多四旋翼和尾翼的編隊控制系統。此外,還提出了一種解決無人機編隊控制問題的魯棒控制方法,并對四旋翼無人機群和尾翼無人機群的協同飛行進行了理論和實驗研究。多無人機魯棒編隊控制適合系統和控制領域的研究生、研究人員和工程師,特別是從事魯棒控制、無人機群控和多智能體系統領域的人員。
無人機(UAV)有各種各樣的應用,如監視、邊境巡邏、建筑勘探、測繪和檢查,這些操作環境可能是危險的和難以進入的。在實際應用中,由于續航能力、載荷能力和覆蓋半徑的限制,單架無人機難以執行復雜任務。與單一無人機相比,多架無人機能夠同時執行復雜任務,這可以提高效率,并在單個故障時提供冗余。因此,近二十年來,無人機編隊飛行在軍事和民用領域都受到了廣泛關注。設計魯棒編隊控制器對于實現理想的編隊飛行具有重要意義。
無人機群的魯棒編隊控制器設計面臨諸多挑戰。無人機的動力學是高度非線性和耦合的。多種不確定性因素如未建模不確定性、參數攝動和外部干擾都會影響飛行控制系統的跟蹤性能。此外,在溯源、包圍目標等實際應用中,無人機編隊需要在保持時變編隊不變的前提下跟蹤期望航跡以完成任務。此外,單個無人機通過通信與其他無人機進行合作,實現信息共享。在信息交換過程中,不可避免地存在時滯,這可能會降低地層的控制性能,甚至使整個系統失穩。此外,每架無人機可能會受到某些執行機構故障的影響。在編隊控制框架下,單個無人機的執行器故障會通過交互拓撲擴散到相鄰無人機,影響整個系統的性能。上述所有問題都使無人機群難以實現理想的編隊控制性能。
本書是基于作者最近在編隊控制問題上的研究成果,包括時變編隊、通信延遲和容錯編隊,針對多個具有高非線性、參數不確定性和外部干擾的無人機系統。與已有研究不同的是,本文基于線性二次型調節器(LQR)控制方法和魯棒補償理論,提出了一種魯棒最優編隊設計無人機群分布式協同控制律的方法。該控制方法由兩部分組成:實現目標跟蹤性能的標稱部分和抑制高非線性、參數不確定性和外部干擾對全局閉環控制系統影響的魯棒補償部分。此外,本書給出了魯棒性的證明。該魯棒編隊控制協議可以抑制通信時延和執行器容錯的影響,使編隊跟蹤誤差在有限時間內收斂到以給定常數為界的原點鄰域內。此外,這本書提供了關于所提出的方法的實際應用的細節,以設計多四旋翼和尾翼的編隊控制系統。 本書的主要特點是提出了一種解決無人機編隊控制問題的魯棒控制方法,并對四旋翼無人機群和尾翼無人機群的協同飛行進行了理論和實驗研究。本書適合在系統和控制社區的研究生、研究人員和工程師,特別是那些從事魯棒控制、無人機群和多智能體系統領域的人。
無人系統(UMS)在北約軍事行動中發揮著越來越重要的作用,并將是構成未來戰斗力很大的一部分。然而,由于UMS使用的技術發展迅速,在如何衡量UMS的性能方面,很少有標準存在。這在自主性能方面尤其如此。這種缺乏商定的定義和測試方法的情況,極大地阻礙了UMS在北約全面行動中的使用。因此,迫切需要為用戶提供一種工具,不僅可以定義UMS的自主性水平,而且可以定量測量自主性對UMS任務性能的影響。
認識到這一需求,北約成立了AVT-175-RTG:無人系統(UMS)平臺技術和自主運行的性能。這個RTG定義了影響自主性和自主性能的技術,全面介紹了北約國家目前正在使用的潛在軍事應用的UMS系統,并對目前使用的測試方法、標準、自主性定義和自主性能評估工具進行了詳盡的審查。AVT-175的工作范圍在一定程度上受到了限制,因為缺乏與更高自主水平的全面行動有關的數據,因為自主的UMS還沒有被廣泛地用于北約任務。
根據技術、測試方法和自主性能方法的審查,AVT-175開發了一個新的工具,用于預測評估背景自主性能,即任務性能潛力(MPP)。目前的努力,即AVT-255 "無人系統自主運行任務性能潛力",試圖在軟件中實現MPP,并利用自主UMS運行的現場測試驗證代碼。
然而,AVT-255即使延長了一年,也沒能實現其目標。
AVT-255項目未能成功完成的原因有三個。
1)主要的代碼開發人員不得不退出這項工作。
2)驗證性的現場測試被取消了。
3)AVT-255的研究逐漸過時。
本備忘錄對AVT-255的時間表和有限的結果進行了詳細的解釋,并接著對自主UMS的測試和評估提出了下一步的建議。
單圖像超分辨率(SISR)是圖像處理中的一項重要任務,其目的是提高成像系統的分辨率。近年來,在深度學習(deep learning, DL)的幫助下,SISR取得了巨大的飛躍,并取得了可喜的成果。在本文中,我們概述了基于深度學習的SISR方法,并根據它們的目標,如重建效率、重建精度和感知精度進行分組。具體地,首先介紹了問題的定義、研究背景和研究意義。其次,介紹了相關工作,包括基準數據集、上采樣方法、優化目標和圖像質量評價方法。第三,詳細介紹了系統集成研究的基本原理,并給出了系統集成研究的一些具體應用。第四,我們給出了一些經典的SISR方法的重構結果,直觀地了解了它們的性能。最后,本文還討論了該研究中存在的一些問題,并總結了一些新的發展趨勢和未來的發展方向。這是對SISR的詳細調研,有助于研究者更好地理解SISR,并激發更多的研究。關于SISR的調研項目見//github.com/CV-JunchengLi/SISR-Survey。
引言
圖像超分辨率,特別是單圖像超分辨率是一種圖像轉換任務,受到了學術界和工業界的越來越多的關注。如圖1所示,SISR的目標是從退化的低分辨率(LR)圖像重建超分辨率(SR)圖像。它被廣泛應用于各種計算機視覺應用,包括安全和監控圖像、醫學圖像重建、視頻增強和圖像分割。
許多SISR方法的研究由來已久,如基于插值的雙三次插值和Lanczos重采樣[1]。然而,SISR是一個固有的不適定問題,總是存在多個HR圖像對應一個原始LR圖像。為了解決這一問題,一些數值方法利用先驗信息來限制重構的解空間,如基于邊緣的方法[2]和基于圖像統計的方法[3]。同時,也有一些被廣泛使用的學習方法,如鄰居嵌入方法[4]和稀疏編碼方法[5],這些方法假設LR和HR patch之間存在轉換。
最近,深度學習(DL)[6]在許多人工智能領域表現出比傳統機器學習模型更好的性能,包括計算機視覺[7]和自然語言處理[8]。隨著DL技術的快速發展,許多基于DL的方法被提出用于SISR,不斷地推動了SOTA的發展。與其他圖像變換任務一樣,SISR任務一般分為三個步驟:特征提取與表示、非線性映射和圖像重構[9]。在傳統的數值模型中,設計滿足這些過程的算法既費時又低效。相反,DL可以將SISR任務轉移到一個幾乎端到端的框架中,包含所有這三個過程,這可以大大減少人工和計算費用[10]。此外,考慮到SISR的病態性質會導致結果不穩定和難以收斂,DL可以通過有效的網絡結構和損失函數設計來緩解這個問題。此外,現代GPU使更深、更復雜的DL模型能夠快速訓練,表現出比傳統數值模型更強的表示能力。
眾所周知,基于深度學習的方法可以分為監督方法和非監督方法。這是最簡單的分類標準,但這個分類標準的范圍太大,不清楚。因此,許多技術上不相關的方法可能被歸為同一類型,而策略相似的方法可能被歸為完全不同的類型。不同于以往的基于DL的SISR調研[11]、[12]以監督為分類標準或以純文獻的方式介紹方法,本次調研試圖對基于DL的SISR方法進行全面概述,并根據其具體目標進行分類。在圖2中,我們展示了這次調研查的內容和分類。顯然,我們將基于DL的SISR方法分為四類:重構效率方法、重構精度方法、感知質量方法和進一步改進方法。本調研有明確的背景,便于讀者查閱。具體來說,本文首先介紹了SISR的問題定義、研究背景和意義。然后介紹了相關的工作,包括基準數據集、上樣本方法、優化目標和評價方法。在此基礎上,詳細介紹了各種方法,并給出了它們的重建結果。最后,本文還討論了該技術存在的一些問題,并提出了一些新的發展方向和方向。總的來說,本次綜述的主要貢獻如下:
(1) 根據基于dl的SISR方法的目標,對其進行了全面的概述。這是一個新的視角,使調研有一個清晰的背景,便于讀者查閱。
(2) 本綜述涵蓋了100多種SR方法,并介紹了近年來SISR擴展的一系列新任務和特定領域的應用。
(3) 我們提供了詳細的重構結果對比,包括經典的、最新的和SOTA SISR方法,幫助讀者直觀地了解它們的性能。
(4) 討論了SISR存在的一些問題,總結了一些新的發展趨勢和未來的發展方向。