随着自主无人潜航器(Autonomous Underwater Vehicle, AUV)在科技、军事以及生产等水下作业中应用的不断增加,AUV应用技术的研究越来越深入。在当前日益广泛的AUV技术研究领域中,环境感知与自主规避技术是AUV应用技术研究领域的关键技术之一。环境感知与自主规避技术直接关系到AUV的水下生存安全,决定着AUV自主能力水平的高低。本文针对AUV无法依靠先验知识适应未知环境的问题,研究了AUV在未知环境下的环境感知与自主规避方法。论文研究旨在提高AUV对未知环境的感知能力,实现AUV自主规避行为的在线优化。首先,论文对AUV的系统进行了描述,重点介绍了AUV中用于环境感知的传感器系统组成。考虑到多波束前视声纳在狭小空间中应用时效果受到影响,本文中将采用多元测距声纳阵列来代替多波束前视声纳。针对本文研究对象采用的多元测距系统,论文详细分析了多元测距系统和多波束前视声纳的性能差异。同时,作为研究的铺垫,论文建立了AUV的坐标系统,得到了研究对象的运动学模型。其次,实现了基于多元测距系统的AUV环境感知。声纳信息的获取和理解是环境感知的基础,为此,论文根据单波束声纳的性能特点,设计了多元测距系统的分时工作模式,有效解决了多元测距声纳阵列同时工作时存在的干扰问题。针对声纳数据的不确定性,论文对声纳数据的理解方法进行了研究,为AUV的环境模型的建立提供了可靠环境信息。本文参考栅格法的建模原理,通过对栅格法的改进,提出了多元测距AUV环境模型建立的方法。然后,论文提出了基于Q-学习算法的AUV自主规避方法。在未知环境下,AUV只有具有对规避行为的在线学习和优化能力,才能更好的适应环境。论文依据AUV自主规避过程的实际情况,确定了Q-学习算法中各要素的实现方法,得到了基于Q-学习算法的AUV自主规避方法。该方法以AUV环境感知系统获得的环境信息为依据,实现了AUV对规避行为的在线优化。最后,论文通过设计仿真案例,对所设计的AUV自主规避方法进行了验证。针对不同的约束条件,对不同情况下的自主规避行为进行了仿真验证。而且通过设计AUV使命任务的仿真案例,验证了所设计的AUV自主规避方法的泛化能力。
