本發(fā)明涉及信息，尤其是一種基于能耗感知的水下機器人自主導航方法。

背景技術：

1、隨著水下機器人技術的發(fā)展，機器人在復雜的海底環(huán)境中執(zhí)行任務的能力顯得尤為關鍵，這些環(huán)境通常包含不確定的水流速度、方向和水壓動態(tài)因素，為了有效地導航和執(zhí)行任務，機器人必須能夠準確地感知并適應這些變化，此外，機器人的能耗管理也成為了一個挑戰(zhàn)，因為水下操作通常伴隨著高能耗和有限的能源供應。

2、因此，構建一個能夠實時預測并優(yōu)化能耗的多維度時空能耗感知模型顯得尤為重要，該模型需結合水流速度、水流方向、水壓環(huán)境參數(shù)和機器人的速度、姿態(tài)狀態(tài)參數(shù)，實現(xiàn)精準的能耗預測和路徑規(guī)劃。

3、本發(fā)明解決的技術問題包括如何在局部能耗地圖尚未覆蓋全局目標位置的情況下，有效地進行導航?jīng)Q策，在這種情況下，機器人需要在局部地圖范圍內，以當前位置為根節(jié)點，生成隨機采樣樹并選擇能耗代價最低的路徑，此外，該技術問題也涉及到如何在動態(tài)變化的水下環(huán)境中，準確預測分支延伸方向上的能耗和水流變化趨勢，以指導采樣樹的生長方向，這要求機器人的感知系統(tǒng)能夠實時且準確地獲取環(huán)境參數(shù)，并將這些參數(shù)有效地融合到能耗感知模型中，同時，需要處理的另一個關鍵問題是如何確保在全局路徑規(guī)劃時，能夠實時更新局部能耗地圖，并在此基礎上計算出能耗最優(yōu)的全局路徑，這些技術問題是相互關聯(lián)的，解決它們對于提高水下機器人的自主性和效率至關重要，但同樣也充滿挑戰(zhàn)。

4、基于能耗感知的水下機器人自主導航中的環(huán)境建模技術需要對水下環(huán)境進行精確建模，傳統(tǒng)的環(huán)境建模技術如slam技術主要關注環(huán)境的幾何特征而忽略了環(huán)境的能耗特征，通過引入能耗感知機制優(yōu)化導航策略，考慮水流、水壓因素對機器人能耗的影響，構建包含能耗特征的水下環(huán)境模型，為水下機器人的能耗感知自主導航提供環(huán)境信息支持。

技術實現(xiàn)思路

1、本發(fā)明為了解決上述存在的技術問題，提供一種基于能耗感知的水下機器人自主導航方法。

2、本發(fā)明的技術方案是這樣實現(xiàn)的：一種基于能耗感知的水下機器人自主導航方法，主要包括：

3、根據(jù)機器人攜帶的多傳感器融合數(shù)據(jù)，獲取水下環(huán)境參數(shù)，包括水流速度矢量場、水壓分布和障礙物分布圖，同時結合機器人狀態(tài)參數(shù)，包括速度、姿態(tài)和能耗數(shù)據(jù)，構建多維度時空的能耗感知模型；

4、針對能耗感知模型，采用基于圖的slam算法，構建包含位姿節(jié)點和能耗節(jié)點的因子圖模型，將位姿節(jié)點表示機器人在環(huán)境中的位置和方向，將能耗節(jié)點表示該位姿下的能量消耗值，將節(jié)點間的邊表示位姿約束和能耗約束；

5、結合因子圖模型和能耗感知模型計算位姿間的能耗增量，形成能耗增量因子，與傳統(tǒng)的視覺、里程計因子一起，優(yōu)化因子圖方法，求解位姿和能耗的最大后驗估計；

6、將位姿和能耗的最大后驗估計與機器人狀態(tài)參數(shù)融合，得到一個包含環(huán)境參數(shù)的空間分布和各個位置的能耗預估值的局部區(qū)域環(huán)境能耗地圖，根據(jù)機器人探索區(qū)域的擴展實時更新局部能耗地圖；

7、若當前局部能耗地圖覆蓋全局目標位置，進行全局路徑規(guī)劃，采用八叉樹結構，在樹形空間內以能耗最優(yōu)為目標搜索，根據(jù)路徑長度和能耗計算全局能耗最優(yōu)路徑；

8、若當前局部能耗地圖尚未覆蓋全局目標位置，則僅在局部能耗地圖范圍內進行導航?jīng)Q策，以機器人當前位置為根節(jié)點，在鄰域內生成隨機采樣樹，根據(jù)水流方向、水流速度，機器人位姿和能耗的最大后驗估計，選擇能耗代價最低的分支作為局部能耗最優(yōu)路徑，同時預測分支延伸方向上的能耗和水流變化趨勢，引導樹的生長方向；

9、將上述全局或局部能耗最優(yōu)路徑離散為控制航點序列，生成控制指令，通過運動控制模塊執(zhí)行，運動控制采用自適應pid控制器，在跟蹤期望航點的同時，根據(jù)實際能耗與預期能耗的偏差，在線調整控制參數(shù)；

10、在機器人運動過程中，持續(xù)進行環(huán)境感知和能耗建圖，當實際能耗嚴重偏離預期，觸發(fā)局部路徑重規(guī)劃，生成能耗補償策略，若環(huán)境發(fā)生重大變化導致當前路徑失效，則需重新執(zhí)行全局規(guī)劃。

11、有益效果

12、本發(fā)明通過融合多傳感器數(shù)據(jù)，獲取水下環(huán)境參數(shù)和機器人狀態(tài)參數(shù)，構建了一個多維度的能耗感知模型，解決傳統(tǒng)方法中對水下環(huán)境感知不夠全面、能耗建模不精確的問題，采用創(chuàng)新的因子圖模型，將位姿和能耗節(jié)點進行優(yōu)化，提升能耗預估的精度和路徑規(guī)劃的合理性，通過動態(tài)更新的局部能耗地圖和實時導航?jīng)Q策，確保機器人在復雜水下環(huán)境中的高效、低能耗運行，并且在環(huán)境變化時能夠及時進行路徑重規(guī)劃和能耗補償，解決環(huán)境變化對路徑規(guī)劃的影響，保證任務執(zhí)行的穩(wěn)定性和可靠性。

技術特征：

1.一種基于能耗感知的水下機器人自主導航方法，其特征在于：

2.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s101步驟采用卡爾曼濾波、貝葉斯估計多傳感器數(shù)據(jù)融合算法對所述傳感器數(shù)據(jù)進行融合處理，得到水下環(huán)境參數(shù)。

3.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s102步驟采用基于圖的slam算法，構建包含位姿節(jié)點和能耗節(jié)點的因子圖模型，采用能耗感知模型計算相鄰能耗節(jié)點之間約束關系，構建能耗因子，將能耗信息引入因子圖模型。

4.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s103步驟根據(jù)因子圖模型和能耗感知模型，構建能耗增量因子；采用圖優(yōu)化庫，通過最小化所有因子的誤差平方和。

5.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s104步驟根據(jù)機器人的狀態(tài)參數(shù)和環(huán)境參數(shù)，采用高斯過程回歸方法，建立狀態(tài)參數(shù)與環(huán)境參數(shù)之間的非線性映射關系，得到參數(shù)空間分布，并利用能耗在空間上的相關性和時間上的連續(xù)性進行平滑處理，采用基于機器人運動速度和探索區(qū)域大小動態(tài)調整窗口大小的滑動窗口策略，通過設置速度和區(qū)域大小的閾值，動態(tài)調整局部地圖窗口的尺寸,將環(huán)境因子作為先驗因子引入因子圖，構建環(huán)境因子與位姿、能耗因子之間的約束關系。

6.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s105步驟根據(jù)所述局部能耗地圖，采用八叉樹結構對全局地圖進行空間劃分，得到葉子節(jié)點，每個葉子節(jié)點對應一個局部能耗地圖塊；代價函數(shù)使用a*啟發(fā)式搜索算法進行路徑規(guī)劃。

7.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s106步驟利用高斯過程回歸方法，對矩形區(qū)域內的水深、水流速度、地形起伏進行插值或外推預測，當機器人當前位置距離地圖邊界的距離小于閾值時，通過激光雷達、聲吶傳感器采集新的環(huán)境信息，并利用因子圖優(yōu)化方法，將新信息融合到原有地圖中。

8.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s107步驟根據(jù)水下機器人的控制需求，將規(guī)劃得到的全局或局部能耗最優(yōu)路徑進行離散化處理，得到離散的控制航點，每個航點包含期望的位置、速度、航向信息；根據(jù)離散化后的控制指令序列，采用pid控制、滑模控制、自適應控制算法，將能耗偏差作為反饋量，采用最優(yōu)控制或自適應動態(tài)規(guī)劃的方法，調整水下機器人的速度、加速度控制輸入；通過計算最大偏差、均方根誤差評估指標。

9.根據(jù)權利要求1所述的一種基于能耗感知的水下機器人自主導航方法，其特征在于：所述s108步驟根據(jù)機器人上搭載的多源異構傳感器獲取水下環(huán)境的地形、地貌、障礙物、水流、水質多維度信息，采用擴展卡爾曼濾波slam與圖優(yōu)化slam相結合的方式，其中，所述擴展卡爾曼濾波slam用于在線遞推更新機器人位姿和局部地圖，局部路徑重規(guī)劃采用改進的a*搜索算法。

技術總結
本發(fā)明公開了一種基于能耗感知的水下機器人自主導航方法，包括通過融合多傳感器數(shù)據(jù)，獲取水下環(huán)境參數(shù)和機器人狀態(tài)參數(shù)，采用基于圖的SLAM算法，構建包含位姿節(jié)點和能耗節(jié)點的因子圖模型，通過將位姿和能耗的最大后驗估計與機器人狀態(tài)參數(shù)融合，得到局部區(qū)域環(huán)境能耗地圖，并根據(jù)機器人探索區(qū)域的擴展實時更新局部能耗地圖，若當前局部能耗地圖覆蓋全局目標位置，根據(jù)路徑長度和能耗計算全局能耗最優(yōu)路徑，若當前局部能耗地圖尚未覆蓋全局目標位置，觸發(fā)局部路徑重規(guī)劃，生成能耗補償策略，若環(huán)境發(fā)生重大變化導致當前路徑失效，則需重新執(zhí)行全局規(guī)劃。

技術研發(fā)人員：向丹,肖明明,鐘君柳
受保護的技術使用者：廣州航海學院
技術研發(fā)日：
技術公布日：2024/12/19