国外AUV研发现状综述

《国外AUV研发现状综述》由会员分享，可在线阅读，更多相关《国外AUV研发现状综述（10页珍藏版）》请在装配图网上搜索。

1、国外 AUV 研发现状资料（一）：以下资料来自：（1）美国根据1994年美国海军制定的水下无人航行器（UUV）发展计划，包括AUV和ROV （遥控 航行器）两个方面的研究涉及五个领域：运载器、能源、传感器、导航与控制、通信。其它 方面的研究包括：1）AUV和ROV探测网反潜的研究，利用探测网进行水下三维探测，通过 就地采样或层析获得的环境信息有利于提高反潜探测，同时还可以利用多个小型分散平台与 有人平台一起构成反潜作战探测网；2）作为武器平台，携带近程攻防武器对敌方潜艇进行 秘密攻击；3）布设水下通信网络；4）进行海洋探测。美国海军主要研制UUV的单位包括：美国海军水下作战中心（NUWC）、美

2、国海军研究局（ONR）、美国海军海洋系统中心 （NAVOCEANO）、美国海军空间和海战（SPAWAR）系统中心、美国国防高级研究计划局（DARPA） 和查尔斯斯塔克德雷珀实验室（CSDL）、美国海军研究生院（NPS）等。此外，麻省理 工学院、Woods Hole海洋研究所、通用动力公司和雷声公司、洛克希德导弹和宇航公司、 佩里技术公司等，下面分别就各单位的AUV研发情况进行介绍。美国海军空间和海战（SPAWAR）系统中心：该中心主要从事AUV的指挥和控制系统、光纤和水声通信系统、非金属材料和运载器总 体的研制。该中心拥有三个UUV试验运载器：先进的无人搜索系统（AUSS）、自游者II （Fr

3、ee Swimmer II-SFII）和飞行插塞（Flying Plug）。AUSS是一个用于深海搜索的鱼雷形AUV， 全长5200mm，直径800mm，重量1230kg，以最大速度6kn航行航力为10小时，采用20kWh 银锌电池，推进装置为2个垂直推进器和2个纵向推进器。AUSS带有水声通信设备，可在 水深6000m的水下向水面传送侧视声纳数据或CCD电视信号，AUSS是自主式的，它对目标 的搜索时间只需常规拖曳式搜索系统的1/10。该AUV通过声遥链控制，已经通过了演示和 鉴定。此外，自游者是一种可用作自主式运载器的鱼雷形UUV,飞行插头是一种小型运载器。麻省理工学院：由麻省理工学院研制

4、的ODYSSEY AUV主要用于科学考察和海洋自动取样网络研究，该 AUV长度为2200mm，直径570mm，水平运动速度大于4kn,爬升速度大于3kn，续航力6小 时（3kn时），如果采用最大电池结构，续航力可达24小时。该AUV主要采用1.1kWh的银 锌电池（采用最大电池结构时5kWh），推进系统在四个控制面之后有一个电动推进器。Woods Hole海洋研究所：由该海洋研究所研发的ABE AUV主要用于深海海底观察，其特点是机动性好，能完全在 水中悬停，或以极低的速度进行定位、地形勘测和自动回坞。该AUV长2200mm，速度2kn， 续航力根据电池类型在12.87193.08km之间。其

5、动力采用铅酸电池、碱性电池或锂电池。通用动力公司和雷声公司1988 年,通用动力公司开始研制XP-21 AUV，该AUV的研制工作目前已由雷声公司承担。 XP-21是一型直径为533mm的自主式AUV,采用模块化设计，长度可在2.447.32之间任意 选择，其标准型的重量为635kg，速度为05kn,工作深度为9.143653.63m。该AUV主要 用于水雷战。其侧视声纳为双频、单波束、数字式声纳，频率为100kHz和500kHz。高频用 于探测大型水雷，低频用于探测沉底雷并对其进行分类。前视声纳采用多波束数字式声纳， 可填补侧视声纳的探测盲区，以探测和分类沉底雷和锚雷，同时也可用于避障。美国

6、国防高级研究计划局（DARPA）和CSDLDARPA和CSDL已经建成了两个可用作试验平台的AUV,该AUV长10.97m,直径1.112m, 重6804kg，第一个AUV的最大工作深度为304.48m,第二个为457.2m。该航行体采用12马 力的无刷电机，最大航速为10kn,续航力为24小时。这两个AUV已经成功完成了海试。佩里技术公司佩里技术公司研制的M UST（机动系统试验）AUV是一种供试验和演示用的AUV,长9.144m, 重8834.8kg,工作深度60.96m。该AUV采用10马力主推进电机，电源为铅酸悬挂式电解电 池组，航速为08kn。推进系统采用于个推进器，使航行体可作悬停

7、、垂直或横向运动。美国海军研究生院（NPS）NPS于1987年开始研制AUV,其第一代AUV为NPS AUVI,全长只有76.2cm,宽17.78cm, 高1016cm。第二代NPS AUV II全长2.1336m,可用作控制技术、人工智能和系统综合等基 础研究的平台，采用场台高频定向换能器、2台正反转10cm螺旋桨、铅酸电池、Gespac计 算机和平面的控制面。其推进器可使航行体的姿态得到控制，并在水中保持稳定。其他单位的UUV研制情况美国海军水下作战中心（NUWC）正在研制两个供试验用的UUV：大直径水下无人航行体 （LDUUV）和直径21英寸的UUV（21UUV）,这两种UUV是为评价U

8、UV的各种负载及先进技 术而研制的，其中的许多先进技术将直接应用于远期水雷侦察方案（LMRS）中。1999年，波音公司于2000年11月向美国海军交付首套样机（包括回收装置、任务规 划/分析计算机、两条AUV），其中AUV长6m，直径530mm，重约450kg,可从鱼雷发射管发 射，航行时间4050小时。（2）加拿大加拿大在UUV领域的研究工作已开展了 20多年，除了各种各样的ROV,他们也在建造 AUV,其中几家公司已研制出了铝-氧化银电池，正在AUV进行试验。（3）英国英国政府出资研制的AUV由三家公司联合研制（马可尼水下系统公司是总承包商），其 首要技术目标是开展极地冰下研究和搜集近海海

9、洋学信息。该AUV的主体采用鱼雷壳体改进 而成，全长6.5m，直径533mm，稳定鳍直径900mm，重量1315kg，额定航速度5kn,工作深 度300m，续航力36小时，航程大于300km。能源采用耐高温钠硫电池，电池组向48伏总线 上提供37kWh的有效电能，无刷直流推进电机靠48伏总线供电。控制舱内装有精确测量航 向与航速的导航系统，能修正潮汐与海流引起的误码率差。尾舱装备有通信电子设备、卫星 定位信标、雷达遥控器与应答器等。尾端的推进电机安装在耐压壳上，直接与推进器连接。此外，英国还参加了欧共体的一项合作研究，目前正从事AUTOSUB方案的研究，为欧共 体开发一个试验型AUV,该AUV

10、被称为海豚（Dolphin），其工作深度为6000m，据称其续航 力很长，能从英国航行到美国，并搜集海洋数据。（4）德国德国的STN、HDW等几家公司正在为德国海军研制一种用于反潜战的水下无人航行体 TCM/TAU 2000鱼雷对抗系统。该系统主要由探测设备及信号处理装置、指挥控制装置、 发射集装箱、4个铰接盖板和TAU效应器组成，能进行全方位的区域侦察，作战系统信号处 理时间短、反应速度快；发射速度快、使用效应器后可不受潜艇战术的限制；效应器对付轻 型鱼雷和重型鱼雷的威胁，都有很高的效能。由于采用了模块化设计，该系统能很容易地装 配到209、212级潜艇上，其费效比很好。STN公司开发的名为

11、“深海” C（DeePC）的新型自主水下航行器，续航时间60小时， 潜深达4000m,直径1m,重约2000kg。STN公司计划在DeePC 上使用许多新技术，包括碳纤 维增强塑料、缩微燃料电池、长航时水下导航系统等。STN公司计划2007年研制出完整的 DeePC, 2010年达到实用。（5）挪威挪威国防研究机构研制了一种流体阻力较低的AUV,它原来的任务是用于进行侦察，现 在主要是用于进行海洋研究。该AUV采用镁一海水电池作动力，通过水声链进行遥控，遥控 距离达110海里。如果采用比能高的电池（低压镁一海水电池），该AUV的潜在航程可达 11001200 海里。（6）前苏联前苏联于70年代

12、就开始了 AUV的研制工作，前苏联在AUV的研制方面取得了一定的成 果并积累了相当丰富的经验。90年代中期建造的几个AUV就在太平洋、大西洋和挪威海成 功地进行了深海搜索和回收工作。前苏联在水下航行体的结构材料方面取得了突出的研究成果，其钛合金加工制造和焊接 方面居世界先进水平。此外，在发展复合材料、陶瓷材料方面也取得了很大成就。这些技术 对其他国家发展AUV起到了促进作用。苏联解体后，这些优势就被俄罗斯和乌克兰所继承。 韩国向俄斯购进了有关技术，并合作开展了 AUV的研制。（7）日本日本的UUV技术在民用方面主要用于地震预报和海洋开发（如：水下采矿、海底石油和 天然气的开发等），参与部门和机

13、构包括日本科学技术中心JAMSTEC）、国际贸易工业部、 运输部、建设部、机器人技术协会、日本深海技术协会等。日本耗资6千万美元建造的Kaiko Rox现在已经能下潜到世界上最深的海底。在军用方面主要是用于灭雷具的R0V研制，如：日本海军的S-5和S-7灭雷具。此外， 日本海军也在研究AUV的技术工作，但相关报道很少。（8）韩国韩国Daewoo重工业公司的船舶海洋研究所同俄罗斯海洋研究所共同合作研制了名为 0KPL-6000的自主式水下无人航行体，该AUV形状象鱼雷，主要用于深海探测、搜索与观察 海底沉没物体、以及科学研究。该AUV长3.8m，直径0.7m,重980kg，最大工作深度6000m

14、， 最大巡航速度3kn，续航力10小时，动力采用银锌二次蓄电池，推进系统采用四个电动推 进装置。OKPL-6000 AUV已进行了三次考察试验，记录了大量的图像、视频电影和海底地图。 此外，该AUV还对水深为2300m的东海以及5500m的太平洋海底进行了观察。二、重点技术及其发展AUV的设计材料：AUV材料技术开发的重点是廉价的轻型材料，这类材料应具有大浮力、大强度、 耐腐蚀及抗生物附着等特点。材料类型包括塑料、玻璃钢、陶瓷和合成物等，可以用玻璃纤 维和石墨碳复合材料制造高强度轻型非铁质壳体。使用石墨复合材料的难点是穿透壳体的零 件的密封、壳体连接、肋骨配置形式以及散热问题。采用金属基体复合

15、材料也许能解决上述 难题。低阻力技术：设计AUV形状时，需综合考虑其内部空间的使用情况及释放/回收的难易 程度等因素。目前各研究机构正在继续研发AUV的新型流体动力设计，但近期的设计大多采 用鱼雷形状。低速控制：水下航行器的低速控制装置包括五个基本部分，即控制水下航行平衡和攻角 的可变压载系统、六自由度定位的垂直和横向推进器、为高速航行提供升力的艉控制面和控 制前进/后退运动的轴向推进器。目前已对AUV的低速控制进行了成功模拟，并将非线性自 适应滑动方式控制理论应用于水下航行器上。试验证明，滑动方式控制可以有效地进行精确 跟踪和控制。降噪：目前在研的AUV降噪方法包括采用机械隔离装置、吸声外壳

16、涂层、低噪音推进电 机和螺旋桨等。推进/能源系统常规推进/能源系统（如：铝-氧化银和铝-过氧化氢新型电池）能给AUV提供2天的工 作时间，而燃料电池和热推进系统可为AUV提供数天（并有望长达数周）的作业时间。由美 国Alupower公司开发的铝-氧半燃料电池采用铝阳极为燃料、外部氧化剂为反应剂、氢氧化 钾为电解液。这种电池有一个独特的自管理电池外壳，使反应时产生的铝沉淀物聚积在电池 外壳的底部，避免了使用其它燃料电池中所用的电解液泵和循环系统。然而，与采用电解液 泵系统的电池相比，这种电池的功率密度较低。相比之下，银氧化物锌电池是现有商用电 池中能量密度最高的一种，它也是美国海军大量使用的一种

17、水下航行体动力电池。不过，银 氧化物-锌充电电池的缺点在于：充电时间长（30小时），使用寿命短，且在低温下性能差。 美国海军水下武器中心（NUWC）达尔根分部正在开发的充电式锂钻电池的能量密度和使用寿 命预计比银锌-氧化物电池都有所提高。他们用一个30安培小时的锂电池与一个30安 培小时的银锌一氧化物电池进行试验比较，结果证明锂电池的能量密度比预计的提高了 40%-50%,使用寿命提高了一倍。此外，锂电池的运行效率在低温（零下2摄氏度）下是银 锌一氧化物电池的四倍。由于采用了具有良好的电一化稳定性的液体甲酸盐电解液，这种锂 电池的充电速度也得到提高（10小时）。在热系统方面，宾夕法尼亚州立大学

18、的应用研究实验室在MK50鱼雷的SCEPS （存贮化 学能量推进系统）的基础上开发出高能量和高功率密度的鱼雷和AUV热推进系统，该系统通 过毛细管作用缓慢吸入燃料，以便产生高能量的远距离推进。燃料与六氟化硫在燃料室中混 合，从而产生热量，并通过工作液传给兰金或斯特林热发动机。此外，宾夕法尼亚州立大学的应用研究实验室还开发了一种用于AUV的复合推进器，该 推进器的核心是一台单轴旋转导管螺旋桨，其余部分是前导流片，以便获得桨叶的最大效率； 位于桨后出流处的控制面可以保持较好的低速控制;后导流片可以消除翼片周围的旋涡并减 小辐射噪音。该推进器的设计有效利用了能量，导管式螺旋桨控制流入的水量，从而降低

19、了 推进器对设计以外的作业条件下的灵敏度，并提高了效率。导航系统由于受到尺寸、重量及电源使用的限制，要在水下无人航行器上实现非常精确的导航系 统是相当困难的，再加上对AUV的一些其他要求，如：隐蔽作业、高可靠性、恶劣环境下的 作业及全球作业等，就使得AUV的导航更加复杂化了。对于AUV导航系统来说，有两个关键 的领域，即传感器数据的综合和导航传感器技术的进展。AUV导航系统仍面临的一些问题：由于传感器固有的误差，惯性导航系统不能满足所有 水下无人航行器的导航要求；隐身、功率及尺寸等要求使速度声纳受到限制；尽管全球定位 系统接收机可提供理想的修正装置，但需要航行器浮出水面定位，隐蔽性差。针对这些

20、问题， 目前各研究机构及制造商都在努力开发新的传感器。在惯性导航系统的制造商们追求先进的 陀螺及加速仪技术的同时，速度声纳的生产厂商努力研制综合多普勒速度声纳及相关速度记 录仪。此外，美国海军水下战中心也在发展非传统性导航技术（NTN），该技术包括海底地 形匹配、地形跟踪及引力导航，其目标是利用宏导航与微导航发展一种深海测量地形匹配技 术。除上述几个方面外，AUV的关键技术还涉及传感器技术、图像处理、视频图 像的水声传输、位置偏差的修正方法等。通过开发更精确的速度传感器可延长大 地定位间隔的时间，从而增加AUV在作业场所的时间，并提高隐蔽性。新型的换 能器技术和计算机技术将为目标探测、避障和目

21、标识别提供高分辨率的图像。在 研的AUV多任务智能管理器/控制器将推进AUV智能化管理的进程。(二) 、以下资料来自IE文献(1)、RWBlakei, H Ng2, K H S Chanl and J Lii.Fish and chips: implementation of aneural network model into computer chips to maximize swimming efficiency in autonomous underwater vehicles. 15 July ,2008 注：1 Department of Zoology, University

22、of British Columbia, British Columbia, V6T 1Z4, Canada2 Information Technology, University of British Columbia, British Columbia, V6T 1Z2, Canada文章大体内容:在文章中作者介绍他们开发了一种计算机控制单元的芯片来 优化相对于流速的推进效率。传感系统将关于外部流体的信息的感知信号传递给 CPU,然后CPU处理后将发送控制信号给控制器，使得各个操作单元在感知外部 流体情况的条件下以最大化效率应行从而可以节省电池的能量，延长AUV的工 作时间或者可以增加它的

23、有效载荷，或者可以为其他的功能提供更的能量。文中所使用的方法：作者创造出三个基于多层感知神经网络模型的计算机芯 片，这种神经网络模型是基于刀鱼在水里游动的效率(of the hydrodynamic efficiencies of swimming in the knifefish Xenomystus nigri Gunther。)，将这些芯 片用于对AUV的控制。具体来说一种神经网络应用到计算机芯片经过以下步骤:(1) 基于实验数据选择最佳拓扑构建网络；(2) 对决定因素进行灵敏度分析从而得到弗劳德效率n p；(3) 确认并测试神经网络的预测性；(4) 将神经网络模型安装到电脑芯片。文中给

24、出了了一部分决定因素，同时给出了对各因素部分的算法。结论：高质量的计算机芯片是体现在他们输出均相等的神经网络模型。这个 支持将他们嵌入到AUV的CPU提议。文章中图1(一)(如下所示)表明，神经网络 模型对侧向速度w和前向速度是最敏感的。推进器的效率值高达0.7,渐近线的0.9 的位置能得到更高的前进速度。(Figure 1(A) shows that the neural network model is most sensitive to the fin lateral velocity W and the forward velocity U 。 The values of propul

25、sive efficiency exceed 0.7 and asymptote at about 0.9 at higher forward velocities。)Figure 1(A) Sensitivity for the predicted efficiency n p (defined as the change in the mean output for every 50 divisions within 1 SD of the mean input), swimming speed U, lateral velocity of the fin W, lateral veloc

26、ity of pushing on the water slice w, thrust T, mean thrust power P, kinetic energy wasted in the wake Pkin and mean total power Ptot. (B) Three-dimensional plot of the predicted output n p as a function of the lateral velocity of the fin W and swimming speed U.(2)、Autonomous underwater vehicle colli

27、sion avoidance for under-ice explorationM PebodyUnderwater Systems Laboratory, National Marine Facilities, National Oceanography Centre Southampton, EuropeanWay, Southampton, SO14 3ZH, UK.The manuscript was received on 6 February 2007 and was accepted after revision for publication on 18 July 2007.D

28、OI: 10.1243/14750902JEME81文章大体内容：2004年8月22日水下机器人Autosub-2在它24小时水下航行 144公里的任务途中，在属于北冰洋海域的格陵兰岛东北部的罗斯文浅滩海域的 规程路线上遇到悬漂在水中的冰体。经过3次尝试，Autosub-2找到一条绕过冰体 的路径继续航行到达与母船会和的地点。文章中介绍了 Autosub-2的发展，测试, 碰撞冲突操作，障碍物避免技术以及Autosub-2在南极冰下的探险。150 KhzADCP and PKINS INSPropulsion Mofor beaiTi widtti, range 450mSim rad Mes

29、otech 1Echo Souncter10 beam width, range 150mOigiquartz Pressure Sensor 0 - 4000mAutosub-2的模型如下所示：* 护 beam width,range 200m文中介绍了Autosub的导航系统，艇舵控制，stern-plan控制，任务控制， 碰撞避免，冰下操作(冰下环境和碰撞避免要求)，Autosub的感知系统，Autosub 的检测，测试，操作等。文中介绍碰撞避免主要依靠机器人的ADCP和前向扫描 角度在水平线以下30度范围的传感器信号的综合来探测海底障碍物的高度，从而 做出相应的反应。两种信号的结合是通

30、过公式： MinimumAltitude=Least_of(ADCP_Range, (eecho_sounder_rangexK )。在水下操作一章中介绍了几种可能遇到的障碍物如漂浮的冰山，大陆架延伸的不明特征的冰，沿海岸冰崖等。 Autosub-2的感官系统概括如下：(1) 、向下ADCP改为一个150赫兹模式并因此可以在450米范围内深水里 进行海底跟踪导航；(2) 、一个300千赫向上观察ADCP被用来当作头顶范围传感器，让导航传 感器 跟踪在头顶的冰确认是否在其范围内；(3) 、一个Ixsea PHINS惯性导航系统(I NS)与向下观察ADCP进行整合。减少航行错误的距离在0.1%0

31、.2%(借助bottom-tracking ADCP)。(4) 、前向Simrad Mesotech传感器的频率改为120 kHz,从而使传感器的感 知范围曾达到约150米。（5）、深度传感器提供的资料从upward-looking传感器检测到。文中使用的范围判别伪代码：IF range up voverhead limit AND range down minimum ice thicknessTHEN IceOverhead=TRUE文中没有给出蔽障的具体算法，只是概略介绍。（三）、Dov Kruger, Rustam Stolkin, Aaron Blum, Joseph Brigant

32、i.Optimal AUV path planning for extended missions in complex, fast-flowing estuarine environments.Manuscript received September 15, 2006. This work was supported by the U.S. Office of Naval Research, Swampworks, grant #N00014-05-1-00632.D. Kruger and R. Stolkin are researchers at the Center for Mari

33、timeSystems, Stevens Institute of Technology, Hoboken, NJ 07030 USA. Phone: 201-216-5300; fax: 201-216-8214;e-mail:,.A. Blum and J. Briganti, Jr., are undergraduate students in the Department of Computer Science at Stevens Institute of Technology. Email ,文章大体内容：文章通过讨论了路径参数，成本函数，最优化技术等提出有 效率的产生最优AUV路

34、径的问题。文中提出在具有高速水流的潮汐河口三角湾 的地方部署一个具有较高速度的AUV,能够在河流迅速转换位置（能够在几米 的范围内经常地转换方位），在短时内（通常是一个潮汐周期）有明显改变。文章中提出一项能够使AUV通过利用顺流，避免逆流，最大的速度最小的 能量消耗,考虑蔽障等自主的设计最佳路径的技术。相比较,这项技术提供较高 灵活性的路径参数，不需要离散化，简单化运动空间，允许任何方向的水流，并 且水流速度在时间和空间上不断地变化，同时这个方法能够随时随地的为导航点 的连续校正提供支持，使得高效的路径规划准则快速应行（ less than 1s with un-optimized Java

35、code on an ordinary 2.6GHz PC）。作者通过为亚马逊河设计的样本任务，使用基于石墨可视化工具的 3D AUV 任务模拟环境来论证这项技术。设计一个和在亚马逊河流遇到的在别的河口遇到 的流水情况类似的双向两层水流，通过测试AUV对这个水流的反应来检测这项技 术。在测试过程中不断改变水的深度，上下游，速度等。测试的结果是,这套路 径规划系统通过寻找最佳路径克服和利用这些水流，使得AUV可以“ ride ”这两 个方向的流水。蔽障能力也同时被证明。文中给出了速度，深度，蔽障，航行路程对比图。（四）、Monique Chyba, Thomas Haberkorn, Ryan

36、N. Smith, Song K. Choi, University of Hawaii2Autonomous Underwater Vehicles: Development and Implementation of Time and Energy Effcient Trajectories11Research supported by NSF grant DMS-030641 and DMS-0608583 andpartially supported by ONR grant #N00014-03-l-0969, #N00014-04-l-07512University of Hawa

37、ii - MATH, ORED, ASL, 2565 McCarthy Mall, Honolulu, Hawaii 96822, USA, .edu文章大体内容：文中提出制作一个具有六个自由度且方向无偏性的灵敏AUV。 介绍了使用AUV： ODIN (Omni-Directional Intelligent Navigator)来实验。ODIN拥 有一个直径达65厘米的铝合金制成的球体仓，八个推进器由四个均匀分布(绕仓体一周) 焊接点连接在仓体上。八个推进器中四个在一个垂直面上，四个在一个水平面上(AUV 的独特设计)。ODIN是由一台笔记本电脑通过支柱使用TCP/IP协议发送指令，其内部

38、处理器是嵌入了 Intel 800MHZ CPU的PC104+，同时拥有两块额外的A/D,D/A版子。主要 的内部配置是一个压力探测器，内部导航仪，24节电池。ODIN能够实时计算，偏航， 定位，倾斜，下潜，持续自主航行5小时。文中提出用变量和旋转矩阵分别定义AUV的位置和方向，用向量V= (u, v, w) t和= (p,q,r) t标记线速度和角速度，在计算中考虑机器本身的惯性，额外负 载，负载惯性。对8台推进器的控制使用控制矩阵：(-0.7070.7070.707-0.707 VTCMoronta =0.7070.707-0.707-0.707(1481.60 -0.48160 0.48

39、 ICC -0.48100 丿/-1.0-1.0-L0-1.0TCMvmical =|-0.2G989-0.26990.269590.269890.2G989 0卫的89-C.269890.26989丿O文中应用最大化原理解决动态规划问题，提出为了节省时间推进器应该高速 运转，同时为了纠正一些偏差推进器也需要小功率运行的策略(The above control strategies are known as bang-bang (saturation of the thrust on a given interval) and singular (low thrust application

40、on an interval for small corrections). )o关于数字化计算解决最短时间问题，文中提出基于将最优控制问题转化为有 限空间非线性最优化问题(NLOP (nonlinear optimization problem)。对于八台推进 器的控制采用时间离散化数据采样分析，并非实时控制，对采样数据进行STPP(Switching Time Parameterization Problem )处理。文中给出经过 STPP 处理后的 最短时间优化表格如下：Table 1: Minimum time, pure nioiion time and selected STPPp

41、 timesNLOP(3)pure (s)STPPi (s)tSTPP1(S)4,1,0,0)23.4772.7735.9025.2923.9323.0459.L335.902S.8924.4621.3635.8435.9026.8322.60(2： LQ02020)11.7730.7516.4014.4fi12.94(3,4.0: 0,0.2, li20.9366.9131.8624.6421.87最后得出结论是：tfminWtfSTppp+1 W tfSTpppW tfNLOPp。对AUV在水中的姿态控制 采用反馈控制。在偏航试验中没有采用反馈控制，而是使用STPP2 (switch的次 数为2)控制策略。对于ODIN而言其能量消耗主要是那八台推进器，传感器的能耗只占少部分。在最小能源消耗问题上，通过对ODIN内部电流的函数线性化，从而求得最佳实 时电流然后通过积分求得推进器的最小能耗。文章最后指出了 STPP策略在这次试验中得到验证。