机器人环境监测和化学羽流追踪技术

第1章　绪论 1 1.1  概述 3 1.2  机器人环境监测代表应用领域——海洋环境观测 4 1.2.1  面向海洋环境观测的海洋机器人 5 1.2.2　闭环反馈自适应海洋观测技术框架 8 1.2.3　面向提高数值海洋模式预报技巧的自适应观测 9 1.2.4　面向数据驱动海洋环境要素场重构的自适应观测 10 1.2.5　面向海洋动态特征追踪和测绘的自适应观测 12 1.2.6　综合评述 14 1.3  机器人化学羽流追踪观测 15 1.4  水下机器人化学羽流追踪观测 17 1.4.1　代表性应用 17 1.4.2　代表研究工作和结果 23 1.5  机器人环境观测发展趋势 28 第2章　羽流模型和仿真 31 2.1  概述 33 2.2  羽流模型 35 2.2.1　模型概述 36 2.2.2　羽流粒子模型 38 2.2.3　模型实现 44 2.3  AUV化学羽流追踪仿真环境 47 2.3.1　体系结构 47 2.3.2　仿真模型 48 2.3.3　仿真环境演示 52 第3章  飞蛾行为仿生的化学羽流追踪策略 55 3.1  概述 57 3.2  计算机仿真环境 58 3.3  飞蛾行为仿生羽流追踪策略 60 3.4  Maintain-Plume行为分析 62 3.5  Maintain-Plume行为设计与优化 65 3.5.1　Reacquire-Plume行为 65 3.5.2　被动策略 69 3.5.3　主动策略 71 3.5.4　策略性能对比 73 第4章　飞蛾行为仿生的AUV化学羽流追踪 75 4.1  概述 77 4.2  飞蛾行为仿生羽流追踪算法 78 4.2.1　羽流追踪任务描述 78 4.2.2　包容式体系结构 79 4.2.3　行为设计 81 4.2.4　讨论 86 4.3  羽流源头定位算法 88 4.3.1　SIZ_T算法 90 4.3.2  SIZ_F算法 92 4.3.3  源头定位算法计算机仿真 94 4.4  近岸海洋环境实验 95 4.5  基于视觉的羽流源头确认 100 第5章  AUV基于多传感器和基于多AUV的羽流追踪 103 5.1  概述 105 5.2  化学羽流追踪AUV控制结构、制导与控制 105 5.2.1　控制结构 105 5.2.2　制导函数 107 5.2.3　混合模糊P ID控制 111 5.2.4　湖上实验 115 5.3  基于双化学传感器的仿生羽流追踪算法 117 5.3.1　追踪策略 117 5.3.2　羽流追踪算法设计 119 5.3.3　计算机仿真 126 5.4  多AUV协作化学羽流追踪算法 132 5.4.1　追踪策略 132 5.4.2　多AUV编队控制 135 5.4.3　多AUV化学羽流追踪仿真 139 5.4.4  多机器人化学羽流追踪实验平台 143 第6章  AUV深海热液羽流追踪 147 6.1  概述 149 6.2  AUV海底热液喷口搜索定位探测策略 150 6.2.1　基于海底地形地貌探测的策略 150 6.2.2　基于热液羽流探测的策略 151 6.2.3　基于羽流追踪能力的效率提升 153 6.3  热液羽流简介 154 6.3.1　热液羽流的结构 154 6.3.2　热液羽流示踪物 155 6.4  浮力羽流追踪策略与算法 157 6.4.1　追踪策略 157 6.4.2　追踪算法 162 6.5  浮力羽流追踪计算机仿真 167 第7章  AUV化学羽流测绘 171 7.1  概述 173 7.2  机器人无线通信信道测绘 175 7.3  自适应梳形羽流测绘策略 179 7.3.1　基于行为的规划算法设计 180 7.3.2　计算机仿真 183 7.3.3　罗丹明羽流测绘海上实验 184 7.4  无源动态羽流追踪观测 188 7.4.1　问题描述 188 7.4.2　基于行为的规划算法设计 189 7.4.3　羽流中心线估计 193 7.5  海洋流场建模与估计 195 7.5.1　海洋流场模型 195 7.5.2　海流场估计 197 7.6  高斯过程回归和克里金法 200 7.6.1　高斯过程回归 200 7.6.2　克里金法 203 7.7  基于羽流测绘的源头位置估计 209 第8章  化学羽流追踪机器人系统 213 8.1  概述 215 8.2  陆地移动机器人系统 215 8.2.1  DaNI机器人平台 215 8.2.2  化学羽流追踪应用器件 216 8.3  空中飞行机器人系统 218 8.4  水下机器人系统及羽流追踪实验 221 参考文献 226 索引 240