《海洋机器人自主观测理论与技术》以海洋机器人为平台，以海洋观测为背景，系统介绍海洋机器人在海洋自主观测中的相关理论、技术、方法和应用，主要包括海洋机器人自主观测的发展历史与现状、海洋特征场构建中海洋机器人自主观测优化、典型海洋特征跟踪模型及跟踪方法、海流环境下海洋机器人路径规划、海洋机器人（群）控制方法等方面的理论和应用。

1 绪论
1.1 概述
1.1.1 海洋自主观测的意义
海洋在受到内部物理过程和生化过程作用的同时，也受到外部作用，包括潮汐、风、热通量等，形成了各种各样极其复杂的海洋现象，对人类的生产和生活产生了深远的影响。海洋环境观测是人类研究、开发、利用海洋的基础[1-3]。
典型的中小尺度海洋现象包括上升流、锋面、内波、温跃层等。这些现象对于海洋碳循环的研究、海洋与大气能量交换、海洋渔业和生物养殖业等具有重要的经济开发价值和科学研究意义。这些中小尺度现象在时间上持续为数天到数月，空间上从数十至数百千米，观测的时间、空间尺度相对较小，其观测精度要求较高。这些典型的中小尺度海洋现象是一个动态变化的物理过程，受到海风驱动的海浪流、潮流、海洋热交换等影响，这些特征的变化具有高度的时空特性[4-6]。因此，针对这些现象进行**、立体的观测，以获得高质量、高分辨率、具有一定实时性的数据成为海洋现象研究的一个迫切任务。
传统的海洋观测方式如观测站、调查船等仅能够提供有限的海洋观测数据，观测手段的局限性造成了人们对海洋认识存在一定的滞后性。为了深入了解海洋现象的成因及演化过程，我们需要长期的、连续的海洋数据观测序列，并且要能够根据海洋特征变化趋势和海洋预报需求，动态地调整观测数据在空间和时间尺度上的分辨率。此外，观测数据要能够实时或者近实时地传送到监控**，为海洋预报提供初值和可同化的现场数据，提高预报精度。
1.1.2 海洋观测平台
当前，除了通过遥感的方式对海洋的表层属性进行观测之外，用于水下观测的工具主要有漂流浮标、Argo浮标、锚系潜标、调查船、自主水下机器人(autonomous underwater vehicle，AUV)、水下滑翔机、水下固定监测网等[7-8]。传统海洋观测是以浮标潜标、科考船和卫星等方式为主。这些观测需要从数月或数年前开始设计实验，制造观测仪器；科考船的航行轨迹、考察点是借助于以往观测数据的结果设定；卫星无法揭示海表以下的水体特性，传统浮标可控性差。相对于上述观测方式，海洋自主观测有以下几方面的优势：
（1）时间同步性，多个自主平台能够在空间内多个地点同时进行观测，可获得在时间上连续、空间上分布的观测数据。
（2）自主能动性，自主平台具有可控性和一定的自主性，能够主动执行观测指令，如前往某观测点或沿某观测断面航行，可应对环境变化等复杂和紧急情况。
（3）海洋环境闭环观测，利用观测平台的能动性，通过设计相应算法，可识别被观测对象的变化，并将这种变化转化为对平台的控制指令，以实时获取对了解观测对象*有利的数据，实现观测的闭环。
从表1.1可以看出，与漂流浮标和 Agro浮标相比，水下滑翔机[9-11]具有类似的作业时间，但是具有主动可控的运动方式，适合对动态海洋现象进行跟踪观测。与锚系潜标和水下固定监测网相比，水下滑翔机具有机动性，适合对大范围、动态的海洋现象进行观测；与 AUV相比，水下滑翔机具有较长的作业时间和作业范围；与调查船相比，水下滑翔机具有较低作业成本。综合看来，水下滑翔机集中了其他观测平台的优点，为进行大范围、长时间、近实时进行立体海洋观测提供了技术手段。
表1.1 水下自主观测平台主要特点汇总
虽然水下滑翔机具有航程远、造价低，适合大量布放以进行大范围的海洋观测的特点，但是如果采用“割草机”式的采样方式对海洋来说是不现实的，也是不必要的。海洋观测*根本的目的是通过设计和实现有限的观测，**限度地理解海洋现象的本质，因此海洋自主观测需要多观测平台协同合作，各自发挥优势，弥补不足之处，以达到昀佳的观测效果。
1.2 海洋自主观测国内外发展现状
1.2.1 国外发展现状
国际先进的区域立体实时监测体系通过“实时观测—模式模拟—数据同化—业务应用”形成一个完整链条，通过互联网为科研、经济以及军事应用提供信息服务。其中的观测系统由沿岸水文/气象台站、海上浮标、潜标、海床基以及遥感卫星等空间布局合理、密集的多种平台组成，综合运用各种先进的传感器和观测仪器，使得点、线、面结合更为紧密，对海洋环境进行实时有效的观测和监测，加大重要现象与过程机理的强化观测力度，并进行长期的数据积累，服务于科学研究和实际应用[12]。
1996年，美国在新泽西海湾开始布设新泽西陆架观测系统(New Jersey Shelf Observation System，NJSOS)，该系统包括飞机、调查船、AUV和水下滑翔机等观测平台，如图1.1所示。该观测系统研究的主要目标是近岸周期性上升流的成因及其在1998～2001年对周边生态系统的影响，并计划以此为基础，于2003～2007年对哈得孙河羽流(Hudson River plume)、化学污染物和海洋生物系统的相互影响进行观测研究。过程中使用了4台Slocum水下滑翔机[13]对当地海域的季节性密跃层的深度进行估计。
从1997年开始，由美国海洋研究局资助的自主海洋采样网络(Autonomous Ocean Sampling Network，AOSN)利用多种不同类型的观测平台搭载不同的传感器，能够在同一时刻测量不同区域和不同深度的海洋参数，AOSN示意图见图1.2。2003年8月，美国在加利福尼亚蒙特雷湾(Monterey Bay)进行了 AOSN-II试验，试验中应用12台Slocum水下滑翔机和5台 Spray水下滑翔机[14]，分别搭载温盐深测量仪(conductivity-temperature-depth system，CTD)、叶绿素仪、荧光计等传感器对蒙特雷湾海水上升流进行了调查，完成了40天的调查试验。
图1.2 AOSN示意图
在AOSN的基础上，美国海军又开展了自适应采样与预报(adaptive sampling and prediction，ASAP)研究，该项目的一个重要目标就是研究如何利用多台水下滑翔机进行**的海洋参数采样。2006年8月在蒙特雷湾试验中应用了4台Spray水下滑翔机和6台Slocum水下滑翔机，对蒙特雷湾西北部寒流周期上升流进行了调查，试验中水下滑翔机的采样轨迹见图1.3。水下滑翔机获取的数据具有更好的观测质量，提高了研究人员对海洋现象的认识和理解，以及对海洋现象的预报能力，充分显示了应用多水下滑翔机作为分布式的、移动的、可重构的海洋参数自主采样网络在海洋环境参数采样中具有的优势。
持久性沿岸水下监测网络(Persistent Littoral Undersea Surveillance Network，PLUSNet)是美国海军研究局资助的海底观测网络，由固定在海底灵敏的水听器、电磁传感器以及移动的传感器平台，如水下滑翔机和 AUV等组成。固定观测设备与移动观测平台之间能够自由通信，从而组成半自主控制的海底观测系统，如图1.4所示。该观测网络主要用来研究海洋的分层和海流是如何影响由水面舰船产生的声波和电磁性信号传播的，从而能够监测水面舰船和水下潜艇。
图1.3 ASAP试验中水下滑翔机的采样轨迹(见书后彩图)GCCS-水下滑翔机协同控制系统
图1.4 PLUSNet监测网络
鉴于加利福尼亚州南部沿岸人口密度过高，人们迫切地想知道人类活动对海洋环境的直接影响已经对气候产生影响的程度，以及已经变化的气候对沿岸经济的影响和整个沿岸区域风险增加的程度。加利福尼亚州南部近海观测系统(Southern California Coastal Ocean Observing System，SCCOOS)作为集成海洋观测系统(Integrated Ocean Observing System，IOOS)的一部分，旨在通过**并且全面的观测，来对近海海域进行有效管理，从而应对上述挑战。SCCOOS始建于2004年，当前，进行海洋监测的内容主要包括生态系统和气候的变化趋势、水质管理、海事管理和近海灾害预警四个方面。该观测网络中，除了高频雷达、浮标、调查船等传统观测工具之外，使用了四台 Spray水下滑翔机对加利福尼亚州南部近海海域的温度、盐度、深度、叶绿素浓度和声反向散射等参数进行采样，如图1.5所示。
图1.5 SCCOOS中的水下滑翔机采样轨迹
2001年，加拿大不列颠哥伦比亚省南部的近岸海底观测系统—维多利亚海底实验观测网(Victoria Experimental Network Under the Sea，VENUS，又称“金星计划”)在维多利亚海域安装了多类型、多参量、功能上相互补充且支持远程控制的传感器和观测仪器，对海洋现象提供了连续、长期的观测手段，用于发现由自然力和人为影响下海洋环境的改变。目前，金星计划除了能传输传统意义上海底的水文、生物、化学和地质等要素，还可以把海底图像、声音以信号形式通过互联网和电信技术持续传输到数据管理**，从而实现对海洋环境的实时监测。金星计划(图1.6)主要有3个位置点，分别是维多利亚北部的萨尼奇湾、弗雷泽河三角洲附近和格鲁吉亚的海峡深水区，每一位置点都由电缆与光纤为各种海底检测仪器提供了充足电能和高速传输数据的介质，并由光纤将采集的图像和数据传输给陆地上的数据管理**。金星计划中不同位置观测点除了提供海洋物理、海洋化学和海洋生物的基本要素外，还根据所在海区自身的特点装载着具有特色的仪器。萨尼奇湾的静态图像摄像系统能够在天然栖息地“无损伤地捕捉”动物；而

目录 丛书前言一 丛书前言二 前言 1 绪论 1 1.1 概述 1 1.1.1 海洋自主观测的意义 1 1.1.2 海洋观测平台 1 1.2 海洋自主观测国内外发展现状 3 1.2.1 国外发展现状 3 1.2.2 国内发展现状 8 1.3 海洋自主观测发展趋势 10 1.3.1 高性能高可靠的移动观测平台 11 1.3.2 多元化及立体化观测网络 11 1.3.3 模块化结构 12 1.4 海洋自主观测体系架构 12 1.4.1 海洋观测任务规划 13 1.4.2 海洋机器人路径规划 15 1.4.3 海洋机器人运动与控制 16 1.4.4 多海洋机器人近实时特征跟踪 18 参考文献 18 2 自主覆盖观测优化 20 2.1 概述 20 2.2 海洋特征场估计 21 2.2.1 空间随机变量估计 21 2.2.2 变异函数估计 23 2.2.3 仿真实验 27 2.3 区域覆盖采样点选择 29 2.3.1 采样性能准则 29 2.3.2 贪婪算法采样策略 30 2.3.3 贪婪算法得到的次优解边界下限 31 2.4 自适应覆盖观测方法 33 2.4.1 覆盖采样 34 2.4.2 参数估计 37 2.4.3 分布式自适应采样 42 2.4.4 仿真实验 47 参考文献 56 3 海洋机器人动态海洋特征跟踪方法 58 3.1 概述 58 3.2 典型海洋特征跟踪模型 59 3.2.1 海洋锋面跟踪模型 59 3.2.2 等值线、极值跟踪模型 62 3.2.3 温跃层跟踪模型 63 3.2.4 上升流跟踪模型 65 3.2.5 中尺度涡跟踪 68 3.3 特征场等值线自主跟踪观测 70 3.3.1 特征场等值线提取 71 3.3.2 基于多水下滑翔机的温度特征场跟踪 76 3.3.3 仿真实验 80 3.4 中尺度涡自主跟踪观测 84 3.4.1 中尺度涡动态特征提取 84 3.4.2 基于水下滑翔机的中尺度涡跟踪 90 3.4.3 仿真实验 98 参考文献 99 4 海流环境中海洋机器人路径规划 101 4.1 概述 101 4.2 问题描述 102 4.2.1 问题建立 102 4.2.2 环境流场构建 103 4.3 全局流场下海洋机器人路径规划 105 4.3.1 Wavefront算法路径规划 105 4.3.2 A*算法路径规划 107 4.3.3 基于水平集的路径规划方法 108 4.3.4 仿真结果与分析 113 4.4 基于共享流场的海洋机器人动态路径规划 116 4.4.1 共享数据提取与压缩 118 4.4.2 基于单包传输策略的数据共享 122 4.4.3 基于共享数据的环境流场重建 124 4.4.4 仿真研究 125 参考文献 131 5 面向海洋观测的海洋机器人协同控制方法 133 5.1 概述 133 5.2 海洋中尺度涡圆形观测路径协同控制策略 134 5.2.1 涡旋**坐标系海洋机器人运动微分方程 135 5.2.2 圆形路径队形能量函数 136 5.2.3 圆形路径协同控制律 137 5.2.4 圆形路径协同控制仿真实验 141 5.3 一阶可微观测协同控制策略 148 5.3.1 Frenet坐标系下海洋机器人运动微分方程 148 5.3.2 一阶可微路径编队能量函数 151 5.3.3 一阶可微路径协同控制律 152 5.3.4 一阶可微路径下协同控制仿真实验 155 5.4 面向协同观测的多海洋机器人编队控制方法 160 5.4.1 协同路径跟踪控制器设计 160 5.4.2 基于协同路径跟踪控制的多水下滑翔机编队控制 165 5.4.3 多水下滑翔机编队控制海上试验 171 参考文献 178 索引 179 彩图