无人智能设备专题：AUV关键技术与发展趋势

1.1 美国

1.2 俄罗斯

1.3 英国

1.4 德国

1.5 法国

1.6 挪威

挪威最具代表性的 AUV 是由挪威康斯伯格海事公司研制的 HUGIN系列 AUV， 该系列 AUV 始于1990 年，并于1997 年投入使用。经过30年的发展，该系列已具有较为完善的谱系化发展结构，其代表型主要有 HUGIN 3 000，HUGIN 1 000，HUGIN 4 500 和HUGIN Superior 等不同型号，能够满足不同任务的要求，广泛应用于海洋石油气勘探、水文研究、水下搜索、清扫水雷、海洋战场快速环境评估等。HUGIN 系列 AUV 谱系化发展的一个重要特点是，该系列 AUV 均建立在统一的技术基础上，具有相同的导航、控制、载荷、通信、推进和应急系统。而不同型号 HUGIN AUV 的主要区别在于主尺度、工作水深、电池以及续航力的不同，此外尺寸越大的型号能够安装更多且功能更为全面的传感器。

1.7 加拿大

加拿大地处高纬度地区，北邻北冰洋，气温严寒，其沿海海域经常会形成海冰现象。加拿大为推进对海洋的探索与开发，针对特殊的地理环境和气候条件，研制了多款能在冰下作业的 AUV，用于执行冰下航路测量、电缆铺设等任务。其中较为著名的是加拿大国际潜水器工程（ISE）公司研制的 Explorer AUV和 Theseus AUV 等。

1.8 日　本

日本作为一个海岛国家，其陆地资源有限，海洋是其获取资源的一个非常重要途径，开展对海洋的研究对其具有极为重要的意义。基于此，日本积极推进AUV 相关技术的研究，并广泛推广应用于海洋科考、海底资源勘探与管路检查等领域，取得了一定的成果。代表型号有日本海洋-地球科技研究所（JAMSTEC）研制的“浦岛”号和东京大学研制的 TamEgg1，r2D4 等。

2.1 能源技术

能源技术一直都是限制 AUV 发展的技术难点之一，AUV 的水下工作时间与航行距离、航速与负载能力都受到能源技术的直接影响。目前，大多数国家的AUV 型号均使用电池组提供能量，常用的电池包括铅酸电池、镍镉电池、银锌电池、锂离子电池和燃料电池。其中铅酸电池、镍镉电池能量密度较低，银锌电池寿命太短，主要在早期 AUV 中使用，已逐渐被淘汰。锂离子电池的比能量可达到铅酸电池的 4 倍、镍镉电池的 2 倍，比能量可达 210 Wh/kg，并且寿命能够达到银锌电池的 130 倍，不易产生污染，因此目前是国外 AUV 中使用最广泛的能源方式。此 外 ， 目前可用的铝氧燃料电池比能量可达400 Wh/kg，仅在部分国家的少量 AUV 或试验设备中使用。一些新型的燃料电池还处于研发阶段，如在研的锂-过氧化氢燃料电池比能量可达 725 Wh/kg。燃料电池寿命长、电流大、比能量和效率高、无污染且储气瓶可以为 AUV 提供浮力，是未来一段时间内 AUV的理想能源。

2.2 先进控制技术

由于各国 AUV 需要在复杂的海洋环境以及大范围空间内活动，对 AUV 的运动控制、姿态控制、控制精度以及控制的稳定性和抗干扰能力提出了很高的要求。目前 AUV 的控制问题主要有：自主控制技术，水下对接、发射与回收、编队集群控制等。自主控制技术要求 AUV 具备适应海洋环境并且具有自我调整的能力，同时可根据传感器数据主动识别任务目标与障碍物，具备自主决策躲避障碍物的能力。同时，针对系统中的软件故障、传感器故障、执行器故障和行为故障，需要研究有效的容错控制算法，进行及时的检测、诊断与自修复。该技术能显著提高 AUV 的水下作业能力和长时间航行作战的可靠性及安全性。水下对接技术能够帮助 AUV 在水下基站完成能源补充和数据传输，不仅能解决当前 AUV 在水下通信困难问题，还能解决 AUV 的续航问题。而水下发射与回收主要是针对潜艇搭载 AUV 协同作战问题，可实现潜艇搭载 AUV 并进行水下发射作战，丰富了水下作战的方式。编队集群控制帮助 AUV 完成编队任务，合理的 AUV 编队能够更好地利用各 AUV 的信息资源，保证多个 AUV 合理的编队运动和高效的协作。

2.3 人工智能技术

人工智能技术将大大提升 AUV 的作业性能，是 AUV的关键技术。人工智能技术包括目标识别、智能规划与决策等方面。目标识别是智能化的基础，目标识别采用深度神经网络算法，通过模仿人脑的工作方式建立神经元网络，然后将图像进行抽象化处理，再对图像特征进行提取。目标识别技术在某些领域已经能够超过人脑的判别能力，但由于水下光视觉的可视范围有限，信息图像噪点高，目前如何提高水下目标的识别成功率是智能化的关键。AUV 在复杂海洋环境中执行任务时，会遇到很多不能预估的情况。智能控制与决策是通过对识别到的信息进行运算与处理，根据运算结果对 AUV 做出控制指令。它需要应用大数据分析和深度学习方法，同时加强与环境信息的交互，结合AUV 自身的任务执行能力，研究可变自主体系结构的建立、自主等级的提升、智能水平与自主等级的评估方法等，以提高 AUV 系统的自主能力、对环境的适应能力。

2.4 水下通信技术

目前水下通信技术主要包括两方面：装备与基站之间、装备与装备之间。AUV 在执行任务过程中，需要与母船或海上平台进行通信与数据传输，同时，多AUV 协同作战也需要及时的信息传输与共享，而水下通信技术也是一直以来限制多 AUV 发展的关键技术。目前，AUV 在水下时主要采用声学通信，在水面上时采用电磁波通信。然而，水声通信存在传播速率小、延迟大、带宽小、信号衰减严重等问题。针对上述问题，一方面继续研发新型水声通信装备，优化水声通信的效率，从而提高 AUV 的通信能力。目前主要的研究方向有：针对提高带宽与速率的水声信道编码技术、针对提高抗干扰能力的自适应均衡技术以及针对提高传输距离并降低功耗的时反通信技术。另一方面则需要采用其他办法解决现有问题，如水下基站可通过对接的形式完成数据的传输与能量的补充。此外，由于 AUV 在水下具有较好的机动性和灵活性，其在水下网络中的位置不固定，传统的静态水下网络不能满足 AUV 自由从信息网中穿梭的需求，所以未来需要开发一种可动态接入 AUV 作为移动节点的动态水下信息网络。该动态网络以加强多 AUV 信息共享为目标，可以实现 AUV 的自主接入，同时利用静态网络实现多 AUV 间的信息共享。

2.5 新材料技术

AUV 工作环境特殊，海水的腐蚀性比较强，所以舱体材料需要较好的耐腐蚀性能。同时水下是高压的环境，要求舱体材料具有较强的耐压能力，而且耐压舱的强度直接决定了 AUV 能够下潜的最大深度。目前使用的材料主要有铝合金、钛合金，这类合金材料具有良好的强度性能和耐腐蚀性。随着材料技术的发展，涌现出了一大批高性能的新材料，如玻璃钢、碳纤维等，这些新材料兼具强度大、耐腐蚀等特点，同时重量比较轻，如应用于 AUV，能够有效减轻总体的重量，提高负载能力和续航力，并具有很好隐身性能。

2.6 海洋环境感知与理解技术

AUV 在未来的海上战场环境下需要执行区域防卫、扫雷反潜、对敌侦察、精确打击及其他特殊作战任务，提升 AUV 对海洋环境感知和理解十分重要。如基于传感器技术和深度学习的方法，重点突破海洋环境下的弱目标检测技术、弱目标识别技术、多目标实时跟踪技术以及多传感器信息融合技术，实现 AUV 在复杂的海洋环境下对目标及其运动信息的准确、可靠、鲁棒的理解，同时利用声学与光学传感器数据中的关键特征信息匹配，分别在大范围大尺度和局部区域小尺度上进行海洋环境的建模，保障 AUV 在复杂的海洋环境下实现可靠、准确、鲁棒的环境感知与理解，为 AUV 在未来海上战场上的实用化奠定重要技术基础。

3.1 智能化

自从第 1 艘 AUV 问世，提高 AUV 的智能化水平就是各国科学家们一直以来奋斗的目标。但是目前的AUV 智能化水平还比较低。近些年人工智能技术的快速发展让人们看到发展智能化 AUV 的希望。将现代的人工智能技术引入 AUV 的研发中（如引入深度学习使 AUV 具备自我学习、自我决策的能力），使其具有高度的智能化水平，能够像人类一样与环境进行交互，以便在复杂多变的环境中进行自我调整，仅通过导航和水下通信中继就能进行多航行器协同作业，实现长时间独立自主地执行各种任务。智能化是各国AUV 发展的必然趋势。

3.2 小型化

随着计算机与仪器设备的微型化发展，小型化的AUV 已经成为一个重要的发展方向。小型化 AUV 具有结构小、机动性好、阻力小、成本低、隐身性好、携带和搭载方便、方便量产等特点，在军事和民事领域都具有十分广泛的应用前景。同时，随着无人水下协同作战体系的提出，小型 AUV 便于搭载于大型AUV 上，与大型 AUV 进行协同作战。由于小型 AUV具有广泛的应用前景，目前各国研究机构都在致力于开发新型的小型 AUV。

3.3 深海化

根据目前的数据，海洋中深度超过 6 000 m 以上的区域占海洋总面积的 97%，并且海洋中的资源大多存储在深海中。因此，许多国家都积极发展深海载人/无人潜水器。相比载人潜水器，深海 AUV 不需要驾驶员，因此安全性更高，成本也相对较低。此外，许多国家对深海的探测能力有限，深海型 AUV 具有较好的隐蔽性，具有很好的军事应用价值。目前，各国正朝着全海深的方向进行发展。深海中除了丰富的资源，还有各种深海生物和其他人类未知的秘密，研究深海型 AUV，对科学考察也具有重大的意义。

3.4 集群化

发展多 AUV 集群作业，提高 AUV 之间的通信能力和协同编队控制水平，发挥各个类型 AUV 的特点，可以有效地提高 AUV 的工作效率。AUV 编队能够提高搜索和探测的广度和深度，对于海洋搜索与监测、海洋资源探索、反水雷和战区海域侦察等应用领域，具有极高的现实意义。

目前许多国家已经开展了 AUV 集群化作业的研究，重点针对多 AUV 协同导航与控制、不同 AUV 之间建立网络化通信、水下协同作战等。随着人工智能技术和先进控制技术在 AUV 领域应用的进一步深入，开发各种实战编队 AUV 是目前各国研究的重点。未来，不同类型的 AUV 集群作战是水下作战的发展方向。

3.5 作战体系化

AUV 无人作战已经成为必然的发展趋势，目前美国、俄罗斯、英国、德国等纷纷开展了对 AUV 协同作战方案的研究 ， 主要形式有 ：载人潜艇搭载小 型AUV 进行侦察与作战、大型 AUV 搭载鱼雷或小型AUV 搭载鱼雷头、大型 AUV 搭载蛙人作战、大型AUV 代替并模仿潜艇进行侦察和干扰等任务、AUV搭载小型无人机实现水下潜入和水下发射。AUV 将在现代海战中发挥十分重要作用，研究和开发新型的 AUV 作战体系，对未来的海战具有重要意义。同时，研究和开发具有新型作战能力的 AUV，是各国 AUV 军事化应用未来重要的发展方向之一。