(1)温度。测量和海洋过程变量在先进的系统中,众所周知,第一个相关变量占是环境温度;这种情况由于海洋温度的变化,这不仅影响海洋和大气的动力也介入海洋生物的分布及其代谢;出于这个原因,一些船只使用一个温度传感器,帮助渔民设置地点和时间有利于渔业和也知道动物的分布。

同样,传感器的深度、高度和温度总是用于水生机器人的设计。当我们几个这三个传感器,我们将能够获得的数据海洋变量以及它们之间的相关变化。然而,温度传感器的测量可以使用不仅知道更好的环境,也为了弥补陀螺仪和加速度计的操作 37]。这是无人水下潜航器的情况下或SUR-II。

(2)压力。众所周知,控制中使用的镇流器UUVs结构的稳定性直接关系到压力传感器;这是由于装配压缩空气坦克,这是由不断变化的大气压力环境中(对称机器人允许改变他们的重心)。这种行为与DaryaBird观察,无人水下潜航器一个,采用日本横河压力传感器测量深度和陀螺仪测量方位角和高度角( 19]。这两个传感器帮助远程功能,无人水下潜航器将为AUV(自主水下航行器)或在某些情况下,它可以帮助把它变成一个ROV可以遥控;无人水下潜航器这种类型的可以回忆数据和发送它通过脐电缆到达水面计算机可视化。

(3)硝酸。获取海洋样品的标准方法是通过与单个样本收集瓶,与主测试温度,压力,和盐度。在“黄金国”推进自动化,提出了2016年,这是一个水下机器人,他10投的水在瓶子里称为“刺”( 38]。埃尔多拉多传感器连接到其结构阅读叶绿素和硝酸盐、水样品可用于这些参数的校准,如图 34。

(4)导。电导率的测量电阻率,一个属性量化多少溶解物质,化学物质,和矿物质在水中存在。这意味着大量的这些杂质决定了更高的电导率。仪传感器的使用允许水测量温度、电导率和压力。埃尔多拉多AUV有仪传感器( 38),像SOTAB-I机器人,连着,采样频率的16赫兹启用高空间分辨率,消费为3.4 W ( 39]。

(5)总ATP(三磷酸腺苷)。有一些其他类型的传感器,机械最近进行;他们被称为微流体,处理有关粒子的操纵或滴时间动态,速度,和空间流动模式对于[ 40];尽管这是一个新的多学科领域,它有可能影响生物分析领域。又被称为LOC(芯片上的实验室)用作屏幕工具在细胞生物学、化学合成和生物分析法。他们有一些优势,因为他们是可移植的,他们可以用低成本的制造材料。ROV下面的一个例子。

总ATP是一个有用的生化参数检测生物或生化活动异常的自然环境;自溶解ATP是一个重要的碳和磷对海洋微生物还与微生物活动有关,总ATP是一个有用的参数表明生物地球化学事件的存在,这样的海底火山,碳氢化合物的溢出物,和偶尔的有机资源的供应 41]。这就是为什么,实时获得这些变量,一个新版本的ATP原位分析仪开发和评估使用遥控,实现深度200米的测试执行。

图 35显示了分析仪;微流体装置,分析仪模块,该模块是核心组件,和一个测光模块基于L-L反应生物荧光强度测量。

测量用原位ATP与手工测量分析仪是一致的,这表明一个便携式,简单,可靠的流量分析系统等的微流体装置可以在极端环境中使用实时生化分析。

UUVs建成时,使用了不同的数据采集方法等位置,方向,和速度。同时,姿态和航向参考系统(AHRS),惯性导航系统(INS),或水声位置参考系统(HPR)实施定位和稳定的保持更好的控制。传感器组成,这些系统和应用程序在不同UVVs如下所述。

(1)惯性传感器。更好的被称为IMU,惯性测量单元是一个线性加速度传感器来检测使用一个或多个感应器,以及转速使用一个或多个陀螺仪。这些设备包括一个磁力仪,主要用作参考。

2008年,ROV尼斯湖水怪三世被首次引入一个水下机器人使用3-gyro参考系统的导航目标( 43]。介绍了2010年的恋情,这是一个中等ROV注定海事领域的调查;这ROV用于惯性传感器的耦合估计使用的位置和深度的记录10画未加工的数据,对应传感器(压力传感器,3磁场传感器,加速度计,和3陀螺仪)( 37]。另一方面,密涅瓦出现在2014年,这是一个干预ROV混合两个定位系统和使用一个惯性传感器为主要传感器和一个深度传感器( 44]。这表明不仅是一个单精度算法所需导航,还需要其他传感器来弥补单个系统的错误。

(2)指南针(磁强计)。磁力仪是通过测量磁场的变化三个参考轴减去从地球的磁场;尽管无人水下潜航器广泛应用在开发领域,这个传感器噪声敏感的操作引起的其他来源和其他传感器的操作一样,汽车等等。

这意味着您不能仅仅依靠磁力仪的价值观,也有一些地区被认为是在水下导航,如压力传感器来测量深度,陀螺仪,加速度计来控制高度和运动( 45]。这也给解决方案的集成专用数字传感器提高准确性,模块可以评估标题方向的最小差异度,仍然补偿和校准支持与其他传感器的组合磁场扭曲,是MEMS加速度计的情况下使用硬件传感器和一个硬件传感器(磁阻的 46]。

(3)全球定位系统。全球定位系统由直接通信卫星;使用这些设备的水下不允许他们的正确操作,所以UUVs最好的应用是通过集合或恢复这些机器人当他们到达地表。

描述的使用是Choyekh马赫迪,表明SOTAB-I机器人的跟踪海面上确保全球定位系统(GPS)接收器,用于确定机器人的绝对位置。如果机器人被淹没,超短基线(USBL)系统确保跟踪 39]。

(4)声波。声纳的性能是通过声音,传播波的水下允许导航、通信和水下检测对象。因为他们在水下车辆使用标准化的操作在能见度很低的情况下,使用这个设备有各种UUVs;一个例子是尼斯湖水怪三世,发出特定的信号从应答器,响应的车辆;延迟的车辆接收这个信号响应给出了双向的飞行时间;使用的范围是60赫兹和90 kHz之间( 43),结果是获取原始数据的速度,距离,时间和距离。

2017年,ROV的导航补偿提出了通过比较数据提取从声纳与航迹推算方法的使用及其补偿误差( 47],细节的使用声纳当ROV没有任何运动由于干扰发生的操作引擎,为其先前的补偿。有被动声纳系统,hydrophone-based沟通参与机器人之间的点不那么远和一艘船或表面,让声音脉冲找到这两个对象之间的距离,计算出声源的角度。( 19]。

(5)多普勒声波。多普勒速度传感器(dv)使用多普勒效应测量八角形的速度;其局限性是基于集成的计算速度和计算位置的时间;这种类型的定位控制系统将在下一节中解释;然而,它的操作可达300米。

如前所述,密涅瓦混合两个定位系统中,除了使用惯性传感器,它还使用水声定位系统通过使用多普勒速度记录(DVL)来测量其速度( 44]。图 36是一个例子的计算通过使用水听器阵列。这个用UUVs进行不同,比如DaryaBird雇佣了一个高度传感器TRAX ( 19),安装在DVL传感器来控制运动。

(1)摄像机。大多数UUVs标准化的补充一个摄像机传输从深度到表面;图像在环境分析是很重要的。2010年,建设TSL(隧道海狮)机器人,2摄像机包含:一个直接对弓和其他在垂直向下的方向 48]。同样地,另一个应用程序安装摄像头,是把它作为一个新的解决方法,一个水下机器人;这是观察到在2018年测试进行交互式技术如图 37使协调系统的建设路线是从图像通过视频( 49]。

另一个应用程序通过图像的传播成立于检测海洋动物不同的可见性从一个新的数据集;视频捕捉包括三个相机和三盏灯。彩色摄像机的分辨率为1080×1920像素,帧速率是30 fps ( 50];相机方向是斜向下向河床。

(1)水射流。在我们使用的各种各样的汽车移动机器人,我们可以找到推进基于高压水射流。很长一段时间,通常使用这种类型的推进,因为它舒适的设计及其权重较高的大推进。在2000年,这种类型的推进中使用一个鱼雷形状的机器人的发展被称为TSL——弓和阀杆推进系统的性能有一个隧道水飞机( 48]。

在spherical-shaped水下机器人中,这种类型的驱动中使用垂直方向;两个执行器可以由一个推进器和一个伺服电动机控制;jet-based推进器决定的价值驱动力,和伺服电动机控制推进器的高度 37, 51]。

(2)步进电机。无人水下潜航器的方向的管理,指导管理被引入的一种形式,涉及鱼雷结构(Xianbo et al ., 2017);这种结构有两个螺旋桨:一个用于水平运动和垂直运动的其他;这两个连接到主螺旋桨由直流电机驱动,四舵由步进电机驱动 11]。

(3)刷。尼斯湖水怪三世和DaryaBird使用相同的笔刷电机螺旋桨SeaBotix提供的品牌,消费110 W和承受的能力至150米深度;这些都是用于定向运动在xy平面上;在上面提到的第二个机器人的情况下,它使用一个RoboPlus Hibikino推进器功率为90 W的机器人控制。

(4)伺服电机。甲有一个封闭的鱼雷状船体结构,利用10螺旋桨处理6自由度(自由度);然而,小球形机械,如SUR-II,使用向量组成的喷水推进器防水住房,两个伺服电机,机架( 37]。

(5)无刷。无刷马达在中小型机械成为受欢迎;它们的使用可以追溯到90年代和80年代。安倍是一个例子,一个水下机器人注定的底栖生物物种探索使用无刷电机(无刷)与石油 52压力补偿)。一个明显的例子是盔甲,每个驱动器由一个电机控制器和一个无刷直流电机 53]。另一个相关的例子是杰夫的操作,一个小型AUV为检查和群联合设计工作;推进系统主要两个直流电机与一个定制的磁耦合设计,以避免腐蚀和短路。( 45]

(6)液压系统。UUVs,设计和开发的一个新的结构选择指导管理的6自由度;这个特殊的并行配置图中可以看到 38;它有两个主要推进器在前面,另一个在后面负责机器人的转向( 54,两部分之间的联盟是通过液压系统。

执行的函数UUVs包括检查、操作、和数据收集;所有的机器人有一个视频传输系统实现,因此有必要开发一个照明系统获取图像由于水下环境没有能见度条件下由于缺乏一个光源。ROV Jinwoo提出的系统使用两个全景卤素灯和两个LED灯来获得高质量的图像( 55),如图 39。

在图像采集另一个应用程序中,对象的识别和检测,为救援或机器人,监督和检测是发现一个明显的例子的研究皮德森et al .,照亮区域的检测所需的远洋物种,1900流明的LED灯和10条使用的近似电阻( 50),正确理解案例研究。

“操纵者”一词用于描述一个机械装置与移动关节用于操纵的工具、零件、或特殊设备来执行各种任务。这意味着应用于机器人的结果自动装卸机,可重复编程的一个移动或固定的位置。混合水下机器人是在2011年,一只螃蟹和龙虾结构,其腿作为机械手,它的主要功能是检查水下结构和在浅水域沉船,在活动,如电缆切割、研磨、钻孔是必需的( 56]。

最常见的方法来实现机械手在干预类机械,例如,密涅瓦,其操纵国允许样本收集。表 3总结所有的水生机器人出现在本节。

如果AUV的旅行速度是已知的,可以估计新职位连续集成的速度。执行速度的措施,使用多普勒速度日志(DVL)通常是与惯性系统和指南针;估计位置只取决于车辆的运动,因此本体感受的名称。这种方法被称为航迹推算( 59]。这种类型的导航系统对应于研究由伊茨科。克莱因和为多达Roee钻石;他们开发了一个系统,估计水车辆行驶轨迹能够自由地移动的方向海洋洋流( 60]。因为这些机器人海面紧密合作,他们很容易容易取向改变,创建问题的路径。通过加速度测量,研究者可以约束算法执行的基于主成分分析计算车辆的方向的加速度。如果没有需要执行该算法,使用传统的航迹估计车辆的运动方向和位置。

另一个有趣的工作对加速度计和怎样使用它们对应于作者燕et al。 59]。他们工作在一个航迹推算导航系统基于神经网络只使用加速度计,由于使用其他传感器的成本如DVL或声学系统的依赖。利用惯性单元所产生的错误,反映在快速通过陀螺仪测量角度的变化;这大大提高了航迹推算系统的错误。使用神经网络估计测量之间的俯仰角度通过勘探方向和加速度测量不同时间允许估计车辆的位置和减少错误造成的陀螺仪。

通常情况下,专有的导航系统工作与外部系统纠正自己和减少积累误差。一些工作在航迹推算的作品与其他参考系统(对应 61年)扣留等人,他们建立了一个死亡计算模型基于惯性测量单元(IMU),工作结合一个声学测量系统来减少由IMU误差积累。由于乌兹别克斯坦伊斯兰运动所产生的噪音,被捕获的原始数据过滤使用扩展卡尔曼滤波。模型的有效性,实现在三种不同环境中收集的数据进行田间试验,在一个开放的海洋环境。

正确的导航需要一个有利的位置估计,所以必须使用的工具和算法获得最精确的位置。

本体感受的导航的主要问题是错误无限增加车辆的行驶距离增加。如果不考虑外部参考系统,导航工具和它的任务变得非常关键。来解决这一问题,采用声波导航。适合水下声学波传播由于最小衰减。因此,它们是用于水下通信和定位水下车辆。例如,放置灯塔的水下车辆使用数据估计他们的位置在工作区域。最常用的是长基线水下声学方法位置(LBL)和超短基线(USBL) [ 62年]。

标准LBL方法特点是灯塔或交界的,它是固定的,如图 40。图像显示了车辆和转发器的配置系统。

首先,转发器听的ping排放车辆,和距离估计是获得答(周转时间)在一个特定的频率。因此,车辆可以估计它的位置算法基于递归最小二乘(RLS)或使用扩展卡尔曼滤波器。车辆必须拯救转发器的位置。

一些工作相关的实现LBL系统对应于克里斯托弗·冯·Alt et al。那些发达雷穆斯( 8),一个鱼雷形状的水下机器人为海洋资源的探索,创建了两种操作模式:自主和自治。在自动模式下,机器人必须遵循路径由声转发器植入的海床上,和雷穆斯作为一个目标猎人。转发器分布定义REMUS的导航路径;另一方面,在非自治模式,导航的帮助下进行了一艘船,和雷穆斯跟着它通过一个声学通信。

这个方法很适合单个车辆。与多个车辆导航的情况下,该方法的变异提出了消除咨询信号,转换通信在一个方向上的依赖,从而消除车辆位置更新的时间间隔。然而,灯塔和水下车辆必须同步( 63年]。

LBL的标准配置系统及其变体(图 41)允许建立一个绝对定位为一个或多个水下机器人。然而,实现和校准多边形信标安排的任务是昂贵和困难的。因此,它是决定提高这些系统更且只有一个灯塔取得确定车辆的位置;这个系统被称为超短基线(USBL)。这个配置如图 42。这种类型的配置类似于标准LBL配置工作;然而,车辆有多个声接收器,不仅因为他们必须决定他们的距离从灯塔也的角度信号到达的复制品。查询发出信号。通过这种方式,需要使用多个信标的三边测量计算是可以避免的。汽车的工作区域仅限于整个半径生成的明灯。

我们可以把所做的功Hidaka et al。 19]。他们这个音响导航系统旨在实现使用一个数组的水听器非常接近。角度计算的声音到达抵消由之间发生。此外,声纳系统使用一个电子信号放大电路,相比较,和数字模拟转换(D / A)。

光学导航使用光学设备如摄像机或光学二极管海床的形态学数据记录。m·卡雷拉斯等人提出了水下机器人基于视觉的定位方法和结构化的环境中就像一个水箱 64年]。工作中,定位算法细节通过一些图形结果和系统的精度。算法允许获得3 d位置,方向,和速度的车辆通过检测从罐底部的参考点。位置估计是高度准确的无漂移,使他们能够被用作低级摘要反馈测量控制器。实时计算系统是12.5赫兹。

滑模控制(SMC)是模型不确定性的鲁棒控制和参数的变化具有良好的抗干扰性特征。有各种各样的应用程序相同的( 67年- - - - - - 71年]。然而,它继承了不连续的控制作用;因此,抖振现象发生在系统运行接近滑动面。有时这种不连续控制动作甚至可以使系统性能不稳定。

赵和Junku刚才他提出了一个基于扰动观测器的自适应控制( 69年, 72年];该系统的控制方案有一个自适应控制器基于nonregressor,它的外环控制方案,同时内部循环控制器扰动观测器。这两个元素上面提到的组件是作者提出的自适应控制系统,这是健壮的对外部扰动和不可预知的行为由于其控制参数的自动调整。他们实施了三个控制器、PID、PID +强加于人,和ADOB(自适应控制器基于扰动观测器),比较和评价的效率和性能,如图 43。

最近,神经网络在机器人系统控制受到了相当大的关注由于其通用的性质,如非线性映射,学习能力,和并行处理 67年, 69年, 73年]。最有用的特性控制的神经网络近似任意线性或非线性映射的能力通过学习。由于这个属性,神经网络已经被证明是一个合适的工具来控制复杂的非线性动态系统。然而,由于他们的运算复杂度,实现工程并不容易。

控制基于模糊逻辑和模糊控制(FC)在英语中是一个已经取代传统的控制技术在许多应用程序中( 35, 68年, 74年- - - - - - 76年]。模糊逻辑的一个重要属性是其表达在人类思维模糊性的能力。因此,当过程的数学模型不存在或存在不确定性,FC变成了另一种方式来处理未知的过程。然而,大量的高阶系统的模糊规则的分析复杂。fuzzy-based深度控制方案如图 44和一个fuzzy-based偏航角控制方案如图 45。

表 4总结了一些额外的导航和定位控制的主要贡献对应UUVs最常用的方法。在表的第一行 4,一些proportional-integral-derivative的线性方法(PID)类型包括,以前工作与其他检查方法。