Optimizing Ocean Feature Estimation and Tracking through Adaptive Sampling and Formation Control of Autonomous Underwater Vehicles

QC 20230907

Abstract

Stigande havstemperaturer på grund av klimatförändringar förväntas ledatill fler och allvarligare algblomningar som kommer att försämra vattenkvaliten,men också orsaka sjukdomar bland människor och dödsfall bland fiskar. Samtidigtär den vetenskapliga förståelsen för algblomning och dess utbredningsmekanismerbegränsad, och det finns ont om information om detta fenomen. Idagsläget görs havsövervakning med bland annat satelitbilder och dedikeradeforskningsfarkoster. Mobila sensorer på autonoma undervattensfarkoster (autonomousunderwater vehicles, AUVs) och andra robotikmetoder har därmedbörjat spela en större roll i att uppnå en effektiv klimatövervakning i våra vatten.Det övergripande målet med denna avhandling är att designa ett system fördetektering och spårning av havsföremål med hjälp av adaptiv sensorprovtagningmed AUVs. Avhandlingens bidrag fokuserar på de följande tre problemen.Det första problemet som behandlas är hur cirkulära och icke-cirkulära havsföremålkan detekteras och spåras av ett system med flera robotar. Vi föreslåren regleralgoritm som bygger på kringsegling, och bevisar hur det resulterar iatt alla AUVs konvergerar till en cirkulär formation. Två målestimeringsalgoritmerpresenteras: den ena bygger på en ledare-följare-metod och den andra påen distribuerad metod. Vi demonstrerar att båda algoritmerna kan detektera detrörliga målet och spåra dess position.Det andra problemet som behandlas är spårning av havsfronter med en ensamAUV som har tillgång till satelitinformation. Vi använder en gaussisk processför att modellera fronter och visar att den kan uppdateras med data frånsensorer och sateliter. Modellen används följaktligen till att ta fram en regleralgoritmsom styr en AUV till fronten och sedan följer den. Det återkoppladesystemet utvärderas i simuleringar med realistiska modeller för farkost och vattenmiljötillsammans med verklig algblomningsdata.Slutligen utvecklar vi en experimentplatform baserat på en riktig AUV föratt demonstera att spårningen av algblomning fungerar i verkligheten. Resultatfrån två experiment in Stockholms skärgård presenteras, och det verkliga systemetsprestanda jämförs med prestandan i simulering. Resultaten indikerar attalgoritmerna för frontspårning och gradientestimering fungerar väl, men lyfteräven fram frågor som bör besvaras i framtida studier.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-335101