自主水下机器人厂家-自主水下机器人-瀚海蓝帆自主研发

从海洋声学建模方向出发，自主水下机器人研发，建立较好表征环境不确实性的声学模型。通过研究海洋学与水声学的随机建模、水声学与海洋学模型耦合等问题，分析水声信道不变特征和不确定性的表征和评估，利用海洋环境不确定性建模和声传播模型的输出，自主水下机器人，通过统计分析和概率描述等手段，建立能够较好表征环境不确实性的声学模型，以期减少模型失配对探测性能的影响[17]。如针对主动声呐探测中所遇到的信道畸变，给出了2种信道模型（快速衰减模型、时间扩散模型）及其探测性能的比较；提出了适用于不同条件的 3种模型（参数确知模型、环境变量随机模型、环境变量和源位置随机模型）及其探测方法，在低信噪比失配情况下取得了较好的探测性能。

基于特征学习的自主探测技术。面向无人系统的应用，传统的依赖于先验知识与人类经验的人工很难在线实现，而水声目标与环境的时空起伏特性使得传统基于统计模型的恒虚警自动的方式，很难在复杂多目标环境下获得理想的检测性能。因此，目前研究主要集中在基于特征学习的自主探测技术上，即通过对具有一定规律性的目标和环境特征的自适应学习，在多特征联合概率模型下检测。

例如，对于微弱目标检测，采用跟踪或分类置前检测思想，利用目标方位、幅度、频谱等多维度特征，通过粒子滤波等算法进行基于关联学习，自主水下机器人厂家，然后根据行为、特征差异性来进行自主探测，从而能够在低信噪比条件下获得高检测概率和跟踪精度。

目前，AUV虽然能进行路径规划、避障避碰、编队航行等简单智能行为，但受人工智能技术和智能控制系统发展水平限制，其智能化程度不足，自主水下机器人厂家排名，自主决策能力较差，尚无法完全自主控制，同时受复杂水下环境等因素影响，水下自适应能力仍有待提升。尤其对于AUV系统，战场态势和作战规则复杂多变，智能AUV通过自主学习进化的过程比较缓慢，无法快速适应瞬息万变的水下战场环境。在无人参与指挥情况下，AUV不能实现完全无人自主指挥控制，作战灵活性较差。