在海上开发业务中,包括海上石油和天然气场的开发,建设和维护以及探索离岸矿产资源,远程操作的车辆(ROV)已被用来探索海床,建造,检查和维护海底结构。由于最近的石油价格下跌和对环境影响的兴趣增加,并且由于自动驾驶水下汽车(AUV)技术的进步,越来越多的预计,通过与AUVS和CO 2的ROV操作自动化一部分,可以通过降低可增强的操作效率的运营时间来提高运行效率。AUV与ROV不同,不需要具有高级技能的操作员,并且他们的移动不受电线的限制。此外,ROV需要具有高级动态定位功能的支撑船,但可以使用更简单的支撑船进行操作。我们于2013年开始对AUV的研究和开发
摘要 - 自动摩托水车(AUV)的发射和恢复是这些船只运行的关键阶段,也是最可能的故障点之一。主要风险因素之一是天气状况,甚至可能完全阻止该过程。我们通过一个新颖的发射和恢复系统(LARS)解决了这个问题,该系统由一个高度可操作的Auv型停靠站组成,该站束缚在供应船上。虽然这可以缓解不利的天气条件,但需要更高的自主功能。在本文中,我们提出了一种新颖的方法,用于促进两种自动水下车辆之间的物理对接水下,而它们俩都在运动且具有紧密的公差。这是通过基于自定义距离度量的控制法之间融合来实现的。我们的方法在模拟和物理试验中得到了验证。
摘要:虽然经常在调查任务中使用市售的AUV,但存在一组新的应用程序,这些应用程序显然需要干预功能。维护:水下的永久性观察者;淹没的油井;有线传感器网络;管道;底栖电台的部署和恢复只是其中的一些。如今,使用载人的潜水员或工作级ROV来解决这些任务,并在人类监督下配备了远程手臂。尽管研究人员最近为未来的I-Auvs打开了大门,但仍然需要一条漫长的途径来铺平水下干预申请的方式,以自主的方式进行。本文回顾了自主水下干预系统中的进化时间表。里程碑项目,强调了他们对领域的主要贡献。对最好的作者知识,只有三辆车表现出了到目前为止的一些自主干预能力:Alive,Sauvim和Girona 500 I-Auv。接下来,介绍了Girona 500 I-AUV,并讨论了其软件体系结构。报告了不同场景中的最新结果:1)阀门转动和连接器插头/拔下插头,而停靠到亚海面板,2)使用示范进行学习的自由流动阀转弯,3)3)自由流动多源性多源多功能基于多渗透性基于多感官的对象恢复。论文结束了讨论到目前为止所学到的教训,并介绍了作者对未来的看法。
我们通过增强世界的增强表示,开发了一个分层的LLM任务计划和重建框架,以有效地将抽象的人类统一到有形的自主水下汽车(AUV)控制中。我们还挑战了一个整体的重建器,以向所有计划者提供现实世界中的反馈,以进行健壮的AUV操作。尽管已经进行了大量研究来弥合LLMS和机器人任务之间的差距,但他们无法保证在广阔而未知的海洋环境中AUV应用的成功。为了应对海洋机器人技术中的特定挑战,我们设计了一个层次结构计划来制定可执行的运动计划,该计划通过将长途任务分解为子任务,从而实现了计划效率和解决方案质量。同时,Replanner获得实时数据流以解决计划执行过程中的环境不确定。实验验证了我们所提出的框架是否通过自然语言试验为长期持续任务提供了成功的AUV表现。项目Web-网站https://sites.google.com/view/oceanplan。
自动水下车辆(AUV)是水下机器人开发最先进的领域之一。矿产资源综合体(MRC)的急性行业问题之一是对俄罗斯领土及其大陆架领土的富裕地质研究。本文展示了对世界使用AUV解决此类任务的经验的回顾。此外,它考虑了使用AUV探索MRC的可能性,并使用系统分析方法和数学模型来陪同其在俄罗斯联合会的水域中提取。结果表明,在俄罗斯,AUV和AUV以及控制系统的发展和创建方面缺乏专家。但是,应考虑到将俄罗斯的研究带入海洋研究领域的高级发展,矿产资源的探索需要大幅增加资金。此外,俄罗斯为解决MRC问题的发展和建立是必须解决的紧迫问题。©seecmar |保留所有权利
具有挑战性的机动,涵盖整个 0 ◦ –360 ◦ 飞行范围。此类 AUV 可受益于海洋生产、环境感知和安全等新用例,通过实现对接、检查或冰下作业的新功能。为了进一步探索它们在这些场景中的能力,必须能够在整个包络线上模拟它们的飞行动力学,其中包括强非线性效应和大攻角下的湍流。利用准确、高效的仿真模型,可以生成新的水上机动并制定控制策略。因此,本文提出了一种实时高效、准确地模拟水上机动的策略。通过结合分析、半经验和数值方法,合成了一个多保真流体动力学数据库,从而捕捉整个包络线上的流体力和力矩。组件构建工作流用于使用从数据库生成的查找表来组装非线性飞行动力学模型。该模拟模型用于执行高级水上机动的实时模拟。模拟结果与文献和实验结果一致,并且模拟器在设计新机动和控制策略时可作为开发工具使用。
问题陈述:需要自动驾驶水下车辆(AUV)才能在无法访问人类操作员安全妥协的无法访问,有时甚至有害的位置实现各种任务。在国防和机器人技术的关键领域中有几种应用。bombay研究人员通过设计和开发内部,低成本的AUV,恰当地称为Matsya(梵语中的鱼)来解决这一要求。他们的AUV可以在充满障碍的竞技场,检测和避免障碍物,并操纵将各种物体放在水下。AUV可以以预定义的目标(模拟防御应用)检测和射击鱼雷,并使用声学归巢技术(类似于找到飞机的黑匣子)来定位水下平台。AUV还可以遵循竞技场地板上的特定图案(模拟油管/水下光纤电缆)。
自动驾驶汽车(AUV)是海洋学和军事目的的主要研究工具。这些车辆的建造资本更大,一旦部署在海洋中,它就失去了与陆地世界的所有连通性,并且很难预测AUV的工作状态和健康状况,这不仅会阻碍AUV的透明度,而且还会蚀至现实时代的数据提取能力。本文通过部署与AUV同步移动并在水下与AUV连接的自动型表面车辆(ASV)专门解决了此问题。因此,通过集成IOT Twin Maker Service(Amazon Web Services(AWS)提供的数字双技术服务)来可视化提取的健康和监视数据。此外,可以通过插入AWS提供的Edge Computing软件来实现本地处理数据并进行现场决策的能力。结果描述了AUV的数字双胞胎模型以及其实时健康状况。
摘要。自我适应是自主系统的关键特征,必须应对其环境和内部状态中的不确定性。自适应系统通常被建模为具有托管子系统的两层系统,可处理域关注和实施适应性逻辑的管理子系统。我们考虑了自适应机器人系统的案例研究;更具体地说,一种用于管道检查的水下水下车辆(AUV)。在本文中,我们使用功能吸引的概率模型检查器Profeat对其进行建模和分析。AUV的功能是在功能模型中建模的,从而捕获了AUV的可变性。这使我们能够将AUV的托管子系统建模为一个系统家族,每个家庭成员都对应于AUV的有效功能配置。AUV的管理子系统被建模为在此类有效的特征配置之间动态切换的控制层,这取决于环境和内部条件。我们使用此模型来分析AUV的概率奖励和安全性。
带有Schelkunoff多项式方法的平面天线”,Necicaspc-2k15,13-115年7月14日。技术报告:1。技术报告提交了NSTL(DRDO)咨询项目(NSTL/NA/9162/AUV/CONSULTANCY/2007年11月4日),名为“从AUV AUV auv auv apepar-ii上安装的扇区扫描声纳(SSS)收到的图像中提取障碍方面”,2。在NSTL(DRDO)汽车项目中提交的技术报告(NSTL \ Na \ 9162 \ auv \ auv \ cars \ 2 2010年1月29日),题为“适合编码算法的设计和开发,用于改善ber,以改进水下频道I的ber”。 \ 2010年5月)。3。Technical report submitted on NSTL(DRDO) CARS project (NSTL\NA\9162\AUV\CARS\2 dated 29 th January 2010) entitled “Design and Development of suitable coding algorithm for improving the BER in respect of underwater channel Phase-I”, (Technical Report No: AUCE/ECE/NSTL\NA\9162\AUV\CARS\ II \ 2010年7月)。4。CSIR项目提交的技术报告(CSIR项目制裁文件编号: