XiaoMi-AI文件搜索系统
World File Search SystemAUVS
使用障碍物避免策略
摘要：导航水下环境提出了控制和本地化技术的严重挑战。未知领土的成功导航需要实现目标的自动操作，同时避免遇到障碍，并提出一个重大问题。使用传感器数据和避免障碍技术的基于检测的控制对于自主水下车辆（AUV）的自主权至关重要。本研究的重点是开发基于滑动模式控制（SMC）的控制方法，并利用成像声纳传感器进行避免障碍物。提出的方法包括用于俯仰和深度控制的控制器，以避免固定物体。采用高斯电位功能来指导AUV的助手并避免障碍物。许多模拟结果评估了AUV在现实模拟条件下的控制性能，从而评估了准确性和稳定性。模拟结果的实验表明，使用海底环境模拟模型，我们在导航各种障碍（例如柔和的上升，陡峭下降和水下壁）方面的表现出色。
NTNU AMOS • 2020 年年度报告
在此背景下，通过相关研究项目和创新活动来增强影响力和成果非常重要。2020 年，NTNU AMOS 的科学家与研究员一起，在确保几个为期 5 至 8 年的大型研究项目资金方面发挥了重要作用，例如：• SFI Autoship：将有助于挪威参与者在开发安全和可持续运营的自主船舶方面发挥主导作用。• SFI Harvest：可持续生物海洋价值创造技术。开拓低营养渔业——释放蓝色生物经济潜力的创新。• SFI Blues：使挪威工业能够创造新型浮动固定结构，以满足可再生能源、水产养殖和沿海基础设施的需求和要求。• FME NORTHWIND：将走在最前沿，致力于创新，使风力发电更便宜、更高效、更可持续。 • NTNU VISTA 海底自主机器人操作中心 (CAROS)：旨在成为世界领先的自主水下机器人操作研究中心，重点关注驻留和协作自主水下航行器 (AUV)，这些航行器由海底对接系统支持，用于能量充电和通信。
在边缘的Caveline检测到自主水下洞穴探索和映射
摘要 - 本文探讨了在边缘平台上部署基于Ma-Chine学习（ML）基于基于的对象检测和分割模型的问题，以实现用于自动水下汽车（AUV）的实时Caveline检测，用于水洞探索和映射。我们专门研究了三个ML模型，即U-NET，Vision Transformer（VIT）和YOLOV8，该模型部署在三个边缘平台上：Raspberry PI-4，Intel Neural Compute Stick 2（NCS2）和Nvidia Jetson Nano。实验结果揭示了模型准确性，处理速度和能耗之间的明确权衡。最准确的模型已显示为U-NET，其与联合（IOU）值相比为85.53 f1分数和85.38的交集。同时，分别在高功率和低功率模式下运行的Jetson Nano上的Yolov8模型实现了最高的推理速度和最低的能耗。论文中提供的全面定量分析和比较结果突出了重要的细微差别，这些细微差别可以指导水下机器人上的caveline检测系统的部署，以确保在水下洞穴探索和映射任务期间安全可靠的AUV导航。
受牛鼻鳐启发的 AUV CFD 模型
鱼类游动的力学原理十分有趣，因为它们在操纵过程中非常灵活，而且它们的运动具有高能效的特点。更好地了解鱼类的推进力可以设计出性能更佳的新型自主水下航行器，可用于海底勘探、环境监测或监视目的。这项研究旨在开发一种鳐鱼和蝠鲼的游泳动力学模型，重点关注其推进力的能效，这是仿生 AUV 设计的起点。在 OpenFOAM 中实现了牛鼻鳐游泳运动的 CFD 模型，使用重叠网格模拟鱼从静止加速到稳定速度的过程。为此分析实现了自定义代码，允许使用流体速度和压力求解前向游泳的 1 自由度动力学。相反，由于鳍变形而施加网格运动。已经对鳍运动的不同波长和频率进行了几次模拟，并研究了不同运动参数对游泳性能和尾流结构的影响。这项研究强调了尾流中存在逆卡门街现象，以及在波长较大的鳍运动中存在前缘涡流。此外，还以新颖的方式计算了自推进体的能量效率，在牛鼻鳐游泳的情况下，其能量效率非常高。
机器智能实验室
项目名称：自治移动代理商（机器人）的开发部门：电气和计算机工程，计算机和信息科学与工程，机械和航空工程师教师：Eric Schwartz，ems@ufl.edu博士学生导师：不可用：秋季，春季，夏季学生级别：新生，大二，大三，高年级；每学期15-50名学生：与他人学习和合作的愿望。信用：0-3通过EGN4912（通常在第一学期的0个学分）津贴：除非选择大学学者或新兴学者的申请要求，否则没有任何津贴：教师访谈；通过ems@ufl.edu将电子邮件发送给Schwartz博士，以设置约会申请截止日期：ASAP网站：https：//mil.ufl.edu/项目描述：MIL提供跨学科的协同环境，用于研究和开发智能，自主机器人。我们对涵盖机器学习，实时传感器集成（包括计算机视觉，LADAR，SONAR，RADAR，IMU等）的自主移动代理的理论和实现进行研究。），优化和控制。MIL研究的应用（产生了功能性机器人）包括自动水下车辆（AUV），自主水面车辆（ASV），自动陆地车辆（ALV）和自动驾驶汽车（AAVS）。MIL定期参加国际机器人比赛（并以前赢得了五项世界冠军）。
机会 - 地质和地球物理特性的地理空间机器在全球范围内，我们对EAR的集体理解
机会 - 地质和地球物理特性在全球范围内的地质机器学习，我们对地球特性的集体理解受到直接观察地质的观察（例如，井原木，核心等）或间接通过遥感（例如地球物理或卫星观测）。这一事实导致在高空间分辨率（至sub-km量表）处的地球特性的稀疏数据集，或者从卫星观测值中产生了一个连续但低分辨率的数据集。因此，需要自动插值（例如Kriging）和/或人类知情轮廓，以在高分辨率下持续了解这些属性。在这项工作中，我们致力于改进这些方法。利用机器学习，深度学习和/或物理知情神经网络（PINN）的新发展，我们可以在空间和深度上智能插入或预测地球参数。这项工作利用了地质观察的各种数据源（即“大数据”），例如：科学钻孔，挖出和疏ed和地球物理观察，例如由乘员船（例如，船舶），自主平台（例如，AUV）（例如，AUV）和Satellites和Satellites和Satellites和Satellites和Satellites。我们将这些数据集与基于物理学的地质过程模型（例如压实）和数据驱动方法（例如机器学习）结合使用，以产生对地球特性的连续且准确的估计。这些方法的示例包括从稀疏的船板观测值中预测连续的重力场，或使用核心数据预测沉积物岩性与深度。鼓励基本的地质理解，但不需要。我们寻求具有地质/地球物理学经验的合格申请人，遥感/地理位置，机器学习/数据科学和/或运输/摇滚物理建模。申请人将有一些计算经验，并且在基本的编程/脚本中保持舒适（不需要特定语言）。实验室地点：海洋科学部海军研究实验室Stennis Space Center，MS POC：Benjamin Phrampus海军研究实验室，代码7352建筑物1005 Stennis Space Center，MS 39529电话：228-688-4899电子邮件：Benjamin.phrampus.civ@us.civ@us.navy.mil
具有最佳能量性能的离散时间线性多代理系统的分布式控制
受自然界生物运动的启发，在过去的十年中对多机构系统（MASS）的合作运动进行了广泛的研究（Wang等，2017，2019; Wang and Sun，2018; Wang等，2020b; Koru等，2021年； Wang and Sun，2021年）。与单个代理相比，网络质量具有快速命令响应和鲁棒性的优势。由于分布式网络计算系统具有强大的可伸缩性和快速计算速度的特征，对多机构系统的分布式合作控制问题的研究已吸引了控制科学家和机器人工程师在许多情况下的广泛应用的越来越多的注意力，例如移动机器人，例如移动机器人（Mu等，2017; Zhao et al。 2016; Li等人，2019年）和航天器（Zhang等，2018; 2021a）。与开关拓扑合作控制与开关拓扑合作的经典框架。Ren和Beard（2005）进一步放松了Olfati-Saber和Murray（2004）给出的条件，这些条件就线性质量的共识提出了一些新的结果。实际上，有必要在离散时间内调查多代理系统的控制问题，而大多数计算机系统是离散的结构。在Liang等人的研究中。 （2017），研究了不均匀离散时间线性多代理的合作遏制控制问题，并设计了一种新型的内部模式补偿器来处理系统动力学的不确定部分。 （2018）。 su等。 多代理共识在Liang等人的研究中。（2017），研究了不均匀离散时间线性多代理的合作遏制控制问题，并设计了一种新型的内部模式补偿器来处理系统动力学的不确定部分。（2018）。su等。多代理共识Liang等人在研究中给出了基于线性基质不等式（LMI）的离散时间MAS分散共识问题的解决方案方法。LV等人讨论了基于终端迭代学习框架的多代理共识控制问题。（2018）提出了基于时间变化控制输入的自适应控制方法以改善系统的控制性能。（2019）提出了一种基于低增益反馈方法和修改的代数riccati方程的分布式控制算法，以实现离散时间质量质量降低输入饱和条件的半全球共识。
巡航科学报告 - Endurance22
此次探险队配备了最先进的萨博剑齿虎自主水下航行器 (AUV)，这种航行器能够部署到 3,000 米深的水下，并装有一系列传感器，以便定位、成像、拍摄和扫描“坚忍号”沉船。探险队科学团队汇集了海冰科学家、海洋学家、气象学家和海洋工程师，以研究南极海冰，进一步了解周围威德尔海和南大洋的环境变化，同时还提供帮助寻找“坚忍号”沉船和加深对船冰相互作用的理解的运行数据。此外，从这些科学研究中收集的数据将有助于改进未来的海冰导航系统。本报告总结了开展的科学研究，展示了初步结果，并列出了创建的数据集及其访问方法。开发新的海冰信息系统 Endurance22 是当今在海冰中航行和有效工作的作战能力的案例研究，并为下一代冰信息系统定义了基准。今天，创建海冰图表仍然是一项非常繁琐且耗时的工作。特别是在南极洲，几乎没有海冰信息来支持航运作业，因为没有专门的国家冰服务机构负责（尽管挪威和美国冰服务机构每周提供冰
遵守缓解措施的指导 3.20 避免考古资源
1) 如果您选择使用高分辨率调查数据进行评估，请根据《给承租人和经营人的通知》（NTL）第 2005-G07 号，使用足以提供 100% 侧扫声纳覆盖海底的线间距，在所有计划进行海底扰动活动的区域获取数据。例如，如果您计划的作业水深超过 400 米，并且您决定将井位或相关锚点移动最多 500 英尺（如 NTL 第 2009-G27 号所述），请确保调查覆盖的区域足够大，以解释这种变化。此外，可以使用之前收集的侧扫声纳数据，前提是它是使用 DGPS 定位收集的，并且具有足够的分辨率和质量，可供合格的海洋考古学家准确解释。如果使用多个数据集，则必须将所有数据合成为综合考古评估。 2) 如果您选择使用 ROV 调查进行评估，ROV 应配备声学定位和扇区扫描声纳。视频、声纳和导航都应录制到 DVD 中，以供查看。如果您打算在获得场地许可认证后立即开展已获批准的活动，则专业的海洋考古学家应在调查进行过程中观察调查情况，观察方式可以是亲自到场或通过远程互联网馈送，该馈送的质量和分辨率足以让考古学家进行分析。此外，考古学家必须能够与 ROV 驾驶员实时通信，以指导调查。如果发生视频或通信中断，则应在视频或通信恢复时从中断发生的位置继续调查。如果考古学家未能亲自到场从 ROV 控制室观察调查，他/她应在考古评估报告中通过审查记录的导航、声纳和视频文件证明调查已完成，项目区域得到充分覆盖，潜在目标未被忽略。3) 如果您提议拆除的结构位于之前未调查过的区块内，或者您的调查未涵盖拟议行动的所有影响，例如场地清理拖网、驳船锚、锚链、钢丝绳、电缆等，请使用常规调查仪器（即磁力计、侧扫声纳、海底剖面仪，数字记录并绑定到 DGPS 或其他相称的导航系统）在足够大的区域进行调查，以涵盖所有拟议的海底扰动活动。在水深超过 200 米（656 英尺）的地方，不需要使用磁力计。如果无法使用常规仪器，可以使用自主水下航行器 (AUV) 或深水拖曳系统获取这些数据。NTL 2005-GO7 提供了有关特定仪器的指导（http://www.boem.gov/Regulations/Notices-To-Lessees/2005/05-G07.aspx）。
会议论文集 - ASEE.org
向非工程专业学生教授利用科技探索海洋 Bridget Benson、John Penvenne 加州州立理工大学，圣路易斯奥比斯波 摘要 人类探索海洋已有数千年历史，但直到 19 世纪初才开始系统性地进行海洋探索。如今，科学家和工程师利用现代技术探索海洋。由于海洋影响着所有人，因此通过描述用于实现重要海洋发现的技术，海洋可以成为增强公众对现代技术认识的绝佳手段。在本文中，我们介绍了首次实施的针对非工程专业的大学课程，名为“利用科技探索海洋”。 我们课程的目标是提高非工程专业学生对技术的认识和兴趣。学生通过动手实验室活动、实地考察和学生演示了解了现代海洋传感器（例如电导率、温度、深度、pH、浊度、声纳和雷达）、传感器平台（例如研究船、漂流船、滑翔机、ROV、AUV、码头、卫星）和数据分析工具（例如Excel™、Matlab™、R、Google Earth™）。根据课程评估反馈，我们认为我们的课程成功地提高了学生对技术的接触和兴趣，因此计划继续改进并在未来为我们的学生提供更多课程部分。简介 人类探索海洋已有数千年历史（从公元前 4000 年早期埃及人首次记录航海船只开始），但直到 19 世纪初才开始系统性地进行海洋探索。如今，来自学术界、联邦机构、州政府和私营部门的科学家和工程师利用现代技术进行新的海洋发现，这些发现影响着我们呼吸的空气、我们吃的食物、我们柜子里的药品、一些人从事的工作和一些人从事的运动。由于海洋影响着所有人，因此通过描述用于进行重要海洋发现的技术，海洋可以成为提高公众对现代技术认识的绝佳手段。在本文中，我们介绍了首次实施的非工程专业大学课程，名为“通过技术探索海洋”。 “通过科技探索海洋”是加州州立理工大学（Cal Poly）生物科学系新海洋科学（MSCI）课程中开设的第一门课程。该课程是一门高年级选修课，旨在满足所有非工程专业的加州理工大学学生必须满足的通识教育 (GE) 技术领域的要求（加州理工大学通识教育计划，2015 年）。满足基本数学先决条件的任何部门的非工程专业高年级学生都有资格报名。附录 A 提供了该课程第一版所代表的学术专业列表。