从上世纪90年代开始,仿生嗅觉机器人逐渐成为国际上的研究热点,即模仿生物利用嗅觉感知搜索、跟踪水下或空气中化学等物质扩散形成的羽状流进而定位源头位置。利用机器人搭载化学传感器模仿生物嗅觉感知,自主搜索、跟踪化学羽流,最终实现机器人对羽流源位置的精确定位,其潜在的应用包括环境监测、搜索与救援、反恐、爆炸物清除以及海底考古和热液喷口定位等。　　 赋予自治水下机器人(Autonomous Underwater Vehicle,AUV)嗅觉感知能力,让其追踪化学羽流进而定位源头位置或热液喷口,其研究将具有广阔的应用前景和重要的科学意义。由于单体AUV受载体尺寸、携带能源以及自身所配传感器种类和数量的限制,利用其对羽流进行跟踪容易陷入羽流浓度的局部极值点而难以找到源头位置,导致羽流跟踪失败,而多个AUV组成的分布式系统具有高精度定位能力、时空分布的自适应测量能力以及复杂环境的自主规划能力,为自主探测羽流提供了新的途径。　　 本文在国家863计划的支持下,以深海热液羽流探测为背景,基于仿生学和群体智能的理论框架,研究适合多AUV协作化学羽流探测使命的群体AUV控制体系结构、协调协作机制、三维队形控制方法、协作化学羽流跟踪方法和羽流源定位算法。具体研究内容及研究结论可概述为如下几个方面:　　 1、对基于仿飞蛾行为策略的单体AUV化学羽流探测进行了改进性研究。主要包括四个方面:①对羽流搜索和羽流维持行为的参数进行了优化;②针对羽流重拾行为所特有的三叶草轨迹,设计了路径跟踪控制器,通过有无海流扰动下的仿真实验验证了路径跟踪控制器的有效性和鲁棒性:③在Wei Li等[67]建立的羽流模型的基础上,基于优化后的行为参数和载体参数开发了单体AUV化学羽流探测仿真系统;④在单体AUV化学羽流探测仿真系统上实现了两种羽流源定位算法:SIZ_T和SIZ_F算法,连续1000次的蒙特卡洛仿真实验验证了这两种定位算法的有效性,以及SIZ_F算法较于SIZ_T算法的优越性。　　 2、提出一种混合分层的AUV控制体系结构,以及一种基于个性概念和拍卖方法相结合的多AUV协作策略:PACS策略。有、无协作多AUV化学羽流探测的连续1000次蒙特卡洛仿真对比实验验证了混合分层的AUV控制体系结构和PACS策略在仿真条件下的有效性。　　 3、利用跟随领航者法对多AUV三维编队控制进行了深入研究,包括:①为减小从AUV动力学特性下的速度跟踪误差设计了速度跟踪补偿器:②结合载体动力学特性设计了主-从AUV编队系统的鲁棒控制器;③将队形反馈信息引入到主AUV的轨迹跟踪控制器中,设计了主-从AUV协调编队的辅助控制律;④运用Lyapunov理论证明了主-从AUV之间的编队跟踪误差和从AUV的速度跟踪误差都可以收敛到零,整体系统渐进稳定。MATLAB仿真系统的实验结果验证了主-从AUV编队鲁棒控制器和编队协调控制器的有效性。　　 4、在单体AUV羽流探测行为参数优化、群体AUV控制体系结构和三维编队控制方法研究的基础上,重点研究了多AUV协作化学羽流跟踪方法。研究的内容包括:①将主-从AUV编队控制映射为从AUV的队形保持行为,设计了主、从AUV自适应行为规划器,主、从AUV依据PACS策略进行角色和行为的动态切换;②针对羽流环境和多AUV协作化学羽流跟踪的使命特点,对队形保持行为参数进行了优化并对羽流宽度进行了估计;③针对严格队形和松散队形两种群体AUV队形配置对三叶草路径进行跟踪研究,设计了主-从AUV编队路径跟踪控制系统,对羽流重拾行为重新进行设计并对其行为参数进行了优化:④依据优化后的行为参数开发了多AUV协作化学羽流探测仿真系统,并用大量蒙特卡洛仿真实验验证了研究内容的有效性。　　 5、针对复杂动态的羽流环境、水下弱通信条件以及羽流的时空分布特性,在单体AUV化学羽流源定位算法的基础上提出了两种多AUV协作羽流源定位算法:C SIZ T和C SIZ F算法。多AUV协作化学羽流探测仿真系统上的连续1000次蒙特卡洛仿真实验验证了这两种定位算法的有效性,性能对比实验验证了协作多AUV较于单体AUV在羽流探测方面的优越性。　　 此外,本文还充分利用小型ROV载体开展了虚实相结合的水池和海上试验研究。其中,实际的载体在水池或海上按照羽流跟踪策略航行,虚拟的羽流和海流信息由单体AUV化学羽流探测仿真系统提供。本文在水池验证了10×10米尺度、在海上验证了100×100米尺度下单体AUV羽流探测方法的有效性。　　 综上,本文以理论探索和仿真实验相结合的研究方式,对多AUV协作化学羽流探测方法进行了全面系统的研究,涵盖了羽流探测过程中从搜索、到跟踪、以至最终定位源头的全过程,为未来基于多AUV系统的羽流探测应用提供了一种可行性方案、奠定了理论基础。