自主水下航行器（AUV）全局轨迹生成与跟踪控制及最优覆盖传感器网络研究

本文提出了一种面向多自主水下航行器（AUV）系统的全局-局部（Glocal）轨迹生成与跟踪控制框架，结合了全局启发式算法（GT-MC）与局部模型预测控制（MPC）和安全屏障函数（CBF），实现了水下区域最优覆盖与动态避障，并通过MuJoCo物理仿真验证了系统的鲁棒性与有效性。

　　

研究亮点

本研究的主要成果如图2所示，并与现有方法在表1和表2中进行了比较。本工作的贡献可总结为以下四点：

首先，针对表1中提到的全局轨迹方法的局限性，提出了一种名为“全局轨迹-最大化覆盖（GT-MC）”的迭代方法，以寻找满足最终覆盖优化分布的轨迹。所建议的轨迹是一系列路径点，满足AUV之间以及AUV与地形障碍物之间的连通性、最大速度和安全距离等约束条件。

其次，由于获得的轨迹仅满足最终覆盖优化的目标和约束，我们进一步采用重新优化方案对其进行细化。次优轨迹经过顺序距离合并（SDM）阶段以删除不必要的路径点，然后通过尾部冗余修剪（TRT）阶段去除重复路径点。最终，轨迹满足全局轨迹优化目标和约束，生成最优路径点集合。

再者，为克服表2中现有方法的缺陷，本文提出了一种局部轨迹生成方法，通过在简化虚拟AUV模型上集成模型预测控制（MPC）与安全屏障函数（CBF）。生成的局部轨迹（即虚拟模型的状态）由每个实际AUV通过滑动模态控制（SMC）策略结合推力分配优化器进行跟踪。这一分层框架确保了精确的轨迹跟踪，并保障了动态水下环境中的避障能力。

最后，为验证所提出控制框架的性能，本研究通过Python代码与基于物理的仿真器MuJoCo引擎[Todorov et al., 2012]进行了仿真，该平台复现了真实水下条件，为AUV行为的开发与验证提供了实用测试平台。

结论

本文提出了一种用于集成传感器的多AUV系统协调轨迹生成的分层框架，包括全局轨迹与跟踪控制。通过结合全局与局部规划策略，该方法同时解决了高效区域覆盖和动态避障的双重挑战。在全局层面，引入了一种启发式算法（GT-MC），用于生成优化轨迹，在满足连通性和避障约束的同时最大化传感覆盖。