Pir 02 2016 by dimasonya1944

СИСТЕМЫ И ТЕХНОЛОГИИ УДК 681.883.67.001:621.396.677

О ПРОЕКТЕ СОЗДАНИЯ ПОДВОДНОГО РОБОТОТЕХНИЧЕСКОГО КОМПЛЕКСА ДЛЯ ИССЛЕДОВАНИЯ ПРЕДЕЛЬНЫХ ГЛУБИН ОКЕАНА Ю.В. Матвиенко, Л.В. Киселев,   А.В. Инзарцев, О.Ю. Львов

Федеральное государственное бюджетное учреждение науки Институт проблем морских технологий ДВО РАН1

Проект создания подводного робототехнического комплекса для работы на больших и предельных глубинах океана предполагает выработку общих требований, отвечающих назначению аппарата и его способности решать сложные задачи в экстремальных условиях среды. В основу проекта положен многолетний опыт ИПМТ ДВО РАН по созданию и практическому применению глубоководных автономных необитаемых подводных аппаратов (АНПА) и их систем различного назначения. В научном и прикладном аспектах наибольший интерес вызывают исследования геологического строения дна, гидрологии, геофизических и геохимических процессов, биологического разнообразия и ряда других физических свойств глубоководных районов океана. Робототехнический комплекс, способный решать целиком или частично этот комплекс задач, становится объектом принципиально новой разработки. В проекте рассматриваются проблемы, связанные с оптимальным выбором состава систем и характеристик комплекса, включающего автономный необитаемый подводный аппарат (АНПА), судовые средства навигации и связи, промерный донный маяк-ответчик, стационарную донную навигационную станцию. Основными объектами исследования и разработки являются особенности конструкции АНПА, навигационного обеспечения, информационного взаимодействия, планирования и осуществления рабочих миссий в условиях больших и предельных глубин океана.

ВВЕДЕНИЕ Исследование Мирового океана является одной из наиболее приоритетных и наукоемких областей человеческой деятельности. Анализ современных тенденций развития подводных технологий свидетельствует о том, что ведущие страны мира прилагают значительные усилия к созданию технических средств для освоения мало исследованных районов Мирового океана. Особое значение имеют задачи по исследованию абиссалей и глубоководных районов, сформировавшихся в результате глобальных геологических процессов. Поэтому изучение особенностей их рельефа, структуры донного грунта, физических полей представляет большой научный интерес. Следует отметить, что все проведенные ранее исследования 4

абиссалей глубоководными техническими средствами характеризуются «точечными», разрозненными измерениями лишь отдельных океанографических параметров. В настоящее время в мире нет технических средств, позволяющих проводить непрерывные, долговременные и протяженные исследования океанского дна на глубинах более 6000 м. Представляется очевидным, что в решении подобных задач наиболее эффективно использование подводных роботов, разработанных с учетом особых условий работы в экстремальной среде [1, 2]. Использование автономных роботов дает возможность измерений многих параметров на большой площади с точной координатной привязкой, выполненной в одном временном масштабе. Очень важными остаются оценки глубин. Шельф и матери-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

ковые отмели характеризуются плавным понижением суши до глубины 200 м. Далее, до 3000 м, довольно круто (4–14°) простирается материковый склон, который завершается подножием (до изобат 3000–4000 м), граничащим с ложем океана (глубина от 4000 до 6000 м). Океанскими хребтами, отдельными возвышениями дна и цепочками гор ложе разделяется на отдельные котловины [3, 4]. Наиболее глубокие части океана заняты глубоководными желобами, максимальные глубины которых представлены ниже в виде табл. 1, а их географическое положение показано на рис. 1. В выполненных несистематизированных исследованиях глубоководных районов наибольший объем данных получен по району 1 690091, Владивосток, ул. Суханова, 5а. Тел/факс: (423) 243-24-16. E-mail: inzar@marine. febras.ru

СИСТЕМЫ И ТЕХНОЛОГИИ

Таблица 1. Глубоководные желоба и их максимальные глубины, м Марианский Тонга КурилоКамчатский

Филиппинский Кермадек Идзу-Бонинский

Японский Пуэрториканский ПеруанскоЧилийский

Алеутский Зондский (Яванский) Кайман

10989

10047

8412

7820

10800

10540

8385

7450

10542

9810

8055

7093

Рис. 1. География расположения глубоководных впадин

Марианского желоба, где расположена, по предварительным оценкам, глубочайшая точка Мирового океана, однако даже ее максимальная глубина, около 11000 м, до сих пор точно не установлена. Марианская впадина – глубоководный желоб в западной части Тихого океана, к востоку и югу от Марианских островов. Протяженность Марианской впадины 1340 км, средняя ширина 59 км. Максимальная глубина 11022 м расположена в южной части, измерена советским исследовательским судном «Витязь» в 1957 г. Все проведенные ранее исследования Марианского желоба глубоководными средствами были, можно сказать, «точечными». Хорошо известно первое погружение на рекордную глубину 10750 м, выполненное в 1960 году Ж. Пиккаром и Д. Уолшем на батискафе «Триест». Погружение имело большой резонанс, но какой-либо научной ценности оно не представляло. После этого только в 1995 году японский подводный аппарат с дистанционным управлением «Kaiko» впервые опустился на дно Марианского желоба в месте, имеющем глубину 10911 м. В дальнейшем аппарат «Kaiko» использовался

главным образом для биологических исследований в Марианской впадине. В ходе этих исследований в 2002 году было обнаружено множество видов неведомых науке одноклеточных организмов, существующих в неизменном виде почти миллиард лет. В 2009 году в Марианскую впадину погружался гибридный (автономно-привязной) аппарат «Nereus», созданный в США усилиями нескольких организаций. Были проведены локальные измерения гидрофизических и гидрохимических параметров, взяты пробы грунта. Основания и предпосылки создания АНПА для больших и предельных глубин Идеи и проекты создания многофункциональных АНПА для исследования больших и предельных глубин океана неоднократно возникали в течение предшествующих лет. Эти идеи и проекты были основаны на опыте создания и практического применения преемственного ряда обзорно-поисковых и обследовательских аппаратов с глубиной погружения до 6000 метров [5–8]. Наиболее значительные успехи были достигнуты

при создании робототехнического комплекса «Клавесин‑1Р» и его опытной эксплуатации в различных районах Мирового океана. В настоящее время серийные образцы АНПА «Клавесин‑1Р» эксплуатируются соединениями российского военно-морского флота (рис. 2). В последнее десятилетие предпринималось несколько попыток разработки проекта АНПА для проведения исследований в Марианском глубоководном желобе. Инициаторами проектов выступали Российская академия наук, Русское географическое общество, и специалистами ИПМТ ДВО РАН были выполнены оценки по всем принципиальным вопросам проектирования АНПА. В 2015 году проект под названием «Витязь» был рассмотрен Фондом перспек-

Рис. 2. Серийные образцы АНПА «Клавесин-1Р»

тивных исследований РФ и получил положительную оценку в отношении методологии и возможности реализации проекта на основе технологии, разработанной в ИПМТ ДВО РАН. В настоящей статье представлены основные идеи, научные и технологические проблемы, связанные с осуществлением проекта. Особенности задач, решаемых с помощью АНПА в глубоководных исследованиях Области применения АНПА для решения океанографических и поисково-обследовательских задач определяются не только

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СИСТЕМЫ И ТЕХНОЛОГИИ

функцио нальным назначением того или иного проекта, но и условиями среды, в том числе глубиной морской акватории и характером рельефа дна. В этом отношении абиссальные районы имеют немало особенностей, накладывающих дополнительные требования ко всем элементам робототехнического комплекса. В качестве одной из важнейших задач следует рассматривать создание точных батиметрических карт глубоководных районов. При этом могут быть использованы уже имеющиеся батиметрические данные и модели рельефа, построенные на основе этих данных. Так, американскими специалистами в 2013 году была построена математическая модель площадки Челленджера в Марианской впадине. С помощью АНПА можно получить прямые экспериментальные данные батиметрии, которые позволят значительно уточнить эту модель и получить ответы на важные вопросы по географии Земли. Серьезное значение имеет исследование геологического строения дна глубоководных впадин, особенностей микрорельфа, геофизических полей, минерального сырья, биологического разнообразия. Данный класс исследований предполагает использование АНПА на расстояниях от дна от единиц до десятков метров. По имеющимся данным, например [3, 4], рельеф дна в большинстве глубоководных районов сформировался в результате вулканической деятельности и разломов в земной коре. Основу рельефа во многих местах составляют подводные горы (гайоты). Микрорельеф гайотов изучен слабо, и о нем можно судить лишь по фотографиям и словесным описаниям гидронавтов [5]. В нижних поясах гайотов наблюдаются осадки, обломки вул6

канических образований, поверхность верхних поясов определяется в основном вулканическими образованиями. Кроме чисто геологических задач с помощью АНПА можно производить оценку запасов минерального сырья, образовавшегося в результате вулканической деятельности или длительных физико-химических процессов. Речь может идти об оценке запасов железомарганцевых конкреций, лежащих преимущественно на равнинных участках океанского дна, и железомарганцевых корок, образующихся на свободных от осадков наклонных участках гайотов. АНПА традиционно используются как для оперативного, так и долговременного мониторинга водной среды. В этом отношении исследование глубоководных впадин имеет лишь ту особенность, что ввиду малой изученности больших глубин спектр измерений должен включать геофизические, гидрологические и гидрохимические параметры, параметры для оценки биологических свойств и экологического состояния среды. Основные научнотехнические и технологические проблемы при создании глубоководного робототехнического комплекса

Конструктивнотехнологические особенности проекта При погружениях на большую глубину конструкция аппарата находится под воздействием переменного гидростатического давления, которое на предельных глубинах составляет более одной тысячи атмосфер. В связи с этим требуют своего решения две проблемы: –– обеспечение прочности конструкции аппарата при высоком внешнем давлении,

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

–– компенсация избыточной плавучести, обусловленной увеличением плотности воды по мере увеличения глубины погружения. В традиционной схеме корпусной модульной конструкции системы аппарата размещены в отдельных небольших герметичных контейнерах и компенсация отрицательной плавучести достигается применением сферопластиковых блоков плавучести, придающих жесткость всей конструкции. Этими факторами и требованиями, предъявляемыми к энергетике (автономности), обусловлены масса и размеры аппарата. Оценки, проведенные при подготовке проекта, приводят к выводу о необходимости применения конструкционных материалов, обеспечивающих определенный компромисс требований по прочности и плавучести корпусной конструкции. В табл. 2 приведены расчетные характеристики прочных корпусов подводного аппарата для предельных глубин Мирового океана [10, 11]. Прочный корпус состоит из цилиндрической оболочки и двух полусферических крышек. Рассмотрены возможности создания прочного корпуса для следующих конструкционных материалов: алюминиевого сплава В95, титанового сплава ВТ22 и композитного материала, состоящего из цилиндрической оболочки, стеклометаллокомпозита и полусферических крышек из алюминиевого сплава В95. При расчете объема (массы) аппарата будем исходить из условия, что в конструкции используется легковесный наполнитель типа синтактика с эффективной плотностью 0,8 г/см3. Нетрудно далее показать, что при объеме аппаратуры, которая должна быть размещена в прочных корпусах, равном, например 100 л, что соответствует АНПА среднего класса типа МТ‑2010 (водоизмещение которого

СИСТЕМЫ И ТЕХНОЛОГИИ

Таблица 2. Сравнительные характеристики прочных корпусов из различных материалов

Материал

1. Алюминиевый сплав В95 2. Титановый сплав ВТ22 3. Композит

Цилиндрическая оболочка

Полусферическая крышка

Прочный корпус

Толщина, длина, внешний радиус

Толщина стенки, внешний радиус

Объем, масса, эффективная плотность, г/см3

0,6903; 4; 1,6903

0,25; 1,25

46,28; 84,14; 1,818

0,1715; 4; 1,1715

0,0788; 1,0788

22,69; 26,68; 1,176

0,1934; 4; 1,1934

0,1696; 1,1696

24,60; 20,75; 0,843

Примечание. Все линейные размеры нормированы на внутренний радиус оболочки, длина оболочки выбрана из условия максимальной устойчивости и равна двум внутренним диаметрам.

составляет 300 кг для предельной глубины 3000 м), ориентировочные расчеты водоизмещения АНПА, выполненных из корпусов 1–3, составят соответственно 4300 кг, 2150 кг и 1900 кг. Результаты расчета для трех вариантов материала представлены в табл. 3. Необходимо отметить, что стеклометаллокомпозит – новый материал, состоящий из стеклянного слоя, облицованного металлическими обшивками. В качестве облицовок могут быть использованы легкие металлы, обладающие высокими деформационными свойствами. В настоящее время производится отработка технологии изготовления цилиндрических оболочек из стеклометаллокомпозита, состоящего из силикатного стекла и алюминиевых сплавов. Другая важная проблема связана с обеспечением нейтральной плавучести аппарата при изменении глубины погружения вплоть до предельных глубин океана.

Вследствие увеличения плотности воды с глубиной, которая составляет до 1076 кг/м3 на максимальных глубинах при среднем значении плотности морской воды на поверхности 1020 кг/м3, плавучесть АНПА также изменяется в широких пределах. Кроме того, точное значение плотности на рабочей глубине заранее неизвестно. Опыт глубоководных зависаний АНПА «Клавесин‑1Р» выявил увеличение его плавучести на 40,5 Н на каждые 1000 м глубины. Используя принцип подобия, получим увеличение плавучести на глубине 12000 м до 486 Н. Компенсацию этих изменений можно обеспечить с помощью системы регулирования объема (только на его уменьшение при работе на максимальных глубинах). Анализ путей решения перечисленных выше задач приводит к выводу о необходимости применения нетрадиционного подхода к выбору состава робототехнического комплекса, включающего

Таблица 3. Расчетные данные массы и объема АНПА Материал

Масса Объем (м3), масса (кг) прочных полезной контейнеров нагрузки, кг

Объем синтактика, м3

Объем аппарата, м3

Алюминиевый сплав В95

0,3; 550

800

4,3

Титановый сплав ВТ22

0,14; 150

400

2,15

Композит

0,14; 100

350

1,75

1,9

автономные, судовые и дистанционно управляемые средства. Проектом предусматривается следующий состав комплекса: • АНПА; • судовой пост управления, • стационарная судовая навигационно-связная гидроакустическая антенна (ССГА); предназначена для информационного обмена со стационарной донной станцией с дальностью действия до 20 км; • судовая буксируемая гидроакустическая антенна (СБГА) с кабель-тросом длиной до 5 км; предназначена для навигационно-информационного обмена с АНПА с дальностью действия до 10–15 км; • промерный донный маяк-ответчик (ПДМО); предназначен для измерения гидрологии, глубины и условий распространения сигналов, обеспечения навигационного обмена с АНПА при его работе вблизи дна с дальностью действия до 10 км; • стационарная донная навигационная станция (СДНС); предназначена для обеспечения навигационно-информационного обмена с АНПА при его работе вблизи дна с дальностью действия до 10 км и информационного обмена с ССГА с дальностью действия до 20 км. Научное оборудование, устанавливаемое на борту АНПА, обеспечивает выполнение следующего класса работ: • прецизионная батиметрическая съемка района на площади до 10 км2; • гидролокационная съемка дна на площади до 30 км2; • измерения гидрофизических и гидрохимических параметров морской среды по маршруту следования с линейным пробегом до 50 км; • фототелевизионная съемка дна на площади до 180 тыс. м2;

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СИСТЕМЫ И ТЕХНОЛОГИИ

• гидроакустическое профилирование верхнего слоя грунта на площади до 1,8 км2. К дополнительным функциональным возможностям АНПА в данном проекте можно также отнести: • выполнение интеллектуальных поведенческих действий с использованием элементов адаптивного управления с автономной и дистанционной коррекцией траекторий, выбором маршрута в сложной среде на основе вероятностных прогнозов о подводной ситуации и состоянии систем АНПА; • повышение эффективности батиметрических измерений и анализа тонкой структуры морского дна с помощью промерного эхолота; • установку на дне отделяемого оборудования. Представим модель взаимодействия элементов комплекса схематично в виде, изображенном на рис. 3. Предварительно в районе работ устанавливается донная станция и выполняется ее координирование с использованием судовых средств навигации и связи. Далее с помощью аппаратуры, раз-

мещенной на буксируемом модуле или буксируемом подводном аппарате, организуется связь с донной станцией. Положение буксируемого аппарата относительно судна должно вычисляться с высокой точностью с использованием дополнительных гидроакустических средств. Донная станция при работе с АНПА выполняет функции опорного маяка гидроакустической навигационной системы, необходимого для дальномерных или дальномерно-угловых измерений на борту АНПА. Кроме того, донная станция должна передавать в направлении от подводного аппарата на обеспечивающее судно информацию о состоянии бортовых устройств и избранные кадры гидроакустической и фототелевизионной съемки. В обратном направлении через донную станцию на подводный аппарат будут поступать команды телеуправления. Необходимо отметить ряд достоинств представленного ком плекса. Во-первых, благодаря распределению между элементами комплекса функций навигации и информационного обмена значительно уменьшаются энергоза-

Рис. 3. Схема взаимодействия элементов комплекса: 1 – судно-носитель (судовая аппаратура управления); 2 – буксируемая судовая антенна; 3 – стационарная донная станция; 4 – судовой пеленгатор; 5 – АНПА; 6 – промерный зонд

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

траты и объем бортового оборудования АНПА, обеспечивающего работу комплекса. Во-вторых, повышается точность навигационного обеспечения в целом, поскольку скорость распространения акустических сигналов в горизонтальной плоскости в однородной среде происходит с минимальным градиентом и, кроме того, при использовании высокочастотных сигналов может быть соответственно уменьшен период посылок ГАНС. В-третьих, в распределенной системе достигается оптимальное соотношение между параметрами навигационных и информационных (связных) сигналов в различных режимах функционирования комплекса.

Навигационное обеспечение и связь Традиционно в состав навигационного оснащения АНПА входят элементы бортовой автономной, гидроакустической и спутниковой систем навигации. Каждая из систем, в свою очередь, представляет собой комплекс устройств, входящих в общий базовый состав систем АНПА и судового оборудования. Обычно перечень основных задач навигационного комплекса включает: • высокоточное определение текущих координат АНПА на его борту и на обеспечивающем судне в условиях глубокого моря вплоть до предельных глубин океана; • координатную привязку с необходимой точностью всех элементов глубоководного комплекса при их взаимодействии в общем сценарии работы; • безопасное выполнение рабочих миссий вблизи дна и донных препятствий; • получение на борту сопровождающего судна необходимой информации о состоянии систем

СИСТЕМЫ И ТЕХНОЛОГИИ

АНПА и управление ходом миссии путем ее дистанционной коррекции по гидроакустическому каналу; • обеспечение безотказной работы гидроакустического канала связи с использованием высокопроизводительных модемов (до 15–20 кб/с) и возможностью передачи в реальном времени визуальной информации, получаемой в процессе функционирования комплекса. В навигационном комплексе глубоководного аппарата наибольшее значение приобретают гидроакустические системы. Необходимость увеличения дальности действия систем ведет к уменьшению рабочих частот и росту массогабаритных характеристик аппаратуры, в том числе и размещаемой на борту аппарата. Кроме того, значительно усложняются условия для обеспечения надежности гидроакустической связи и точности дальнометрии при наклонном распространении сигналов в глубоководных районах со сложной и слабо изученной гидрологией. С этой точки зрения классическая схема применения гидроакустической системы с длинной базой с установкой в районе работ комплекта донных маяков оказывается очень сложной и громоздкой. Представляется целесообразным использовать для решения задачи специальную стационарную донную станцию как основное средство обеспечения глубоководных погружений АНПА и выполнения рабочих миссий в локальных районах [12]. Станция совместно с АНПА образует глубоководный исследовательский комплекс, причем станция выполняется с широкими функциональными возможностями. В первую очередь – это навигационно-информационная поддержка АНПА гидроакустическими средствами. Кроме того,

в составе станции могут быть размещены осмотровые и измерительные средства, предназначенные для получения первичной информации о районе предполагаемого применения АНПА. Основные системы донной станции и системы АНПА должны быть унифицированы. Станция должна иметь энергообеспечение, достаточное для организации канала информационного обмена дальнего действия с использованием низких частот. В структуре донной станции должны быть реализованы системы, обеспечивающие ее многократную постановку в районах применения АНПА. Из назначения донной станции вытекают два режима ее работы: –– обеспечение высокоскоростного информационного обмена в низкочастотном диапазоне по вертикальному каналу связи с обеспечивающим судном; –– информационный обмен с АНПА в придонном горизонтальном канале на более высоких частотах в установленном радиусе действия АНПА. Станция устанавливается в районе работ АНПА и служит передаточным звеном в цепи доставки информации по маршруту: сопровождающее судно – буксируемая гидроакустическая антенна – стационарная донная станция – АНПА и обратно. Точность навигационной привязки всего комплекса достигается с помощью специально разработанной процедуры координирования и точного измерения текущих горизонтальных дальностей судовой гидроакустической антенны от станции. Схематически процедуры информационного обмена между элементами комплекса выглядят следующим образом. Для информационной связи между АНПА и ДСС, осуществляемой в условиях горизонтального

канала, может быть использована аппаратура высокочастотной системы связи (ГАСС ВЧ). Основным элементом системы является гидроакустический модем с дальностью действия до 3 км и скоростью передачи информации не менее 5 кбит/с. С борта АНПА передаются телеметрические данные и формализованные сообщения о работе инструментальных средств АНПА, а на борт АНПА поступают команды управления миссией. Дополнительные возможности дает канал гидроакустической навигации, который позволяет осуществлять передачу дальномерных данных и дублировать (в уменьшенном объеме) данные телеметрии и команды телеуправления. В организации связи между ДСС и СБА участвуют оба канала: горизонтальный канал задействован аналогично тому, как сказано выше, а связь в вертикальном канале осуществляется с помощью низкочастотной системы связи (ГАСС НЧ). Последняя представляет собой постоянный гидро акустический модем с дальностью действия до 20 км и скоростью передачи данных не менее 3–4 кбит/с. Этот модем может быть использован также как гидроакустический дальномер. При необходимости дополнительно включается аппаратура навигационного канала (ГАНС) как резервный дальномер и транслятор телеметрической информации и команд телеуправления с дальностью действия до 10 км.

Техническое зрение и сенсоры В состав системы технического зрения АНПА могут входить разнообразные устройства, обеспечивающие обзор и съемку дна в зависимости от характера и цели проводимой работы, а также выработку визуальной информации,

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СИСТЕМЫ И ТЕХНОЛОГИИ

необходимой для управления аппаратом. В наиболее полной конфигурации система представляет собой модульную интегральную систему, объединяющую гидролокаторы бокового, секторного (кругового) обзора, батиметрический гидролокатор, акустический профилограф, фото–видеосистемы, геофизические поисковые и измерительные устройства. В рамках проекта необходимо проведение детальных исследований по оптимальному составу системы и обоснованию характеристик ее компонентов. Основу сенсорного комплекса составляют измерители гидрологических параметров, которые предназначаются для определения электропроводности, температуры, глубины и широко применяются при изучении и освоении природных ресурсов Мирового океана. Дополнительно в состав АНПА должен быть включен промерный эхолот с дальностью действия не менее 500 м. Измерение гидрохимических параметров воды в придонном пространстве производится с помощью датчиков кислорода, солености, РН, прозрачности, концентрации различных ионов металлов и т.д. Необходимо обоснование оптимального состава сенсоров АНПА и их характеристик с учетом работы в условиях предельных глубин.

Планирование движения и управление Одна из основных задач, решаемых АНПА в глубоководном районе, заключается в выполнении гидролокационной, фототелефизионной и профилографической обзорной съемки дна с последующим построением батиметрической карты и карт различных физических величин (температуры, солености, скорости звука, растворенного кислорода, метана и т.п.). Сценарий 10

использования АНПА для таких исследований в целом аналогичен сценарию выполнения ранее отработанных глубоководных обзорно-поисковых работ. Основное отличие заключается в необходимости поддержания постоянного информационного контакта с донной станцией. Этим обусловлены некоторые особенности сценария, заключающиеся в следующем. На заключительном этапе погружения АНПА должен осуществлять процедуру активного поиска и наведения на ДС для установления с ней контакта и канала информационного обмена. При этом взаимодействие с судном-носителем ведется через ДС, поэтому траектории движения АНПА должны строиться и автоматически корректироваться таким образом, чтобы аппарат постоянно находился в зоне действия станции. Это необходимо как для слежения за АНПА с судна-носителя, так и для осуществления навигационной привязки получаемых данных. Отсюда следует, что для АНПА отсутствует задание (миссия) в обычном смысле этого понятия. Район работ определяется дальностью действия канала связи и зависит от конкретных акустических условий в месте установки ДС. Ряд других особенностей работы АНПА связан с преобладанием сложного рельефа, наличием аномальных магнитных полей и, возможно, других малоизвестных явлений. Из общей постановки задачи следует, что архитектура информационно-управляющей системы (ИУС) в целом может быть организована по типу ИУС обзорнопоисковых аппаратов [13]. Эта архитектура содержит три уровня информационно-управляющего взаимодействия систем и библиотеку агентов, отвечающих за организацию различных процессов. Особенности глубоководной ра-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

боты могут быть учтены в составе агентов и поведенческих функциях элементов тактического и исполнительного уровней ИУС. Так, задача автоматического приведения АНПА к донной станции решается одним из агентов библиотеки тактического уровня, алгоритмы которого реализованы и проверены в реальных морских операциях [5–9, 13, 14]. Отметим некоторые особенности формирования движения аппарата вблизи донной станции с целью покрытия области определенного радиуса сетью замкнутых траекторий. Форма и размеры этой области, зависящие от дальности связи, предварительно могут быть оценены путем моделирования. Одним из вариантов является движение АНПА по траектории, напоминающей спираль Архимеда (или прямоугольную спираль [15]), в центре которой находится ДС (рис. 4, а). Расстояние между витками спирали определяется шириной полосы обзора устройств технического зрения. Движение продолжается до потери связи с ДС, после чего АНПА либо прекращает миссию, либо возвращается к ДС для получения инструкций (команд) с судна-носителя. К достоинствам такого алгоритма движения следует отнести его простоту и anytime-характер построения траектории. Однако при спиралеобразном движении следует учитывать некоторые ограничения на работу исследовательских устройств. Другой вариант планирования движения вблизи ДС состоит в задании двух симметрично развернутых меандров по обе стороны от ДС (рис. 4, б). Такое движение создает благоприятные условия для работы акустических средств и построения мозаик при картографировании района. При выполнении «меандра» каждый галс выполня-

СИСТЕМЫ И ТЕХНОЛОГИИ

Рис. 4. Варианты траектории покрытия: а – спираль, б – симметричные прямоугольные меандры (красный – левый, синий – правый). Пунктирная линия – условные границы зоны связи с ДС

ется до тех пор, пока существует устойчивая связь с ДС, после чего аппарат переходит на обратный галс. Движение продолжается до полной потери связи с ДС, после чего аппарат возвращается к ДС и переходит к выполнению симметричного «меандра», если нет других инструкций. Приведенный схематично сценарий движения предполагает, что аппарат и донная станция находятся на одном горизонте. Реально аппарат совершает пространственное движение в радиусе дейcтвия канала связи с ДС. При наличии препятствий АНПА должен маневрировать с переменной скоростью и стабилизировать с необходимой точностью курс и глубину (расстояние до дна) на ходу и на месте, осуществлять движение по траектории, формируемой в процессе обследования заданной области или аномального поля, при батиметрии и других измерениях по контурам и разрезам. Наибольшую проблему при разработке высокоорганизованной системы управления движением представляет формирование маршрута АНПА при сложном рельефе дна, характерном для глубоководных впадин и гор (гайотов). Как правило, для проведения гидролокационной и фототелевизионной съемки на малом расстоянии от дна требуется

движение по эквидистанте, и при наличии сложных препятствий аппарат должен эффективно маневрировать и выбирать безопасный маршрут, отслеживая при этом заложенную программой цель. Организация движения в среде с труднопреодолимыми препятствиями требует интеллектуализации не только систем навигации и управления, но и средств обнаружения и распознавания всех видов препятствий по маршруту движения. Приоритетной задачей является обеспечение безопасности аппарата, в особенности при движении в стесненном пространстве, получении неполной или недостаточно достоверной информации о внешней среде и состоянии самого аппарата. В условиях изменчивого рельефа целесообразно производить съемку по горизонтальным или радиальным разрезам. Для построения сети горизонтальных разрезов фактически требуется обеспечить движение по изобатам с обходом относительно простых препятствий, так что это может дать некоторые преимущества в отношении управляемости аппарата и энергозатрат на движение. Съемка по радиальным разрезам требует выполнения более сложных маневров, причем съемку целесообразно производить в два прохода. На первом проходе осуществляется обзорная

гидролокационная съемка на расстоянии от поверхности порядка 30–50 м, второй проход с фотоили видеосъемкой становится более трудным из-за необходимости обеспечивать эквидистантное движение на высоте 3–5 м от дна. Система управления движением должна удовлетворять высоким требованиям по качеству динамических процессов, зависящих от тех режимов движения, которые должен осуществлять маневренный аппарат с гибким управле нием. Задачи управления в большинстве режимов движения решаются алгоритмическим (программным) путем и реализацией адаптивной структуры управления (регулятора), а для минимизации энергозатрат на движение необходимо, кроме того, минимизировать сопротивление на корпусе и хвостовом оперении, где обычно размещаются исполнительные органы (движители и рули).

Оценка основных технических характеристик проекта Анализ научно-технических и технологических проблем позволяет оценить технические характеристики основных составных частей глубоководного робототехнического комплекса, включающего АНПА, ДСС, СБА. Их основные характеристики представлены в табл. 4. ЗАКЛЮЧЕНИЕ Исследование и освоение глубоководных районов океана и абиссалей связано с решением принципиальных научно-технических и технологических вопросов создания надежных, долговременных многофункциональных комплексов, включающих автономные, дистанционно управляемые

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СИСТЕМЫ И ТЕХНОЛОГИИ

Таблица 4. Основные технические характеристики АНПА, ДСС, СБА АНПА Максимальная глубина погружения – 12000 м Масса – 2000 кг Размеры – ∅ 0,8×4,0 м Скорость – 0–1,5 м/с Автономность – 24 ч Пробег – 50 км Энергоемкость литийионных батарей – 4–8 кВт . ч Оборудование: ГБО, промерный многолучевой эхолот, цифровая фотовидеосистема, донный акустический профилограф, датчики среды

ДСС Максимальная глубина погружения – 12000 м Масса – 3000 кг Размеры – ∅ 0,8×5,0 м Автономность – 36 ч Энергоемкость литийионных батарей – 8 кВт . ч

СБА Максимальная глубина погружения – 6000 м Масса – 100 кг Размеры – ∅ 0,8×1,0 м Длина кабеля – 10 км

Оборудование: ГБО, цифровая фотовидеосистема, датчики среды, другие специальные измерители

Оборудование: датчик глубины, ГАНС, ГАСС НЧ

и стационарные глубоководные аппараты и робототехнические системы. Рассмотренный в работе проект может быть положен в основу создания робототехнического комплекса, способного обеспечить решение многих назревших задач по освоению океанских глубин. При этом могут быть реализованы долговременные, протяженные системные исследования всех выявленных в настоя-

щее время глубоководных районов Мирового океана, а также поиск и обследование новых, недоступных в настоящее время, районов океанов и морей. Реализация проекта позволит получить новые знания о геологическом строении морского дна в районах глобальных разломов земной коры, органических процессах и явлениях, гидрологических особенностях в придонном пространстве, воз-

можных запасах минерального сырья (железомарганцевых конкреций и корок). Отработанные на практике глубоководные технологии с использованием АНПА могут найти применение в других, в настоящее время не выявленных глубоководных районах Мирового океана, а также подо льдами в Северном Ледовитом океане. Успехи в названной проблематике являются показателем технологического уровня развития страны, интегрируя достижения во многих сферах науки и техники, включая проблемы механики, материаловедения, энергетики, навигации, управления, вычислительной техники. Решение рассмотренного в работе комплекса проблем будет способствовать также укреплению национальной безопасности и научно-техническому развитию страны, интеграции глубоководных средств нового поколения в общую структуру средств освоения глубин Мирового океана.

ЛИТЕРАТУРА 1. Смирнов А.В., Армишев С.В. Исследования подводными роботами рифтовых и горных образований // Технические средства изучения мирового океана / Ин-т океанол. им. П.П. Ширшова АН СССР. М., 1983. С. 95–98. 2. Агеев М.Д., Инзарцев А.В., Киселев Л.В. Некоторые вопросы управления АНПА при обследовании подводных гор // Морские технологии. Владивосток, 2000. Вып. 3. С. 6–22. 3. Зенкевич Н.Л. Атлас фотографий дна Тихого Океана. М.: Наука, 1970. 134 с. 4. Волохин Ю.Г., Мельников М.Е., Школьник Э.Л. и др. Гайоты Западной Пацифики и их рудоносность. М.: Наука, 1995. 368 с. 5. Сагалевич А.М. Океанология и подводные обитаемые аппараты. М.: Наука, 1987. 256 с. 6. Агеев М.Д., Киселев Л.В., Матвиенко Ю.В. и др. Автономные подводные роботы. Системы и технологии / под общ. ред. акад. М.Д. Агеева. М: Наука, 2005. 398 с. 7. Инзарцев А.В., Каморный А.В., Львов О.Ю., Матвиенко Ю.В., Рылов Н.И. Применение автономного необитаемого подводного аппарата для научных исследований в Арктике // Подводные исследования и робототехника. 2007. № 2(4). С. 5–14. 8. Inzartsev A.V., Kiseljev L.V., Matviyenko Yu.V. et al. Integrated Positioning System of Autonomous Underwater Robot and Its Application in High Latitudes of Arctic Zone // Motion Control. Vienna: InTech, 2010. P. 229–244. 9. Киселев Л.В., Матвиенко Ю.В. Автономные подводные роботы: Системы, комплексы, технологии // Подводные технологии и средства освоения Мирового океана. М.: Изд. дом «Оружие и технологии», 2011. С. 162–179. 10. Пикуль В.В. Перспективы создания прочных корпусов глубоководной техники из стеклометаллокомпозита // Судостроение. 2000. № 4. С. 14–16. 11. Пат. 2425776 Российская Федерация, МПК В63В 3/13. Водонепроницаемый прочный корпус подводного аппарата из стеклометаллокомпозита / В.В. Пикуль. № 2010114421; заявл. 12.04.2010; опубл. 10.08.2011, Бюл. № 22. 12. Matvienko Yu.V., Vaulin Yu.V. The navigation support of autonomous underwater vehicles for extreme ocean depths // 23-rd Saint Petersburg Conference on Integrated Navigation Systems. Saint Petersburg, 2016. P. 422–424. 13. Инзарцев А.В., Павин А.М., Багницкий А.В. Планирование и осуществление действий обследовательского подводного робота на базе поведенческих методов // Подводные исследования и робототехника. 2013. № 1(15). С. 4–16. 14. Павин А.М. Автоматическое привидение автономного подводного робота к гидроакустическому маяку // Подводные исследования и робототехника. 2008. № 1(5). С. 32–38. 15. Багницкий А.В., Инзарцев А.В. Автоматизация подготовки миссии для автономного необитаемого подводного аппарата в задачах обследования акваторий // Подводные исследования и робототехника. 2010. № 2(10). С. 17–24.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА УДК 519.673

ПОСТРОЕНИЕ ТРЕХМЕРНОЙ МОДЕЛИ МОРСКОГО ДНА ВОКСЕЛЬНЫМ МЕТОДОМ В.А. Бобков, А.П. Кудряшов

Федеральное государственное бюджетное учреждение науки Институт автоматики и процессов управления ДВО РАН1

ВВЕДЕНИЕ Трехмерная реконструкция сложных сцен по изображениям необходима для наглядного представления и визуального анализа больших объемов видеоданных, получаемых автономным подводным роботом при выполнении им различных рабочих миссий. Одним из эффективных методов построения 3D моделей сложных сцен по множеству видов является воксельный метод, предложенный в работе [1] и впоследствии развитый в других работах. Под видами здесь понимаются изображения для разных точек наблюдения и связанные с ними дальностные данные. Дальностные данные могут быть получены различными способами, включая использование лазерных 3D сканеров [2], непосредственно измеряющих расстояния до видимых точек, или обработку изображений методами компьютерного зрения для получения так называемых карт глубин. Такой подход был применен в [3] для реконструкции и визуализации

протяженных подводных сцен. Однако существенными недостатками воксельного метода являются его высокая ресурсоемкость, а также артефакты на результирующей модели [5]. В работах других авторов предлагается использовать октодерево [6], чтобы сократить время работы, а также альтернативный метод расчета весовой функции [7], направленный на зашивку дыр. Но проблема артефактов по-прежнему остается, а время обработки даже небольших объемов становится неприемлемым. Предлагаемый в настоящей статье метод построения единой целостной трехмерной модели основывается на подходе, предложенном в [1, 5 и 6], а также на результатах более ранних работ авторов [8, 9] и направлен на преодоление указанных недостатков. Работа выполнялась в контексте решения авторами более общей задачи по созданию трехмерных моделей на множественных последовательностях изображений. Вклад

авторов состоит в разработке оригинального алгоритма, в котором: а) построение гибридной весовой функции осуществляется в октантном воксельном пространстве как вдоль нормалей, так и вдоль линии наблюдения; б) обеспечивается оптимизация вычислений за счет эффективной структурной организации данных; в) достигается высокая скорость обработки данных за счет реализации параллельных вычислений на многоядерных процессорах.

1. Метод 3D реконструкции Задача формулируется следующим образом. Имеются n пар видов, полученных со стереокамеры, установленной на подводном аппарате. Для отработки алгоритма используется модельная виртуальная среда с симуляцией подводного аппарата (рис. 1). Для каждой пары видов на предварительном этапе была построена видимая поверх1 690041, Владивосток, ул. Радио, 5. Тел.: (423) 231-37-76. E-mail: bobkov@iacp.dvo.ru

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 1. Модельная сцена с подводным аппаратом, снимающим морское дно

ность в виде карты глубин. Цель – построить единую текстурированную триангуляционную оболочку с минимальным количеством дыр, возникающих из-за ненаблюдаемости части фрагментов сцены, которая и будет являться трехмерной триангуляционной моделью сцены. Метод работает в воксельном пространстве сцены, представленном в виде октодерева. Используется непрерывная неявная функция D(Vi), представленная значениями в узлах воксельной решетки. Подробное описание алгоритма построения D(Vi) представлено ниже, в частях 3.1 и 3.2. В качестве весовой функции W(Vi) берется скалярное произведение вектора нормали к поверхности и вектора направления на точку наблюдения. Такой выбор исходит из предположения, что при корреляционном подходе к определению расстояния до поверхности степень неопределенности для наклонных поверхностей выше, чем для поверхностей, наблюдаемых под прямым углом. Для вычисления D и W используются следующие инкрементальные правила: Dj+1(Vi) = [Wj(Vi)Dj(Vi) + +wj+1(Vi)dj+1(Vi)] / [Wj(Vi) + +wj+1(Vi)], Wj+1(Vi) = Wj (Vi) + wj+1(Vi), 14

где i – номер вокселя, а j – номер вида, dj+1 – расстояние от вокселя до поверхности, wj+1 – скалярное произведение нормали к поверхности и вектора направления на точку наблюдения. Весовая функция W(Vi) – константа для всех вокселов до видимой поверхности (для данного вида), а для вокселов за поверхностью линейно убывает до нуля в пределах ε-окрестности. Такой выбор области определения весовой функции направлен на предотвращение возникновения ложных поверхностей. В результате последовательной обработки всех видов каждому вокселю присваиваются значение интегральной функции расстояния D(Vi) (величина со знаком) и значение интегральной весовой функции W(Vi). Тогда построение изоповерхности D(Vi) = 0 и является решением нашей задачи. Преимуществом сведения исходной задачи к такой постановке является то, что построение изоповерхности скалярного поля, заданного на воксельной решетке, можно выполнить с помощью известного алгоритма марширующих кубиков [4]. При построении единой поверхности в ней могут образовываться дыры, из-за того что некоторые части сцены ненаблюдаемы с камер подводного аппарата. На

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

этапе построения функции D(Vi) необходимо произвести диффузное размытие значений этой функции, получив некоторые усредненные значения в соседних пустых вокселях (см. разд. 3.3). Применив диффузное размытие достаточное количество раз, можно построить поверхность, которой изначально не было в исходных данных. Для экономии памяти был реализован метод, предложенный в [1 и 3] с использованием октодерева и оптимизацией из [6], поскольку реальное заполнение воксельного пространства значениями весовой функции составило только 5–12% от всего объема. Такая реализация позволяет сократить затраты памяти на порядок, что, в свою очередь, дает возможность повысить размерность воксельного пространства и таким образом повысить детализацию финальной модели при использовании того же объема оперативной памяти. Текстурирование модели происходит методом последовательной проекции каждого тре угольника на все виды, откуда он наблюдаем, и выбором вида с наибольшей площадью проекции.

2. Индексация треугольников Предполагается, что для каждого из видов определены параметры камеры. Вначале создается воксельное пространство сцены. Для определения границ сцены просматриваются все узлы исходных сеток и находятся максимальные и минимальные значения по всем координатам. Размерность воксельного пространства задается пользователем. Она определяет детализацию результирующей трехмерной сцены. Заметим, что наиболее ресурсоемкой частью представленного выше метода является определение расстояний от вокселов до

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

нию. Использование индексов при последующей работе алгоритма позволяет избежать полного перебора по всем треугольникам каждого вида и существенно уменьшает время работы алгоритма. Данный алгоритм может быть распараллелен по видам, поскольку они вычисляются независимо друг от друга.

3. Зашивка дыр в моделях Рис. 2. Индексация пикселей изображения

ближайшей поверхности при формировании скалярного поля. Вычислительная трудоемкость возникает из-за необходимости перебора всех треугольников с вычислением соответствующих расстояний. Чтобы избежать избыточных вычислений, предлагается механизм с предварительной индексацией всех треугольников сетки каждого вида (рис. 2). Для этого используется само изображение этого вида. Построим проекционную матрицу каждого i-го вида по фор муле:

где сki l – элементы матрицы камеры i-го вида, а f – фокус. Тогда можно спроецировать каждый треугольник исходной сетки i-го вида на i-е изображение по фор, где P  – коордимуле: наты точки в трехмерном пространстве. В результате каждый пиксель изображения приобретает индекс, указывающий на принадлежность к определенному треугольнику. Такая процедура возможна, поскольку исходная сетка для каждого вида является «видимой», т.е. не содержит невидимых на этом виде граней. Все неиндексированные пиксели приравниваются к одному значе-

При небольшой размерности воксельного пространства дыры хорошо зашиваются с использованием диффузии на нижнем уровне октодерева, но при увеличении размерности новая поверхность может иметь дефекты или дыры вообще могут не зашиваться даже при пропорциональном увеличении количества итераций размытия. Поэтому было принято решение при диффузии использовать воксельное пространство меньшей размерности, а затем пересчитывать его на большее, с учетом существующей поверхности. Был рассмотрен вариант использования верхних уровней октодерева. Анализ и эксперименты показали, что оптимальным является переход на 4 уровня октодерева (с уменьшением исходной детализации в 4096 раз). Именно на этом уровне проводится основное количество операций размытия, которые происходят на 3 порядка быстрее, чем на самом

нижнем уровне октодерева. Затем осуществляется перенос зашитой поверхности с верхнего на нижний уровень. Это позволило решить проблему зашивки больших дыр, но осталась проблема «выростов». Поэтому был предложен гибридный метод, согласно которому на нижнем уровне поверхность строится методом «по взгляду», на втором уровне поверхность строится по нормалям (рис. 3), далее производится диффузия на верхних уровнях, а затем поэтапно данные переносятся на более детальные уровни.

3.1. Метод объединения сеток, использующий весовую функцию по линии наблюдения Данный метод следует оригинальному воксельному методу [1], в котором для каждого вокселя строится непрерывная неявная функция D(Vi). Отличием является повышение быстродействия за счет использования индексированного массива индексов треугольников (подробнее см. в [6]). Весовая функция конструируется как взвешенная сумма получаемых для n видов расстояний d1(Vi), d2(Vi),… dn(Vi) от вокселя Vi до ближайшего треугольника j-й поверхности. Треугольник находится проецированием координат вокселя в массив индексов треугольни-

Рис. 3. Заполнение вокселов значениями весовой функции: а – по линии наблюдения, б – по нормалям ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

ков I. Расстояние dj берется на луче, направленном из центра проекций Oi в точку Vi, и является величиной со знаком (отрицательным для точек, находящихся за поверхностью, и положительным для точек перед поверхностью (рис. 3, а)). В качестве весовой функции W(Vi) берется скалярное произведение вектора нормали к поверхности и вектора направления на точку наблюдения. Такой выбор исходит из предположения, что при корреляционном подходе к определению расстояния до поверхности степень неопределенности для наклонных поверхностей выше, чем для поверхностей, наблюдаемых под прямым углом. Весовая функция W(Vi) линейно убывает до нуля в пределах окрестности, причем для вокселей перед поверхностью размер этой окрестности выбран в данной реализации равным 5 вокселям, а за поверхностью – 2. Такой выбор области определения весовой функции направлен на предотвращение возникновения ложных поверхностей в областях с большими перегибами поверхности. Поскольку весовая функция для каждого вокселя каждого вида считается независимо, проход по вокселям можно распараллелить на число процессоров.

3.2. Метод объединения сеток с весовой функцией по нормалям В отличие от вышеописанного метода непрерывная неявная функция D(Vi) строится вдоль нормали каждого треугольника на 3 воксела в каждую сторону от поверхности треугольника (рис. 3, б). Весовая функция конструируется как взвешенная сумма получаемых для n видов расстояний d1(Vi), d2(Vi),… dn(Vi) от вокселя Vi до каждого треугольника j-й поверхности. Весовая функция W(Vi) линейно убывает до нуля в пределах окрестности. 16

Рис. 4. Добавление пустых вокселей в октодерево. Разрыв должен быть заполнен вокселями, в которых будет происходить диффузное размытие

Рис. 5. Диффузное размытие. Белым цветом показана новая поверхность, построенная на месте перехода от отрицательных значений весовой функции к положительным

3.3. Диффузное размытие Диффузное размытие необходимо для заполнения пустых вокселей значениями с соседних (непустых) вокселей, по этим значениям и будет строиться новая поверхность. Поскольку вся работа происходит в октодереве, то пустых вокселей в памяти не содержится и их необходимо задать. Для этого итеративно проходим по занятым вокселям и добавляем все соседние (рис. 4). Количество итераций будет равно максимальному радиусу зашивки дыр. Далее, для каждого значения нефиксированного вокселя D(Vi) находим новое значение, равное значению D(Vi)*0,25 и сумме значений соседних 6 вокселей с коэффициентом 0,125 (рис. 5). Поскольку, весовая функция для каждого вокселя рассчитывается независимо, то проход по вокселям можно разделить на количество процессоров.

воксель, что недостаточно для операции диффузного размытия. Поэтому был предложен алгоритм перехода с уровня на уровень для сохранения необходимых данных. При переходе на один уровень вверх значения в вокселях на верхнем уровне должны браться не только как усреднённые по значениям восьми вокселей, занимающих тот же объем на нижнем уровне, но и значениями 24-х прилегающих вокселей, т.е. по 4 с каждой из 6 сторон. Эта операция позволяет заполнить часть пустых вокселей на каждом верхнем уровне и не допускает «схлопывания» данных.

3.4. Межуровневое диффузное размытие при переходе на верхние уровни октодерева При переходе сразу на 4 уровня вверх по октодереву, т.е. при уменьшении детализации в 16 раз по каждому измерению, значения весовой функции, которые распространялись от поверхности на 3 вокселя, будут занимать всего один

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

3.5. Переход на нижние уровни октодерева Очевидно, что при диффузном размытии на верхних уровнях октодерева получаемая поверхность будет иметь низкую детализацию. Поэтому для построения финальной поверхности необходимо перенести данные с верхних уровней октодерева на нижние, не потеряв зашитую поверхность и не внося искажений в существующую. Для этого перед переносом данных необходимо очистить нижний уровень (кроме самого детального) от всех значений вокселей, не прилегающих к поверхности, остальные воксели зафиксировать. Данные с

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

верхнего уровня записываем только в пустые воксели нижнего уровня. Таким образом, мы сохраняем уже построенную поверхность, а с верхних уровней переносим только достроенную поверхность.

3.6. Алгоритмическая реализация Используемые сокращения: L1 – самый детальный уровень октодерева (нижний), L4 – наименее детальный уровень (верхний). L2, L3 – промежуточные уровни. 1. Строим на уровне L2 весовую функцию методом нормалей. 2. Переносим данные на уровень L3 с применением межуровневой диффузии. 3. Фиксируем воксели, образующие поверхность на L2, остальные обнуляем. 4. Переносим данные на уровень L4 с применением межуровневой диффузии. 5. Фиксируем воксели, образующие поверхность на L3, остальные обнуляем. 6. Диффузное размытие на уровне L4. 7. Переносим данные с L4 на L3, за исключением фиксированных вокселей L3. 8. Диффузное размытие на уровне L3. 9. Переносим данные с L3 на L2, за исключением фиксированных вокселей L2. 10. Диффузное размытие на уровне L2. 11. Очищаем L2 от вокселов, не прилегающих к поверхности. 12. Строим на уровне L1 весовую функцию методом по направлению взгляда. Все воксели перед поверхностью являются фиксированными, поскольку перед наблюдаемой поверхностью заведомо нет другой поверхности. 13. Переносим данные с L2 на L1, за исключением фиксированных вокселей L1.

14. Диффузия на уровне L1 – устраняем артефакты и сглаживаем переход. Две итерации по всему октодереву с разными весовыми коэффициентами для существующей и для построенной поверхности. 15. Чистим L1 от вокселей, не прилегающих к поверхности. 17. Строим поверхность методом марширующих кубиков.

4. Вычислительные эксперименты Для получения сравнительных оценок эффективности предложенного метода были проведены вычислительные эксперименты на модельных сценах 1 (см. рис. 1) и 2 (см. рис. 2). Параметры используемого вычислительного оборудования: процессор Intel i5 3,3 Ггц, 24 Гб оперативной памяти, графическая плата NVidia GeForce 9600GT. Результаты вы-

числительных экспериментов приведены в таблице и на рис. 6–11. Как видно из таблицы, время выполнения практически не зависит от сложности сцены (количество исходных треугольников), что подтверждает эффективность реализованного механизма индексации. Также на рис. 8, 12 представлена работа алгоритма зашивки дыр. Предложенный механизм индексации при реализации алгоритма на центральном процессоре ускоряет вычисления в 12–18 раз. Использование многоядерности дает ускорение в 1,5–2,2 раза. Таким образом, суммарное ускорение оценивается в 18–40 раз. Большая разница между исходным и результирующим количеством треугольников объясняется значительным количеством дублирующихся треугольников в исходных данных.

Рис. 6. Исходные виды (1-й и 134-й из 300) сцены 1 (см. рис. 1)

Рис. 7. Реконструкция сцены 1 по 300 видам без зашивки дыр

Рис. 8. Сравнение фрагментов модели сцены 1. Слева без зашивки дыр, справа с зашивкой ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 9. Общий вид сцены 2 и траектория движения подводного аппарата

Рис. 10. Исходные виды сцены 2 (181-й и 345-й из 646)

Рис. 11. Реконструкция сцены 2

Рис. 12. Сравнение фрагментов модели 2. Снизу без зашивки дыр, сверху с зашивкой

Время вычисления, с КолИсходное кол-во во треугольников видов

Сцена Модельная сцена 1

300

14,3 млн

Модельная сцена 2

646

38,8 млн

ЗАКЛЮЧЕНИЕ В работе представлен метод построения трехмерной модели морского дна по множественному набору карт глубин, полученных 18

Размерность воксельного пространства 5123 10243 5123 10243

Время, с 73 514 86 618

Результирующее кол-во треугольников 524 тыс. 2,5 млн 257 тыс. 1,6 млн

по стереоизображениям, основанный на воксельном подходе. Тести рование на модельных данных показало, что предложенные алгоритмические решения и структура данных с использованием октоде-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

рева, индексации треугольников, гибридного вычисления весовой функции и диффузного размытия позволили существенно повысить качество визуализации и производительность метода в сравнении с аналогами. Дополнительное ускорение получено за счет использования многоядерности центрального процессора и применения параллельных вычислений. В дальнейшем планируется тестирование метода на реальных данных подводной съемки. Работа выполнена при частичной финансовой поддержке РФФИ (грант № 15-07-00341). ЛИТЕРАТУРА 1. Curless B., Levoy M. A Volumetric Method for Building Complex Models from Range Images // Computer Graphics: Proc. of the 23rd annual conf. on Comp. graphics and interactive techniques. New Orleans, USA, 1996. P. 303–312. 2. Stoyanov  T., Mojtahedzadeh  R., Andreasson  H., Achim  J.  Comparative evaluation of range sensor accuracy for indoor mobile robotics and automated logistics applications // Robotics and Autonomous Systems. 2013. Vol. 61. Issue 10. P. 1094–1105. 3. Johnson-Roberson M., Pizarro O., Williams  S.B., Mahon  I.  Generation and visualization of large-scale three-dimensional reconstructions from underwater robotic surveys // Journal of Field Robotics: Special Issue: Three-Dimensional Mapping. 2010. Vol. 27. Part 3. Issue 1. P. 21–51. 4. Seitz  S., Curless  B., Diebel  J., Scharstein D., Szeliski R. A Comparison and Evaluation of Multi-View Stereo Reconstruction Algorithms: Vision and Pattern Recognition // IEEE Computer Society Conference. 2006. Vol. 1. P. 519–526. 5. Davis J., Marschner S.R., Garr M., Levoy M. Filling holes in complex surfaces using volumetric diffusion // First International Symposium on 3D Data Processing: Visualization and Transmission. Padua, Italy, 2002. P. 34–45. 6. Podolak J., Rusinkiewicz S. Atomic Volumes for Mesh Completion // Symposium on Geometry Processing. Vienna, Austria, 2005. 7. Kumar A., Shih A.M. Hole Patching in Unstructured Mesh Using Volumetric Diffusion // 19th International Meshing Roundtable. Pennsylvania, USA: Springer-Verlag, 2010. P. 224–241. 8. Бобков В.А., Кудряшов А.П. Воксельный метод построения триангуляционной поверхности по множеству видов // Информатика и системы управления. 2012. № 2. С. 31–38. 9. Кудряшов А.П., Черкашин А.С. Построение единой триангуляционной поверхности по набору видов с зашивкой дыр // Информатика и системы управления. 2015. № 1. С. 36–40.

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

УДК 004.94+629.58+519.688

О НЕКОТОРЫХ АЛГОРИТМАХ ВИЗУАЛЬНОЙ НАВИГАЦИИ АВТОНОМНОГО НЕОБИТАЕМОГО ПОДВОДНОГО АППАРАТА С ИСПОЛЬЗОВАНИЕМ СТЕРЕОИЗОБРАЖЕНИЙ В.А. Бобков1, С.В. Мельман1,   А.Ю. Толстоногов2,   А.Ф. Щербатюк2

Федеральное государственное бюджетное учреждение науки Институт автоматики и процессов управления ДВО РАН1 Федеральное государственное бюджетное учреждение науки Институт проблем морских технологий ДВО РАН2

Описан метод визуальной навигации автономного необитаемого подводного аппарата по стереоизображениям с реализацией адаптивной методики расчета траектории и 6-облачного алгоритма вычисления локальных перемещений с использованием данных от бортовых навигационно-пилотажных датчиков. Метод основывается на реализации подхода, известного как визуальная одометрия. Предлагаемая адаптивная методика оптимизирует размер шага при расчете траектории движения с учетом данных о геометрии сцены, предварительно задаваемой степени перекрытия соседних видов камеры и скорости движения аппарата. Как следствие время расчета траектории существенно снижается без ущерба достигаемой точности навигации. 6-облачный алгоритм вычисления локальных перемещений расширяет классическую схему формирования 3D облаков за счет обработки данных от трех соседних позиций. Алгоритм включения в расчетную схему визуального метода дополнительной информации, получаемой бортовой навигационной системой (измерение углов ориентации аппарата), позволил снизить величину накапливаемой ошибки локализации. Приведены оценки эффективности предлагаемых модификаций алгоритма, полученные по результатам вычислительных экспериментов с виртуальными сценами и на реальных данных. Для подготовки виртуальных сцен и измерения ошибок метода использовался ранее разработанный авторами программный имитационный моделирующий комплекс, предназначенный для исследования методов управления АНПА и моделирования его рабочих миссий.

ВВЕДЕНИЕ Визуальный метод локализации автономных роботов интенсивно развивается в последнее время применительно ко всем видам роботов. Он является также хорошим дополнением к штатным средствам навигации автономных необитаемых подводных аппаратов (АНПА), особенно в условиях локального маневрирования. Высокоточное определение параметров движения АНПА является важной задачей при реализации режима позиционирования и в процессе выполнения им целенаправленных поисковых движений при наличии внешних возмущений (течение, морское волнение и т.д.). Режим позиционирования

предназначен для поддержания определенных местоположения и ориентации АНПА. Данный режим необходим при выполнении операций, связанных с осмотром подводных сооружений, стыковкой и сбором данных вблизи дна [1–4]. Визуальная одометрия с использованием стереозрения [2, 5], обеспечивая высокую точность вычисления локальных перемещений, потенциально может сохранять приемлемую точность локализации робота и при его непродолжительном движении. Однако, как известно, при длительном движении робота происходит накопление ошибки навигации. Совершенствование этого подхода, направленное на повышение точности, связано с разными аспекта-

ми, включая повышение достоверности сопоставления особенностей на снимках, повышение эффективности алгоритмов ICP (Iterative Closest Point) и др. [6–9]. Одним из способов повышения точности навигации АНПА является учет данных от бортовых навигационно-пилотажных датчиков в алгоритмах обработки изображений. Например, в работах [10–12] были предложены схемы интегрированной обработки визуальных данных и данных измерений инерциального сенсора. Работа, описываемая в настоящей статье, также направлена на 1 690041, Владивосток, ул. Радио, 5. Тел.: (423) 231-37-76. E-mail: bobkov@iacp.dvo.ru 2 690091, Владивосток, ул. Суханова, 5а. Тел.: (423) 243-26-47. E-mail: scherba@marine.febras.ru

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

повышение эффективности метода визуальной одометрии. В статье предлагается алгоритмическая база реализации визуального подхода с целью оптимизировать вычислительные затраты и повысить точность навигации АНПА, в том числе за счет интеграции измерений бортовых навигационно-пилотажных датчиков в процедуры обработки изображений.

Адаптивный метод визуальной навигации АНПА Традиционная вычислительная схема метода визуальной одометрии с обработкой стереопоследовательности снимков организована следующим образом: 1. Выделение общего множества особенностей на четверке изображений двух стереопар. 2. Генерация и фильтрация двух облаков 3D точек. 3. Вычисление локального геометрического преобразования, связывающего локальные СК двух соседних позиций. 4. Вычисление параметров текущей позиции АНПА путем объединения локальных преобразований предшествующих позиций. Согласно схеме на первом этапе анализируются две стереопары изображений, относящиеся к двум последовательным во времени позициям АНПА. Применительно к ним осуществляются поиск и сопоставление единого множества точечных особенностей, одновременно наблюдаемых на всех 4 изображениях. Для каждой из двух стереопар выполняется построение 3D точек-особенностей (3D облако) методом триангуляции, т.к. известна полная калибровка используемых камер. На втором этапе вычисляется геометрическое преобразование Hi, связывающее локальные СК двух соседних позиций АНПА. Для этого применяется метод решения 20

оптимизационной задачи, где в качестве целевой функции рассматривается минимизация суммарных расхождений по всем точкам двух 3D облаков. Полученное преобразование определяет перемещение (6DOF) робота из предыдущей позиции в текущую позицию pi = pi‑1 · Hi. Если в качестве мировой СК выбрана СК начальной позиции, то мировые координаты i-й точки траектории ПА вычисляются как pi = p0 · Hwi‑1, где Hwi= H0 · H1 · … · Hi. Более подробное описание метода можно найти в [13–15]. Таким образом, в каждой позиции АНПА, где выполняется съемка, визуальный метод позволяет определить параметры траектории, а также 3D координаты точечных особенностей на поверхностях наблюдаемых объектов. Описанная выше базовая вычислительная схема была модифицирована за счет реализации адаптивной методики расчета траектории АНПА, направленной на повышение эффективности метода. Адаптивная методика. При реализации визуального метода обычно используется схема расчета траектории с фиксированным шагом выбора обсчитываемых позиций АНПА. Однако она не оптимальна, поскольку не учитывает характера движения АНПА в условиях конкретной сцены. В частности, не гарантируется достаточное количество сопоставленных особенностей, не учитываются форма траектории и динамика движения АНПА, число накапливаемых в буфере памяти кадров съемки при реальном движении аппарата не будет соответствовать фиксированному шагу. Как следствие это препятствует обеспечению режима реального времени в случае вычислительной трудоемкости используемых алгоритмов. Предлагаемая адаптивная

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

методика учитывает геометрию сцены и требования по реализуемой алгоритмической эффективности (высота траектории над морским дном, скорость движения АНПА, степень перекрытия соседних видов камеры). Согласно методу визуальной одометрии вычисление текущей позиции АНПА основывается на результатах обработки всех предшествующих позиций. Поэтому для соответствия режиму реального времени необходимо, чтобы скорость алгоритмических вычислений была достаточной для того, чтобы время компьютерной обработки поступающих визуальных данных не превышало времени движения АНПА по траектории на текущий момент. Адаптивность реализуется тремя совместно работающими механизмами: а) выбор размера очередного шага в зависимости от степени перекрытия зон видимости стереокамеры для двух соседних позиций; б) уменьшение шага, если число сопоставленных особенностей меньше заданного порога; и в) отсечение тех частей изображения, которые не относятся к перекрытию зон видимости, оно выполняется непосредственно перед генерацией и сопоставлением особенностей в каждом из 4 исходных изображений. Первый механизм позволяет задавать максимальный размер очередного шага, гарантирующий заданную величину общей (для двух позиций) зоны видимости, что направлено на минимизацию числа обсчитываемых позиций и соответственно на уменьшение времени счета. Уменьшение или увеличение размера общей области видимости позволяет увеличивать или соответственно уменьшать максимальный шаг. Зависимость между величиной перемещения камеры и величиной общей зоны видимости определяется геометрией, показанной на рис. 1.

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 1. Вычисление адаптивного шага

Второй механизм (уменьшения шага) направлен на поддержание числа особенностей на уровне не ниже заданного порога, что необходимо для обеспечения высокой точности вычисления матрицы локального преобразования (определяет перемещение АНПА из предыдущей в текущую позицию). Если количество сопоставленных особенностей меньше заданного порога, то делается повторное сопоставление после деления шага пополам (в экспериментах порог варьировался от 30 до 100 точечных особенностей). Процесс итеративный, пока не выполнится условие или размер шага не достигнет 1 кадра. Этот же алгоритм обеспечивает и последующее постепенное восстановление размера шага до максимального расчетного путем его удвоения. Механизм отсечения части изображения, не относящейся к общей зоне видимости, дает два преимущества. Первое – сокращение времени обработки на этапе сопоставления особенностей за счет меньших размеров обрабатываемых изображений. Второе – эта процедура служит также и фильтром, поскольку естественным образом исключает возможные ошибочные сопоставления особенностей на неперекрывающихся областях, что, в конечном счете,

приводит к повышению точности вычислений локальных преобразований. Последующие эксперименты подтвердили это предположение.

6-облачная схема После адаптивного вычисления очередной позиции posi работает 6-облачный алгоритм. Его суть состоит в повышении точности локализации АНПА за счет минимизации расхождений между двумя потенциально эквивалентными вариантами вычисления локального перемещения при анализе трех последовательных позиций: posi‑1,

posi и средней между ними позиции posmiddle (рис. 2). Будем вычислять матрицы Hi‑1, middle, Hmiddle, i, Hi‑1, i, связывающие локальные СК соответствующих позиций. При вычислении каждой из указанных матриц геометрического преобразования осуществляется обработка 3D облаков стандартным способом. Будем исходить из того, что Hi‑1, middle · Hmiddle, i = Hi‑1, i. Тогда можно сформулировать на множестве точек 6 облаков оптимизационную задачу, в которой будут варьироваться параметры матриц Hi‑1, middle и Hmiddle, i. Матрица Hi‑1, i вычисляется по формуле Hi‑1, i = Hi‑1, middle · Hmiddle, i. Целевой функцией в этом случае будет: F = ∑ || cii‑1, middle – cimiddle, i‑1 · Hi‑1, middle || + + ∑ || cimiddle, i – cii, middle · Hmiddle, i || + + ∑ || cii‑1, i – cii, i‑1 · Hi‑1, i ||, где {cii‑1, middle} – множество точек в первом облаке, а {cimiddle, i‑1} – множество точек во втором облаке для пары стереопар в позициях posi‑1 и posmiddle; аналогичным образом определены множества точек для других облаков. Здесь возможны два способа выбора очеред-

Рис. 2. Вычисление локального перемещения по 6 облакам ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

ного шага. Согласно первому способу вычисление параметров траектории делается в позиции posmiddle с использованием матрицы Hi‑1, middle, а затем вычисляется очередной адаптивный шаг для posi+1 (см. рис. 2). Согласно второму способу вычисляется позиция posi с использованием матрицы Hi‑1, i, а затем вычисляется очередной адаптивный шаг для posi+1. В первом варианте точность локализации выше, но время расчета больше.

Интеграция измерений бортовых навигационнопилотажных датчиков в процедуры обработки изображений Для метода визуальной навигации так же, как и для других методов, характерно накопление со временем абсолютной ошибки при вычислении параметров траектории. В данном случае ошибка накапливается в абсолютной матрице преобразования, поскольку последняя формируется перемножением локальных матриц предшествующих шагов. В значительной степени влияние на абсолютную ошибку навигации оказывают неточности в вычислениях относительной ориентации (в большей степени это относится к углу курса движения) при локальных перемещениях АНПА. Воспрепятствовать накоплению ошибки может привлечение дополнительной информации. Такой дополнительной информацией может быть измерение углов ориентации и скорости АНПА (доплеровский лаг), обеспечиваемое бортовой навигационной системой. Известно, что используемые в навигационных системах АНПА приборы обеспечивают точность по углу курса от 0,1° и более (магнитный компас) (для углов крена и дифферента эта точность выше). И хотя эта точность (как показали 22

вычислительные эксперименты) ниже точности вычислений локальных изменений ориентации визуальным методом, преимущество компаса заключается в том, что он измеряет абсолютные значения углов ориентации аппарата. Поэтому целесообразно интегрировать в схему вычислений данные абсолютных угловых измерений таким образом, чтобы, сохраняя преимущество визуального метода в вычислении локальных перемещений, уменьшать накопление ошибки в вычислении абсолютной ориентации. В настоящей реализации это делается следующим образом. На каждом шаге будем корректировать ту часть результирующей абсолютной матрицы преобразования, вычисленной визуальным методом, которая отвечает за вращение. Матрицу преобразования M между двумя системами координат (СК) можно представить как M=

. Здесь матрица R от-

вечает за вращение, а вектор t – за перенос точки. Известно, что, в общем случае t = –d . R, где d – вектор начала одной СК в другой СК. Пусть Mвиз =

будет абсо-

лютной матрицей преобразования из мировой СК в СК камеры, вычисленной визуальным методом в текущей позиции. Как было описано выше, она получается умножением абсолютной матрицы предыдущей позиции на матрицу локального преобразования текущей позиции. Сформируем теперь скорректированную матрицу Mкор=

где Rкор получена по угловым измерениям бортовой навигационной системы на данном шаге. Для вычисления tкор воспользуемся приве-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

денным выше соотношением, тогда tвиз = - d . Rвиз и tкор = - d . Rкор. Отсюда tкор = tвиз. R-1виз. Rкор. Поскольку такая коррекция выполняется на каждом шаге, ошибка в вычислении 6DOF motion, как показали последующие эксперименты, заметно снижается. Для учета в вычислительной схеме визуального метода измерений скорости, получаемых с помощью бортового доплеровского лага, был рассмотрен способ, аналогичный вышеописанному. А именно: вычисленный вектор смещения A в матрице локального преобразования заменяется вектором R, получаемым с использованием измерений скорости R = V · Δt. Для оценки потенциального эффекта применения такого способа был проделан модельный эксперимент, в котором в качестве R брались модельные (точные) значения локального смещения на каждом шаге. Результаты этих экспериментов показали, что при этом достигается незначительное преимущество.

Некоторые результаты экспериментов Для оценки эффективности предложенных модификаций алгоритмов визуального метода тестировались различные варианты программной реализации, включающие: фиксированный и адаптивный шаг расчета траектории, применение 6-облачного алгоритма и интеграцию в вычислительную схему визуального метода штатных измерений угловой ориентации и скорости движения АНПА. Вычислительные эксперименты проводились на виртуальных сценах (рис. 3), подготовленных с помощью моделирующего комплекса [16], и с реальными данными. В экспериментах с модельными сценами базовое расстояние для виртуальной камеры бралось 40 см, частота съемки 25 кадров/с, разре-

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 3. Виртуальная сцена для проведения модельных экспериментов

шение снимков 600×400 и 800×600 пикселей. Расчеты проводились на компьютере PCIntel® Core™i5 CPU @280GHz с графической платой NVIDIAGeForceGTX 470 в среде ОС WINDOWS. Степень перекрытия для алгоритма адаптивного шага устанавливалась в 50% и 75%. Измерения виртуального компаса зашумлялись (гауссовский шум), имитируя ошибку измерения от 0,1° до 1°. В натурных экспериментах использовалась стереокамера

ProsilicaGC1380, установленная на АНПА «Junior» (рис. 4). Базовое расстояние между двумя идентичными камерами 300 мм, разрешение получаемых снимков 1360×1024. Эксперименты проводились в лабораторных условиях с использованием специальной подложки с нанесенной текс турой. Аппарат перемещался на высоте 90 см от пола с постоянной скоростью. Общая длина траектории движения аппарата была око-

ло 12 м. Тестирование алгоритмов осуществлялось в режиме пост обработки по снимкам, получаемым от стереокамеры. Адаптивный метод дал ошибку в пределах 12 см. Точность метода оценивалась путем сравнения параметров вычисленной траектории и истинной (модельной) для разных вариантов алгоритмической реализации. Результаты всех экспериментов приведены в таблице. На рис. 5, а, б показаны графики поведения локальной и абсолютной ошибки смещения вычисленной траектории в модельной сцене (см. рис. 3). Отдельный эксперимент был проведен по повышению скорости расчетов с применением аппаратного ускорения. Использование CUDA-версии библиотеки OpenCV на трудоемком этапе сопоставления особенностей на снимках позволило уменьшить время счета в 9 раз для используемого вычислительного оборудования.

Рис. 4. АНПА «Junior» с установленной стереосистемой

Рис. 5. Графики поведения вычисляемой ошибки траектории в зависимости от времени движения: а – абсолютная ошибка смещения – сравнение адаптивного метода с базовым (фиксированный шаг); б – локальная ошибка (за один шаг) ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Оценка эффективности визуального метода для разных модификаций Без модификаций

6-облачный алгоритм

Учет С реализацией измерений всех углов модификаций

Модельная сцена 1: расстояние до дна 3,5–7 м; частота съемки = 25 кадров/с; разрешение 600х400; базовое расстояние = 40 см; время движения = 180 с Фиксированный шаг

45 / 178

17 (34) / 846 (448)

10,8 / 178

Адаптивный шаг

35 / 34

15 (31) / 150 (71)

8 / 34

4,4 / 155

Модельная сцена 2: расстояние до дна 1 – 10 м; частота съемки = 25 кадров/с; разрешение 600х400; базовое расстояние = 40 см; время движения = 134 с Фиксированный шаг

3 / 260

2,2 (2,6) / 1540 (770)

0,9 / 260

Адаптивный шаг

2,6 / 38

2,0 (2,0) / 202 (105)

1,86 / 38

1,44 / 203

Реальная сцена: расстояние до пола ~ 1м; частота съемки = 2 кадра/с; разрешение 1360х1024; базовое расстояние = 30 см; длина траектории ~12 м Фиксированный шаг

25 / 458

Адаптивный шаг

12 / 290

4,5 / 2420

Примечание. В числителе – абс. ошибка, см; в знаменателе – время расчета, с. В скобках приведены данные для ускоренной, но менее точной версии алгоритма.

ВЫВОДЫ Анализ полученных результатов экспериментов показывает: а) адаптивный алгоритм дает лучший результат по времени в сравнении с базовым вариантом (фиксированный шаг), не уступая ему по точности; б) 6-облачный алгоритм повышает точность, но требует значительно больше вычислительных затрат, поэтому его целесообразно использовать только в режиме постобработки; в) алгоритм учета бортовых угловых измерений дает существенное повышение точности визуального метода практически без увеличения счетного времени. Работа выполнена при финансовой поддержке РФФИ (проекты № 15-07-00341, № 16-07-00350) и Программы «Дальний Восток» (проект 15-I‑4-025).

ЛИТЕРАТУРA 1. Boreyko A.A., Moun S.A., Scherbatyuk A. Ph. Precise UUV positioning based on images processing for underwater construction inspection // Proc. of the PACOMS08. Bangkok, 2008. P. 14–20. 2. Борейко А.А., Мун С.А., Щербатюк А.Ф. Определение движения подводного аппарата на основе обработки видеоизображений // Мехатроника, автоматизация, управление. 2008. № 8. C. 2–8. 3. Борейко А.А., Воронцов А.В., Кушнерик А.А., Щербатюк А.Ф. Алгоритмы обработки видео изображений для решения некоторых задач управления и навигации автономных необитаемых подводных аппаратов // Подводные исследования и робототехника. 2010. № 1. C. 29–39. 4. Goi V.A., Gatsenko A., Shestopalov G., Sporyshev M.S., Tolstonogov A. Yu., Scherbatyuk A.F. Stabilization of an autonomous underwater vehicle relative to the bottom of the sea by the means of stereoscopic vision // Proc. of the OCEANS’15 MTS/IEEE Conf. Genova, Italy, 2015. P. 138–140. 5. Nister  D., Naroditsky  O., Bergen J. Visual odometry // IEEE Conf. on Computer Vision and Pattern Recognition (CVPR). 2004. Vol. 1. P. 652–659. DOI: 10.1109/CVR.2004.1315094. IEEE Conf. Publ. 6. Rusinkiewicz S., Levoy M. Efficient variants of the ICP algorithm // Proc. of the Third Int. Conf. on 3D Digital Imaging and Modeling. 2001. P. 145–152. DOI: 10.1109/IM.2001.924423. IEEE Conf. Publ. 7. Salvi J., Petillot Y., Thomas S., Aulinas J. Visual slam for underwater vehicles using video velocity log and natural landmarks // Proc. of OCEANS’08. 2008. P. 1–6. DOI: 10.1109/OCEANS.2008.5151887. IEEE Conf. Publ. 8. Konolige K., Agrawal M., Bolles R., Cowan C., Fischler M., Gerkey B. Outdoor mapping and navigation using stereo vision // 10th Int. Symp. on Experimental Robotics (ISER). P. 156–162. DOI: 10.1007/978-3-540-77457-0-17. 9. Бобков В.А., Машенцев В.Ю. Визуальная навигация подводного аппарата для целей локального маневрирования // Подводные исследования и робототехника. 2013. № 2(16). C. 33–37. 10. Hogue A., German A., Jenkin M. Underwater environment reconstruction using stereo and inertial data // IEEE Int. Conf. «Systems, Man and Cybernetics». 2007. P. 2372–2377. DOI: 10.1109/ICSMC.2007.4413666. IEEE Conf. Publ. 11. Leutenegger S., Lynen S., Bosse M., Siegwart R., Furgale P. Keyframe-based visual–inertial odometry using nonlinear optimization // The International Journal of Robotics Research. 2014. Dec. 15. P. 34–38. 12. Colle E., Galerne S. Mobile robot localization by multiangulation using set inversion // Robotics and Autonomous Systems. 2013. Vol. 61. January. P. 39–48. 13. Бобков В.А., Pоньшин Ю.И., Машенцев В.Ю., Кудpяшов А.П. Навигация автономного подводного аппарата по видеопотоку // Информационные технологии. 2013. № 3. C. 36–41. 14. Машенцев В.Ю., Бобков В.А., Щербатюк А.Ф., Толстоногов А.А. Визуальная навигация по стереоизображениям // VI Всерос. науч. – техн. конф. «Технические проблемы освоения Мирового океана». Владивосток: Дальнаука, 2015. C. 381–385. 15. Bobkov V., Mashentsev V., Tolstonogov A., Scherbatyuk A. Adaptive Method for AUV Navigation Using Stereo Vision // Proc. of the 26th ISOPE Int. Ocean and Polar Eng. Conf. Rhodes, Greece, 2016. P. 116–121. 16. Мельман С.В., Бобков В.А., Инзарцев А.В., Павин А.М., Черкашин А.С. Программный моделирующий комплекс для автономных подводных аппаратов на базе многопроцессорной архитектуры // Подводные исследования и робототехника. 2015. № 1(19). C. 23–32.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

УДК 004.94+629.58

ПЛАНИРОВАНИЕ И РЕАЛИЗАЦИЯ ТРАЕКТОРИЙ ДВИЖЕНИЯ АВТОНОМНОГО ПОДВОДНОГО РОБОТА ПРИ ВЫПОЛНЕНИИ МОНИТОРИНГА В АКВАТОРИЯХ РАЗЛИЧНЫХ ТИПОВ А.В. Инзарцев , А.В. Багницкий 1,2

Федеральное государственное бюджетное учреждение науки Институт проблем морских технологий ДВО РАН1 Федеральное государственное автономное образовательное учреждение высшего профессионального образования Дальневосточный федеральный университет2

Малогабаритные автономные подводные аппараты-роботы (АПР) используются для выполнения мониторинга водной среды и донной поверхности в акваториях различных типов. При выполнении таких работ необходимо решать взаимосвязанные задачи по предварительному планированию траектории движения АПР в двумерных районах произвольной формы, а также действиях робота при встрече с неучтенными препятствиями (естественного или искусственного происхождения). В последнем случае речь идёт об организации обхода препятствия или перепланировании заданной траектории движения робота. В сформулированных требованиях к алгоритму предварительного планирования траектории были учтены особенности работы бортового поискового оборудования, а также необходимость реализации алгоритма на судовом вычислительном комплексе и на борту АПР. С использованием этих требований проведен анализ ряда алгоритмов покрытия, применяемых как в наземной, так и в подводной робототехнике. В результате разработан квазиоптимальный алгоритм, который обладает низкой вычислительной ресурсоемкостью. Алгоритм может использоваться как при предварительном планировании траектории (в режиме off-line), так и для её перепланирования на борту АПР в реальном времени. Рассматриваются также алгоритмы автоматического обхода неучтенных препятствий на этапе реализации заданной траектории. Алгоритмы основаны на поведенческом и целеполагающих подходах. Обсуждаются как модельные результаты, так и результаты использования алгоритмов в реальных условиях.

ВВЕДЕНИЕ Существуют задачи, связанные с использованием автономных подводных аппаратов-роботов (АПР) в ограниченных (как правило, мелководных) акваториях. К задачам такого рода можно отнести, например, экологический мониторинг и обзорно-поисковые работы в шельфовой зоне. При выполнении подобных работ АПР перемещается на небольшом отстоянии от грунта, а траектория движения аппарата представляет собой заранее спланированную композицию из одного или нескольких поисковых меандров [1, 2], вписанных в границы акватории. К особенностям работы АПР в этих условиях можно отнести наличие неучтенных

препятствий как естественного (береговая линия, отмели и т.п.), так и искусственного происхождения (затонувшие объекты), а также возможные ограничения на маневры в вертикальной плоскости, выполняемые для уклонения от столкновений с препятствиями. В последнем случае ограничения связаны с возможным выходом аппарата на поверхность. Типы обследуемых акваторий характеризуются глубиной места (мелководные, глубоководные), формой (односвязные простые и сложные, многосвязные), рельефом (естественный или с искусственными объектами), а также степенью детализации априорной информации об акватории (наличие карты).

В общем случае выполнение мониторинга с помощью АПР предполагает следующую последовательность операций: 1) предварительное планирование траектории покрытия (оптимальной в каком-то смысле), обеспечивающей гарантированный обзор каждого участка дна бортовыми поисковыми средствами; 2) выполнение запланированной траектории; 3) оценка обстановки в случае невозможности продолжения движения по траектории (обнаруже1 690091, Владивосток, ул. Суханова, 5а. -mail: inzartsev@yahoo.com, e-mail: bagn@ E marine.febras.ru 2 690091, Владивосток, ул. Суханова, 8. Тел.: 8(423) 221-55-45. E-mail: inzartsev@yahoo. com

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

ние незапланированного препятствия); 4) организация обхода препятствия (коррекция траектории) или перепланирование траектории при невозможности обхода (с последующим возвратом к п. 2). Первая из этих операций выполняется на посту оператора АПР в режиме off-line, остальные три – на борту робота в реальном времени. В случае обследования акватории сложной формы планирование оптимальных траекторий представляет для оператора АПР достаточно трудоемкую задачу, решение которой желательно автоматизировать. Заданная (спланированная) траектория (сеть галсов) далее реализуется информационно-управляющей системой (ИУС) робота. Для многих практических применений АПР пространственное перемещение робота разделяется на движение в вертикальной и горизонтальной плоскостях. При этом горизонтальный канал осуществляет курсовую коррекцию движения к очередной цели и, может быть, маневрирование при обходе препятствий. Задача вертикального канала состоит в реализации эквидистантной траектории (по отношению к донной поверхности) и выполнении маневра по безопасному огибанию препятствий. Способы представления маршрутных заданий (миссий) многих обзорнопоисковых АПР ориентированы именно на подобное поведение робота. В контексте статьи под термином «обход препятствия» понимается маневр аппарата в горизонтальной плоскости, а «огибание» подразумевает вертикальный маневр. Для обнаружения препятствий и определения дистанций до дна в переднем секторе обзора аппарата используется эхолокационная система (ЭЛС) с различным коли26

чеством дальномеров. На практике маневры АПР по избеганию столкновений с препятствиями часто ограничивают только вертикальной плоскостью, поскольку такой маневр: • минимизирует отклонение траектории от заданной в горизонтальной плоскости; • меньше искажает получаемые в процессе движения гидролокационные снимки; • в подавляющем большинстве случаев эффективнее по времени и с максимальной вероятностью ведёт к успеху. По этой причине количество дальномеров в ЭЛС ограничивается двумя-тремя, расположенными в вертикальной плоскости. Эта тенденция особенно заметна для малогабаритных аппаратов лёгкого класса. Например, хорошо известные АПР Gavia [3] или Alister‑9 [4] оснащаются двумя дальномерами (эхолот и передний локатор). Горизонтальный маневр у этих роботов не предусмотрен – при невозможности обогнуть препятствие сверху миссия АПР прекращается. ЭЛС похожей конфигурации оснащен АПР МТ‑2010 («Пилигрим») (рис. 1) [5]. Далее в статье предполагается, что АПР оснащён ЭЛС

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

с конфигурацией лучей, не позволяющей получить развернутую картину расположения препятствий впереди по ходу движения робота. В то же время способность к горизонтальному маневру для АПР, оснащенного даже простой ЭЛС, может повысить вероятность выполнения миссии. Дело в том, что встречающиеся на мелководье препятствия техногенного происхождения относятся к объектам мезорельефа и характеризуются неестественными (непрогнозируемыми) формами, как, впрочем, и разного рода пики на склонах потухших подводных вулканов – гайотов [6]. Алгоритмы обхода препятствий, основанные на различных аппроксимациях макрорельефа по данным ЭЛС, рассчитаны на работу в естественной среде [7] и в этих условиях могут становиться неадекватными. Таким образом, комплексная задача по построению оптимальной траектории покрытия и последующей её реализации с помощью АПР лёгкого класса, способных в то же время осуществлять обход и огибание донных препятствий, представляется весьма востребованной и актуальной. Далее

Рис. 1. АПР МТ-2010 «Пилигрим»

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

в статье обсуждаются алгоритмы, реализованные для этих целей в аппаратах ИПМТ ДВО РАН.

1. Планирование траектории 1.1. Формулировка задачи Планирование траектории производится на посту оператора АПР и может выполняться как вручную (путём компоновки траектории из примитивов типа: прямоугольный меандр, спираль, циклоида) [1, 8], так и в автоматическом режиме [9, 10]. В последнем случае для этих целей используется специальный алгоритм планирования траектории покрытия (далее называемый «алгоритмом покрытия»). Входными данными для алгоритма являются: исходная область покрытия и межгалсовая дистанция (рис. 2). На выходе формируется траектория движения АПР, решающая задачу покрытия. Это означает, что после прохода АПР по траектории все точки исходной области (или точки из заданного ограниченного набора) гарантированно попадут в зону действия бортовых поисковых устройств. Исходная область покрытия является двумерным метрическим пространством и задаётся одним полигоном-границей с произвольным количеством полигонов-дыр. Полигон-граница содержит координаты внешнего контура покрываемой области и описывается как замкнутая кусочно-линейная кривая без самопересечений. Полигоны-дыры описываются аналогично и задают подмножества, исключаемые из множества, ограниченного полигоном-границей. Предполагается, что все полигоны не имеют пересечений друг с другом. Результирующее множество определяет как покрываемую область, так и разрешённую для навигации акваторию (выход АПР за её пределы запрещён).

Рис. 2. Основные понятия в задаче покрытия области

Межгалсовая дистанция определяется оператором АПР исходя из дальности действия поисковых устройств на борту АПР и требований по пространственной плотности выполнения измерений. В данной статье в качестве бортовых поисковых устройств рассматриваются гидролокатор бокового обзора (ГБО) или многолучевой эхолот (МЛЭ), что во многом определяет приведенные ниже требования к разрабатываемому алгоритму. 1. Траектория покрытия должна состоять из минимального количества прямолинейных отрезков движения (галсов) и переходов между ними при соблюдении требования о заданной межгалсовой дистанции. Такая траектория уменьшает энергозатраты АПР и время, необходимое для покрытия. Также улучшаются условия работы бортовых акустических поисковых средств. 2. Прокладываемые галсы не должны выходить за пределы исходной области покрытия. 3. Область, которую АПР может покрыть, т.е. вычесть из непокрытой области, за один галс, является прямоугольником, который имеет длину, равную длине галса, и ширину, равную межгалсовой дистанции, т.е. галс является средней линией данного прямоугольника (рис. 2). Задача покрытия завершается в тот момент, когда непокрытая область полностью опустошается. 4. Допускается вычитание из непокрытой области участков, для обследования которых требуются галсы, покрывающие незначи-

тельную часть исходной площади. Данная величина может быть любой (например, менее 1% от исходной площади). Это допущение предотвращает нежелательное появление как коротких галсов, так и длинных, но с большой повторно покрываемой площадью. 5. В худшем случае алгоритм должен работать не медленнее, чем за полиномиальное время (зависящее от сложности границ района). Это требование продиктовано ограниченной производительностью компьютеров, используемых в ИУС АПР. Автоматическое перепланирование траектории может потребоваться на борту АПР в следующих случаях: • при изменении границ заданного района обследования (например, во время проведения групповых операций АПР) или при поступлении новых данных об областях, запрещённых для навигации; • при изменении параметров и условий работы обследовательского оборудования (например, в случае выхода его из строя).

1.2. Существующие алгоритмы покрытия Алгоритмы покрытия разрабатываются с целью применения в самых разных областях: формирование траектории движения роботов-пылесосов, снегоуборщиков, техники для вспашки земли, уборки урожая, стрижки газонов, покраски и чистки объектов, а также для тушения пожаров и при поисковых операциях, выполняемых как в воздухе, на земле, воде, так

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

и под водой (пример: разминирование). Многие задачи имеют специфические особенности, что делает решение, пригодное для одной прикладной области, совершенно не подходящим для другой. Например, при вспашке земли большую роль играет рельеф, вынуждая двигаться по криволинейной траектории. Однако для подводной гидролокационной съёмки такое маневрирование неприемлемо. Существующие алгоритмы (см. таблицу) представляют собой различные комбинации из решений трёх основных задач, которые лежат в основе задачи покрытия [10]: 1. Задача декомпозиции района (разбиение его на подрайоны, где направление галсов подчинено единому правилу). Решения: 1.1. клеточная декомпозиция; 1.2. разбиение на трапеции, объединяемые в полигоны;

1.3. разрезание по прямым линиям; 1.4. разрезание по кривым линиям; 1.5. разбиение на полигоны и поиск оптимальной комбинации их объединений. 2. Задача определения очерёдности покрытия подрайонов. Решения: 2.1. поиск в ширину; 2.2. обход вдоль минимального остовного дерева; 2.3. обход по правилу левой руки; 2.4. использование нейронных сетей; 2.5. муравьиный алгоритм; 2.6. обход графа Риба; 2.7. эвристическая функция; 2.8. произвольная очерёдность. 3. Задача выбора направления галсов (в пределах каждого подрайона). Решения:

3.1. набор определённых направлений (2, 4 или 8); 3.2. вдоль определённой кривой; 3.3. параллельно границам подрайона; 3.4. минимизация количества поворотов (вдоль наиболее длинной границы подрайона). Разбиение района на клетки, расположенные в узлах регулярной решётки, является одним из первых алгоритмов декомпозиции. Каждая клетка маркируется либо как препятствие, либо как пространство. Путём соединения смежных клеток пространства строится граф переходов. Такой подход позволяет упростить геометрические вычисления, разбив операции с полигонами на множество элементарных подзадач. Клеточная декомпозиция лежит в основе многих алгоритмов покрытия: волнового [11], остовным деревом

Перечень существующих алгоритмов покрытия Алгоритм покрытия Волновой [11]

Декомпозиция района

Направления галсов

Клеточная

Поиск в ширину

Остовным деревом [12]

Клеточная

Обход вдоль минимального остовного дерева

Спиральный [13]

Клеточная

Обход по правилу левой руки

Нейросетевой [14]

Клеточная

Нейронная сеть

Муравьиный [15]

Клеточная

Муравьиный алгоритм

Генетический [16]

Разбиение на трапеции, затем на клетки

Обход графа Риба генетическим алгоритмом

Бустрофедон [17]

Разбиение на трапеции, объединяемые в полигоны

Обход графа Риба поиском в глубину

Разбиение и слияние [18]

Разбиение на трапеции, объединяемые в полигоны

Эвристическая функция

Распознавание топологии [19] Разрезание по прямым линиям

Очерёдность подрайонов

Эвристическая функция

Минимизация количества поворотов 2

Трёхмерный [20]

Разрезание по кривым линиям, определяемым градиентом 3D координат

Произвольная

Покрытие посредством функции Морса [21]

Разрезание по кривым линиям, заданным функциями Морса

Обход графа Риба поиском в глубину

Параллельно границам подрайона

Покрытие посредством диаграммы Вороного [21]

Разрезание по кривым линиям, образованным посредством диаграммы Вороного

Обход графа Риба поиском в глубину

Параллельно границам подрайона

Оптимальный [22]

Поиск оптимальной комбинации объединения полигонов, образованных на пересечении всех границ района, методом перебора

Произвольная

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

Вдоль «кривой посева»

Минимизация количества поворотов

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

[12], спирального [13], нейросетевого [14], муравьиного [15] и генетического [16]. Достоинство клеточных алгоритмов – высокая производительность (вычисления, как правило, не превышают полиномиальное время), однако они не приспособлены к специфике подводной работы ГБО и МЛЭ, т.к. на выходе формируют «лестничную» траекторию, содержащую множество поворотов, если размер клетки достаточно велик. Если же размер клетки уменьшить, тогда результирующая траектория становится плавной кривой, что тоже неприемлемо. Разбиение на трапеции, в отличие от клеточной декомпозиции, точнее описывает границы района и не вносит дискретность в траекторию. В целях оптимизации смежные трапеции, которые могут быть покрыты за один проход, объединяются в полигоны. Связность полученных подрайонов описывается графом Риба, обход которого позволяет получить результирующее покрытие. Алгоритм, действующий подобным образом, называется бустрофедон [17]. Он эффективен при покрытии районов вытянутой формы, когда известно его генеральное направление. Если же таких направлений несколько, выходная траектория содержит избыточное количество поворотов, т.к. во всех подрайонах галсы прокладываются в одном направлении. Частично этот недостаток был исправлен в алгоритме разбиения и слияния [18], где для каждого подрайона рассчитывается оптимальное направление галсов путём перебора. Это хотя и уменьшает вероятность неэффективного покрытия, но не исключает его полностью из-за ограничений на этапе декомпозиции. В противном случае алгоритм имел бы слишком низкую производительность.

Разрезание района по прямым линиям является быстрым способом декомпозиции, однако тоже накладывает ограничения на направление галсов и обладает теми же недостатками, что и разбиение на трапеции. Разрезание по прямым используется в алгоритме распознавания топологии [19], сильной стороной которого является то, что на входе ему не требуется карта, т.к. алгоритм рассчитан на её построение по данным от сенсоров в реальном времени. Разрезание района по кривым линиям используется, когда требуется сложное движение и активное маневрирование объекта с учётом особенностей рельефа. Например, в работе [20] предлагается алгоритм криволинейного движения трактора с целью уменьшения вероятности эрозии почвы. В работе [21] рассматривается разрезание района по кривым линиям, заданным через различные функции Морса (в виде окружностей, квадратов и др.) и с использованием диаграмм Вороного. Однако к задаче, рассматриваемой в данной статье, эти способы декомпозиции неприменимы, т.к. не позволяют минимизировать количество поворотов АПР. Представляет интерес алгоритм, описанный в [22], т.к. в декомпозиции используется поиск оптимальной комбинации объединения полигонов, образованных на пересечении всех границ района, методом перебора, что позволяет получать глобальнооптимальное решение задачи. Недостатком является экспоненциальная сложность вычислений, что недопустимо для выполнения на борту АПР. Таким образом, ни один из существующих алгоритмов не удовлетворяет всей совокупности вышеперечисленных требований.

1.3. Предлагаемый алгоритм покрытия Предлагаемый алгоритм покрытия разработан с учётом упомянутых требований и включает в себя три этапа. Первые два из них выполняются итерационно до тех пор, пока непокрытая область не станет пустой (см. рис. 3 и псевдокод в листинге 1). В самом начале непокрытая область принимается равной исходной. Ниже приводятся этапы работы алгоритма. I. Построение галсов. Для каждого ребра (по всем полигонам из непокрытой области) строится максимально длинный галс (отрезок внутри области, координаты которого лежат на её границах), параллельный ребру и отстоящий от него на половину межгалсовой дистанции. Все построенные галсы заносятся в перечень (листинг 1, строки 3–17). II. Оптимизация. Для каждого галса из перечня формируется покрывающий прямоугольник и рассчитывается значение оптимизирующей векторной функции (листинг 1, строки 18–25):

(1)

где: On – значение оптимизирующей функции для n-го галса; S – площадь непокрытой области (м2); Sn – площадь непокрытой области после вычитания прямоугольника n-го галса (м2); P – периметр непокрытой области (м); Pn – периметр непокрытой области после вычитания прямоугольника n-го галса (м). Среди полученных значений оптимизирующей функции (1) по всем галсам находится максимум. Галс с максимальным значением заносится в перечень оптимальных галсов и вычитается из непокрытой области (листинг 1, строки 26–33). Далее, если площадь непокрытой области больше нуля, происходит

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 3. Пример поэтапной работы предлагаемого алгоритма покрытия

Algorithm: Coverage Path Planning Algorithm Input: Region (set of polygon-borders and polygon-holes to cover), Distance (between tacks of coverage path) Output: Path (set of waypoints of coverage path) 1 OptimalTackSet ← {} 2 while GetArea(Region) > 0 do 3 TackSet ← {} 4 foreach Polygon1 in Region do 5 foreach Edge1 in Polygon1 do 6 Angle ← GetAngle(Edge1) – pi/2 Point ← GetShiftedPoint(GetVertex(Edge1), 7 GetShift(Angle, Distance/2)) 8 Line ← GetStraightLine(Point, Angle) 9 CrossPointSet ← {} 10 foreach Polygon2 in Region do 11 foreach Edge2 in Polygon2 do 12 CrossPointSet ← GetCrossPoints(Line, Edge2) 13 end foreach 14 end foreach TackSet ← GetSegmentsInsideRegion(CrossPointSet, 15 Region) 16 end foreach 17 end foreach 18 VectorCriterion ← {} 19 foreach Tack in TackSet do RemainRegion ← GetSubtraction(Region, 20 GetCoverRectangle(Tack)) 21 GreedСriterion ← GetArea(Region) – GetArea(RemainRegion) 22 RemoveMicroPolygons(RemainRegion) EconomСriterion ← GetPerimeter(Region) / 23 GetPerimeter(RemainRegion) 24 VectorCriterion[Tack] ← GreedCriterion * EconomCriterion 25 end foreach 26 OptimalTack ← FindMaximum(VectorCriterion) 27 if OptimalTack ≠ {} then Region ← GetSubtraction(Region, 28 GetCoverRectangle(OptimalTack)) 29 RemoveMicroPolygons(Region) 30 OptimalTackSet ← OptimalTack 31 else 32 Region ← {} 33 end if 34 end while 35 Path ← LinkTacks(OptimalTackSet) 36 return Path Листинг 1. Псевдокод предлагаемого алгоритма покрытия

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

возврат к этапу I. В противном случае либо при отсутствии галсов итерационный цикл завершается с переходом к этапу III. III. Связывание галсов. Перечень оптимальных галсов соединяется в кратчайшую траекторию покрытия путём приблизительного решения задачи коммивояжёра (листинг 1, строки 35–36). Векторная функция (1) представляет собой мультипликативную свёртку двух критериев оптимальности: «жадности» и «бережливости». «Жадность»: ( S − S n )  – это покрываемая галсом площадь. Критерий позволяет найти галс вдоль самого длинного ребра области и обладающий максимальным покрытием. Однако при использовании только этого критерия весь алгоритм становится жадным и генерирует неэффективную по времени траекторию. Причина заключается в том, что самые длинные галсы, как правило, резко сокращают площадь, покрываемую другими галсами, разделяя их пополам. Решение, выгодное на одной итерации, приводит к появлению невыгодных решений на следующих итерациях, для исправления чего введён критерий «бережливости».

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Рис. 4. Влияние «бережливых» областей покрытия (горизонтальный штрих) и «небережливых» (вертикальный штрих) на потенциальные галсы (пунктир)

«Бережливость»:

– это

величина, характеризующая уменьшение периметра непокрытой области после вычитания из неё очередного галса. Как видно из простых геометрических построений (рис. 4), покрывающие области, делящие пополам минимальное количество потенциальных галсов («бережливые»), всегда расположены вблизи рёбер полигона. При вычитании такой области из полигона его периметр изменяется в меньшую сторону, в этом случае критерий приобретает значение больше единицы. В то же время области, делящие пополам большое количество потенциальных галсов («небережливые»), расположены

ближе к середине полигона. При их вычитании периметр полигона изменяется в большую сторону, т.к. появляются длинные внутренние границы. В этом случае критерий приобретает значение меньше единицы. Это значение взвешивает решение, полученное первым критерием, и таким образом предотвращает наносимый «небережливыми» галсами «ущерб» для галсов последующих итераций. Отдельно от первого этот критерий не пригоден для оптимизации, т.к. генерирует неэффективную по времени траекторию. Таким образом, мультипликативная свёртка «жадного» и «бережливого» критериев позволяет, на каждой итерации выбирая ком-

Рис. 5. Траектория покрытия бухты Аякс, сгенерированная алгоритмом

промиссное решение, получать эффективные траектории покрытия за полиномиальное время. Сложность предлагаемого алгоритма (без учёта сложности решения задачи коммивояжёра) асимптотически приближается к O(N2) в худшем случае, где N – суммарное количество рёбер в исходной области. Пример работы алгоритма с использованием реальных данных показан на рис. 5. В центре изображенной на рисунке бухты Аякс (Японское море) находится небольшой остров. В 2008 году один из АПР разработки ИПМТ ДВО РАН выполнял в этой бухте мониторинг донной поверхности перед началом строительства объектов Дальневосточного федерального университета. При этом композиция заданных поисковых меандров планировалась оператором вручную в течение длительного времени. Генерация аналогичной траектории с применением предлагаемого алгоритма занимает около 50 мс реального времени.

2. Реализация и коррекция траектории Реализация заданной траектории происходит на тактическом и исполнительном уровнях ИУС АПР [23]. При этом очередной элементарный фрагмент движения (галс) определяется на тактическом уровне и передается для последующей реализации в исполнительный уровень. В свою очередь, исполнительный уровень может вносить изменения в параметры выполнения галса при наличии помех движению (препятствий на пути следования). Для этого в его состав включен модуль коррекции целевых параметров движения. Основным поставщиком исходных данных для модуля коррекции выступает ЭЛС робота. Задача управления движением АПР вблизи дна может быть све-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

дена к задаче достижения целевой точки в неизвестной среде при соблюдении ряда ограничений. Здесь можно выделить два случая: • движение в глубокой воде с неограниченными возможностями по маневрированию в вертикальной плоскости; • движение АПР на мелководье либо среди локальных препятствий. Первый случай достаточно подробно рассмотрен в работах [7, 24, 25]. Далее будет рассматриваться второй случай, который фактически представляет собой движение на плоскости. В этих условиях препятствия представляются в виде границ, образующих запрещенные зоны для движения. Функционирование модуля коррекции может осуществляться как на базе реактивного (поведенческого) подхода, так и с применением планирования (целевого управления).

2.1. Обход препятствий на основе реактивного метода Реактивное управление основано на текущих сенсорных данных и не предполагает долговременного планирования. Классически-

ми примерами такого управления является организация движения по эквидистанте, рассмотренная в упомянутых выше работах [24, 25]. К безусловным достоинствам подобных способов управления можно отнести адекватную реакцию робота в каждый момент времени на возможное изменение окружающей обстановки. Требования к навигационному обеспечению АПР для этого подхода минимальны и сводятся к наличию навигационно-пилотажных датчиков внутреннего контура управления. В горизонтальном канале управление может быть реализовано по аналогии с движением по эквидистанте в вертикальной плоскости. Что касается минимально необходимого количества лучей ЭЛС в горизонтальной плоскости, то здесь речь идёт, видимо, о трёх лучах (носовой и два боковых). Основной проблемой является выбор канала управления для осуществления маневра при встрече с препятствием, поскольку при реактивном управлении мгновенной информации от ЭЛС недостаточно для принятия правильного решения. Выбор может быть осуществ-

лен путём оценки глубины места для совершения вертикального маневра и/или установки различных порогов показаний эхолокаторов для начала маневрирования в вертикальной или горизонтальной плоскости (т.е. приоритетности выбора). Для организации маневрирования в модуле коррекции используется структура из двух поведений, объединенных в управляющую структуру с поглощением (рис. 6, a): движение в целевую точку (“Поведение 1”) и отслеживание границ препятствия или протяженного объекта (“Поведение 2”). Для управления движением в поведениях применяются ПИДрегуляторы, структура которых изложена в [25]. В качестве стабилизируемого параметра при движении вдоль препятствия в «Поведении 2» используется расстояние, измеренное по одному из боковых локаторов. В терминах упомянутой работы закон управления выглядит следующим образом: . (2) Здесь My – управляющий момент горизонтального канала,

б Рис. 6. Управляющая структура поведений (a) и их результирующий алгоритм работы (б)

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

– угловая скорость по курсу, Δx – ошибка стабилизации (разница между заданной безопасной дистанцией и измеренным расстоянием по одному из боковых локаторов), K1, K2, K3 – коэффициенты при компонентах регулятора. Интеграл угловой скорости вычисляется на скользящем интервале Δt. Результирующий алгоритм скоординированной работы поведений, ориентированный на циклическое выполнение, приведен на рис. 6, б и заключается в следующем: • при отсутствии препятствий аппарат движется к целевой точке в обычном режиме; • если дистанция до препятствия по переднему локатору меньше установленного порога, то аппарат переходит к режиму отслеживания со стабилизацией дистанции по одному из боковых локаторов, показывающему меньшую дистанцию; • обход препятствия будет продолжаться до совпадения текущего курса АПР с заданным, при этом данные от переднего локатора должны подтвердить отсутствие препятствий впереди по ходу движения. Показательный пример функционирования модуля коррекции на основе поведенческого подхода предоставляют глубоководные работы АПР OKPO‑6000 [26], проходившие в точке Мирового океана с координатами 8°36′N, 160°35′E. Местность в районе работ изобилует результатами вулканической деятельности. Для работы в таких условиях ЭЛС аппарата имеет левый и правый боковые дальномеры. АПР двигался вниз по склону гайота на небольшом отстоянии от грунта. На рис. 7, a представлен фрагмент изображения ГБО, полученный вдоль траектории движения. Видны многочисленные препятствия («пики»), мешающие

Рис. 7. ГБО-изображение участка траектории (a). По левому борту видны пики высотой около 12 м. Процесс обхода препятствия (б)

прямолинейному движению АПР. В таких условиях необходим маневр в горизонтальной плоскости. Во время движения АПР встретил крутое препятствие и произвел его обход ввиду нецелесообразности огибания. На рис. 7, б показаны соответствующий фрагмент траектории движения в горизонтальной плоскости, а также конфигурация препятствий, восстановленная по отсчетам ЭЛС.

2.2. Обход препятствий с осуществлением планирования Целевое управление более характерно для наземных мобильных роботов, для которых задача прокладки трассы при неполной информации о местности заключается в достижении целевой точки при наличии препятствий лабиринтного типа. Движение планируется путем назначения подцелей, соответствующих видимым участкам рельефа. При этом на каждом шаге производится сканирование поверхности, разрешается противоречие между двумя управляющими факторами – продвижением к цели и обеспечением более благоприятных условий для обзора местности – и выполняется жесткое планирование участков трассы.

Для АПР обход или огибание препятствия на основе планирования предполагает построение его модели, для чего средствами ЭЛС осуществляется сканирование. Возможность осуществления сканирования связана с реализацией зависаний (hovering), что требует от движительно-рулевой системы наличия носовой и кормовых секций с маршевыми и подруливающими движителями. С другой стороны, эта же возможность позволяет сократить количество лучей ЭЛС в горизонтальной плоскости до одного (носового). Необходимость реализации намеченной траектории предъявляет дополнительные требования к навигационному обеспечению АПР. Бортовая навигационная система должна быть комплексированной и использовать данные доплеровского лага, а также инерциальной навигации (при наличии). Алгоритм целевого управления проектировался таким образом, чтобы в максимальной степени использовать преимущества, предоставляемые ЭЛС различных конфигураций. Например, увеличение количества лучей ЭЛС ведёт к уменьшению секторов и времени сканирования для построения модели препятствий в том же объеме. Алгоритм построен из предполо-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

жения о приоритетности огибания перед обходом. При движении АПР выполняется следующая укрупненная последовательность операций: 1) осуществляется движение к заданной точке (цель либо подцель при её наличии) с одновременным контролем наличия препятствия впереди по ходу движения. В критических ситуациях выполняется реверс до исчезновения угрозы столкновения; 2) при наличии устойчивого сигнала о препятствии по курсу следования оценивается возможность вертикального маневра, а также сектор горизонтального сканирования (исходя из конфигурации ЭЛС); 3) при недостаточной информации о размерах препятствия (например, при наличии только одного носового локатора), а также при возможности маневра в вертикальной плоскости (достаточная глубина) производится попытка огибания препятствия сверху; 4) если предыдущий пункт не выполнялся или закончился неудачей (огибание сверху невозможно), производятся остановка и сканирование препятствий для определения возможности горизонтального маневра; 5) в процессе сканирования на плоскости строится буферная зона препятствий – объединение окружностей определённого радиуса, в центре которых располагаются найденные точки препятствий. По завершении сканирования выбирается подцель – промежуточная целевая точка, которая лежит вне буферной зоны, но в зоне действия ЭЛС и максимально близко расположена к цели (используются счисленные координаты АПР). Предполагается, что при движении АПР из этой точки препятствие уже не будет являться помехой для достижения основной цели; 34

Рис. 8. Траектория АПР при обходе реального препятствия (по данным бортового накопителя информации и Google Maps) (a). Модельный пример обхода препятствия (б)

6) далее АПР перемещается к подцели, а последовательность шагов выполняется циклически, начиная с п. 1. Если в процессе движения к подцели обнаружится препятствие, то данная подцель аннулируется и процедура её поиска повторится. В составе ИУС АПР алгоритм реализован на исполнительном и тактическом уровнях. Исполнительная часть алгоритма постоянно отслеживает навигационную обстановку и детектирует наличие препятствий. Агент тактического уровня при активизации обеспечивает сканирование, построение модели препятствия и последующий обход препятствия. Для организации маневра в вертикальной плоскости используются режимы движения, рассмотренные в [25]. Проверка алгоритма выполнялась как на моделирующем комплексе [27, 28], так и в бухте Патрокл (Японское море) с использованием АПР типа «Пилигрим», имеющего ЭЛС с одним носовым лучом в горизонтальной плоскости. В качестве препятствия использовался пирс. Задание для АПР было составлено таким образом, чтобы целевая точка находилась по другую сторону пирса по отношению к точке старта. На рис. 8, a видно, что при встрече с препятствием АПР остановился и произвёл горизонтальное скани-

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

рование препятствия, поскольку огибание оказалось невозможным из-за небольшой глубины места. Процесс сканирования выполнялся в режиме позиционирования в точке с плавным изменением курса в секторе ±70° от направления на цель. Далее была определена точка подцели в зоне действия ЭЛС, которая лежала вне буферной зоны препятствий и была максимально близка к цели. Переместившись в точку подцели, АПР смог затем беспрепятственно достичь основной цели. Испытания проводились несколько раз при различных начальных условиях. На рис. 8, б также приведён модельный пример обхода препятствия, включающий как огибание (на начальном этапе), так и обход препятствия (на заключительном этапе). ЗАКЛЮЧЕНИЕ В настоящее время наметился значительный прогресс в разработке различных гидроакустических средств получения информации об окружающей обстановке, пригодных к использованию на АПР. Примерами могут служить гидролокаторы переднего обзора. Однако несмотря на неоспоримые достоинства, заключающиеся в возможности получения подробной матрицы дальностей в перед-

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

ней полусфере робота, эти устройства могут быть установлены не на все типы АПР ввиду их массогабаритных характеристик и дороговизны. В связи с чем рассмотренные алгоритмы управления АПР среди локальных препятствий на базе недорогих и малогабаритных ЭЛС будут актуальны достаточно долго. Перспективы развития подобных алгоритмов видятся в их интеграции со SLAM-методами для более адекватной работы в локальной акватории или в среде препятствий со сложной конфигурацией. Разработанный алгоритм планирования траектории покрытия находится на этапе внедрения в ИУС АПР. Существует несколько направлений развития алгоритма. Немалый интерес представляет формулировка задачи, рассматривающая по отдельности исходную область покрытия и область, разрешённую для навигации (в основном в ситуациях, когда покрытие выполняется последовательно в течение нескольких миссий АПР, либо при одновременной работе с несколькими АПР). Важной является и задача перепланирования покрытия «на лету» для нескольких АПР. Требуются дальнейшие исследования, направленные на повышение эффективности алгоритма (тестирование других вариантов свёртки вышеупомянутых критериев, использование эвристических методов, в частности, вращения системы координат для определения эффективного направления покрытия [18]). Работа выполнена при поддержке грантов РФФИ № 16-07-00350 (в части разработки алгоритмов покрытия акваторий и организации модельных экспериментов) и РНФ № 14-50-00034 (алгоритмы коррекции траектории вблизи объектов).

ЛИТЕРАТУРА 1. Багницкий А.В., Инзарцев А.В. Автоматизация подготовки миссии для автономного необитаемого подводного аппарата в задачах обследования акваторий // Подводные исследования и робототехника. 2010. № 2(10). С. 17–24. 2. Кузнецов O.Л., Матвиенко Ю.В., Рылов Н.И., Наумов Л.A. Опыт широкомасштабного поиска потенциально опасного подводного объекта в Охотском море // Подводные исследования и робототехника. 2010. № 2(10). С. 36–43. 3. Teledyne Gavia AUVs [Электронный ресурс] // Teledyne Technologies, Inc. URL: http:// www.teledynegavia.com/product_dashboard/auvs (дата обращения: 12.09.2016). 4. ALISTER9. Man portable A.U.V. [Электронный ресурс] // Triton Imaging, Inc. URL: http://www.tritonimaginginc.com/site/content/hardware/ECA_ALISTER_9.pdf (дата обращения: 12.09.2016). 5. Борейко А.А., Горнак В.E., Мальцева С.В., Матвиенко Ю.В., Михайлов Д.Н. Малогабаритный многофункциональный автономный подводный аппарат «MT‑2010» // Подводные исследования и робототехника. 2011. № 2(12). С. 37–42. 6. Мельников М.Е., Плетнев С.П., Басов И.А., Седышева Т.Е. Новые данные о морфологии и геологическом строении гайота Грамберга (Магеллановы горы, Тихий океан) // Тихоокеанская геология. 2009. Т. 28, № 4. С. 105–115. 7. Инзарцев А.В., Багницкий А.В. Алгоритмы обхода локальных донных объектов для автономного подводного робота // Шестая Всерос. науч.-техн. конф. «Технические проблемы освоения мирового океана» (ТПОМО‑6). Владивосток, 2015. С. 450–454. 8. Solar-powered Remote Monitoring System [Электронный ресурс] // Falmouth Scientific, Inc. URL: http://www.falmouth.com/systems/solarremotemonitorsystem.html (дата обращения: 12.09.2016). 9. Tuphanov I.E., Scherbatyuk A. Ph. A centralized planner considering task spatial configuration for a group of marine vehicles: field test results // IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2015). Hamburg, Germany, 2015. P. 1679–1684. 10. Galaceran E., Carreras M. A survey on coverage path planning for robotics // Robotics and Autonomous systems. 2013. No. 61(12). P. 1258–1276. 11. Zelinsky A., Jarvis R.A., Byrne J.C., Yuta S. Planning paths of complete coverage of an unstructured environment by a mobile robot // Proc. of Int. Conf. on Advanced Robotics. Tokyo, Japan, 1993. P. 533–538. 12. Gabriely Y., Rimon E. Spanning-tree based coverage of continuous areas by a mobile robot // Annals of Mathematics and Artificial Intelligence. 2001. No. 31(1–4). P. 77–98. 13. Lee T.-K., Baek S.-H., Choi Y.-H., Oh S.-Y. Smooth coverage path planning and control of mobile robots based on high-resolution grid map representation // Robotics and Autonomous Systems. 2011. No. 59(10). P. 801–812. 14. Luo C., Yang S. A bioinspired neural network for real-time concurrent map building and complete coverage robot navigation in unknown environments // Neural Networks. IEEE Transactions. 2008. No. 19(7). P. 1279–1298. 15. Wagner I.A., Bruckstein A.M. Efficiently Searching a Graph by a Smell-Oriented Vertex Process // Annals of Mathematics and Artificial Intelligence. 1998. Vol. 24, No. 1. P. 211–223. 16. Jimenez P.A., Shirinzadeh B., Nicholson A., Alici G. Optimal area covering using genetic algorithms // Proceedings of IEEE/ASME Int. Conf. on Advanced intelligent mechatronics. Zurich, Switzerland, 2007. P. 1–5. 17. Acar E.U., Choset H., Zhang Y., Schervish M. Path planning for robotic demining: Robust sensor-based coverage of unstructured environments and probabilistic methods // Int. Journ. of Robotics Research. 2003. No. 22(7–8). P. 441–466. 18. Oksanen T. and Visala A. Coverage path planning algorithms for agricultural ﬁeld machines // Journ. of Field Robotics. 2009. No. 26(8). P. 651–668. 19. Yeun-Soo Jung, Kong-Woo Lee, Beom-Hee Lee. Advances in Sea Coverage Methods Using Autonomous Underwater Vehicles (AUVs) // Recent Advances in Multi Robot Systems / ed. by Aleksandar Lazinica. Vienna: I-Tech Education and Publishing, 2008. P. 69–100. 20. Jin J., Tang L. Coverage path planning on three-dimensional terrain for arable farming // Journ. of Field Robotics. 2011. No. 28(3). P. 424–440. 21. Acar E.U., Choset H., Rizzi A.A., Atkar P.N. and Hull D. Morse decompositions for coverage tasks // Int. Journ. of Robotics Research. 2002. No. 21(4). P. 331–344. 22. Huang W.H. Optimal line-sweep-based decompositions for coverage algorithms // Proc. of the 2001 IEEE Int. Conf. on Robotics and Automation. Seoul, South Korea, 2001. P. 27–32. 23. Инзарцев А.В., Павин A.M., Багницкий А.В. Планирование и осуществление действий обследовательского подводного робота на базе поведенческих методов // Подводные исследования и робототехника. 2013. № 1(15). С. 4–16. 24. Агеев M.Д., Касаткин Б.A., Киселев Л.В. и др. Автоматические подводные аппараты. Л.: Судостроение, 1981. 224 c. 25. Агеев М.Д., Киселев Л.В., Матвиенко Ю.В. и др. Автономные подводные роботы: Системы и технологии / под общ. ред. акад. М.Д. Агеева. М.: Наука, 2005. 398 с. 26. OKPO 6000 platform [Электронный ресурс] // Autonomous Undersea Vehicle Applications Center. URL: http://auvac.org/platforms/view/133 (дата обращения: 12.09.2016). 27. Melman S., Bobkov V., Inzartsev A., Pavin A. Distributed Simulation Framework for Investigation of Autonomous Underwater Vehicles’ Real-Time Behavior // Proceedings of the OCEANS’15 MTS/IEEE. Washington DC, USA, 2015. P. 1–8. 28. Pavin A., Inzartsev A., Eliseenko G., Lebedko O., Panin M. A Reconfigurable Web-based Simulation Environment for AUV // Proc. of the OCEANS’15 MTS/IEEE. Washington DC, USA, 2015. P. 1–7. ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

УДК 681.883.67.001:621.396.677

РАСПОЗНАВАНИЕ И ОБСЛЕДОВАНИЕ МАЛОРАЗМЕРНЫХ ПОДВОДНЫХ ОБЪЕКТОВ С ПОМОЩЬЮ АВТОНОМНЫХ НЕОБИТАЕМЫХ ПОДВОДНЫХ АППАРАТОВ Федеральное государственное бюджетное учреждение науки Институт проблем морских технологий ДВО РАН1 Федеральное государственное автономное образовательное учреждение высшего профессионального образования Дальневосточный федеральный университет2

А.В. Инзарцев , А.М. Павин ,   О.А. Лебедко1, М.А. Панин1 1,2

1,2

Гидролокатор бокового обзора (ГБО) является эффективным средством для обнаружения донных объектов при выполнении мониторинга акваторий с помощью автономных необитаемых подводных аппаратов (АНПА). Автоматический мониторинг подразумевает выполнение поиска заданных объектов с помощью ГБО и их последующего обследования с использованием фотосистемы. В случае работы одного АНПА поиск и обследование выполняются последовательно. При использовании группировки роботов эти действия могут выполняться параллельно, что уменьшает время обследовательских работ. Обнаружение на акустических изображениях заданных объектов в реальном времени осуществляется с помощью алгоритмов, которые включают: построение карты градиентов, выделение границ объектов и выделение самих объектов с использованием процедур кластеризации. Затем выбираются объекты, соответствующие заданным характеристикам, и определяются их координаты. Полученные координаты используются для организации выхода к обнаруженному объекту этого же или другого АНПА (в случае групповой работы) и проведения его фотопокрытия. Тестирование разработанных алгоритмов проводилось с использованием интегрированной информационно-управляющей и моделирующей системы АНПА. Исследуемые алгоритмы реализованы в виде программных модулей, пригодных для использования в АНПА. Обсуждаются результаты моделирования, подтвердившие возможность применения разработанных алгоритмов при выполнении реальных работ.

ВВЕДЕНИЕ Автономные необитаемые подводные аппараты (АНПА) успешно применяются для выполнения мониторинга в акваториях и рельефах различных типов, при этом цели проведения работ могут быть различны [1]. Одной из актуальных и не вполне решенных задач мониторинга является автоматическое обнаружение и обследование малоразмерных (локальных) подводных объектов. Перспективным средством обнаружения таких объектов выступают сравнительно лёгкие и малопотребляющие гидролокаторы бокового обзора (ГБО), которые, в отличие от фото или электромагнитных средств [2], обладают широкой 36

полосой обзора и могут быть установлены на АНПА любого типа. Современные ГБО [3] (особенно высокочастотные, класса 500 кГц) при высокой разрешающей способности (до 0,5° × 0,03 м) обладают полосой обзора до 2 × 120 м, что позволяет использовать их как для поиска донных объектов, так и для последующего формирования обследовательских траекторий АНПА. В контексте данной работы предполагается, что АНПА оснащен именно этим средством для предварительного обнаружения объектов. Мониторинг акватории может проводиться как единичными АНПА, так и их группировкой [4–8]. Показательным примером групповых действий подводных

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

роботов является организация противоминной защиты акваторий, концепция которой разработана по программе департамента военных исследований – Office of Naval Research’s (ONR) [7, 8]. Группировка включает патрульные АНПА, предназначенные для предварительного обнаружения миноподобных объектов на основе анализа получаемых гидролокационных изображений в реальном времени. Информация об обнаруженных «подозрительных» объектах по акустическим каналам связи передаётся другим членам группировки, которые оснащены со1 690091, Россия, Владивосток, ул. Суханова, 5а. E-mail: inzar@marine.febras.ru 2 690950, Россия, Владивосток, ул. Суханова, 8. E-mail: pavin@bk.ru

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

нарами высокого разрешения или фотосистемами для организации детального обследования обнаруженных объектов. Примеры использования универсального АНПА для инспекции протяженных объектов и теле управляемого подводного аппарата для автоматического обследования обнаруженных ранее точечных объектов можно найти в [2, 9]. Данная работа представляет собой продолжение указанных исследований и предлагает решение задачи автоматического обнаружения и обследования точечных объектов с помощью АНПА. Целью работы является разработка, реализация и тестирование алгоритмов распознавания и управления во время поиска малоразмерных объектов.

1. Предлагаемый сценарий выполнения мониторинга Предлагаемый сценарий мониторинга акваторий с целью обнаружения и обследования малоразмерных подводных объектов единичным универсальным АНПА состоит из следующих основных фаз (рис. 1 – красная сплошная и пунктирная траектории): 1. Формирование обзорно-по исковой траектории и обнаружение

объектов по данным ГБО. В качестве основной поисковой траектории используется траектория типа «прямоугольный меандр» [10]. Такая траектория позволяет получить сплошное покрытие района обследования серией галсов с перекрытием ГБО-эхограмм и гарантирует отсутствие «белых пятен» в обследуемой акватории. Методика обнаружения (распознавания) донных объектов в реальном времени по получаемым эхограммам приводится в разд. 2. 2. После обнаружения объекта его вычисленные характеристики (координаты, размеры и ориентация) сравниваются с объектами из существующей базы данных. В случае, если объект отсутствует в базе данных, АНПА автоматически перепланирует миссию для выполнения дообследования найденного объекта. Перепланирование производится путём активизации агента [10], осуществляющего обследовательскую часть траектории (т.е. дообследование объекта). Дообследование производится с помощью сплошного фотопокрытия объекта и его окрестности с некоторым запасом, учитывающим накопленную погрешность системы счисления пути. Особенности ре-

Рис. 1. Схема применения одного или нескольких АНПА для поиска и обследования мало размерных объектов

ализации такого поведения АНПА приведены в разд. 3. 3. После окончания фотообследования АНПА возвращается к прерванной обзорной части миссии. Следует отметить, что точка возвращения находится на пройденном участке обзорной траектории, на некотором расстоянии от точки начала выполнения обследовательской части миссии (рис. 1). Это расстояние соответствует накопленной погрешности счисления пути [11] и необходимо для гарантированного ГБОпокрытия всей акватории. Кроме того, новый обнаруженный объект заносится в базу данных для предотвращения повторного обследования на текущем или последующем галсе обзорно-поисковой траектории. Приведенный сценарий ориентирован на регулярный мониторинг известных акваторий с существующей базой данных на обнаруженные ранее объекты. Для первоначального поиска объектов в неизвестной акватории более рациональным видится применение группы АНПА. Использование нескольких аппаратов позволяет существенно сократить время полного обследования акватории за счет перераспределения функций в группе и параллельного фотообследования обнаруженных объектов. При этом один АНПА («ведущий») должен быть оснащен ГБО для поиска и обнаружения объектов на гидролокационных эхограммах. Этот аппарат должен иметь акустическую информационную связь с другими членами группировки для передачи им координат распознанных объектов и определения дистанции до каждого аппарата в группе. Другие аппараты («ведомые») должны быть оснащены фотосистемой для проведения дообследования обнаруженных ведущим аппаратом объектов.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

Таким образом, при использовании группы аппаратов ведущий аппарат выполняет фазу 1 описанного выше сценария. В случае обнаружения объекта ведущий АНПА не прерывает свое движение, а передает координаты объекта ближайшему к цели свободному (не занятому обследованием) ведомому аппарату (рис. 1 – красная и зеленая непунктирные траектории). Ведомые аппараты следуют за ведущим на некотором удалении, чтобы не создавать помех ГБО-съемке. Распределение аппаратов за ведущим должно быть равномерным вдоль всей полосы покрытия ГБО для минимизации времени подхода к обнаруженному объекту. В случае получения команды на фотообследование ведомый аппарат выполняет фазу 2 сценария, т.е. прерывает миссию следования за ведущим и производит сплошное фотопокрытие окрестности объекта.

2. Использование гидролокационной информации для обнаружения донных объектов Рассмотрим организацию автоматического обнаружения объектов, выполняемого ведущим (или одиночным) АНПА на основе обработки в реальном времени поступающей гидролокационной информации.

2.1. Предварительная обработка акустического изображения В процессе движения подводного робота гидролокатор бокового обзора позволяет получать акустическую картину дна по левому и правому бортам АНПА. Принцип действия гидролокатора [3] основан на периодическом излучении зондирующих посылок с периодом повторения T (100~200 мс). Антен38

ны ГБО обладают веерообразной диаграммой направленности, до 40°~60° в вертикальной плоскости и не более 1°~2° в горизонтальной. После излучения очередного сигнала приемным трактом ГБО производится детектирование эхосигналов обратного рассеивания от удаленных участков дна и заполняется массив отражений (эхограмма ГБО). Гидроакустический снимок (рис. 2, а) всегда содержит шумы, которые связаны с погрешностью измерения амплитуды акустической волны приемным трактом ГБО. Для подавления шумов используется пространственная взаимосвязь элементов акустического изображения (пикселей) и осуществляется предварительная фильтрация исходя из яркости соседних элементов (пикселей окружения). Тонкие и малоразмерные объекты имеют на изображении сравнительно небольшую площадь границ, поэтому фильтрация на основе большого количества соседних пикселей часто не рациональна не только по причине высокой ресурсоемкости, но и из-за того, что может «стереть» искомый объект, приняв его за шум. В работе применен фильтр, который не меняет значения точек на границе объектов, но избавляет изображение от локальных (однопиксельных) экстремумов. Суть алгоритма фильтрации заключается в изменении яркости пикселя на ближайшее значение из своего окружения

(в скользящем окне 3×3), если его яркость выше или ниже любого из пикселей окружения [11]. К достоинствам подобной фильтрации можно отнести достаточно низкую ресурсоемкость алгоритма (например, в сравнении с медианной фильтрацией, в которой необходимо применение сортировки). Кроме того, важным преимуществом является то, что фильтрация оставляет без изменений пиксели на границе даже очень тонких и малоразмерных объектов. Распознавание объектов на эхограмме ГБО производится по их границам, которые, в свою очередь, определяются величиной и направлением градиента. Для вычисления градиента в каждой точке использовался оператор Щарра как обладающий наилучшей круговой симметрией. Проекция акустического изображения ГБО на поверхность дна обладает неравномерной решеткой, т.к. поперечное расстояние между точками меняется в зависимости от удаленности точек от АНПА, а продольное – зависит от скорости движения подводного робота. Поэтому значение градиента в каждой точке эхограммы ГБО корректировалось с учетом высоты и скорости движения АНПА. В целом метод предварительной обработки изображения аналогичен методу, использующемуся при распознавании протяженного объекта [11]. Результирующее изображение модулей градиентов представлено на рис. 2, б. После

Рис. 2. Фрагмент изображения ГБО: а – исходная эхограмма; б – к арта градиентов; в – границы объектов

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

получения карты градиентов несложно отобрать определенный процент наиболее контрастных пикселей. Данные точки следует интерпретировать как точки-претенденты границ искомых объектов. Отбор наиболее контрастных точек производится путем построения гистограммы распределения полутонов для карты градиентов [11]. Отобранные точки для фрагмента рис. 2, б представлены на рис. 2, в (на цвет точек не следует обращать внимания, т.к. информация о принадлежности тому или иному объекту появляется только на стадии обнаружения объектов).

2.2. Обнаружение объектов по данным ГБО Для обнаружения заранее не известного количества малоразмерных объектов на акустическом снимке используются методы и алгоритмы анализа структуры многомерных данных. При этом возможно применение процедур объединения или разделения кластеров (пикселей границ объектов), относящихся к методам иерархического группирования. Использование процедур объединения основано на последовательном соединении кластеров в группы до тех пор, пока расстояние между группами не превысит заданное. Меру близости групп можно рассчитывать как «расстояние ближайшего соседа». Данное расстояние q между группами объектов U={ui} и V={vi} рассчитывается как дистанция между двумя ближайшими элементами этих групп:

го изображения между элементами групп (пикселями объектов) рассчитывается как: , (2) где uiX, ujY и viX, vjY – X, Y координаты элементов из групп U и V соответственно. Таким образом, для решения задачи объединения пикселей в группы (объекты) необходимо задать минимальную величину расстояния между объектами, которая определяется исходя из масштаба (разрешения) акустического изображения. Алгоритм выделения объектов состоит из следующих основных шагов: 1) на первом шаге все пиксели, принадлежащие границам объектов, считаются отдельными (не объединенными) кластерами; 2) далее выбирается первый по списку кластер (например, с помощью перебора по осям X и Y ) и отмечается как объект с номером n = 1; 3) обследуются все необъединенные кластеры (не отмеченные номером), лежащие на расстоянии не более заданного от найденного. Расстояние между кластерами рассчитывается по формуле (2). Если таковые кластеры имеются, то они отмечаются номером n и для них повторяется шаг 3. Если таковых больше нет, то следует переход к шагу 4; 4) ищется следующий по списку необъединенный кластер и если такой находится, то для него

присваивается номер n:= n + 1 и повторяется шаг 3. Если таковых больше нет, то распознавание считается завершенным, количество выделенных объектов на изображении составляет n и каждый пиксель изображения отмечен соответствующим номером объекта. Пример выделения малоразмерных объектов на изображении ГБО представлен на рис. 2, в (разные объекты отмечены случайными цветами) и рис. 3, а (цвет точек соответствует длине границ объектов: синий – малая длина, красный – большая). Можно видеть, что близко лежащие точки окрашены одним цветом, т.е. принадлежат одному и тому же объекту (рис. 2, в). После объединения множества пикселей изображения в отдельные объекты необходимо классифицировать каждый из полученных объектов. Для этого определяются характеристики (вектор признаков) каждого объекта. Сравнив данные характеристики с эталонными величинами из некоторой базы данных объектов, можно произвести классификацию обнаруженного объекта. К характеристикам, которые несложно определить исходя из геометрического расположения точек внутри объекта, следует отнести: длину границ объекта на изображении; габариты (длина и ширина) самого объекта; расположение объекта (его центра масс); направление объекта на карте дна и некоторые другие.

q (U ,V ) = min r ( ui , v j ) , (1) i =1 ... NU j =1 ... NV

где NU и NV – количество объектов в группах U и V соответственно; r(ui, vj) – метрика расстояния между объектами ui и vj. В свою очередь, расстояние r(ui, vj) на плоскости акустическо-

Рис. 3. Обнаруженные объекты: а – цвет точек соответствует длине границ объектов; б – распределение центров масс объектов на карте градиентов; в – размеры объектов на акустическом изображении ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

На рис. 3 приведены данные распределения границ объектов, центров масс, а также продольные и поперечные размеры выделенных объектов. Исходя из характеристик распознанных объектов и их геометрического расположения на поверхности дна можно принять решение о дополнительном обследовании того или иного объекта и спланировать траекторию АНПА. Однако необходимо учитывать, что зачастую на изображении ГБО хорошо выделяются не сами объекты, а акустическая тень от них (рис. 3, в – тень внутри красного прямоугольника), что может приводить к ошибочной классификации подобных объектов. Учет и устранение данных особенностей гидролокационного снимка – задача будущих исследований. Расчет протяженности границ, габаритов найденного объекта и преимущественного направления объекта становится достаточно тривиальной геометрической задачей, если неравномерную проекцию изображения ГБО на плоскость дна представить в виде локально-равномерных решеток с разными масштабными коэффициентами по осям дальности и времени. Данное упрощение не вносит существенных погрешностей в измерения характеристик объекта при условии равномерности скорости движения АНПА и относительно ровного грунта. Для расчета географических координат объекта, которые необходимы для проведения дополнительного обследования, применяется следующая математическая формулировка:

где [xt, s, yt, s]T – географические (абсолютные) координаты пикселей изображения; dxt, s – поперечное смещение точек; [xt*, yt*]T – местоположение подводного робота по данным системы счисления пути; φt* – курс аппарата; dy** – продольное местоположение антенн ГБО на борту АНПА; t – номер зондирующей посылки; s – номер эхосигнала обратного рассеивания. В свою очередь, поперечное смещение точек dxt,s (проекция на горизонтальную плоскость наклонной дальности ls) рассчитывается исходя из предположения, что рельеф дна не имеет существенных перепадов высот: , (4) где ht* – отстояние (высота над грунтом) подводного аппарата; h** и dx** – высота и боковое смещение антенн на борту носителя; знак в уравнении (4) выбирается исходя из того, для какой антенны ГБО (левой «-» или правой «+») рассчитывается значение поперечного смещения.

3. Организация обследования обнаруженных объектов После выхода АНПА в район интересующего объекта необходимо произвести тщательное обследование самого объекта и прилега-

ющей к нему территории. Для этих целей может использоваться бортовая исследовательская аппаратура, имеющаяся в наличии: телевизионная система, электромагнитный искатель, донный профилограф, датчики температуры, солености и химического состава воды и др. Во время обследования района вокруг донного объекта необходимо покрыть сам объект и прилегающую территорию фотосъемкой с небольшим перекрытием кадров. Ввиду того, что предполагаемые к обследованию объекты имеют небольшие размеры и фотосъемка также ведётся с небольшой высоты, движение АНПА целесообразно организовать на малой скорости с использованием подруливающих движителей. Для решения этой задачи АНПА движется «змейкой» вдоль преимущественного направления объекта (рис. 4, а). Если район обследования невелик (меньше нескольких длин аппарата), то совершать развороты при переходе на новый галс неоправданно как энергетически, так и с точки зрения потраченного времени. Поэтому движение АНПА планируется как набор продольных перемещений аппарата носом-кормой (рис. 4, а). Переход с галса на галс производится за счёт лаговых перемещений робота. При наличии существенного для АНПА течения необходимо

(3) , 40

Рис. 4. Траектория обследования объектов: а – в отсутствие течения; б – при наличии существенного течения

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

ориентировать корпус аппарата носом против течения. Далее траектория планируется от края до края области обследования с некоторым запасом по ее краям (рис. 4, б). При этом в условиях течения необходимо стабилизировать скорость АНПА. Первоначальное определение параметров течения может быть оценено по величине и направлению дрейфа АНПА при его зависании. Одновременно с проведением фотосъемки в районе местонахождения объекта можно производить электромагнитную гидролокацию и профилографирование дна, а также определение параметров физических полей (температуры, солености, радиации и химического состава воды). По этим данным можно локализовать объект поиска даже в случае отсутствия визуального контакта с ним (например, если таковой заилен или зарыт). Эти данные могут быть использованы для коррекции обследовательской траектории, например, в случае уточнения его местоположения.

на методологии геометрической акустики, которой вполне достаточно для визуального представления данных и обработки сигнала алгоритмами распознавания образов (рис. 5, а). В работе сознательно опущены аспекты моделирования дифракции, интерференции и других явлений, связанных с волновой природой упругих колебаний, которые требуют больших вычислительных ресурсов и не вносят существенного вклада в результаты экспериментов. Создание снимков гидролокатора бокового обзора производится на основе изображений, получаемых средствами генерации трёхмерной сцены с использованием технологии OpenGL. Сцена строится путем формирования рельефа дна и размещения ряда объектов, таких как камни, затонувшие суда,

подводные лодки, искомые объекты и др. В месте нахождения подводного аппарата размещается источник света, параметры которого определяют яркость каждого пикселя на сцене. В этой же точке размещается камера, которая определяет диаграмму направленности антенны ГБО. Яркость пикселя представляет собой интенсивность отраженного сигнала, вычисляемую через косинус угла наклона между вектором нормали к точке поверхности и вектором направления на источник света, что позволяет имитировать работу ГБО с определенными параметрами и формировать изображения с разным угловым разрешением [13, 14]. На рис. 5, б приведена траектория АНПА во время поиска и обследования точечных объек-

4. Модельное решение задачи обнаружения и обследования донных объектов Исследование процесса мониторинга донной поверхности проводилось с использованием интегрированной информационно-управляющей и моделирующей системы, применяемой в составе АНПА [12–15]. Особенностью системы является то, что исследуемые алгоритмы реализуются в виде программных модулей, пригодных для установки на борт реальных АНПА. На данном этапе исследований имитировался процесс мониторинга в случае применения одного универсального АНПА. Применяемая модель генерации ГБО-изображений базируется

Рис. 5. Результаты модельных экспериментов по поиску и обследованию малоразмерных объектов: а – фрагмент изображения левой ветки ГБО; б – траектория АНПА ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

тов, полученная с учетом динамических свойств аппарата. Целью моделирования была комплексная проверка алгоритмического и программного обеспечения, предназначенного для установки на АНПА. На сцену было помещено три искомых объекта, один объект большого размера (затонувший вертолет) и множество других объектов, сопоставимых по своим характеристикам с искомым объектом (бочки и камни). В качестве искомого объекта было выбрано колесо диаметром 0,56 м и высотой 0,19 м. Параметры алгоритма идентификации были следующие: минимальный размер – 0,45 м, максимальный размер – 1 м, порог отбора наиболее контрастных точек – 1,7%, максимальное расстояние объединения пикселей в группы – 2 пикс.

В процессе моделирования сохранялись промежуточные данные системы распознавания для оценки результатов обработки изображения. Рисунок 6, а представляет комбинацию трех карт градиентов (на трех галсах), по которой можно судить о контрастности искомого объекта и посторонних элементов на карте. Можно видеть, что несмотря на присутствие на сцене множества контрастных посторонних объектов и достаточно зашумленное исходное ГБО-изображение система распознавания идентифицирует только искомый объект (рис. 6, б – красные окружности вокруг обнаруженных объектов). После обнаружения искомого объекта АНПА прерывает прямолинейную траекторию ГБО-обследования и переходит к детальному фотообследованию обнаруженного

Рис. 6. Результаты обработки модельного изображения: а – к арта градиентов; б – н аиболее контрастные точки и обнаруженные объекты (отмечены красными окружностями)

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

Рис. 7. Модельное фотоизображение обнаруженного объекта

объекта (см. рис. 5, б – три ответвляющиеся от генерального направления траектории). На рис. 7 приведено модельное фотоизображение одного из найденных и отснятых аппаратом объектов. ЗАКЛЮЧЕНИЕ Результаты обработки гидролокационных изображений, полученных АНПА во время модельного мониторинга акватории, позволяют сделать вывод о возможности применения алгоритмов распознавания в системе управления робота для обнаружения и обследования подводных объектов с заданными характеристиками. К достоинствам описанных методов можно отнести низкую ресурсоемкость применяемых алгоритмов, а также высокую вероятность обнаружения объектов при низкой вероятности ложных срабатываний. Дальнейшие исследования предполагается вести в следующих направлениях: • проверка работоспособности описанного подхода для случая использования группы АНПА, а также проведение натурных экспериментов с существующими образцами подводной робототехники; • модернизация алгоритма распознавания для обнаружения объектов, обладающих большой тенью, существенно превышающей размеры самого объекта;

МОДЕЛИ, АЛГОРИТМЫ И ПРОГРАММНЫЕ СРЕДСТВА

• разработка принципов функционирования и создание бортовой базы данных обнаруженных объектов мониторинга. Работа является частью проекта «Технологии мониторинга и рационального использования морских биологических

ресурсов» [4–6, 11–15] и выполнена при поддержке гранта РНФ № 14-50-00034 (в части разработки алгоритмов автоматизированного планирования и коррекции обследовательских траекторий движения АНПА при выполнении мониторинга

и обзорно-поисковых операций) и гранта РФФИ № 16-07-00350 (в части разработки алгоритмов обнаружения донных объектов с заданными характеристиками на гидролокационных изображениях и организации модельных экспериментов).

ЛИТЕРАТУРА 1. Инзарцев А.В., Матвиенко Ю.В., Павин А.М., Рылов Н.И. Мониторинг морского дна с применением технологий интеллектуальной обработки данных поисковых устройств на борту АНПА // Подводные исследования и робототехника. 2015. № 2(20). С. 20–27. 2. Кукарских А.К., Павин А.М. Электромагнитный искатель для обнаружения и отслеживания металлосодержащих подводных протяженных объектов // Приборы. 2008. №4. С. 33–38. 3. Золотарев В.В., Золотарев А.В., Федотов Д.Б., Ходоренко М.С. Обзорно-поисковые гидролокаторы ИПМТ и их применение в составе подводных роботов // Тр. VIII Междунар. конф. «Современные методы и средства океанологических исследований». М., 2003. С. 254–256. 4. Tuphanov I., Scherbatyuk A. A centralized planner considering task spatial configuration for a group of marine vehicles: field test results // Int. Conf. on Intelligent Robots and Systems. Hamburg, Germany, 2015. 5. Туфанов И.Е., Щербатюк А.Ф. Некоторые результаты морских испытаний централизованной системы управления группой морских роботов // Управление большими системами. М.: ИПУ РАН, 2016. № 59. С. 233–245. 6. Scherbatyuk A., Sporyshev M. Comparison of Some Algorithms for Centralized Planning of AUV Group Operation for Local Heterogeneities Survey // Proceedings of the OCEANS’16 Conf. Shanghai, China, 2016. 7. Charles M. Ciany, William C. Zurawski, Gerald J. Dobeck, Dennis R. Weilert Real-Time Performance of Fusion Algorithms for Computer Aided Detection and Classification of Bottom Mines in the Littoral Environment // Proc. of the OCEANS’03 Conf. San-Diego, USA, 2003. P. 1119–1125. 8. Roger P. Stokey, Lee E. Freitag, Matthew D. Grund. A Compact Control Language for AUV Acoustic Communication. // Proc. of OCEANS’05Europe Confe. Brest, France, 2005. P. 1133–1137. 9. Ваулин Ю.В., Костенко В.В., Матвиенко Ю.В., Павин А.М. Навигационное и алгоритмическое обеспечение ТНПА для эффективного решения задач идентификации донных целей и инспекции морских объектов // Материалы Пятой Всерос. науч.-техн. конф. «Технические проблемы освоения мирового океана». Владивосток, 2013. 10. Инзарцев А.В., Павин А.М., Багницкий А.В. Планирование и осуществление действий обследовательского подводного робота на базе поведенческих методов // Подводные исследования и робототехника. 2013. №1(15). С. 4–16. 11. Pavin A.M. Underwater Object Recognition in Photo Images // Proceedings of the OCEANS’15 Conf. Washington, USA, 2015. 12. Melman S., Bobkov V., Inzartsev A., Pavin A. Distributed Simulation Framework for Investigation of Autonomous Underwater Vehicles’ RealTime Behavior // Proc. of the OCEANS’15 Conf. Washington, USA, 2015. 13. Pavin A., Inzartsev A., Eliseenko G., Lebedko O., Panin M. A Reconfigurable Web-based Simulation Environment for AUV // Proc. of the OCEANS’15 Conf. Washington, USA, 2015. 14. Мельман С.В., Бобков В.А., Инзарцев А.В., Павин А.М., Черкашин А.С. Программный моделирующий комплекс для автономных подводных аппаратов на базе многопроцессорной архитектуры // Подводные исследования и робототехника. 2015. №1(19). С. 23–32. 15. Pavin A., Inzartsev A., Eliseenko G. Reconfigurable Distributed Software Platform for a Group of UUVs (Yet Another Robot Platform) // Proc. of the OCEANS’16 Conf. Monterey, USA, 2016.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

ВЕКТОРНАЯ АКУСТИКА УДК 534.2:534.873:681.88

ВЕРОЯТНОСТНЫЕ ХАРАКТЕРИСТИКИ ОБНАРУЖЕНИЯ СИГНАЛОВ ОДИНОЧНЫМ ВЕКТОРНО-СКАЛЯРНЫМ МОДУЛЕМ И.А. Селезнев1, Г.М. Глебова1,2, Г.А. Жбанков1,2,   А.М. Мальцев1, А.М. Харахашьян2

АО Концерн «Океанприбор»1 НИИ физики Южного федерального университета2

Исследуются характеристики обнаружения сигналов при использовании одиночного векторно-скалярного модуля. Алгоритм обработки, обеспечивающий обнаружение полезного сигнала на фоне шумов моря, строится на основе метода максимального правдоподобия. Статистические характеристики векторно-скалярных компонент шумового поля, полученные с использованием компьютерного моделирования, сравниваются с экспериментальными данными. Получено экспериментальное подтверждение тому, что плотность распределения потока мощности соответствует распределению Лапласа. Для сравнения помехоустойчивости алгоритмов обнаружения, работающих с различными компонентами векторно-скалярного акустического поля, используется критерий Неймана–Пирсона. Показано, что на базе векторно-скалярного приемника, измеряющего поток мощности, вероятность обнаружения сигналов существенно выше, чем при использовании только скалярного приемника. Высокая вероятность обнаружения достигается при использовании потоковой компоненты при гораздо меньшем времени наблюдения или меньших отношениях сигнал/помеха.

ВВЕДЕНИЕ Одной из перспективных и актуальных задач в современной гидроакустике является построение алгоритмов обработки сигналов для векторно-скалярных приемных систем. Однако имеющиеся в литературе сравнительные оценки помехоустойчивости скалярных и векторно-скалярных приемных систем достаточно противоречивы. Данное противоречие наибольшим образом проявляется при сравнительном анализе характеристик обнаружителей, работающих по скалярной компоненте акустического поля и по потоку мощности [1–3]. Экспериментальное и теоретическое сравнение по критерию отношение сигнал/помеха на выходе приемной системы представлено в работах [1, 4]. Известно, что такой подход может привести к ошибкам, так как для выходных процессов, имеющих различные распределения вероятностей, даже при равных отношениях сигнал/по44

меха на выходе приемной системы, вероятностные характеристики обнаружения (вероятность правильного обнаружения и ложной тревоги) могут быть различны [5]. Именно такое различие наблюдается для различных компонент акустического поля. В таких случаях корректно выполнять оценку характеристик обнаружения по критерию Неймана–Пирсона [5]. Целью настоящей работы является анализ вероятностных характеристик для потока мощности, полученных теоретически и экспериментально, и построение обнаружителя на основе метода максимального правдоподобия для одиночного векторно-скалярного модуля.

Модель измерений и ее экспериментальная проверка Сравнение характеристик обнаружения при измерении скалярной компоненты поля и измерении потока мощности выполняется

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

с использованием компьютерного моделирования. Рассмотрим одиночный векторно-скалярный приемный модуль, состоящий из приемника давления и трех ортогональных векторных приемных элементов, два из которых ориентированы горизонтально. Допустим, что полезный сигнал от локального источника принимается на фоне шумов моря, а направление прихода сигнала от локального источника совпадает с осью векторного приемника. В гидроакустике широкополосные сигналы от локальных источников и помеха представляют собой квазистационарные случайные процессы, распределенные по нормальному закону [6]. Для давления это общепринятое предположение. Для векторной компоненты, которая пропорциональна градиенту давления, это предположение 1 197376, Санкт-Петербург, Чкаловский пр., д. 46. E-mail: seleznev_i_a@mail.ru 2 344090, Ростов-на-Дону, пр. Стачки, 194. Тел.: 8(904) 345-00-50. E-mail: glbgalina@ yandex.ru

ВЕКТОРНАЯ АКУСТИКА

также правомерно, так как градиент от нормально распределенной величины также имеет нормальное распределение. Нормальное распределение в одномерном случае задается плотностью вероятности, имеющей следующий вид: . (1) Она характеризуется средним значением и дисперсией (α и σ2 соответственно), x – величина, измеряемая приемником давления (p) или векторным приемником (v). При выполнении расчетов положим, что для шумов моря давление характеризуется нулевым средним и среднеквадратическим отклонением, равным единице. Для пространственно изотропного шума соотношение между мощностью шума на векторном приемнике и приемнике давления определяется как . (2) Значение коэффициента m зависит от типа волновода, в котором происходят измерения. Так, для глубокого моря m ≈ 4, а для мелкого m ≈ 2 [7]. При выполнении расчетов учтем, что измерение потока мощности выполняется с использованием приемника давления p и векторного приемника v: . Известно, что для изотропного шума скалярная и векторная компоненты статистически не зависимы [8], вследствие чего поток мощности w имеет распределение Лапласа [9], плотность вероятности которого задается выражением

зованием скалярной компоненты поля решающая функция пропорциональна мощности давления. Как известно, плотность вероятности мощности давления при осреднении по k измерениям подчиняется распределению χ2 с k степенями свободы. Плотность вероятности мощности давления при единичном осреднении (k =1) равна

. (4)

Для верификации процедуры моделирования измеряемых величин было выполнено сравнение теоретических, моделируемых и экспериментально измеренных таких величин, как мощность давления и поток мощности, т.е. тех величин, которые формируются на выходе обнаружителя, работающего по скалярной или потоковой компоненте акустического поля. Ниже, на рис. 1, приведены гистограммы плотности вероятности мощности давления и потока мощности, полученные с использованием компьютерного моделирования, и соответствующие им теоретически рассчитанные плотности вероятности распределения Гаусса и распределения Лапласа. Плотность вероятности, соответствующая нормальному распределению сигналов, приведена для того, чтобы проиллюстрировать тот факт, что выходной сигнал обнаружителей и по скалярной компоненте, и по потоковой компо-

ненте поля существенно отличен от нормального. На рис. 2 представлены аналогичные гистограммы для мощности давления (рис. 2, а) и потока мощности при приеме шума, полученные по экспериментальным данным. Представлены гистограммы для мощности давления (рис. 2, а), для вертикально ориентированной компоненты (рис. 2, б) и двух горизонтально ориентированных компонент потоковой компоненты (рис. 2 в, г). В табл. 1 представлены средние значения и среднеквадратические отклонения для плотностей вероятностей, полученных по экспериментальным данным. Экспериментальные данные получены при постановке 4-компонентного векторно-скалярного модуля на глубине 15 м в мелком море глубиной 33 м. Данные, представленные ниже, соответствуют узкополосной фильтрации сигналов, выполненной с использованием Фурье-преобразования на частоте 180 Гц. При расчете теоретических плотностей вероятности параметры распределения (среднее значение и дисперсия) задавались в соответствии с данными, полученными экспериментально (табл. 1). Для сравнения на рис. 2 приведена также теоретически рассчитанная плотность вероятности для нормального распределения. Из приведенных данных видно, что средние значения для по-

(3)

с параметрами λ и α. Математическое ожидание и медиана распределения Лапласа равны α, а дисперсия равна . При обнаружении полезного сигнала на фоне помех с исполь-

Рис. 1. Плотность вероятности мощности давления (а) и плотность потока мощности (б), рассчитанные с использованием компьютерного моделирования (красные кривые) и теоретически рассчитанная плотность вероятности для нормального распределения (синие кривые); черными кривыми изображены распределение χ2 (а) и распределения Лапласа (б) ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

ВЕКТОРНАЯ АКУСТИКА

Алгоритм обнаружения сигнала на фоне помех

Рис. 2. Гистограммы мощности давления (а), потока мощности для вертикально ориентированной компоненты (б) и для горизонтально ориентированных компонент (в, г), рассчитанные по экспериментальным данным (красные кривые), и теоретически рассчитанные плотности вероятности нормального распределения (синие кривые); черными кривыми изображены распределение χ2 (а) и распределения Лапласа (б, в, г)

Таблица 1. Параметры плотности вероятности, рассчитанные по экспериментальным данным Показатель

Среднее значение

14,11

-0,37

-0,04

-0,006

Среднеквадратическое отклонение

16,21

1,98

6,16

1,90

тока мощности, принимаемые по горизонтальным ортогональным направлениям, различны. Это различие может быть связано с анизотропией шумов моря, но даже при этом среднее значение потока мощности намного меньше, чем мощность шума, принимаемая скалярным приемником. Соотношение потока мощности шума по вертикальной и горизонтальным компонентам соответствует результатам, приведенным в работе [7] для мелкого моря. Анализ данных, представленных на рис. 1, 2 и в табл. 1, позволяет сделать следующие выводы. Во-первых, получено подтверждение того, что статистические характеристики потока мощности, рассчитанные по экспериментальным данным, для всех ортогональных компонент (рис. 2, б, в, г) подчиняются распределению Лапласа. Во-вторых, среднеквадратическое отклонение 46

шумовой составляющей для потоковой компоненты существенно ниже, чем для скалярной компоненты. Учитывая то, что и среднее значение потока мощности шума также гораздо меньше, чем мощность шума, принимаемая скалярным датчиком, можно ожидать, что обнаружение сигнала от локального источника по потоковой компоненте будет гораздо эффективнее, чем по скалярной компоненте поля. В-третьих, плотность распределения, полученная с использованием компьютерного моделирования и измеренная экспериментально как для мощности давления, так и для потока мощности, совпадает. Это позволяет уверенно использовать компьютерное моделирование для различных алгоритмов обнаружения и сравнивать характеристики обнаружителей, использующих различные компоненты поля, с большой достоверностью.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

В пассивной гидролокации задача обнаружения является вероятностной и, в связи со случайным характером полезных сигналов и помехи, а также отсутствием априорной вероятности наличия или отсутствия полезного сигнала, относится к задачам третьего уровня сложности [5]. При обнаружении источника сигналов на фоне шумов решается бинарная задача, связанная с принятием решения о приеме только шума (гипотеза Н0) или о приеме смеси полезного сигнала и шума (гипотеза Н1). В теории статистических решений показано, что при обнаружении сигнала на фоне шума оптимальное решающее правило основано на сравнении отношения правдоподобия с некоторым порогом. Для выбора порога при отсутствии априорных вероятностей наличия и отсутствия полезного сигнала используется критерий Неймана–Пирсона. Эффективность процедуры обнаружения при использовании критерия Неймана–Пирсона характеризуется вероятностью правильного обнаружения при фиксированной вероятности ложных тревог. Кроме того, критерий Неймана–Пирсона рекомендуется использовать при сравнении характеристик обнаружения устройств, на вход которых подаются сигналы, имеющие различную плотность вероятности распределения. Именно такая ситуация наблюдается в гидроакустике при обнаружении сигнала по скалярной или потоковой компоненте акустического поля. Результаты наблюдений при измерении скалярной компоненты представляют выборку из N величин: p1, p2, p3,…, pN , распределенных по нормальному закону. По обеим гипотезам Н0 и Н1 измеряемые величины pi – незави-

ВЕКТОРНАЯ АКУСТИКА

симые, одинаково распределенные нормальные случайные величины с нулевыми средними. По гипотезе Н0 каждая из величин имеет дисперсию σ02, а по гипотезе Н1 – дисперсию σ12. Поскольку измеряемые величины pi независимы, то совместная плотность вероятности равна произведению отдельных плотностей: , (5) . (6) Известно, что достаточная статистика, реализующая оптимальное обнаружение полезного сигнала, принимаемого на фоне шумов, есть среднее значение суммы квадратов наблюдаемой величины [5]:

(7)

Найденное значение по выборке размером N (начальный момент первого порядка) сравнивается с выбранным порогом γ, определяемым критерием Неймана–Пирсона. Результаты наблюдений при измерении потоковой компоненты акустического поля представляют выборку из N величин: w1, w2, w3,…, wN. По обеим гипотезам Н0 и Н1 измеряемые величины wi – независимые, одинаково распределенные случайные величины. По гипотезе Н0 каждая из величин имеет распределение Лапласа. При приеме смеси сигнала и шума (гипотеза Н1) плотности распределения сигнала и шума различны. Но поскольку нас интересует ситуация, когда мощность сигнала намного меньше, чем мощность шума, то предположим, что распределение Лапласа превалирует. Поскольку измеряемые величины wi независимы, то совместная плотность

вероятности равна произведению отдельных плотностей: , (8) (9) с параметрами λ и α. Математическое ожидание и медиана распределения Лапласа равны α, а дисперсия равна . Обнаружение сигнала на фоне шумов по потоковой компоненте, как правило, строится по аналогии с обнаружителем по скалярной компоненте и определяется как среднее значение сигнала на выходе обнаружителя:

(10)

Для некоторых распределений, например нормального или экспоненциального, оценки начального момента первого порядка и центрального момента второго порядка совпадают с эффективной оценкой математического ожидания и дисперсии по методу максимального правдоподобия. Однако имеются многочисленные задачи, в которых метод моментов дает менее точные оценки параметров распределения, чем метод максимального правдоподобия (ММП). К таким распределениям относится и распределение Лапласа. Оценки параметров ММП находятся путем поиска максимума функции правдоподобия, которая для распределения Лапласа имеет вид: . (11) ММП-оценкой математического ожидания случайной величины, распределенной по Лапласу, является выборочная медиана

(12)

а ММП-оценка параметра λ, однозначно связанного с дисперсией,

определяется из соотношения .

(13)

Исходя из этого с использованием компьютерного моделирования рассчитаем статистические характеристики выходного сигнала обнаружителя для случайных величин (скалярной и потоковой компоненты) и в зависимости от объема выборки. Причем для скалярной компоненты среднее значение и среднеквадратическое отклонение сигнала на выходе обнаружителя можно рассчитывать, как это обычно делается, методом моментов (7), что совпадает с обнаружением по ММП. А для потока мощности рассмотрим два варианта. В первом случае алгоритм обнаружения, не учитывающий плотность распределения измеряемой величины, реализуется в соответствии с выражением (10), т.е. методом моментов. А во втором случае, в соответствии с вышеизложенной теорией для распределения Лапласа, алгоритм обнаружения соответствует методу максимального правдоподобия, для которого оценка среднего значения выборки равна медиане (12).

Результаты расчетов – моделирование При проведении расчетов предполагается, что направление прихода сигнала от локального источника совпадает с осью векторного приемника, расположенного горизонтально. Отношение сигнал/помеха на входе скалярного приемного элемента (по мощности) равно 0,1. В соответствии со статистическими характеристиками сигналов на входе векторно-скалярного модуля (p и v) выполнялось моделирование выходного сигнала обнаружителей:

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

ВЕКТОРНАЯ АКУСТИКА

Рис. 3. Выходные процессы (1000 реализаций) для двух гипотез H0 (синие кривые) и H1 (красные кривые) при обнаружении сигнала по скалярной компоненте (а) и по потоковой компоненте методом моментов (б) и методом максимального правдоподобия (в). Объем выборки N = 400

Рис. 4. Гистограммы, аппроксимирующие плотность вероятности сигнала при обнаружении сигнала по скалярной компоненте (а) и по потоковой компоненте методом моментов (б) и методом максимального правдоподобия (в). Объем выборки N = 400

Таблица 2. Вероятность правильного обнаружения (в %) при различных объемах выборки N

100

400

1000

0,6

10,2

24,7

9,4

79,5

99,7

43,0

99,8

100,0

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

и для различных объемов выборки N. В реальных измерениях N равно Δf . ΔT, где Δf – полоса пропускания частотного фильтра, а Δt – время наблюдения. Для построения гистограммы, аппроксимирующей плотность вероятности выходных процессов, расчет повторялся 10000 раз для двух гипотез: когда на входе присутствует только шум (гипотеза H0) и когда принимается смесь сигнала от локального источника и шума (гипотеза H1). Полученные гистограммы (Ф), аппроксимирующие плотность вероятностей при приеме шума и при приеме сигнала на фоне шума, позволили рассчитать вероятность ложной тревоги и вероятность правильного обнаружения. Выходные процессы, представленные на рис. 3, наглядно иллюстрируют тот факт, что при работе по потоку мощности, особенно в соответствии с методом максимального правдоподобия (рис. 3, в), обнаружение должно осуществляться более эффективно, так как вариации сигнала на выходе обнаружителя для двух различных гипотез «расходятся» и не имеют общей области значений. На рис. 4 приведены гистограммы, соответствующие двум гипотезам при измерении только скалярной компоненты поля (рис. 4, а) и при измерении потока мощности (рис. 4, б, в). Гистограммы при приеме только шума представлены кривыми синего цвета, а при приеме смеси сигнала и шума – красного цвета. Гистограммы выходных процессов, представленные на рис. 4, наглядно демонстрируют, что при работе по потоку мощности, особенно для алгоритма, основанного на методе максимального правдоподобия (рис. 4, в), обнаружение должно осуществляться более эффективно. Согласно критерию Неймана– Пирсона выбирается такое правило

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ обнаружения, которое обеспечивает минимальную величину пропуска цели (максимальную вероятность правильного обнаружения) при условии, что вероятность ложной тревоги не превышает заданной величины. В табл. 2 приведены вероятности правильного обнаружения, рассчитанные при различных значениях объема выборки N, для вероятности ложной тревоги, равной 0,1%. Анализ приведенных результатов показывает, что при заданной вероятности ложной тревоги вероятность обнаружения сигнала от локального источника существенно выше при измерении потока мощности. При числе осреднений по времени или частотам N > 400 использование потока мощности позволяет обнаружить сигнал от локального источника с достаточно большой вероятностью. В то время как работа обнаружителя по скалярной компоненте остается неудовлетворительной даже при N > 1000. ЛИТЕРАТУРА 1. Щуров В.А., Щуров Ф.В. Помехо устойчивость гидроакустического комбинированного приемника // Акуст. журн. 2002. Т. 48, № 1. С. 110–119. 2. Смарышев М.Д. О помехоустойчивости гидроакустического комбинированного приемника // Акуст. журн. 2005. Т. 51, № 4. С. 558–559. 3. Щуров В.М. Ответ автора на письмо М.Д. Смарышева // Акуст. журн. 2005. Т. 51, № 4. С. 560–561. 4. Гордиенко В.А., Гордиенко Е.Л., Краснописцев Н.В., Некрасов В.Н. Помехоустойчивость гидроакустических приемных систем, регистрирующих поток акустической мощности // Акуст. журн. 2008. Т. 54, № 5. C. 774–785. 5. Ван Трис. Теория обнаружения, оценок и модуляции. Т. 1. М.: Сов. радио, 1972. 741 с. 6. Урик Р.Д. Основы гидроакустики. Л.: Судостроение, 1978. 445 с. 7. Глебова Г.М., Кузнецов Г.Н., Шимко О.Е. Векторно-скалярные шумовые поля, образованные взволнованной поверхностью моря // Акуст. журн. 2013. Т. 59, № 4. С. 508–519. 8. Захаров Л.Н., Киршов В.А., Рожин Ф.В. Пространственно-корреляционные функции компонент колебательной скорости для двух моделей звукового поля // Акуст. журн. 1972. Т. 18, № 1. С. 49–52. 9. Воробьев С.Д., Сизов В.И. Векторно-фазовая структура и векторно-фазовый метод описания и анализа случайных акустических полей // Акуст. журн. 1992. Т. 38, № 4. С. 654–660. ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ УДК 534.529

ЗВУКИ ПОДВОДНЫХ СИПОВ А.О. Максимов, Б.А. Буров,   А.С. Саломатин

Федеральное государственное бюджетное учреждение науки Тихоокеанский океанологический институт им. В.И. Ильичева ДВО РАН1

Представлены результаты натурных экспериментов, призванных описать структуру и механизмы генерации звуков, излучаемых морскими сипами. Данное исследование инициировано проблемой мониторинга выбросов метана на арктическом шельфе и необходимостью развития эффективных методов диагностики утечек подводных газопроводов. При подводной утечке газа формируются пузырьки различных размеров. Каждый пузырек издает звук на характерной частоте, связанной с его размером. Таким образом, анализируя звуки сипов, можно определить, как много пузырьков возникло и каковы их размеры. Наблюдения придонных пузырьков с помощью стенда «Искусственный газовый факел” были выполнены в прибрежной зоне Японского моря. Выявлена значительная нерегулярность как во временных интервалах между последовательными моментами образования пузырьков, так и в интенсивности излучаемых сигналов. Проведен анализ экспериментальных данных на основе существующих теоретических моделей. Обнаружено заметное влияние взаимодействия пузырька с газовым каналом на форму наблюдаемых сигналов.

ВВЕДЕНИЕ Проблема выбросов метана из слоя вечной мерзлоты на арктическом шельфе – одна из «горячих точек» современных океанологических исследований [1, 2]. Для ее решения, помимо натурных измерений, необходимо понимание конкретных физических механизмов, приводящих к формированию газовых включений в осадках, их миграции сквозь слой осадков и водной толщи, вмораживанию в ледяной покров и попаданию в атмосферу. Углеводородные источники на дне океана порождают скопления всплывающих пузырьков – газовые факелы, которые легко регистрируются с помощью гидролокаторов благодаря большому сечению рассеяния звука на отдельных включениях. Акустические проявления этого природного образования были предметом как эксперименталь-

ных [3–8], так и теоретических [9–13] исследований. Настоящее исследование посвящено изучению процесса эманации газовых включений из осадков в водную толщу. Именно на этой стадии каждый рождающийся пузырек издает характерные звуки, частота которых изменяется обратно пропорционально размерам пузырька. Сигналы имеют вид экспоненциально затухающей синусоиды. Однако такая простая зависимость наблюдается только в лабораторных экспериментах, когда пузырек создается продувкой потока газа через насадку малого диаметра [14]. В лабораторном эксперименте при продувке воздуха через слой гранулированной среды с довольно большими размерами гранул (6,4 мм) зафиксированы акустические сигналы гораздо более сложной формы [15]. 1 690041, Владивосток, ул. Балтийская, 43. E-mail: maksimov@poi.dvo.ru

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Для интерпретации звуков подводных сипов важным является учет взаимодействия включений с соседними пузырьками и с ограничивающими поверхностями – дном и газовым каналом в осадках. Цель настоящего исследования состояла в сравнительной диагностике акустическими и оптическими методами процесса образования газового включения в подводной устьице в условиях, характерных для прибрежных акваторий. Выявлено широкое многообразие в форме акустических сигналов, сопровождающих рождение пузырька. Наблюдается крайне нерегулярное образование включений даже при относительно небольшом расходе подводимого к слою осадков потока газа.

Натурные эксперименты на стенде «Искусственный газовый факел» Для исследования особенностей акустического излучения газовых пузырьков, характерных для природной среды с определенным типом осадков на различных глубинах при наличии приливных течений, был разработан стенд «Искусственный газовый факел» и выполнены эксперименты в прибрежной акватории Японского моря. Схема стенда представлена на рис. 1. Пузырьки генерировались на глубинах 3, 6 и 10 м инъекцией сжатого воздуха через слой осадков, который находился в контейнере. Процесс измерений состоял из двух этапов. На первом этапе пузырьки (6) создавались при продувке воздуха через насадку (9), расположенную в нижней части контейнера (5). Положения видеокамеры и гидрофона соответствовали позициям, помеченным (1a) и (7a) соответственно (см. рис. 1). На втором этапе измерения проводились при непосредственной 50

Рис. 1. Стенд «Искусственный газовый факел». В состав стенда входят: видеокамера в защитном боксе (1 a, b), платформа (2), которая крепится на определенном горизонте съемки и позволяет дистанционно изменять угол съемки по вертикали относительно этого горизонта в пределах ± 15º, рассеивающий экран (3), светодиодный источник света (4), контейнер для размещения образцов осадков (5), пузырек (6), гидрофон (7 a, b), насадка для инъекции пузырьков (8), насадка для инъекции пузырьков в осадки (9), баллон со сжатым воздухом (10), клапан управления потоком газа (11), линейка (12), коммутатор кабелей (13), каркас установки (14)

продувке воздуха через насадку (8), минуя слой песка. Положения камеры и гидрофона соответствовали при этом позициям (1b) и (7b). На стенде установлена видео камера, позволяющая оценивать интенсивность газового потока и размеры отдельных включений. Использование простого оптического устройства позволяло исследовать только относительно разреженные сипы. Выдержка составляла 1/1000 с, видеосъемка осуществлялась с частотой 25 кадров в секунду. Камера располагалась на горизонтальной

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

платформе (2), положение которой в пространстве устанавливалось таким образом, чтобы в нижней части кадра находилась поверхность образца грунта или пространство сразу над насадкой. На втором этапе измерений, когда отсутствовал слой осадков, но положение регулировочного газового клапана было таким же, пузырьки рождались чаще, поэтому каждый кадр захватывает изображение нескольких пузырьков. Просветленная оптика не использовалась при видеорегистрации. Иллюминатор бокса, в котором находилась камера, не был покрыт

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

защитной пленкой, понижающей отражение света, поэтому наряду с прямыми изображениями пузырьков наблюдались и фантомные. В нашем случае фантомные изображения были образованы световыми лучами, которые успешно преломлялись на внешней поверхности водозащитного окна, отражались от внутренней поверхности и совершали еще один цикл, отражаясь от внешней поверхности и преломляясь на внутренней. Поскольку фантом – это такое же изображение пузырька, только под другим углом наблюдения, мы использовали этот, на первый взгляд, негативный фактор для более аккуратного определения размеров пузырьков. В идеальном случае пузырек объема Vb является сферическим и его радиус определяется как радиус эквивалентной сферы . В данных экспериментах мы имели дело с наиболее распространенным случаем пузырьков среднего размера (1 мм < Rb < 10 мм). Их форма может быть приближена эллипсоидом вращения, полуоси которого можно измерить на видеоизображении. Рис. 2 иллюстрирует эту процедуру. Для пузырька и его фантома, изображенных на рис. 2, экваториальный диаметр a и расстояние между полюсами b равны: a = 5,6 мм и b = 3 мм (пузырек); a = 5,8 мм и b = 3 мм (фантом). Определяя объем , мы находим эффективный объем пузырька как среднее 45,6 мм3. Эквивалентный радиус пузырька оценивается из объема сферы того же объема . В рассматриваемом случае = 2,2 мм. При проведении акустических измерений в представляющей интерес полосе частот 0,5–6 кГц амплитудно-частотная характеристика гидрофона была плоской.

Рис. 2. Видеокадр, иллюстрирующий размеры и форму пузырьков, рожденных при относительно небольшой интенсивности потока при продувке воздуха через насадку диаметром 2 мм. Измерения проводились на глубине 3 м. Параметры a и b обозначают большую и малую оси эллипса, форма которого аппроксимирует сечение пузырька. Особенностью этого видеокадра является наличие фантомных изображений, расположенных вблизи каждого реального пузырька. Они легко отличаются на цветном изображении, поскольку реальный пузырек имеет голубоватый цвет, а фантом – оранжевый

Это позволяло использовать линейное преобразование измеренного напряжения на преобразователе в давление, основываясь на данных калибровки гидрофона. Расстояние от акустического центра гидрофона, имеющего радиус 15 мм, до вертикальной оси, соотPN

ветствующей положению насадки (см. рис. 1), составляло 10 см. Гидрофон имеет достаточно небольшие размеры, чтобы удовлетворить условию малости по сравнению с характерной длиной волны, отвечающей собственным колебаниям пузырька (~ 75 см). Таким образом, он позволял осуществить ненаправленный прием сигналов от всего диапазона характерных размеров пузырьков. Гидрофон был расположен таким образом, чтобы не оказывать влияния на момент рождения пузырька и его последующую динамику, сопровождающую процесс всплытия. Сигнал с гидрофона проходил предварительную обработку: усиливался предусилителем и фильтровался, прежде чем поступить на измерительную систему.

Сравнительный анализ регистрируемых сигналов Принимаемый сигнал оцифровывался с частотой 48 кГц и записывался в память компьютера. Характерная длина одной записи составляла несколько минут. Примеры регистрируемых сигналов на интервале 60 с представлены на рис. 3 (a, b). В обоих случаях глубина составляла 3 м, диаметр отверстия насадки 2 мм. Положение клапана, регулирующего подачу PN

Рис. 3. Последовательность акустических импульсов, генерируемых пузырьками при продувке воздуха через насадку диаметром 2 мм на глубине 3 м в течение 60 с. На панели a представлен сигнал (нормированный на максимальное положительное значение на рассматриваемом интервале), возникающий при прохождении газа через слой морского песка, а на панели b – минуя слой осадков – при отрыве пузырьков от насадки ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

газа, было одинаковым и отвечало слабому потоку. На панели a представлены сигналы, генерируемые пузырьками, прошедшими через слой морского песка, а на панели b – результаты контрольного эксперимента, когда пузырьки рождались непосредственно на конце насадки. На рисунке представлена нормированная величина сигнала PN. Нормировка производилась на максимальное положительное значение вариации давления на данном временном интервале – 60 с в рассматриваемом случае. Как следует из представленных временных зависимостей, наличие слоя осадков оказывает значительное сопротивление потоку газа и существенно снижает число генерируемых пузырьков – количество наблюдаемых импульсов. Этот эффект известен и наблюдался в лабораторных экспериментах [16]. Наличие нерегулярности при образовании пузырьков на насадке (панель b) в естественных условиях кардинально отличается от ситуации, наблюдаемой в лабораторных экспериментах, когда отсутствуют потоки жидкости [17]. В прибрежной зоне, где проводились эксперименты, эти потоки достаточно интенсивны. Так, приливные возмущения были иногда столь сильными, что пузырек, поднимаясь на расстояние в 10 см (на втором этапе измерений), отклонялся и не попадал в поле видеокамеры. Лабораторные эксперименты [18] подтверждают заметное влияние поперечных потоков на процесс отрыва пузырька от насадки. Количественные характеристики вариации временных интервалов между последующими моментами рождения пузырьков иллюстрирует рис. 4. На основе акустических сигналов, зарегистрированных гидрофоном и изображенных на рис. 3, определялась 52

ΔТ

Рис. 4. Вариации временных интервалов между последовательными моментами рождения пузырьков. Сплошные кружки помечают временные интервалы между данным и предыдущим моментом рождения пузырька. Штрихованная линия изображает средний интервал времени между эманацией пузырьков. Панель a соответствует наличию слоя осадков, а панель b – их отсутствию

последовательность моментов рождения пузырьков. На абсциссе отложены моменты времен, соответствующие появлению излучения t1, t2, …, а значения ординаты, помеченные сплошными кружками, описывают временные интервалы ΔTi = ti – ti–1 между последовательными моментами рождения пузырьков. Среднее значение этого интервала < ΔT > изображено штрихованной линией. При наличии слоя осадков эта величина составляет < ΔT > = 0,98 с, а при рождении пузырьков на насадке – < ΔT > = 0,68 с. Как показывает этог рисунок, разброс значений интервала ΔT очень значителен в первом случае. Его максимальное значение более чем в 2 раза превышает соответствующую величину при отсутствии слоя осадков. Это означает, что главной причиной нерегулярности является процесс формирования газового канала в слое осадков [19] и его заключительная стадия, для обозначения которой используется термин «gate-orifice» [15]. Течение газа в водонасыщенной гранулированной среде протекает по трем последовательным режимам: перколяция, образование газового канала и частичное разрушение. При перколяции гранулы образуют неподвижный

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

скелет, сквозь который просачивается газ. По достижении порогового давления, значение которого зависит от размера гранул и поверхностной энергии на межфазной поверхности газ/жидкость, в слое среды возникают газовые каналы. Как было показано в лабораторных экспериментах [20], пространственное распределение устьиц – мест выхода пузырьков на поверхности водонасыщенной гранулированной среды – имеет случайный характер и может быть описано диффузионным процессом. В обсуждаемом эксперименте наблюдались пространственные вариации мест рождения пузырьков, однако поскольку камера фиксировала изображение только в поперечной к границе раздела плоскости, мы не имели возможности сделать какое-либо количественное заключение. Сопоставление рис. 3, a и 3, b показывает, что интенсивность шума выше при рождении более многочисленных пузырьков на насадке. Пузырьки, всплывающие в жидкости, могут принимать различную форму [21], но в рассматриваемом интервале размеров близки к эллипсоиду. Траектория движения одиночного включения имеет вид раскручивающейся спирали, а пузырек ориентиро-

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

ван так, что его минимальная полуось совпадает с направлением движения [21]. Карта режимов, приведенная в монографии [22], позволяет по числу Рейнольд са и числу Этвёша определить режим и форму всплывающего пузырька, здесь R0 – характерный радиус включения, V – характерная скорость подъема, ν  – кинематическая вязкость жидкости, g – ускорение силы тяжести, ρl – плотность жидкости, ρg  – плотность газа, σ – поверхностное натяжение на границе жидкость/газ. Характерные размеры и скорость определяются по видеозаписи, остальные параметры известны. В результате получаем: ℜе ~ 2400, Eo ~ 10. Согласно [22], это «wobbling» – покачивающийся пузырек, за которым располагается интенсивный турбулентный след обтекания. Таким образом, различие в интенсивности шумового сигнала мы связываем с шумами обтекания.

Структура отдельных импульсов Акустические импульсы, излучаемые пузырьками при отрыве от насадки, имеют хорошо известную из лабораторных экспериментов [14, 17, 18] форму экспоненциально затухающей синусоиды PN

длительностью порядка 20 мс. На рис. 5 представлены достаточно редкие исключения, когда в форме сигнала наблюдаются заметные отличия. На панели a представлена форма сигнала, излученного после наиболее долгого интервала молчания (1,5 с) в момент времени t = 11,05 с, а на панели b – для наиболее короткого интервала молчания (0,24 с) в момент времени t = 35 с. Как и на рис. 3, амплитуда сигнала нормирована на максимальное значение на временном интервале 60 с. Штрихпунктирная линия описывает форму сигнала, отвечающего экспоненциально затухающей синусоиде: × ×

(1)

Параметры этой модели: Pm – амплитуда, Ω* – циклическая частота, g – затухание,  – фаза являются подгоночными при нанесении этой зависимости на экспериментальную кривую, t0 – начальный момент времени. Метод наименьших квадратов используется для нахождения численных значений параметров. Так, для импульса, представленного на рис. 5 (а), имеем: Pm = 0,93, g = 167 c–1, Ω* = 7978 рад·с–1,  = –1,82. Для PN

Рис. 5. Форма одиночных импульсов. Сплошная линия соответствует записи гидрофона для типичного интенсивного импульса – панель а, на панели b приведена форма импульса относительно небольшой интенсивности. Штрихпунктирная линия иллюстрирует результат аппроксимации регистрируемого сигнала экспоненциально убывающей синусоидой (1). Пузырьки образуются при прохождении газовым потоком слоя морского песка на глубине 3 м

импульса, изображенного на рис. 5 (b), подгоночные параметры имеют следующие значения: Pm = 0,72, g = 259 c–1, Ω* = 8517 рад·с–1, = –1,55. Эта интерполяция экспериментальных данных приводит к следующим значениям физических параметров, описывающих колебания пузырьков: fа = 1356 Гц, Qa = Ω* / 2g = 16 – собственная частота и добротность для левой панели и fb = 1269 Гц, Qb = 23 – для правой панели. На самом деле форма импульса на панели b существенно отличается от обычного экспоненциально спадающего сигнала и соответствует наблюдаемому в лабораторных экспериментах эффекту, когда родившийся большой пузырек, не успев отойти от насадки, «вытаскивает» из нее пузырек меньшего размера [17]. Гораздо большее разнообразие наблюдается в форме сигналов, излученных в приповерхностном слое осадков. Рис. 6, а иллюстрирует форму наиболее интенсивных сигналов. Таких на интервале 60 с – четыре (см. рис. 3, а), и все они имеют сходную форму и параметры. Мы приводим наблюдаемый на 25-й секунде. Аппроксимация этого сигнала простой зависимостью (1) приводит к следующим значениям подгоночных параметров: Pm = 0,76, g = 186 c–1, Ω* = 12686 рад·с–1,  = –3,87. Соответственно частота и добротность равны: f25 = 2019 Гц, Q25 = 34 (индекс помечает, что данные относятся к импульсу, наблюдаемому на 25-й секунде). Значение добротности явно превышает значение, которое может иметь миллиметровый пузырек на глубине 3 м в достаточно грязной воде. Наличие биений предполагает существование связанных колебаний. В течение всего времени излучения пузырек находится на расстоянии в 2–3 радиуса от газового канала, от которого он

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Рис. 6. Форма одиночных импульсов. Сплошная линия соответствует записи гидрофона для типичного интенсивного импульса – панель а, на панели b приведена форма импульса относительно небольшой интенсивности. Штрихпунктирная линия иллюстрирует результат аппроксимации регистрируемого сигнала экспоненциально убывающей синусоидой (1). Пузырьки образуются при прохождении газовым потоком слоя морского песка на глубине 3 м

отделился. Верхний слой осадка имеет очень небольшую сдвиговую жесткость. Размеры песчинок много меньше размера пузырька. Зачастую пузырек появляется с шапкой песчинок, которые с него слетают при начале его подъема. В отличие от жестких стенок насадки ничто не препятствует пульсирующему пузырьку сжимать газ в канале. Урощенной моделью этого процесса являются колебания двух близко расположенных пузырьков [23]. В этой системе есть две нормальные моды: низкочастотная, которая описывает колебания, близкие к синфазным, и более высокочастотная, которая соответствует колебаниям, близким к противофазным. Основным механизмом затухания у миллиметровых пузырьков в океане является радиационное затухание, и оно совершенно разное для этих мод. Для синфазных колебаний близко расположенных пузырьков оно больше, чем затухание одиночного пузырька (два синфазно колеблющихся пузырька излучают энергии больше, чем один). Для противофазных колебаний оно мало, поскольку в главном порядке излучение носит не монопольный, а дипольный характер. Исходя из этих 54

соображений можно предложить следующую интерпретацию наблюдаемой формы акустического сигнала. При отделении пузырька от канала возбуждаются обе моды колебаний, поэтому на временном интервале затухания симметричной моды наблюдаются биения. На больших временах остается только антисимметричная мода, которая по мере увеличения расстояния между пузырьком и каналом переходит в собственные колебания пузырька. Для сигналов меньшей интенсивности модуляция начинает исчезать. Рисунок 6, b иллюстрирует типичную форму сигнала. Этому сигналу соответствуют следующие значения подгоночных параметров: Pm = 0,49, g = 180 c–1, Ω* = 12961 рад·с–1,  = 1,1. Соответственно частота и добротность равны: f18 = 2062 Гц, Q18 = 36. Интенсивность сигнала определяется начальным импульсом, который сообщает пузырьку коллапс шейки, соединяющей пузырек с газовым каналом. На инерционную неустойчивость, которая приводит к коллапсу, могут оказывать существенное влияние песчинки, находящиеся на межфазной поверхности, поскольку их размеры как раз сопоставимы с размером

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

области неустойчивости. Причем их влияние может распространяться как на размеры зоны коллапса (чем меньше эта область, тем интенсивнее кавитационная струйка, которая возбуждает пузырек), так и на нарушение осевой симметрии, что также снижает эффективность возбуждения колебаний. Поскольку газовый канал погребен в песчаном слое, наличие песчинок может демпфировать симметричную струйку, направленную в его сторону, и не приводить к существенному начальному импульсу. Присутствие песчинок в зоне неустойчивости – достаточно случайный фактор, по-видимому, этим можно объяснить существенные вариации в интенсивности сигналов и присутствие (или отсутствие) модуляционных искажений.

Обсуждение Проведенные исследования расширили понимание структуры и механизмов генерации акустических сигналов, излучаемых подводными сипами в естественных условиях. Существующие теоретические модели не позволяют в настоящее время описать все детали наблюдаемых эффектов. Весь процесс излучения происходит в непосредственной близости ко дну (на расстоянии нескольких радиусов пузырька) [11], и по этой причине модель свободного пузырька не является адекватной. Попытки учесть наличие жесткой [11], или импеданской [24], границы являются шагом в решении этой проблемы, но пока не обеспечивают последовательного описания взаимодействия пузырька с газовым каналом. Даже при относительно слабых потоках появившийся в устьице пузырек эффективно взаимодействует с родившимися ранее включениями. Для того чтобы правильно описать структуру излучаемого сигнала в таких условиях,

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

необходимо учесть взаимодействие между включениями, по крайней мере между парой пузырьков. Ограниченность объема не позволяет нам затронуть в данной статье такие темы, как зависимость излученных сигналов от

типа осадков (наряду с морским песком исследования проводились с образцами морского ила), от интенсивности газового потока, глубины и размеров насадок. Эти вопросы, а также применение модели, описывающей связанные ко-

лебания двух близко расположенных пузырьков, будут обсуждаться в последующих публикациях. Работа выполнена при поддержке программы «Дальний Восток» (проект 15-I‑1-021) и РФФИ (проект № 14-05-00334а).

ЛИТЕРАТУРА 1. Shakhova N., Semiletov I., Panteleev G. The distribution of methane on the Siberian Arctic shelves: implications for the marine methane cycle // Geophys. Res. Lett. 2005. Vol. 32, No. 9. L09601. 2. Shakhova N., Semiletov I., Sergienko V., Lobkovsky L., Yusupov V., Salyuk A., Salomatin A., Chernykh D., Kosmach D., Panteleev G. The East Siberian Arctic Shelf: towards further assessment of permafrost-related methane fluxes and role of sea ice // Phil. Trans. R. Soc. A. 2015. Vol. 373, No 2052. 3. Greinert J., Nutzel B. Hydroacoustic experiments to establish a method for the determination of methane bubble fluxes at cold seeps // Geo-Marine Lett. 2004. Vol. 24. P. 75–85. 4. Leifer I., Tang D. The acoustic signature of marine seep bubble // J. Acoust. Soc. Am. 2007. Vol. 121, No. 1. P. EL35–EL40. 5. Nikolovska A., Sahling H., Bohrmann G. Hydroacoustic methodology for detection, localization, and quantification of gas bubbles rising from the seafloor at gas seeps from the eastern Black Sea // Geochem. Geophys Geosystems. 2008. Vol. 9. Article Number: Q10010. 6. Leighton T.G., White P.R. Quantification of undersea gas leaks from carbon capture and storage facilities, from pipelines and from methane seeps, by their acoustics emissions // Proc. R. Soc. A. 2012. Vol. 468. P. 485–510. 7. Саломатин А.С., Юсупов В.И. Акустические исследования газовых «факелов» Охотского моря // Океанология. 2011. Т. 51, № 5. С. 911–919. 8. Саломатин А.С., Юсупов В.И., Верещагина О.Ф., Черных Д.В. Акустическая оценка концентрации метана в водной толще в областях его пузырьковой разгрузки // Акуст. журн. 2014. Т. 60, № 6. С. 638–644. 9. Максимов А.О. Спектр шума «газового факела» // Акуст. журн. 2005. Т. 50, № 4. С. 435–442. 10. Maksimov A.O., Sosedko E.V. Acoustic manifestations of gas hydrate shelled bubbles // Acoust. Phys. 2009. Vol. 55, No. 6. P. 776–784. 11. Maksimov A.O., Burov B.A., Salomatin A.S., Chernykh D.V. Sounds of marine seeps: A study of bubble activity near a rigid boundary // J. Acoust. Soc. Am. 2014. Vol. 136, No. 3. P. 1065–1076. 12. Maksimov A.O., Polovinka Y.A. Time reversal technique for gas leakage detection // J. Acoust. Soc. Am. 2015. Vol. 137, No. 4. P. 2168–2179. 13. Polovinka Y.A., Maksimov A.O. The peculiarities of the implementation of time reversal method for gas leakage detection on Sakhalin shelf // POMA. 2015. Vol. 24, No. 1. Article Number: 070002. 14. Greene C.A., Wilson P.S. Laboratory investigation of a passive acoustic method for measurement of underwater gas seep ebullition. // J. Acoust. Soc. Am. 2011. Vol. 131, No. 1. P. EL61–EL66. 15. Vazquez A., Manasseh R., Chicharro R. Can acoustic emissions be used to size bubbles seeping from a sediment bed? // Chem. Eng. Sci. 2015. Vol. 131. P. 187–196. 16. Gostiaux L., Gayvallet H., Géminard J.-C. Dynamics of a gas bubble rising through a thin immersed layer of granular material: an experimental study // Granular Matter. 2002. Vol. 4. P. 39–44. 17. Manasseh R., Riboux G., Risso F. Sound generation on bubble coalescence following detachment // Int. J. Multiphase Flow. 2008. Vol. 34. P. 938– 949. 18. Chicharro R., Vazquez A. The acoustic signature of gas bubbles in a liquid cross-flow // Exp. Therm. Fluid Sci. 2014. Vol. 55. P. 221–227. 19. Varas G., Vidal V., Géminard J.-C. Morphology of air invasion in an immersed granular layer // Phys. Rev. E2011. Vol. 83. Article Number: 061302. 20. Varas G., Vidal V., Géminard J.-C. Venting dynamics of an immersed granular layer // Phys. Rev. E2011. Vol. 83. Article Number: 011302. 21. Magnaudet J., Eames I. The motion of high-Reynolds number bubbles in inhomogeneous flows // Ann. Rev. Fluid Mech. 2000. Vol. 32. P. 659–708. 22. Clift R., Grace J.R., Weber M.E. Bubbles, Drops, and Particles. New York: Academic Press, 1978. Chapt. 2. 21 p. 23. Кобелев Ю.А., Островский Л.А. Акусто-электростатическая аналогия и взаимодействие пузырьков в жидкости // Акуст. журн. 1984. Т. 30, № 2. С. 715–716. 24. Maksimov A., Burov B., Salomatin A., Chernykh D. Sounds of undersea gas leaks // Proc. 4st Pacific Rim Underwater Acoustic Conference (October, 8–11, 2013). Hangzhou, China, 2013.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

УДК 534.222.2; 551.463.2

ИССЛЕДОВАНИЯ РАССЕЯНИЯ И ЗАТУХАНИЯ ЗВУКА, АКУСТИЧЕСКОЙ НЕЛИНЕЙНОСТИ И КАВИТАЦИОННОЙ ПРОЧНОСТИ МОРСКОЙ ВОДЫ В ПРИПОВЕРХНОСТНОМ СЛОЕ МОРЯ Федеральное государственное бюджетное учреждение науки Тихоокеанский океанологический институт им. В.И. Ильичева ДВО РАН1

В.А. Буланов, И.В. Корсков,   П.Н. Попов, А.В. Стороженко

Приповерхностный слой моря характеризуется развитой турбулентностью, аномально высокими концентрациями газовых пузырьков, которые приводят к повышенному рассеянию и поглощению звука, к усилению нелинейных характеристик этого слоя. Тем не менее до настоящего времени остаются невыясненными многие вопросы о взаимосвязи линейных и нелинейных акустических характеристик (коэффициенты рассеяния и затухания звука, параметр акустической нелинейности, кавитационная прочность) с присутствием в морской воде газовых пузырьков. Для решения указанных вопросов проведены экспериментальные исследования и установлена взаимосвязь нелинейного акустического параметра жидкости и порога кавитации с параметрами полидисперсной смеси пузырьков в жидкости. Показано, что на основе метода решения обратных задач данные по рассеянию звука позволяют оценить концентрацию пузырьков, кавитационную прочность, акустическую нелинейность морской воды с пузырьками и их суммарное количество в интервале размеров. Проведенные измерения нелинейности и кавитационной прочности морской воды in situ показали совпадение экспериментально измеренных величин с теоретическими оценками указанных параметров на основе расчетного метода, в основу которого были положены данные по рассеянию звука на воздушных пузырьках в приповерхностных слоях моря. Показано, что наличие «пузырьковых облаков» под поверхностью моря существенно увеличивает параметр акустической нелинейности морской воды и понижает кавитационную прочность морской воды.

ВВЕДЕНИЕ По своим гидрофизическим характеристикам верхний слой моря резко отличается от остальной морской среды [1–10]. Взаимодействие океан–атмосфера оказывает сильное влияние на динамику приповерхностных вод и их структуру. Приповерхностный слой характеризуется развитой турбулентностью, аномально высокими концентрациями газовых пузырьков, которые приводят к повышенному рассеянию и поглощению звука, к усилению нелинейных характеристик этого слоя, т.е. к резкому увеличению акустической нелинейности и од56

новременно к резкому падению кавитационной прочности морской воды [11–17]. В приповерхностном слое моря наиболее резко выражены флуктуации гидрофизических характеристик, которые зачастую связаны с пузырьковыми структурами, рождающимися при обрушении ветровых волн [7–10]. Эти структуры, как правило, модулируются по концентрации поверхностными волнами, что в итоге приводит к специфическим эффектам при рассеянии и распространении звука [19–22]. Измерение концентрации пузырьков и их распределения по размерам g(R) в море проводилось различными методами (в основном

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

оптическими и акустическими), и результаты представлены в большом количестве работ [1–22]. Тем не менее остаются неясными многие вопросы распределения пузырьков по глубине и закономерности эволюции функции g(R) во времени после прохождения различных возмущений, а также связанные с присутствием пузырьков флуктуации акустических характеристик приповерхностного слоя моря [18, 19, 21–24]. Особую актуальность тематике придают нерешенные до настоящего времени вопросы взаимосвязи таких 1 690041, Владивосток, ул. Балтийская, 43. Тел.: (423) 237-49-13. E-mail: bulanov@poi.dvo.ru

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

нелинейных акустических характеристик, как параметр акустической нелинейности и кавитационная прочность морской воды с присутствием в воде газовых пузырьков [15, 17, 20–24]. Установлению взаимосвязи указанных акустических характеристик со структурой приповерхностных слоев морской волы, насыщенной пузырьками, посвящена настоящая работа. С этой целью в работе проведено изучение структуры и динамических характеристик верхнего слоя моря, насыщенного газовыми пузырьками, акустическими методами с высоким пространственным и временным разрешением. Были разработаны и применены узколучевые линейные и параметрические акустические излучатели с различными частотами накачки. Для решения основной задачи требовалось провести экспериментальные исследования распределения коэффициентов рассеяния и затухания звука, акустической нелинейности и кавитационной прочности морской воды в приповерхностном слое моря во взаимосвязи с распределением пузырьков в верхнем слое моря.

1. Экспериментальные методы и аппаратура Экспериментальные работы проводились в бухте Витязь Японского моря и на НИС «Импульс» вдоль различных трасс на акватории залива Петра Великого Японского моря в летний и осенний сезоны 2012–2015 гг. В бухте Витязь была установлена донная система с гидроакустическими излучающими и приемными антеннами (глубина 12 м) с целью долговременного изучения акустических характеристик в море при различных гидрометеорологических условиях (рис. 1). Акустическая система измерения рассеяния звука включала

Рис. 1. Схема акустических измерений с донной станции

работки и визуализации акустических сигналов [26–28]. Ниже приведены краткие характеристики излучателей донной станции. Основой является трехэлементный излучатель, имеющий ширину основного лепестка характеристики направленности на частоте 138 кГц, равную 11,5°, на частоте 216 кГц – 7,2°, на частоте 519 кГц – 3°. Кроме того, установлен ненаправленный широкополосный гидрофон для регистрации, проведения калибровок и контроля излучения. В таблице представлены основные акустические характеристики трехэлементного излучателя. Береговой комплекс аппаратуры позволял производить мно-

в себя тракт излучения звука с различными частотами, пьезокерамические преобразователи, тракт приема и систему ввода и первичной обработки акустической информации [25]. Система ввода и первичной обработки акустической информации включала в себя интерфейсную 14-разрядную плату ввода фирмы «Руднев и Шиляев» Ла2 USB с предельной частотой квантования 400 кГц, многоканальный цифровой регистратор фирмы «Руднев и Шиляев» МА‑16 с предельной частотой записи 200 кГц, интерфейсную 12-разрядную плату ввода фирмы «Л-Кард» E20-10 с предельной частотой квантования 10 МГц, персональные компьютеры и специальные программы об-

Основные акустические характеристики трехэлементного излучателя результатов измерений Резонансная частота, кГц 27,6

НапряЧувствит. Чувствит. Напряжежение Напряже- Звуковое излучеприема, ние излуче- эхо-сиг- ние гидро- давление, ния мкВ/Па ния, В нала, фона, мВ Па Па/В*м мВ 16,5 50 60 2230 135 22,7

94,5

16,7

2000

120

17,5

138

16,9

1296

46,3

216

Не измерено

519

18,2

100

12100

664

8,3

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

гочастотное измерение сигналов рассеяния различными методами. Применялся метод одновременного излучения импульсов разных частот с последующей фильтрацией принимаемых сигналов по каналам [25–27] (рис. 1). В качестве цифрового генератора сигналов применялся программируемый генератор ГСПФ‑053 фирмы «Руднев и Шиляев» (Москва). Широкополосные усилители мощности У7–5 использовались в качестве предварительных усилителей, оконечными усилителями были усилители, выполненные на базе высоковольтных транзисторов, которые позволяли поднимать выходное напряжение до 400 В. Коммутатор сигналов был выполнен по схеме диодных коммутаторов эхолотов. В качестве селективных усилителей использовались нановольтметры SN‑233 и SN‑232 фирмы UNIPAN (Польша), третьоктавные фильтры RFT01018 фирмы «Robotron» (Германия), микрофонные усилители RFT00011 фирмы «Robotron», фильтры на отдельные частоты были изготовлены в лаборатории гидрофизики ТОИ ДВО РАН. Береговой комплекс аппаратуры располагался в непосредственной близости от донной станции и был связан с ней подводным кабелем (рис. 1). Метод акустического зондирования в приповерхностном слое моря основывается на остронаправленном излучении звука, приеме сигналов обратного рассеяния звука, вводе, записи и первичной обработке акустической информации на персональных компьютерах. Измерения нелинейных характеристик звукового поля проводились с применением параметрических акустических излучателей. Метод прошел многолетнюю апробацию в экспедиционных условиях, его основные черты отражены в [20, 24–30]. 58

2. Акустическое зондирование на донной станции

концентрацию V0, определяемую в виде

Для описания рассеяния звука в среде с микронеоднородностями обычно пользуются коэффициентом объемного рассеяния mV , который в приближении однократного рассеяния (борновском приближении) определяется согласно выражению:

. (4)

Формулы (1)–(3) были положены в основу определения коэффициентов рассеяния звука на основании экспериментальных данных по измерениям амплитуд падающей на объем V волны и рассеянной в обратном направлении Pi и Pbs , (1) соответственно. На рис. 2–3 показаны типичгде ,  – интенсивно- ные летние коэффициенты объсти падающего на неоднородность емного рассеяния, полученные на и рассеянного звука соответствен- частоте 138 кГц в августе в течение но, при этом Pi и Pbs – соответствен- нескольких дней. Серым цветом на но амплитуды падающей на объем оси времени везде на рисунках отV волны и рассеянной в обратном мечен ночной период. направлении, r – расстояние до На всех рисунках хорошо виднеоднородности, V – импульсный ны приливные колебания уровня рассеивающий объем среды. Для моря. Интересно поведение средостронаправленных излучателей, него коэффициента рассеяния работающих в импульсном режи- звука S сразу во всем слое воды V ме, объем V можно записать в виде в месте постановки станции в те, где  – ширина ха- чение двух суток, которое предрактеристики направленности из- ставлено на рис. 2. Величина SV лучателя, c – скорость звука, τ – здесь является усредненной велидлительность импульса звука. Из чиной и определялась по формуле формулы (1) можно получить экс, где периментальное значение коэффи. (5) циента обратного рассеяния звука в жидкости в виде [4, 6, 20, 24, 29]: Из рис. 4 видно, что в ночной .

(2)

Часто коэффициент рассеяния звука mv записывают в логарифмической форме – в децибелах согласно следующей формуле [20, 30]:

(3)

при этом размерность mv берут в м–1. С помощью формул (2)–(3) можно экспериментально определить частотную зависимость mV (w) или SV (w) , которая позволяет установить тип рассеивателей, а также некоторые их характеристики, например, функцию распределения по размерам g(R) или объемную

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

период коэффициент рассеяния звука SV (отмечен серым цветом) резко возрастает, что связано в первую очередь с суточными миграциями планктона. Контраст величины SV между ночными и дневными

Рис. 2. Изменения коэффициента объемного рассеяния звука на частоте 138 кГц в течение двух суток с 10:54 8 августа по 09:45 10 августа

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Рис. 3. Изменения коэффициента объемного рассеяния звука на частоте 138 кГц с 12:52 14 августа по 10:31 15 августа

значениями составляет в среднем 25 дБ и 18 дБ в различные дни. Таким образом, рассеяние звука на шельфе во многом имеет биологическое происхождение и в ночной период практически на порядок выше по сравнению с дневными значениями.

3. Подповерхностные пузырьковые структуры при различных гидрои метеоусловиях Как видно из рис. 2, весь дневной период 9.08.2014 г. вблизи поверхности моря при развитом волнении наблюдается повышенное рассеяние звука от поверхности до глубины около 3 м, обусловленное газовыми пузырьками, вовлеченными в толщу морской воды динамикой движений в поверхностных волнах. Такое рассеяние звука типично при умеренном и сильном ветре над поверхностью моря и особенно усиливается в осенний период. Данные по рассеянию звука на различных частотах в приповерхностном слое моря при наличии развитого волнения и вовлечения пузырьков в толщу морской воды позволили выявить структуру распределения по размерам пузырьков и их динамику. Функция распределения пузырьков

Рис. 4. Изменение среднего коэффициента рассеяния звука SV в течение двух суток с 10:54 08 августа по 09:45 10 августа

по размерам g(R) может быть найдена по частотной зависимости коэффициента рассеяния звука mV (w) в предположении, что основной вклад в рассеяние звука вносят резонансные пузырьки, радиус которых связан с частотой по формуле Миннерта 4, 6]:

[1, , ,

(6)

постоянная адиабаты газа внутри пузырька. Полученные данные с помощью представленной формулы позволили получить функции распределения пузырьков по размерам. Часто вместо величины g(R), [см–4] (особенно в англоязычной литературе) пользуются величиной N(R), [м–3мкм–1], которая связана с g(R) соотношением [1, 4, 6, 24, 30]: .

(7)

При фиксированной частоте где δω – коэффициент резонансного затухания на частоте w, P0 – ги- 138 кГц величина N(R) резонансдростатическое давление, γ ≈ 1,4 – ных пузырьков для различных глу-

Рис. 5. Распределение пузырьков по глубине и его изменение в течение 12 часов за счет вариаций скорости ветра и волнения моря, верхний рисунок – изменение во времени концентрации пузырьков N на глубине 0,3 м, рисунок справа – разрез N(z) в момент времени 6:50 ч, когда наблюдается максимальное вовлечение пузырьков в толщу моря ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

бин и в различное время в процессе развития поверхностного волнения представлена на рис. 5 для различных состояний моря: перед началом ветра, во время ветра и после прекращения ветра. Из рис. 5 видно, что в периоды без ветра рассеивающий слой совсем узкий и примыкает близко к поверхности моря. С усилением ветра происходит существенное вовлечение пузырьков в толщу моря. При этом величина N изменяется на 4 порядка! На такую же величину изменяется концентрация пузырьков на фиксированной глубине z ~ 0,3 м.

4. Акустическая нелинейность приповерхностных слоев морской воды Важным параметром в нелинейной гидроакустике является нелинейный акустический параметр ε, который имеет наглядный физический смысл [31] – он определяет расстояние разрыва в волне r* согласно соотношению r* = 1/ ε kM, где k = ω / c – волновое число, M = v / c = P / ρ c2  – число Маха, v и P – скорость частиц и давление в волне. В микронеоднородной морской среде параметр ε зависит от структуры среды, а также от динамических свойств включений [12, 15]. Величина ε определяется в виде [32, 33]:

. (8)

Полученные выше результаты по концентрации пузырьков в приповерхностных слоях мор60

Рис. 6. Нелинейный параметр приповерхностного слоя пузырьков

ской воды позволяют определить дополнительную акустическую нелинейность, привносимую распределенными в воде пузырьками, обладающими высокой нелинейностью. На рис. 6 представлено изменение во времени нелинейного параметра пузырькового слоя, которое отвечает зависимостям, представленным на рис. 5 для концентрации пузырьков. Вблизи поверхности моря нелинейный параметр существенно превышает нелинейный параметр в чистой воде, равный 3,5. На больших глубинах нелинейный параметр стремится к значению нелинейного параметра в чистой воде.

5. Кавитационная прочность приповерхностных слоев морской воды Кавитационная прочность реальной морской воды имеет низкое значение по сравнению с чистой пресной водой, и это обстоятельство обычно связывают с наличием в море пузырьков и других зародышей кавитации. Разрыв жидкости представляет собой типичный нелинейный процесс. Вопрос о взаимосвязи кавитационной прочности

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

ΔPk и нелинейного акустического параметра ε жидкости обсуждался в литературе, и была получена зависимость следующего вида [15, 17, 32–35]: ,

(9)

где величина b представляет собой эффективную сжимаемость воды с пузырьками, зависящую от концентрации и распределения пузырьков по размерам. Учитывая указанные зависимости, в итоге, согласно [32, 33], можно написать следующую формулу для кавитационной прочности:

–1

(10)

где x – объемная концентрация пузырьков. Для случая чистой жидкости выражение ΔPk было определено Зельдовичем и по существу представляет собой внутримолекулярное давление из уравнения состояния Ван-дер-Ваальса и равно , (11) где σ  – коэффициент поверхностного натяжения, k – посто-

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

заключается в оценке, насколько значимы эффекты диссипации при реальных концентрациях пузырьков, которые наблюдаются в экспериментах по рассеянию звука. На рис. 8 представлена оценка для распределения коэффициента поглощения звука, отвечающая данным на рис. 5. Коэффициент поглощения звука рассчитывался по формуле [29, 31, 32, 33]:

Рис. 7. Кавитационная прочность морской воды при наличии приповерхностного слоя пузырьков

янная Больцмана, T – температура, ln(C/J) ≈ 70–78. Для воды ΔPk0 ≈ 1400 атм и из (6) следует ε ≈ 3÷5, что согласуется со значениями для чистой воды. Из (10) следует, что при имеем

, .

(12)

При больших концентрациях узырьков x > x** = βδ / β' ≈ 10–5 п кавитационная прочность стремится к минимальному значению:

но низка и даже ниже величины гидростатического давления. На больших глубинах кавитационная прочность стремится к значению кавитационной прочности в чистой воде.

6. Аномальное поглощение звука в приповерхностных слоях морской воды, насыщенной пузырьками Известно, что пузырьки являются эффективными поглотителями энергии звуковых волн, распространяющихся в море. Вопрос

, (14) в которой были использованы ранее полученные аппроксимации для g(R) вида [26, 35]:

. (15) В формуле (15) показатель степени n и критические размеры Rp , Rm являются естественными параметрами, которые следуют из теории Фармера–Гаррета [18], являющейся наследницей теории дробления капель А.Н. Кол-

, Па.

(13)

На рис. 7 представлено изменение во времени кавитационной прочности пузырькового слоя, которое отвечает зависимостям, представленным на рис. 5 и 6 для концентрации пузырьков и нелинейного параметра. Видно, что вблизи поверхности моря кавитационная прочность чрезвычай-

Рис. 8. Коэффициент поглощения звука в приповерхностном слое пузырьков ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

могорова по степенному закону в инерционном интервале между размерами Rp , Rm [33, 35]. При этом оказывается, что величина n ~ 3,3, хотя при измерениях g(R) на большом фактическом материале в умеренных состояниях моря оказывается n ~ 3,5–3,8. [4, 21, 22, 24, 29, 35]. Тогда величину поглощения звука можно рассчитать на основе экспериментальных данных, полученных при рассеянии звука на пузырьковых структурах вблизи поверхности моря. Из рис. 8 видно избыточное поглощение звука в пузырьковом слое. Вблизи поверхности моря поглощение звука в 100 раз превышает поглощение звука в чистой воде a0. На больших глубинах поглощение звука стремится к значению поглощения звука в чистой воде.

7. Исследования нелинейности и кавитации в море методом погружного зонда 7.1. Акустические критерии кавитации и кавитационная прочность морской воды Исследования кавитационной прочности морской воды были проведены с применением макета измерителя кавитационной прочности, основным элементом которого являлся акустический пьезокерамический концентратор в форме цилиндра с резонансной частотой 10 кГц. Регистрация кавитации осуществлялась по акустическим шумам, присущим кавитационному режиму. Шумы регистрировались с помощью измерительных гидрофонов фирмы «Ахтуба» (рабочая полоса частот 0,01–300000 Гц) и фирмы «Bruel&Kjaer», тип 8103 (рабочая полоса частот 0,01–200000 Гц). Запись сигналов осуществлялась в цифровом виде с помощью мно62

гоканальной 14-разрядной платы E20-10 фирмы «Л-кард» с максимальной частотой оцифровки 5 МГц. Высокое напряжение на излучатель подавалось на частоте резонанса 10,7 кГц с помощью усилителя мощности типа Phonic XP 5000 с максимальной мощностью 2 кВт и подстраиваемой индуктивностью, компенсирующей на частоте резонанса емкостную нагрузку. При зондировании в морских условиях гидрофон прикреплялся с внешней стороны концентратора вблизи свободного торца. Предварительно устанавливалось соотношение между акустическими характеристиками, измеряемыми гидрофоном снаружи и внутри концентратора. Соответствующие поправки вносились в дальнейшем в показания внешнего гидрофона при проведении экспериментов в морских усло виях. При проведении кавитационных исследований особое внимание было сосредоточено на изучениях зависимости порога кавитации от различных критериев обнаружения разрыва сплошности морской воды: по нелинейности кривой излучаемой мощности на частоте излучаемого сигнала

ws, по второй гармонике P2w, по суммарным высшим гармоникам , а также по субгармоникам Pw / 2 и P3w / 2 [33]. На рис. 9 представлены зависимости от времени амплитуды напряжения на гидрофоне и на излучателе, нагружаемом на кавитирующую жидкость с переменным импедансом. Здесь же на врезке представлены зависимости от времени спектральных характеристик указанных выше сигналов с гидрофона и с излучателя. Глубина, на которой располагался макет измерителя кавитационной прочности, составляла 2,5 м. Видно, что при высоких напряжениях сигналов наблюдается резкий излом зависимостей U(t), который в спектральной области отвечает резкому обогащению спектральных характеристик акустического шума предположительно кавитационного происхождения. Этот излом может быть положен в основу одного из критериев порога кавитации и измерения на его основе кавитационной прочности морской воды [33]. Соответствующие значения кавитационной прочности представлены на рис. 9.

Рис. 9. Зависимости от времени амплитуды напряжения на гидрофоне и на излучателе, на врезке – зависимости от времени спектральных характеристик у сигналов с гидрофона и с излучателя. Глубина 2,5 м

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Рис. 10. Зависимости от напряжения на излучателе спектральных составляющих акустического шума: сигнала субгармоники P3w / 2 (Usource(t)), суммарных высших гармоник и высших гармоник

На рис. 10 представлены зависимости от напряжения на излучателе различных спектральных составляющих акустического шума: сигнала субгармоники P3w / 2 (Usource(t)) на частоте 3/2ws, суммарных высших гармоник , а также высших гармоник

начиная

с 6-й гармоники. Глубина, на которой располагался макет измерителя кавитационной прочности, составляла 3 м. Из рис. 10 видно, что можно четко выделить 2 порога кавитации, отличающихся примерно в 2 раза:

начиная с 6-й гармоники

кавитации – как начала разрыва сплошности жидкости и начала активного самоподдерживающегося образования пузырьков в жидкости – можно считать кавитационной прочностью жидкости величину первого порога кавитации, составляющего Pc1 = 105 кПа. Экспериментальные исследования кавитационной прочности морской воды проводились в осенний период в бух. Витязь залива Петра Великого Японского моря. На рис. 11 представлены распределения температуры и со-

лености морской воды в зависимости от глубины. Из рис. 11 видно, что наблюдается четко выраженный верхний перемешанный слой с квазиоднородными температурой и соленостью, простирающийся до глубины около 6–8 м. Ниже идет ярко выраженный слой скачка, характеризующийся высокими вертикальными градиентами гидрофизических параметров морской воды. На рис. 12 представлена кавитационная прочность морской воды в зависимости от глубины, измеренная в серии экспериментов в одном и том же месте в осенний период в бух. Витязь. Измерения проводились при вертикальном зондировании макетом с НИС «Малахит», при этом напряжение на излучатель непрерывно изменялось при зондировании, так что измерения каждой точки кавитационной прочности проводились в определенном интервале глубин около 0,5 м. Отдельные точки на рис. 12 отвечают указанным интервалам глубин. В качестве критерия кавитации были взяты данные по первому порогу кавитации Pc1. Ошибки измерений кавитационной прочности указаны на графике и отчасти отражают статистическую природу акустической кавитации.

по изгибу кривой и по началу асимптотики всех перечисленных кривых, и особенно кривой . Первый порог отвечает началу кавитации, а второй порог – началу бурной кавитации, сопровождающейся резким уменьшением акустического импеданса. Таким образом, критерий порога кавитации является в определенной мере достаточно условным. Тем не менее с позиций обнаружения именно начала

Рис. 11. Распределения температуры и солености морской воды в зависимости от глубины ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Рис. 12. Кавитационная прочность морской воды в зависимости от глубины

Из рис. 12 видно, что кавитационная прочность морской воды существенно зависит от глубины в подповерхностном слое толщиной до 6 м, а затем зависимость от глубины выражена слабо. На врезке показан внешний вид акустического концентратора с прикрепленным к нему гидрофоном фирмы «Ахтуба» для регистрации кавитационных шумов при разрыве сплошности морской воды под действием звука. Полученные результаты по понижению кавитационной прочности морской воды в приповерхностном слое мы связываем с наличием газовых пузырьков, всегда присутствующих в этом слое. Обращаясь к результатам для кавитационной прочности воды с пузырьками, представленными на рис. 5, 8 и 12, можно видеть, что экспериментально обнаруженное понижение до 20 кПа кавитационной прочности воды в непосредственной близости поверхности моря, которое представлено на рис. 12, можно объяснить присутствием воздушных пузырьков с суммарной объемной концентрацией 1,2.10–4. 64

7.2. Исследования акустической нелинейности морской воды Исследования проводились с помощью зондирующей установки на основе акустической антенны, излучатели которой установлены под углом для схождения акустических пучков в области нелинейного взаимодействия с микронеоднородностями морской среды. Акустическая антенна представляла собой два пьезокерамических излучателя, расположенных под углом друг к другу, в точке пересечения осей излучателей на кронштейне располагался измерительный гидрофон типа 8103 фирмы «Bruel&Kjaer» чувствительностью

26,9 мкВ/Па или измерительный гидрофон фирмы «Ахтуба» чувствительностью 100 мкВ/Па. Расстояние от гидрофона до каждого из излучателей – около 40 см. Схема измерения и внешний вид установки представлены на рис. 13. Процедура измерений была следующей. Генератор (1) формировал импульсы с частотой заполнения 57 кГц, генератор (2) – импульсы с частотой заполнения 63 кГц. Длительность импульсов в обоих каналах – 2,3 мс, период посылок – 12 мс, 18 мс и 90 мс в разных режимах излучения, управление параметрами сигналов генераторов осуществлялось с компьютера. Импульсы усиливались двумя каналами усилителя мощности Phonic XP 5000 с подключенными к его выходам повышающими трансформаторами, амплитуда сигналов на каждом излучателе антенны составляла 540 В. Принятые сигналы обратного рассеяния с гидрофона подавались на согласующий усилитель типа 2650 фирмы «Bruel&Kjaer» с изменяемым коэффициентом усиления, для фильтрации и дополнительного усиления сигналов использовался селективный нановольтметр SN‑233 с изменяемой полосой пропускания. Оцифровка сигнала производилась с помощью 14-разрядной АЦП Е20-10 фирмы «Л-кард» с записью на компьютер,

Рис. 13. Схема измерения и внешний вид установки: 1, 2 – г енераторы ГСПФ‑053, 3 – п ервый канал усилителя мощности Phonic XP 5000, 4 – второй канал усилителя мощности Phonic XP 5000, 5 – гидроакустическая антенна, 6 – гидрофон типа 8103 фирмы «Bruel&Kjaer», 7 – усилитель типа 2650 фирмы «Bruel&Kjaer», 8 – селективный нановольтметр SN‑233, 9 – компьютер с АЦП Е20-10 фирмы «Л-Кард»

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

Рис. 14. Распределение по глубине акустического сигнала на второй гармонике, генерируемого в области пересечения пучков

частота квантования – не менее 500 кГц. Вертикальное зондирование осуществлялось путем опускания и подъема антенны с закрепленным на ней приемным гидрофоном на тросе. На рис. 14 представлено распределение по глубине акустического сигнала на второй гармонике P2w / Pw Pw , генерируемого в обла1 2 сти пересечения пучков. При этом проводилось нормирование на мощность излучаемого сигнала на накачках 57 и 63 кГц. Из рис. 14 видно, что в приповерхностном слое до глубины 7–10 м наблюдается значительная изменчивость величины P2w / Pw Pw при превышении над

венном увеличении нелинейности подповерхностного слоя вплоть до указанной глубины 6–8 м, что качественно согласуется с результатами, представленными на рис. 6. Последнее свидетельствует о том, что указанное повышение акустической нелинейности связано с наличием воздушных пузырьков, которые всегда присутствуют вблизи поверхности моря и существенно увеличивают параметр акустической нелинейности морской воды. Следует отметить также, что именно до глубины 6–8 м простирается верхний перемешанный слой, как это можно видеть из рис. 11.

фоновым значением, достигающим 30 дБ. Столь значительное превышение свидетельствует о сущест-

Установлена взаимосвязь нелинейного акустического параметра жидкости и порога кавитации

ЗАКЛЮЧЕНИЕ

с параметрами полидисперсной смеси пузырьков в жидкости. Разработаны методики и проведены экспериментальные исследования кавитационной прочности и акустической нелинейности в воде при различной концентрации пузырьков. Показано, что на основе метода решения обратных задач данные по рассеянию звука позволяют оценить концентрацию пузырьков, кавитационную прочность, акустическую нелинейность морской воды с пузырьками и их суммарное количество в интервале размеров. Проведенные измерения нелинейности и кавитационной прочности морской воды in situ показали совпадение экспериментально измеренных величин с теоретическими оценками указанных параметров на основе расчетного метода, в основу которого были положены данные по рассеянию звука на воздушных пузырьках в приповерхностных слоях моря. Работа выполнена в рамках темы 2 Программы 12 ФНИ государственных академий наук на 2014–2020 гг. «Современные проблемы радиофизики и акустики, в том числе фундаментальные основы радиофизических и акустических методов связи, локации и диагностики, изучение нелинейных волновых явлений», № гос. рег. 01201363046, при поддержке проекта № 15-I‑1-046 программы «Дальний восток» ДВО РАН.

ЛИТЕРАТУРА 1. Medwin H. Acoustical determination of bubble size spectra // J. Acoust. Soc. Am. 1977. Vol. 62. P. 1041–1044. 2. Johnson B.D., Cooke R.C. Bubble populations and spectra in coastal water: photographic approach // J. Geophys. Res. 1979. Vol. 84. P. 3761–3766. 3. Kolobaev P.A. Research of concentration and statistical distribution of the sizes of the bubbles created by a wind in subsurface layer of ocean // Oceanology. 1975. P. 1013–1017. 4. Акуличев В.А., Буланов В.А., Кленин С.А. Акустическое зондирование газовых пузырьков в морской среде // Акуст. ж. 1986. Т. 32. Вып. 3. С. 289–295. 5. Ling S.C., Pao H.P. Study of micro-bubbles in the North Sea // Sea Surface Sound / ed. by B.R. Kerman. Hamburg: Kluwer Academic Publishers, 1988. Р. 197–210. 6. Vagle S., Farmer D. The measurement of bubble-size distributions by acoustical backscatter // Journ. of Atmospheric and Oceanic Technology. 1992. Vol. 9. Р. 630–664. 7. Andreas E.L., Monahan E.C. The role of whitecap bubbles in air-sea heat and moisture exchange // J. Phys. Oceanogr. 2000. Vol. 30. Р. 433–441. 8. Deane G.B. Sound generation and air entrainment by breaking waves in the surf zone // J. Acoust. Soc. Amer. 1997. Vol. 102. Рр. 2671–2689.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

СРЕДСТВА И МЕТОДЫ ПОДВОДНЫХ ИССЛЕДОВАНИЙ

9. Medwin H., Breitz N. Ambient and transient spectral density in quiescent seas and under spilling breakers // J. Geophys. Res. 1989. Vol. 94. Р. 12751–12759. 10. Farmer D., Vagle S. Wave Induced Bubble Clouds in the Upper Ocean // J. Geophys. Res. 2010. Vol. 115. C12054. 16 pp. doi:10.1029/2009jc005990 11. Кузнецов В.П. Нелинейная акустика в океанологии. М.: Физматлит, 2010. 264 с. 12. Apfel R.E. The effective nonlinearity parameter for immiscible liquid mixtures // J. Acoust. Soc. Amer. 1983. No. 6. Р. 1866–1868. 13. Neppiras E.A. Acoustic Cavitation // Phys. Reports. 1980. Vol. 61, No. 3. Р. 159–251. 14. Leighton T.G. The acoustic bubble. San-Diego: Academic, 1994. 15. Акуличев В.А., Буланов В.А. О взаимосвязи кавитационной прочности, нелинейного параметра и концентрации пузырьков в жидкости // ДАН. 1999. Т. 368, № 2. С. 194–197. 16. Акуличев В.А., Ильичев В.И. Пороги акустической кавитации в морской воде в различных районах Мирового океана // Акуст. журн. 2005. Т. 51, № 2. С. 167–179. 17. Akulichev V.A., Bulanov V.A. Acoustic Nonlinearity, Cavitation Strength and Bubble Distribution of Upper Sea Water Layer // Nonlinear Acoustics – Fundamentals and Applications (ISNA 18 – 18th Int. Symp. / ed. by B.O. Enflo, C.M. Hedberg, L. Kari. Melville; New York, 2008. P. 377–380. (AIP Conference Proceedings; Vol. 1022). 18. Garrett C., Li M., Farmer D. The Connection between Bubble Size Spectra and Energy Dissipation Rates in the Upper Ocean // J. Phys. Ocean. 2000. Vol. 30, No. 9. P. 2163–2171. 19. Lei Han, YeLi Yuan. Bubble size distribution in surface wave breaking entraining process // Science in China Series D: Earth Sciences. 2007. Vol. 50, No. 11. P. 1754–1760. 20. Акуличев В.А., Буланов В.А. Исследования неоднородностей морской среды методами акустического зондирования // Дальневосточные моря России: в 4 кн. / гл. ред. акад. В.А. Акуличев. Кн. 4. Физические методы исследования / отв. ред. Г.И. Долгих. М.: Наука, 2007. С. 129–231. 21. Vagle S., McNeil C., Steiner N. Upper ocean bubble measurements from the NE Pacific and estimates of their role in air-sea gas transfer of the weakly soluble gases nitrogen and oxygen // J. Geophys. Res. 2010. Vol. 115. C12054, doi:10.1029/2009JC005990. 22. Baschek B., Farmer D.M. Gas Bubbles as Oceanographic Tracers // Journ. of Atmospheric and Oceanic Technology. 2010. Vol. 27, No. 1. P. 241– 245. 23. Czerski H., Deane G.B. The effect of coupling on bubble fragmentation acoustics // J. Acoust. Soc. Am. 2011. Vol. 129, No. 1. P. 74. 24. Akulichev V.A., Bulanov V.A. Measurements of bubbles in sea water by nonstationary sound scattering // J. Acoust. Soc. Am. 2011. Vol. 130, No. 5. Pt. 2. P. 3438–3449. 25. Буланов В.А., Корсков И.В. Система многочастотного акустического зондирования с временным разделением частот // Приборы и техника эксперимента. 2009. № 3. С. 120–122. 26. Акуличев В.А., Буланов В.А., Корсков И.В., Стороженко А.В. Мониторинг экологического состояния акваторий с применением акустического зондирования // Подводные исследования и робототехника. 2012. № 2 (14). С. 43–55. 27. Bulanov V.A., Korskov I.V., Popov P.N., Storozhenko A.V. Researches of sound scattering in the sea using the inverted echo sounder // Proceedings of Meetings on Acoustics. 2016. Vol. 24. 070013. 6 p. URL: http://dx.doi.org/10.1121/2.0000140. 28. Bulanov V.A., Storozhenko A.V. Acoustic assessment of plankton distribution in upper layers of the sea // Proceedings of Meetings on Acoustics. 2016. Vol. 24. 005006. 7 p. URL: http://dx.doi.org/10.1121/2.0000161. 29. Буланов В.А. Введение в акустическую спектроскопию микронеоднородных жидкостей. Владивосток: Дальнаука, 2001. 281 с. 30. Акуличев В.А., Буланов В.А., Стороженко А.В. Оценка распределения планктона в океане методом акустического зондирования // ДАН. 2011. Т. 438, № 2. С. 267–270. 31. Наугольных К.А., Островский Л.А. Нелинейные волновые процессы в акустике. М.: Наука, 1990. 32. Акуличев В.А., Буланов В.А. Об аномалиях акустических характеристик полидисперсных жидкостей с газовыми и паровыми пузырьками // ДАН. 2013. Т. 448, № 2. С. 213–217. 33. Акуличев В.А., Буланов В.А. Влияние микронеоднородностей на акустические характеристики морской среды // Океанологические исследования Дальневосточных морей и северо-западной части Тихого океана: В 2 кн. / гл. ред. акад. В.А. Акуличев. Кн. 2. Владивосток: Дальнаука, 2013. С. 305–327. 34. Sehgal C.M. Non-linear ultrasonics to determine molecular properties of pure liquids // Ultrasonics. 1995. Vol. 33, No. 2. P. 155–161. 35. Акуличев В.А., Буланов В.А. О спектре пузырьков газа и возможностях акустической спектроскопии в приповерхностном слое океана // ДАН. 2012. Т. 446, № 2. С. 212–215. 36. Пат. 153282 Российская Федерация, МПК G 01 S15/02 (2006.01). Устройство для изучения структуры морской воды / В.А. Буланов, И.В. Корсков, П.Н. Попов. № 2015105570/28; заявл. 18.02.2015; опубл. 10.07.2015, Бюл. № 19. 8 с.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

РЕФЕРАТЫ УДК 681.883.67.001:621.396.677 Ключевые слова: подводная робототехника, автономные необитаемые подводные аппараты, системы навигации и управления, глубоководные районы и желоба (разломы). Матвиенко Ю.В., Киселев Л.В., Инзарцев А.В., Львов О.Ю. О ПРОЕКТЕ СОЗДАНИЯ ПОДВОДНОГО РОБОТОТЕХНИЧЕСКОГО КОМПЛЕКСА ДЛЯ ИССЛЕДОВАНИЯ ПРЕДЕЛЬНЫХ ГЛУБИН ОКЕАНА // Подводные исследования и робототехника. 2016. № 2 (22). С. 4–12. Проект создания подводного робототехнического комплекса для работы на больших и предельных глубинах океана предполагает выработку общих требований, отвечающих назначению аппарата и его способности решать сложные задачи в экстремальных условиях среды. В основу проекта положен многолетний опыт ИПМТ ДВО РАН по созданию и практическому применению глубоководных автономных необитаемых подводных аппаратов (АНПА) и их систем различного назначения. В научном и прикладном аспектах наибольший интерес вызывают исследования геологического строения дна, гидрологии, геофизических и геохимических процессов, биологического разнообразия и ряда других физических свойств глубоководных районов океана. Робототехнический комплекс, способный решать целиком или частично этот комплекс задач, становится объектом принципиально новой разработки. В проекте рассматриваются проблемы, связанные с оптимальным выбором состава систем и характеристик комплекса, включающего автономный необитаемый подводный аппарат (АНПА), судовые средства навигации и связи, промерный донный маяк-ответчик, стационарную донную навигационную станцию. Основными объектами исследования и разработки являются особенности конструкции АНПА, навигационного обеспечения, информационного взаимодействия, планирования и осуществления рабочих миссий в условиях больших и предельных глубин океана. УДК 519.673 Ключевые слова: воксельное пространство, трехмерная реконструкция, триангуляционная оболочка, зашивка дыр, марширующие кубики, параллельные вычисления. Бобков В.А., Кудряшов А.П. ПОСТРОЕНИЕ ТРЕХМЕРНОЙ МОДЕЛИ МОРСКОГО ДНА ВОКСЕЛЬНЫМ МЕТОДОМ // Подводные исследования и робототехника. 2016. № 2 (22). С. 13–18.

Для трехмерной реконструкции подводной сцены используется множественный набор карт глубин, получаемых с помощью стереоизображений. Данные стереоизображения получены откалиброванной видеостереокамерой, для которой известны внутренние и внешние параметры. Для реконструкции используется воксельный подход, подразумевающий перевод имеющихся карт глубин в единое воксельное пространство сцены. Каждый воксель представляет собой значение неявной функции, накапливаемой по мере добавления туда новых видов. Используя диффузное размытие, можно получить усредненные значения функции в соседних пустых вокселях. Результирующая поверхность формируется с помощью алгоритма марширующих кубиков. Алгоритмическая база служит повышению вычислительной производительности метода и качеству генерируемой триангуляционной модели. Использование метода индексной карты в виде текстуры позволило избежать многочисленных переборов, что ускорило работу воксельного алгоритма на порядок. Использование разных уровней октантного дерева для диффузного размытия значений неявной функции позволяет быстро и правдоподобно зашивать большие дыры в модели. Рассмотрена вычислительная схема многопроцессорной обработки данных, основанная на реализации двухуровневого параллелизма. УДК 004.946 Ключевые слова: визуальная одометрия, автономный необитаемый подводный аппарат, навигация, стереоизображения, адаптивный метод. Бобков В.А., Мельман С.В., Толстоногов А.Ю., Щербатюк А.Ф. О НЕКОТОРЫХ АЛГОРИТМАХ ВИЗУАЛЬНОЙ НАВИГАЦИИ АВТОНОМНОГО НЕОБИ ТАЕМОГО ПОДВОДНОГО АППАРАТА С ИСПОЛЬЗОВАНИЕМ СТЕРЕОИЗОБРАЖЕНИЙ // Подводные исследования и робототехника. 2016. № 2 (22). С. 19–24. Описан метод визуальной навигации автономного необитаемого подводного аппарата по стереоизображениям с реализацией адаптивной методики расчета траектории и 6-облачного алгоритма вычисления локальных перемещений с использованием данных от бортовых навигационно-пилотажных датчиков. Метод основывается на реализации подхода, известного как визуальная одометрия. Предлагаемая адаптивная методика оптимизирует размер шага при расчете траектории движения с учетом данных о геометрии сцены, предварительно задаваемой степени перекрытия соседних видов камеры и скорости движения аппарата. Как следст-

вие время расчета траектории существенно снижается без ущерба достигаемой точности навигации. 6-облачный алгоритм вычисления локальных перемещений расширяет классическую схему формирования 3D облаков за счет обработки данных от трех соседних позиций. Алгоритм включения в расчетную схему визуального метода дополнительной информации, получаемой бортовой навигационной системой (измерение углов ориентации аппарата), позволил снизить величину накапливаемой ошибки локализации. Приведены оценки эффективности предлагаемых модификаций алгоритма, полученные по результатам вычислительных экспериментов с виртуальными сценами и на реальных данных. Для подготовки виртуальных сцен и измерения ошибок метода использовался ранее разработанный авторами программный имитационный моделирующий комплекс, предназначенный для исследования методов управления АНПА и моделирования его рабочих миссий. УДК 004.94+629.58 Ключевые слова: автономный подводный робот, мониторинг акваторий, траектория оптимального покрытия, обход препятствий, планирование миссии, агенты тактического уровня, моделирующий комплекс. Инзарцев А.В., Багницкий А.В. ПЛАНИРОВАНИЕ И РЕАЛИЗАЦИЯ ТРАЕКТОРИЙ ДВИЖЕНИЯ АВТОНОМНОГО ПОДВОДНОГО РОБОТА ПРИ ВЫПОЛНЕНИИ МОНИТОРИНГА В АКВАТОРИЯХ РАЗЛИЧНЫХ ТИПОВ // Подводные исследования и робототехника. 2016. № 2 (22). С. 25–35. Малогабаритные автономные подводные аппараты-роботы (АПР) используются для выполнения мониторинга водной среды и донной поверхности в акваториях различных типов. При выполнении таких работ необходимо решать взаимосвязанные задачи по предварительному планированию траектории движения АПР в двумерных районах произвольной формы, а также действиях робота при встрече с неучтенными препятствиями (естественного или искусственного происхождения). В последнем случае речь идёт об организации обхода препятствия или перепланировании заданной траектории движения робота. В сформулированных требованиях к алгоритму предварительного планирования траектории были учтены особенности работы бортового поискового оборудования, а также необходимость реализации алгоритма на судовом вычислительном комплексе и на борту АПР. С использованием этих требований проведен анализ ряда алгоритмов покрытия, применяемых

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

как в наземной, так и в подводной робототехнике. В результате разработан квазиоптимальный алгоритм, который обладает низкой вычислительной ресурсоемкостью. Алгоритм может использоваться как при предварительном планировании траектории (в режиме off-line), так и для её перепланирования на борту АПР в реальном времени. Рассматриваются также алгоритмы автоматического обхода неучтенных препятствий на этапе реализации заданной траектории. Алгоритмы основаны на поведенческом и целеполагающих подходах. Обсуждаются как модельные результаты, так и результаты использования алгоритмов в реальных условиях. УДК 681.883.67.001:621.396.677 Ключевые слова: автономный необитаемый подводный аппарат; автоматический мониторинг акваторий; гидролокационные изображения; выделение объектов на изображениях; распознавание объектов; планирование миссии; моделирующий комплекс. Инзарцев А.В., Павин А.М., Лебедко О.А., Панин М.А. РАСПОЗНАВАНИЕ И ОБСЛЕДОВАНИЕ МАЛОРАЗМЕРНЫХ ПОДВОДНЫХ ОБЪЕКТОВ С ПОМОЩЬЮ АВТОНОМНЫХ НЕОБИТАЕМЫХ ПОДВОДНЫХ АППАРАТОВ // Подводные исследования и робототехника. 2016. № 2 (22). С. 36–43. Гидролокатор бокового обзора (ГБО) является эффективным средством для обнаружения донных объектов при выполнении мониторинга акваторий с помощью автономных необитаемых подводных аппаратов (АНПА). Автоматический мониторинг подразумевает выполнение поиска заданных объектов с помощью ГБО и их последующего обследования с использованием фотосистемы. В случае работы одного АНПА поиск и обследование выполняются последовательно. При использовании группировки роботов эти действия могут выполняться параллельно, что уменьшает время обследовательских работ. Обнаружение на акустических изображениях заданных объектов в реальном времени осуществляется с помощью алгоритмов, которые включают: построение карты градиентов, выделение границ объектов и выделение самих объектов с использованием процедур кластеризации. Затем выбираются объекты, соответствующие заданным характеристикам и определяются их координаты. Полученные координаты используются для организации выхода к обнаруженному объекту этого же или другого АНПА (в случае групповой работы) и проведения его фотопокрытия. Тестирование разработанных алгоритмов проводилось с использованием интег-

рированной информационно-управляющей и моделирующей системы АНПА. Исследуемые алгоритмы реализованы в виде программных модулей, пригодных для использования в АНПА. Обсуждаются результаты моделирования, подтвердившие возможность применения разработанных алгоритмов при выполнении реальных работ. УДК 534.2 534.873 681.88 Ключевые слова: обнаружение сигнала, метод максимального правдоподобия, векторно-скалярный модуль, поток мощности, отношение сигнал/помеха, плотность вероятности. Селезнев И.А., Глебова Г.М., Жбанков Г.А., Мальцев А.М., Харахашьян А.М. ВЕРОЯТНОСТНЫЕ ХАРАКТЕРИСТИКИ ОБНАРУЖЕНИЯ СИГНАЛОВ ОДИНОЧНЫМ ВЕКТОРНО-СКАЛЯРНЫМ МОДУЛЕМ // Подводные исследования и робототехника. 2016. № 2 (22). С. 44–49. Исследуются характеристики обнаружения сигналов при использовании одиночного векторно-скалярного модуля. Алгоритм обработки, обеспечивающий обнаружение полезного сигнала на фоне шумов моря, строится на основе метода максимального правдоподобия. Статистические характеристики векторно-скалярных компонент шумового поля, полученные с использованием компьютерного моделирования, сравниваются с экспериментальными данными. Получено экспериментальное подтверждение тому, что плотность распределения потока мощности соответствует распределению Лапласа. Для сравнения помехоустойчивости алгоритмов обнаружения, работающих с различными компонентами векторноскалярного акустического поля, используется критерий Неймана–Пирсона. Показано, что на базе векторно-скалярного приемника, измеряющего поток мощности, вероятность обнаружения сигналов существенно выше, чем при использовании только скалярного приемника. Высокая вероятность обнаружения достигается при использовании потоковой компоненты при гораздо меньшем времени наблюдения или меньших отношениях сигнал/ помеха. УДК 534.529 Ключевые слова: газовые пузырьки, подводные сипы, морские осадки, акустическая диагностика. Максимов А.О., Буров Б.А., Саломатин А.С. ЗВУКИ ПОДВОДНЫХ СИПОВ // Подводные исследования и робототехника. 2016. № 2 (22). С. 49–55. Представлены результаты натурных экспериментов, призванных описать структуру и механизмы генерации звуков,

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)

излучаемых морскими сипами. Данное исследование инициировано проблемой мониторинга выбросов метана на арктическом шельфе и необходимостью развития эффективных методов диагностики утечек подводных газопроводов. При подводной утечке газа формируются пузырьки различных размеров. Каждый пузырек издает звук на характерной частоте, связанной с его размером. Таким образом, анализирую звуки сипов, можно определить, как много пузырьков возникло и каковы их размеры. Наблюдения придонных пузырьков с помощью стенда «Искусственный газовый факел» были выполнены в прибрежной зоне Японского моря. Выявлена значительная нерегулярность как во временных интервалах между последовательными моментами образования пузырьков, так и в интенсивности излучаемых сигналов. Проведен анализ экспериментальных данных на основе существующих теоретических моделей. Обнаружено заметное влияние взаимодействия пузырька с газовым каналом на форму наблюдаемых сигналов. УДК 534.222.2; 551.463.2 Ключевые слова: морская вода, пузырьки, функция распределения по размерам, рассеяние звука, акустическая спектроскопия, нелинейность, кавитационная прочность. Буланов В.А., Корсков И.В., Попов П.Н., Стороженко А.В. ИССЛЕДОВАНИЯ РАССЕЯНИЯ И ЗАТУХАНИЯ ЗВУКА, АКУСТИЧЕСКОЙ НЕЛИНЕЙНОСТИ И КАВИТАЦИОННОЙ ПРОЧНОСТИ МОРСКОЙ ВОДЫ В ПРИПОВЕРХНОСТНОМ СЛОЕ МОРЯ // Подводные исследования и робототехника. 2016. № 2 (22). С. 56–66. Приповерхностный слой моря характеризуется развитой турбулентностью, аномально высокими концентрациями газовых пузырьков, которые приводят к повышенному рассеянию и поглощению звука, к усилению нелинейных характеристик этого слоя. Тем не менее, до настоящего времени остаются невыясненными многие вопросы о взаимосвязи линейных и нелинейных акустических характеристик (коэффициенты рассеяния и затухания звука, параметр акустической нелинейности, кавитационная прочность) с присутствием в морской воде газовых пузырьков. Для решения указанных вопросов проведены экспериментальные исследования и установлена взаимосвязь нелинейного акустического параметра жидкости и порога кавитации с параметрами полидисперсной смеси пузырьков в жидкости. Показано, что на основе метода решения обратных задач данные по рассеянию звука позво-

ляют оценить концентрацию пузырьков, кавитационную прочность, акустическую нелинейность морской воды с пузырьками и их суммарное количество в интервале размеров. Проведенные измерения нелинейности и кавитационной прочности морской воды in situ показали совпадение экспериментально измеренных величин с теоретическими оценками указанных параметров на основе расчетного метода, в основу которого были положены данные по рассеянию звука на воздушных пузырьках в приповерхностных слоях моря. Показано, что наличие «пузырьковых облаков» под поверхностью моря существенно увеличивают параметр акустической нелинейности морской воды и понижают кавитационную прочность морской воды.

ПОДВОДНЫЕ ИССЛЕДОВАНИЯ И РОБОТОТЕХНИКА. 2016. № 2(22)