本书详细阐述了深海智能探测与自主采样机器人的两层分离式主体结构总体设计、关键配套部件及应用系统的创新设计。本书建立了海底热液异常源信息智能搜索的强化学习模型，提出了机器学习系列高效求解算法，提高了深海探测与采样机器人的搜索效率与准确性；建立了深海探测与采样机器人实时跟踪控制的强化学习模型，提出了深度学习系列高效求解方法，实现了深海探测与采样机器人运动轨迹的精确跟踪与自主精准采样。本书阐述的深海探测与采样机器人具有整机智能和多功能等显著特点，其智能搜索、轨迹跟踪智能控制、自主精准地质采样等先进性能在大洋航次调查任务中得到了验证。
更多科学出版社服务，请扫码获取。
分布式协同控制及优化理论方法，中国自动化学会自然科学一等奖，2021年
目录
“新一代人工智能理论、技术及应用丛书”序
前言
第1章 深海探测与采样机器人概述 1
1.1 科学与应用需求 1
1.2 系统功能定位 5
1.2.1 深海拖曳系统 5
1.2.2 海底电视抓斗 6
1.2.3 深海遥控潜水器 7
1.2.4 现有深海调查作业设备的优势与局限性 9
1.2.5 深海探测与采样机器人产生背景 10
1.3 系统概述与海试应用 11
第2章 深海探测与采样机器人总体设计 12
2.1 总体设计需求 12
2.2 总体结构与优化布局 13
2.2.1 上层模块总体布局 14
2.2.2 下层模块总体布局 16
2.2.3 总体布局与重量重心估算 17
2.3 关键零部件研制 19
2.4 舱外搭载主要设备 31
2.5 主要技术性能与技术指标 36
2.5.1 主要技术性能 36
2.5.2 主要技术指标与先进性分析 36
第3章 深海探测与采样机器人系统设计 39
3.1 系统设计需求 39
3.2 船载配电系统 40
3.2.1 脐带缆的适配性 41
3.2.2 系统配电方案 44
3.2.3 水面监控动力站 47
3.3 综合监控系统 48
3.3.1 综合监控系统概述 48
3.3.2 综合布线系统 53
3.3.3 信息传输系统 54
3.3.4 绝缘检测 55
3.4 数据管理与信息集成模块 56
3.4.1 模块概述 56
3.4.2 综合监控系统软件 57
3.4.3 基于分层结构的交互式运动控制系统设计 59
第4章 深海探测与采样机器人作业模块 62
4.1 作业模块需求分析 62
4.1.1 深海作业工况分析 62
4.1.2 关键技术指标分析 63
4.2 抓斗总体设计 64
4.2.1 抓斗模块设计 64
4.2.2 下层框架设计 67
4.2.3 上下两层框架连接处设计 68
4.3 抓斗结构优化与仿真 70
4.3.1 抓斗结构优化 70
4.3.2 抓斗模型仿真校验 74
4.4 抓斗制造工艺 77
4.4.1 主要配合工艺 78
4.4.2 焊接工艺设计 78
4.4.3 表面处理工艺分析 79
4.5 抓斗模块实验测试 79
4.5.1 抓斗咬合力测试 79
4.5.2 抓斗最大应力应变测量 81
4.5.3 实验误差分析及验证 82
4.6 机械手系统 84
4.6.1 机械手组成 84
4.6.2 机械手指标 85
4.6.3 机械手作用空间 85
4.6.4 液压参数及接口 89
4.6.5 阀控系统 89
第5章 深海机器人海底目标智能搜索方法 92
5.1 海底目标搜索研究概况 92
5.1.1 基于梯度场的信号源极值搜索方法 95
5.1.2 基于搜索行为的信号源搜索方法 95
5.1.3 基于模型逼近的信号源搜索方法 96
5.1.4 基于多模态传感器的信号源搜索方法 97
5.1.5 面向信号源搜索的深度强化学习方法 98
5.2 基于场强在线估计的深海机器人智能搜索方法 98
5.2.1 基于极限学习机的场强在线估计 99
5.2.2 场源搜索路径规划 107
5.2.3 路径点跟踪控制及完整的场源搜索算法 108
5.2.4 实验结果及分析 109
5.3 基于强化学习的深海热液羽状流跟踪方法 113
5.3.1 羽状流追踪问题的确定性策略梯度强化学习算法 114
5.3.2 羽状流追踪问题的递归神经网络强化学习算法 118
5.3.3 稀疏环境反馈下基于自注意力机制的强化学习算法 122
5.3.4 基于部分可观测马尔可夫决策过程的强化学习算法 125
5.4 基于周期扰动极值搜索的三维场源搜索方法 137
5.4.1 问题描述 137
5.4.2 周期扰动极值搜索方法 139
5.4.3 控制策略 141
5.4.4 稳定性证明 142
5.4.5 仿真实验 155
第6章 深海机器人海底作业智能控制方法 160
6.1 海底作业智能控制研究概况 160
6.2 动力学与运动学建模 163
6.2.1 深海机器人的六自由度运动学与动力学模型 164
6.2.2 深海机器人水平面运动模型 167
6.3 基于非线性模型预测控制的路径点追踪方法 169
6.3.1 问题描述 169
6.3.2 视线导航策略及其改进表示 170
6.3.3 模型预测控制算法 172
6.3.4 仿真实验结果与分析 177
6.4 基于确定性策略梯度的强化学习深度控制方法 179
6.4.1 问题描述 180
6.4.2 马尔可夫决策过程建模 181
6.4.3 基于神经网络的确定性策略梯度算法 184
6.4.4 仿真实验结果与分析 193
6.5 基于分层强化学习的长时间跨度路径点跟踪控制 200
6.5.1 问题描述 201
6.5.2 分层马尔可夫决策过程建模 203
6.5.3 分层确定性策略梯度算法 208
6.5.4 仿真实验结果与分析 211
6.6 基于元强化学习的轨迹跟踪控制 216
6.6.1 问题描述 216
6.6.2 元强化学习马尔可夫决策过程建模 219
6.6.3 基于注意力机制的元强化学习控制算法 222
6.6.4 深海机器人仿真环境搭建 229
6.6.5 仿真结果实验与分析 233
第7章 深海探测与采样机器人水下试验 240
7.1 水池试验 240
7.2 深海试验 243
7.2.1 海试方案 244
7.2.2 码头测试 247
7.2.3 作业过程 248
7.2.4 结果分析 251
7.2.5 海试总结 255
参考文献 256
书单推荐
