【摘要】为了提高水下机器人控制系统设计的工作效率，提出了一种基于模块化思想的控制系统设计方法。模块化是指在对一定范围内的不同产品进行功能分析和分解的基础上，划分并设计生产出一系列通用模块或标准模块。把控制系统的硬件部分和软件部分按功能分解成一系列标准模块，将标准模块按照实际需要的设计结构进行组合，即可实现水下机器人控制系统的设计。采用这种模块化方法实现了水下机器人控制系统设计上的简单化，功能上的灵活化。

水下滑翔机是一种依靠重心和自身净浮力变化驱动航行的新型水下机器人。为满足其长时间大 尺度海洋调查的要求，设计了一种无线电和铱星卫星通信相结合的通信系统，并根据通信系统在海洋环境 下通信链路不稳定的特点，设计了一种改进Xmodem通信协议，以保证水下滑翔机在海洋调查过程中通信 的有效性和可靠性。通过海上实验表明：该通信系统和改进Xmodem协议可以满足水下滑翔机上传实验 数据的应用需求。

描述: 低成本的自主式无人机已经取得了突破性的进展，并且随着这一能力的成熟已经形成了广泛的业余爱好和商业应用。没有负担得起的延长水下勘探平台，这个项目旨在解决这个需求。 利用商品硬件，3D打印部件和开源自动驾驶仪，我的目标是生产一种低成本和多功能的水下滑翔机，能够一次完成长达数周的任务。我希望通过建立这个平台，可以降低从业余爱好者，业余科学家到海产养殖者的水下项目的成本。 为什么滑翔机？ 传统的无人水下航行器依赖于主动推进，限制了其航程和运行时间，使其不适合长时间的监视任务。水下滑翔机使用浮力引擎来改变滑翔机的质量，使其能够在水中上升和下降。由于动力仅用于间歇性地驱动发动机，因此滑翔机通常可以运行数周或数月而不需要再充电，使其成为环境监测的理想选择。然而，现有的商业解决方案却很少（而且可用的解决方案非常昂贵），而且还有更少的爱好者项目。 由于水下滑翔机在水中缓慢行驶，所以它们很少干扰周围的水，从而实现准确可靠的数据记录。水下滑翔机通常是AUV（自主水下航行器），可以运行预定的路线，而不需要人为干预。它们的低速和自主性，加上电池寿命长，使得水下滑翔机非常适合长期使用，环境监测任务，能够记录溶解气体水平，pH值，温度和光学传感（用于海洋勘测和海洋生物记录）。 这款滑翔机是开源的，3D打印部件与现成的硬件相结合，使其成本低廉。考虑到项目的开放性，项目可以被分解以产生适合于特定场景的替代设计。例如; 将管材改为铝材，成为深海滑翔机或使用独特的传感器阵列进行专业应用。 我正在寻找使用与Pixhawk自动驾驶仪平台相结合的开放源代码Mission Planner，允许使用标准化界面控制滑翔机。 示例用例 随着对产品透明度和可追溯性的兴趣越来越高，环境监测变得越来越重要。海带农民可以使用滑翔机监测生长季节的水分状况（温度/ pH值/营养水平/污染），并将测量结果推向区块链。海带/海鲜可以包装一个二维码，这将引导你到一个网络前端，呈现增长的季节条件。将区块链和数据保险用于测量存储将消除测量篡改的可能性，因此消费者会知道他们的食物生长的条件以及他们正在吃什么。 怎么样？ 对于滑翔机的移动，浮力引擎吸水并增加滑翔机的密度。当滑翔机的密度变得比周围水的密度大时，滑翔机下降。滑翔机的机翼确保滑翔机前进，攻角可以改变，从而产生不同的滑翔机特性。当在下降的底部，浮力引擎将排出含水，使滑翔机更加浮力，使其上升，再次前进。 我设计的浮力引擎，用步进电机旋转时，用一个顶杆来移动针筒的端部，使柱塞进水。当进水时，滑翔机的体积保持不变，但整体质量增加，因此滑翔机的整体密度增加，滑翔机的浮力减小。 在滑翔机的中心将是一个控制俯仰和滚转的质量。质量应由锂离子电池和钢棒组成，形成实质性的质量，以便对滑翔机有足够的控制。质量应控制滑翔机的俯仰和滚转。步调马达将由另一个顶杆连接的步进电机控制，以使质心向前和向后移动，从而使质心向前和向后移动，从而影响俯仰。辅助步进电机将驱动一个行星齿轮箱来控制质量的摇摆。由于质量较重，向左侧滚动时，质心向左侧略微移动，使滑翔机向左侧稍微滚动，下降时弯曲。向右滚动质量会产生相反的效果。 每次下降的深度目前都是基于一个计时器，但是当前的硬件包括一个压力传感器，当达到一定的深度时，这个传感器可以允许滑翔机切换滑行状态。此外，IMU可以向微处理器（ATMEGA2560）提供有关俯仰的信息，并且这可以使用PID算法来确保滑翔机保持恒定的攻角，同时最小化功率使用。 该主板使用蓝色机器人公司的Fathom-S串行通信板卡，可以连接中性浮力绳索，使滑翔机可以在水下操作（因此也可以在水下进行编程，加速测试/开发）。这个系绳也可以取下，并用一个水密的帽子来代替。 显示滑翔机功能的所有不同部分如何在一起的系统图如下所示（单击图像查看完整大小的图像）:

水下信息网络节点通信算法研究与实现.pdf

人工智人-家居设计-多水下无人航行器协同任务智能分配算法研究.pdf

针对自治水下机器人(AUV) 研究中的多机器人多任务分配问题, 提出一种基于自组织映射(SOM) 神经网络
的多AUV多目标分配策略. 将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算, 输出为对应
的AUV机器人, 从而控制一组AUV在不同的地点完成不同的任务, 使机器人按照优化的路径规则到达指定的目标
位置. 为了表明所提出算法的有效性, 给出了二维、三维作业环境中的仿真实验结果.

blastFoam水下爆炸数值仿真文件

水下垃圾检测数据集.zip

1、VOC水下垃圾检测数据集，几千张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，包含许多不同类型的海洋垃圾的图像；数据场景丰富；类别为metal、wood、platstic、rubber、cloth等多个类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

基于LS-Reader和C++提取d3plot结果文件数据并进行后处理