DSB智能自主技术定义

DSB将自主技术定义为“使系统的特定功能能够自动运行，或者在经编程的边界内，能够‘自治’的一种（或一组）能力”。自主性将增加复杂/动态/***环境中设备的生存性和自适应性，减少人为干预，通过导航和通信继电设备实现合作以及多设备操作，并提供更高水平的环境态势感知。AUV智能自主技术能够根据内部和外部状态完成环境探测和分析、运动决策、优路径实时规划、自主寻的和避障等。为了适应复杂的水下环境，智能AUV对于自身模型的不确定性和外部扰动具有学习和自适应能力，其迅速发展是建立在大数据、深度学习、强化学习和计算硬件迅速发展的基础上。

船体水下区域的检验(如图11)

船体水下区域的检验(如图11)。船舶由于碰撞、触礁、螺旋桨绞入渔网等事故，需要进行特殊检验，通常需要派潜水员到水下进行观测和拍摄视频(或照片)，以便根据实际损坏情况得出检验结论，供***公司和船东参考。如果能使用水下智能机器人(如图11的水下蛇形机器人)，上述工作就变得非常容易，完全可以替代潜水员完成这项艰巨的任务。可以将拍摄(或其他探测方式)到的水下船体情况实时上传到水面分析，得到远比潜水员水下观测更为准确的信息。

从海洋声学建模方向出发,建立较好表征环境不确实性的声学模型

从海洋声学建模方向出发，建立较好表征环境不确实性的声学模型。通过研究海洋学与水声学的随机建模、水声学与海洋学模型耦合等问题，分析水声信道不变特征和不确定性的表征和评估，利用海洋环境不确定性建模和声传播模型的输出，通过统计分析和概率描述等手段，建立能够较好表征环境不确实性的声学模型，以期减少模型失配对探测性能的影响[17]。如针对主动声呐探测中所遇到的信道畸变，给出了2种信道模型（快速衰减模型、时间扩散模型）及其探测性能的比较；提出了适用于不同条件的 3种模型（参数确知模型、环境变量随机模型、环境变量和源位置随机模型）及其探测方法，在低信噪比失配情况下取得了较好的探测性能。