近日消息，由南方电网广东电网公司牵头研制的我国首台作业时速公里级水下敷缆机器人近日完成下水测试。

图片来源：央视网

据悉，这款机器人集成了履带与雪橇行走功能，并具备“搜寻-挖沟-敷埋”一体化作业能力，作业速度高达1000米/小时。其核心部件实现了100%的自主可控，标志着该项目已从理论研究迈向了样机实物阶段。

据介绍，为应对水下敷缆作业机器人海缆感知能力差、持续作业时间短等问题，项目团队创新性地提出“声-光-磁-电”多模信息融合的海缆探测定位方法，突破了多传感器组合的抗干扰导航技术难题，解决了水下敷缆作业机器人在低能见度水下环境海缆搜寻定位难和近底水下导航失效的问题。

多传感器融合感知  突破抗干扰导航技术

众所周知，水下敷缆机器人在执行作业时，面临着复杂且多变的水下环境，这对机器人的导航系统提出了极高的要求。其中，多传感器组合的抗干扰导航技术是关键所在。

传统上，水下敷缆作业机器人在海缆感知、持续作业等方面存在诸多难题，尤其是在低能见度的水下环境中，海缆的搜寻与定位变得尤为困难，近底水下导航也时常出现失效的情况。

为了解决这些问题，该研发团队创新性地提出了“声-光-磁-电”多模信息融合的海缆探测定位方法。

这种方法通过融合多种传感器的信息，如声波、光学、磁场和电流等，实现了对水下环境的全面感知。多种传感器信息的互补和冗余，不仅提高了导航系统的精度和可靠性，还有效增强了其抗干扰能力。即使在复杂多变的水下环境中，机器人也能够准确地找到海缆的位置，并进行稳定的导航和作业。

如何优化多传感器组合的抗干扰导航算法？

优化多传感器组合的抗干扰导航算法可以从以下几个方面进行：

一、提高传感器信息融合精度

  1. 优化数据预处理：对来自不同传感器的原始数据进行预处理，包括去噪、滤波、校准等，以提高数据的准确性和可靠性。

  2. 采用先进的融合算法：如扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）等，这些算法能够更好地处理非线性系统和非高斯噪声，从而提高信息融合的精度。

  3. 考虑传感器之间的相关性：在融合过程中，充分考虑传感器之间的相关性，避免信息的重复利用和误差的累积。

二、增强抗干扰能力

  1. 引入冗余传感器：通过增加冗余传感器，可以在部分传感器失效或受到干扰时，仍然能够获取足够的信息进行导航。

  2. 采用自适应滤波技术：根据环境变化和传感器性能的变化，自适应地调整滤波器的参数，以提高抗干扰能力。

  3. 融合多种类型的传感器：如将声学、光学、磁场和电流等多种类型的传感器进行融合，可以充分利用各种传感器的优点，提高导航系统的整体抗干扰能力。

三、提高算法实时性和鲁棒性

  1. 优化算法结构：简化算法流程，减少不必要的计算步骤，提高算法的实时性。

  2. 采用并行处理技术：利用多核处理器或分布式计算系统，实现传感器信息的并行处理，进一步提高算法的实时性。

  3. 进行充分的测试与验证：在实际环境中对算法进行充分的测试与验证，确保其在各种复杂环境下都能稳定运行并给出准确的导航结果。