朱心科，侯 斐，孟 肯，罗建超

（自然资源部第二海洋研究所海底科学重点实验室，浙江 杭州 310012）

以水下滑翔机为代表的低航速水下机器人由于长续航力方面的优势，在海洋观测中的应用越来越多。从1997年开始，美国就开始了自主海洋采样网（Autonomous Ocean Sampling Network，AOSN）试验，试验中使用了17个水下滑翔机，其中12个为Slocum水下滑翔机，5个为Spray水下滑翔机，分别搭载温盐深（Conductivity，Temperature，Depth）、叶绿素、荧光计等传感器对蒙特利海湾（Monterey Bay）上升流进行了40天的调查[1-4]。丹麦的卑尔根大学（University of Bergen）利用3台水下滑翔机在格陵兰岛海域对大西洋与北欧之间的海水交换问题进行长期观测[5]。BOSSE A等[6]利用水下滑翔机对Lofoten海盆的涡旋进行连续15个月的观测，对其造成的海洋生态环境参数动态变化进行了记录。然而水下滑翔机的长续航力是以牺牲滑翔速度为代价的，一般来说水下滑翔机的速度为0.5～1 kn，在较强的海流环境中，很难完成设定的观测轨迹。SOULIGNAC M等[7]设计了SWE（Symbolic Wavefront Expansion）算法，在机器人出发时间窗内选择最佳的出发时刻，使得完成使命的时间最短。

水下机器人（Autonomous Underwater Vehicle，AUV）路径规划问题一直是研究的热点，涌现出了各种各样的方法。传统的AUV水下路径规划是以安全为主要出发点，目的是AUV在执行任务的过程中，能够成功避开障碍物或者危险区域[8-10]。随着AUV智能性的提升，AUV路径规划研究的目标除了避障之外，还要考虑任务的完成质量，例如AUV在较强的海流环境中完成指定的任务花的时间最短、走的路程最小、消耗的能量最少或者几种的折中。ALVAREZ A等[11]以完成任务消耗的能量为优化准则，采用动态规划的方法，在不同空间尺度的海流环境中对AUV的路径进行优化。……