本研究的通讯作者是白雪剑，其所属的第一单位为辽宁工业大学电气工程学院，合作单位包括中国科学院自动化研究所。该研究成果以学术论文形式发表于《控制与决策》期刊，网络首发时间为2026年1月12日。
本研究属于机器人学，特别是水下机器人自主导航与控制领域。海洋探索与开发是国家可持续发展的战略新疆域，自主式水下机器人是执行海底测绘、管道巡检、科学考察等任务的核心智能装备。然而，复杂的水下环境给其完全自主导航带来了严峻挑战：感知能力受限，GPS信号在水中衰减，惯导系统存在累积误差；环境动态复杂，静态地形与动态洋流、生物群并存；水下机器人本身具有强耦合、非线性的动力学特性，使得高精度控制难以实现。因此，研究能够实现实时环境感知、智能路径规划与稳定运动控制的一体化导航系统具有重要的理论与工程意义。针对这一背景，现有研究主要聚焦于路径规划和运动控制两个方向。在路径规划方面，传统全局规划算法（如A*、Dijkstra）依赖先验地图，难以适应动态环境；局部规划方法如人工势场法（Artificial Potential Field, APF）虽实时性强，但易陷入局部极小值；以神经网络、遗传算法为代表的智能算法则面临计算复杂度高、实时性差的瓶颈。在运动控制方面，传统PID难以处理非线性，滑模控制存在抖振问题，而反步控制（Backstepping Control）与视线导引法（Line-of-Sight, LOS）的结合成为近年来的研究热点。尽管已有进展，但现有方法仍存在局限：缺乏统一处理静态障碍、动态干扰与能源约束的框架；多数控制器参数固定，难以适应不同工况；未能有效平衡路径最优性、控制稳定性与能耗经济性。针对上述问题，本研究旨在设计并实现一套完整的水下机器人三维自主导航系统，其核心目标是：解决传统人工势场法的局部极小值问题，并提升路径跟踪的精度、平滑度与自适应能力，最终实现在复杂动静态障碍物环境下的鲁棒、高效自主导航。
本研究的工作流程主要包括系统构建、算法设计、仿真验证三个紧密关联的阶段，构成了一个完整的“感知-规划-控制”闭环研究体系。
第一阶段是仿真系统构建。研究团队基于机器人操作系统（Robot Operating System, ROS）开发框架和专门的水下机器人开源仿真器UWSIM，建立了一个高保真的水下机器人“感知-规划-控制”仿真系统。该系统采用分层式软件架构，分为环境感知层、决策规划层、运动控制层以及仿真与可视化层。在感知层，系统模拟了水下机器人搭载的多波束前视声纳，通过点云生成节点处理原始数据，构建用于路径规划的局部三维占据栅格地图。规划层是核心模块之一，负责接收目标并利用感知信息进行实时路径规划。控制层则负责执行规划层输出的路径指令。整个系统的数据流与指令流在ROS节点间高效交互，UWSIM平台则提供了精确的水下动力学、传感器性能模拟及三维可视化环境，为后续算法验证奠定了基础。
第二阶段是核心导航算法的设计与开发。这包括两个创新性的算法模块：改进的人工势场法实时路径规划器和自适应视线导引反步控制器。首先，针对传统APF的缺陷，研究提出了一种改进的APF算法。其基本原理仍是在环境中构建引力场（指向目标点）和斥力场（源于障碍物），机器人沿合势场下降方向运动。本研究的核心改进在于设计了一套局部极小值在线识别与多模式虚拟目标逃逸策略。局部极小值的判定不再依赖单一的合力为零判据，而是引入了一个基于时间窗内运动状态的多维度监测准则，综合考察最近N步位置序列的标准差、平均速度以及与目标点的距离。一旦判定陷入局部极小值，算法将启动逃逸策略。逃逸策略采用多模式轮询方式，按照“障碍物稀疏方向”、“垂直方向”、“随机方向”的优先级顺序，在当前机器人位置附近生成一个临时的虚拟目标点，引导机器人脱离力平衡区域。成功逃逸后，再重新规划前往原始目标点的路径。该策略被整合到实时规划循环中，形成了完整的改进APF规划算法。其次，为精确跟踪规划出的路径，研究设计了一种自适应LOS反步控制器。该方法深度融合了视线导引法和反步控制。在导引层，引入了自适应前瞻距离机制，使得前瞻距离能根据横向跟踪误差动态调整：误差大时增大前瞻距离使响应平滑，误差小时减小前瞻距离以提高精度。这为控制器提供了自适应的期望航向和深度指令。在控制层，基于水下机器人非线性动力学模型，采用反步法系统地设计控制律。研究进一步引入了两个关键改进以提升性能：一是为平滑控制、抑制抖振，在速度误差动力学中引入了基于幂次趋近律的滑模面；二是通过一阶低通滤波器处理虚拟控制量，避免了反步法设计中常见的“计算膨胀”问题。最终推导出的控制律包含了动力学补偿、误差反馈镇定以及幂次趋近律项，并通过李雅普诺夫函数证明了系统的稳定性。控制器的输出（广义力矢量）最后通过推力分配矩阵映射到水下机器人的各个推进器上。
第三阶段是系统的仿真验证与分析。研究在构建的UWSIM仿真平台中设计了系列实验，以全面评估所提出方法的性能。实验对象即仿真环境中的水下机器人模型。研究没有提及具体的样本量，但通过在不同场景下的多次仿真运行来获取性能数据。实验主要包括三个部分：1) 静态障碍物场景下的实时路径规划：在一个包含多个静态障碍物的复杂三维场景中，令水下机器人从起点航行至目标点。实验过程中，多波束传感器实时感知环境并构建局部地图，改进的APF规划器据此动态生成避障路径。实验记录了机器人的完整运动轨迹、各轴位置随时间变化曲线以及正前方障碍物距离。2) 动-静态障碍物场景下的实时路径规划：在静态障碍物基础上，引入另一个进行周期性摇摆运动的机器人作为动态障碍物，构成更复杂的动态环境。同样测试改进APF规划器的在线重规划与避障能力，并记录三维运动轨迹和相关时序数据。3) 基于自适应LOS反步法的三维路径跟踪性能对比：为精确评估控制器的跟踪性能，构建了一条三维螺旋曲线作为参考路径。分别使用传统的LOS控制器和本研究提出的自适应LOS反步控制器进行跟踪实验。通过对比两者跟踪的轨迹曲线、跟踪误差随时间变化曲线以及推进器控制输出，量化评估新方法的性能提升。数据分析方面，研究通过可视化轨迹图、时序曲线图进行定性分析，并通过计算一系列量化指标进行定量比较，包括总航行距离、平均/最小安全距离、平均速度、路径偏差、规划频率、收敛时间、平均跟踪误差、均方根误差以及推进器输出的平均力和力矩等。
本研究通过系统的仿真实验，获得了支持其核心创新点的多项重要结果。在静态障碍物场景的路径规划实验中，结果表明，所提出的改进APF算法能够引导水下机器人成功穿越障碍区抵达目标。传感器距离曲线显示，机器人在探测到障碍物后能及时调整路径，保持安全距离。特别值得注意的是，实验观察到的轨迹在脱离最后一个障碍物时出现了一段弧形绕行，而非直线冲向目标。这被解释为是当时局部合势场（目标引力与残余障碍斥力）梯度方向下的安全路径，体现了算法以安全避障为优先的原则，同时也指出了在全局路径最优性方面仍有优化空间。在动-静态障碍物场景实验中，结果更具挑战性。水下机器人不仅成功规避了静态障碍，还能有效应对前方动态障碍物的周期性摆动。运动轨迹和距离时序数据表明，规划器能够基于传感器实时感知，快速响应并生成平滑的规避轨迹，使机器人与动态障碍物始终保持安全距离。这验证了改进APF算法在动态环境中的实时响应能力和鲁棒性。性能指标对比表显示，在动静态混合环境中，系统仍能维持0.77 Hz的稳定规划频率，且平均安全距离达到8.38米，最小安全距离为4.42米，证明了其良好的安全性。
在路径跟踪控制方面，实验结果清晰展示了自适应LOS反步控制器的显著优势。与传统LOS控制器相比，在跟踪三维螺旋路径时，自适应控制器的实际轨迹（红色）与参考路径（黑色虚线）贴合得更为紧密。局部放大图显示，在路径曲率变化处，自适应控制器过渡平滑，而传统控制器则出现明显超调和振荡。跟踪误差对比图定量地揭示了这一差异：自适应控制器的误差曲线能够快速收敛并始终保持平滑稳定，而传统控制器的误差曲线则存在持续波动。关键量化数据提供了有力支撑：自适应LOS控制器的平均跟踪误差为0.013米，相较于传统LOS的0.025米减少了48%；其均方根误差为0.057米，较传统的0.067米减少了14.9%。此外，自适应控制器的收敛时间也更短（7.10秒 vs. 8.93秒）。这些数据共同证明，自适应控制器在跟踪精度和稳定性方面均有大幅提升。推进器控制输出对比图进一步佐证了其性能优势：自适应控制器在纵向推力、转艏力矩和垂向合力的输出上都更为平稳，有效抑制了传统方法中常见的高频抖振现象，例如转艏力矩曲线平滑且无明显超调。这降低了执行机构的磨损和能量损耗。综合路径规划和控制实验的结果，它们逻辑连贯地支撑了研究的总体结论：改进的APF算法解决了局部极小值问题，实现了复杂环境下的实时鲁棒规划；而自适应LOS反步控制器则在此基础上，以前所未有的精度和平滑度执行了规划出的路径，两者协同工作，共同构成了一个高效、可靠的自主导航系统。
本研究的结论是，针对水下机器人在复杂环境下的自主导航难题，成功提出并验证了一种融合改进人工势场法与自适应LOS反步控制的三维导航方法。该方法通过构建基于UWSIM的闭环仿真系统，实现了从环境感知、智能规划到精确控制的完整链条。改进的APF算法有效克服了局部极小值陷阱，自适应LOS控制器则显著提升了路径跟踪的精度与平稳性。本研究为水下机器人迈向更高程度的自主性提供了一条可行的技术途径，具有重要的科学价值和应用前景。科学价值在于，它系统性地解决了路径规划与运动控制中的关键瓶颈问题（局部极小值、参数自适应、控制抖振），并提出了一种有效的分层融合框架，丰富了水下机器人导航与控制的理论体系。应用价值则体现在，所提出的方法能够提升水下机器人在真实复杂海洋环境中执行长航时、大深度作业任务（如海底勘探、设施巡检）的可靠性、安全性和效率。
本研究的亮点突出体现在以下几个方面：第一，重要的研究发现：在存在动静态障碍物干扰的复杂三维场景下，所提出的导航系统仍能保持稳定的规划性能与跟踪精度，平均跟踪误差降低48%，证明了其优异的鲁棒性和环境适应性。第二，方法的新颖性：在路径规划层面，创新性地提出了结合在线状态监测与多模式轮询的虚拟目标逃逸策略，这是一种轻量级且高效的局部极小值解决方案；在运动控制层面，创造性地将自适应前瞻距离、幂次趋近律滑模面与反步法框架深度融合，在保证全局稳定的同时，实现了参数自适应与抖振抑制，提升了综合控制品质。第三，研究对象的特殊性：聚焦于极具挑战性的水下三维空间自主导航问题，并建立了从感知到执行的完整、高保真仿真验证平台，体现了系统工程的研究思路。
此外，研究还包含其他有价值的内容，例如明确指出了当前方法在路径全局最优性方面可能存在的不足（表现为安全前提下的绕行），这为未来的研究指明了优化方向。文中也提及，未来的工作将侧重于在实际水域环境中进行验证，并探索融合机器学习的环境预测方法，以进一步增强系统在动态不确定环境中的导航能力，展现了持续研究的潜力和远景。