本文向您介绍一项关于水下滑翔机（Underwater Glider, UG）高效节能航点跟踪控制的重要研究成果。该研究由来自西北工业大学（Northwestern Polytechnical University）海洋科学与技术学院的 Jing Anyan, Gao Jian, Min Boxu, Wang Jiarun, Chen Yimin, Pan Guang 以及利物浦大学（University of Liverpool）的 Yang Chenguang 共同完成。该研究成果以题为“Energy-Efficient Waypoint Tracking for Underwater Gliders: Theory and Experimental Results”的论文形式，发表于权威期刊 IEEE Transactions on Cybernetics 2025年9月刊（第55卷，第9期）。以下将从研究背景、目标、方法、结果、结论和亮点等方面，对这一系统性研究工作进行全面报告。
一、研究背景与目标
海洋探索是当前全球科研的重点领域，但水下作业面临能见度低、高压、强流场干扰等严峻挑战。自主水下航行器（Autonomous Underwater Vehicles, AUVs）凭借其精准定位和自主作业能力，被广泛应用于海洋调查、生物研究和工程维护等领域。然而，现有水下航行器普遍存在续航能力不足的问题，极大地限制了其作业范围和时长，也推高了运营成本。因此，实现能源高效的控制策略至关重要。
水下滑翔机作为一种依靠浮力驱动、具有超长航程的自主航行平台，在执行大范围、长周期海洋观测任务中扮演着关键角色。与配备推进器的传统AUV不同，UG速度缓慢，其航迹更容易受到海流的影响而发生显著漂移。现有的AUV路径规划和跟踪方法通常假设航行器速度大于海流速度，这对于UG往往不成立。此外，针对UG的现有研究多集中在基于已知海洋环境模型的规划方法或仅关注避障和最优路径搜索，未能有效解决在复杂、未知时变海流环境下的高效能航点跟踪控制问题。同时，传统的基于固定时间采样的控制方法虽然精度高，但通信和控制执行频繁，能耗较大。
因此，本研究的核心目标是：为水下滑翔机设计一种新颖的节能航点跟踪控制方法。该方法需解决两个核心挑战：1）在海流速度可能超过滑翔机速度的未知动态环境中，实现精确的航点可达性判断和跟踪规划；2）在保证可接受跟踪精度的前提下，显著降低滑翔机在控制层面的能量消耗，从而延长其整体作业时间。
二、研究方法与详细流程
本研究提出了一套分层的能源高效控制架构，分为规划层和控制层。整个工作流程是一个闭环系统：规划层基于历史数据和实时预测，为当前剖面（profile）计算最优的期望航向和深度；控制层则驱动滑翔机的执行机构（移动质量块）来跟踪这些指令，并以事件触发的方式极大减少控制动作的频率。
第一流程：基于稳定/非稳定深度区间的深度平均流速预测
研究对象：滑翔机在单个“Yo-Yo”剖面（即下潜-上浮一个周期）中采集的深度、姿态（俯仰角、偏航角）时序数据。 处理与方法：为了实时获取作业海区的海流信息，本研究提出了一种低计算负载的深度平均流速（Depth-Averaged Current Velocity, DACV）估计算法。核心创新在于利用了滑翔机运动特性，将整个剖面深度区间划分为“稳定滑翔区间”和“非稳定过渡区间”（如入水启动、姿态转换、出水前调整阶段）。在非稳定区间，滑翔机速度变化剧烈，使用传统方法积分估算水平位移误差大、计算量大。本研究提出的算法仅利用稳定滑翔区间的短数据（公式4）和非稳定区间的简化估算（公式3）来进行航位推算（Dead-Reckoning）。 新颖性：该方法大幅减少了用于航位推算的有效数据量。文中指出，单次剖面的总数据量为D，稳定区间数据量为Ds（其中Ds远小于D），因此算法时间复杂度从传统方法的O(D)降低至O(D-Ds)。模拟结果表明，计算复杂度平均降低了87.12%。基于本次剖面的航位推算位置与GPS获取的实际出水点位置，即可计算出本次剖面的DACV。进一步，采用一个带滑动窗口W的迭代算法（公式5-7），利用历史DACV数据预测下一个剖面的DACV。
第二流程：考虑DACV的航点跟踪规划
研究对象：当前滑翔机位置、目标航点位置、预测的DACV以及滑翔机在静水中的理论航程|→r|。 处理与方法：本研究提出了一种基于视线法（Line-of-Sight, LOS）的航向与深度修正策略，该策略首次明确考虑了航点在动态海流环境下的“可达性”。其核心几何原理如下：以滑翔机当前位置叠加预测DACV偏移后的预估出水点O’为圆心，以静水航程|→r|为半径作圆，此圆代表了滑翔机下一个剖面所有可能的出水点集合。 1. 航向修正：比较|→r|与预测海流位移|→OO’|的大小。 * 情况A (|→r| ≥ |→OO’|)：目标航点可达。规划航向为使滑翔机从O’点出发，其静水航迹圆与O’B连线的交点C的方向（公式10-11）。 * 情况B (|→r| < |→OO’|)：目标航点可能不可达。此时滑翔机的实际可达区域是静水航迹圆的两条切线所夹扇形。若目标在扇形内，则按情况A规划；若目标在扇形外，则规划航向为指向切点C’的方向。此时系统会触发深度修正策略：通过减小滑翔角或增加浮力舱体积来提升滑翔机对地速度，或者通过增加滑翔深度来减小所经历的DACV（因海流速度通常随深度变化），以扩展可达范围。 2. 深度修正：在航点可达的前提下，进一步判断。如果当前剖面出水点C与目标B的距离|CB|大于海流偏移距离|OC|，则保持原定下滑深度；否则，按比例(|CB|/|OC|)减小下一剖面的下滑深度，使滑翔机更精确地接近目标。
第三流程：基于事件触发的航向控制系统设计
研究对象：水下滑翔机的水平面运动数学模型（公式2）。该系统状态变量包括偏航角ψ、艏摇角速度ωz、横滚角φ、横摇角速度ωx。控制输入为移动质量块的横向位移yv（用于产生横滚力矩进而控制航向）。 处理与方法：控制层是本研究的另一大创新点，旨在实现控制层面的节能。它包含两个事件触发扩张状态观测器（Event-Triggered Extended State Observers, ET-ESOs） 和一个事件触触发反步航向控制器（Event-Triggered Backstepping Heading Controller, ET-BHC）。 1. ET-ESOs设计（公式17-18）：这两个观测器分别用于估计偏航通道（ψ, ωz）和横滚通道（φ, ωx）的系统状态，并将模型不确定性和外部扰动（如海流扰动w1, w2）扩张为新的状态进行估计。其“事件触发”机制体现在：观测器并非持续采样系统输出（ψ, φ），而是仅当触发条件1（公式24）被满足时（即采样误差超过一个与估计误差相关的时变阈值），才更新采样值ξp(t)。这显著减少了观测器内部的数值更新和计算负荷。论文中的定理1和命题1严格证明了该ET-ESOs的收敛性，并排除了Zeno现象（即无限频繁触发）。 2. ET-BHC设计（公式53-60, 66）：控制器接收ET-ESOs提供的状态估计值ψ̂, ω̂z, φ̂, ω̂x和扰动估计值x̂ψ, x̂φ。它采用动态面反步法（Dynamic Surface Control Backstepping）设计控制律u(t)。其“事件触发”机制体现在控制器与执行器之间：计算出的控制信号u(t)并非持续发送给执行器（移动质量块），而是仅在满足触发条件2和3时才会更新执行器的动作。触发条件2（公式65）是当航向误差稳定在±3°以内超过15秒时，控制器才恢复工作。触发条件3（公式66）是当控制误差e(t)=yv(t)-u(t)的绝对值超过一个与航向误差z1相关的阈值（λ|z1(t)|+mt）时，才更新yv(t)。论文中的定理2和3证明了该闭环系统的全局一致最终有界稳定性，并保证了事件触发的最小间隔时间，从而避免了Zeno现象。
整个系统的控制框图如图5所示，清晰地展示了从DACV预测、航迹规划到事件触发状态估计和控制信号的完整信息流。
三、主要研究结果
仿真结果（第四部分）： 1. DACV预测与航迹规划：在设定的三维时变海流场中，UG从原点出发，成功跟踪了(21000, 0)处的目标。轨迹呈“S”形，反映了滑翔机利用不同深度海流速度差异进行补偿的策略。经过9个剖面，最终出水点距离目标仅131米，成功完成任务。对第5个剖面的分析显示，所提出的DACV估计算法在稳定滑翔阶段能准确跟踪0.8 m/s的前向速度。 2. 事件触发控制性能：对比实验极具说服力。将提出的ET-ESOs + ET-BHC系统与传统的连续时间ESOs、文献[23]的自适应事件触发控制、文献[44]的基于速度观测器的事件触发控制进行了对比。 * 控制精度：本文方法在航向控制上的平均绝对误差（MAE）和均方根误差（RMSE）为(1.378°, 1.696°)，略高于自适应事件触发方法(0.591°, 0.789°)，但显著优于传统连续观测器（ET-ESOs工作时间仅为传统ESOs的1.3%~2.5%）。 * 节能效果：这是最突出的成果。移动质量块的总移动距离（直接反映能量消耗）方面，本文方法为1673.87 mm，比自适应方法(1864.41 mm)减少10.2%，比基于速度观测器的方法(1738.58 mm)减少3.72%。执行器（移动质量块驱动机构）的工作时间，本文方法仅为40.6秒（占剖面时间的比例很低），而自适应方法高达496.56秒。执行器启停次数，本文方法为70次，远低于自适应方法的769次和基于速度观测器方法的128次。这证明本文系统以可接受的精度损失为代价，换取了控制能耗的极大降低。 * 鲁棒性测试：在增加了数据包丢失、时延和模型参数摄动的仿真中，控制系统性能虽有波动但总体保持稳定，证明了其鲁棒性。
海上试验结果（第五部分）： 试验在中国南海区域进行，UG成功完成了对四个预设航点的顺序跟踪。 1. DACV预测算法验证：实际海试数据表明，与传统的全数据积分算法相比，本研究提出的低复杂度算法将单剖面计算复杂度平均降低了87.12%，而流速和流向的估计误差平均值分别为3.88%和2.78°，在工程上完全可接受，实现了用微小精度损失换取巨大能效提升的目标。 2. 航点跟踪与深度修正：滑翔机在第7、16、24、27次出水时分别抵达四个目标，精度在485米至869米之间。在第26个剖面，由于目标位于可达扇形边缘之外，系统成功触发了深度修正策略，将下一剖面滑翔深度从800米自动调整为307.47米，并最终抵达了目标4。 3. 事件触发控制系统实测：对第8个剖面的详细分析显示，总滑行时间为5842秒，其中控制系统总工作时间ttotal为3880秒，占总滑行时间的66.4%。这意味着有超过三分之一的时间，控制器处于“休眠”节能状态。航向控制误差保持在±5°以内，横滚角保持在小角度平衡状态，移动质量块位移在限幅范围内，整个系统工作正常且高效。
四、研究结论与价值
本研究成功设计并验证了一种用于水下滑翔机的新型节能航点跟踪控制方法。主要结论如下： 1. 提出的分层架构有效解决了在未知、时变、强海流环境下UG的航点跟踪问题，特别是通过考虑航点可达性，增强了规划的合理性与实用性。 2. 基于稳定/非稳定区间的DACV预测算法，在保证足够精度的前提下，大幅降低了计算资源消耗，提升了滑翔机嵌入式系统的能源效率。 3. 由两个ET-ESOs和一个ET-BHC组成的航向控制系统，是研究的核心创新。海试证明，该系统仅需在约66.4%的总任务时间内工作，就能维持可接受的跟踪精度（±5°），这意味着通过减少不必要的控制和通信动作，实现了控制层面能耗的显著下降。
本研究的价值体现在： * 科学价值：为解决欠驱动、慢速水下航行器在动态环境中的节能控制问题提供了新的理论框架和算法设计范例，特别是在事件触发机制与扩张状态观测器、反步控制法的结合应用上做出了贡献。 * 应用价值：所提方法可直接应用于现有水下滑翔机平台，通过软件升级即可大幅延长其单次部署的作业航程与时间，降低运维成本，提升海洋长期观测网络的数据获取能力。
五、研究亮点
六、未来工作与展望
作者在文末指出，未来工作将聚焦于更复杂的路径（而不仅是航点）跟踪控制，并探索利用强化学习等优化技术来自适应地确定事件触发控制中的稳定时间T_st等参数，使系统能进一步自主优化节能与精度的平衡。总体而言，这项研究为水下长航时自主平台的智能化、绿色化发展提供了坚实的技术支撑。