Разработка автономного флота беспилотных подводных аппаратов и воздушных платформ для выполнения морских миссий

Новое поколение Интернета подводных вещей (IoUT) способствует развитию нового класса приложений Интернета вещей (IoT), а именно морских приложений. В настоящем исследовании рассматриваются беспилотные подводные аппараты (UUV). Накопленный к настоящему времени опыт эксплуатации беспилотных летательных аппаратов (UAV) показывает, что UUV могут стать эффективными и производительными при использовании алгоритмов оптимизации. Для изучения этой возможности в работе сначала формируется группа UUV с применением акустической связи и глубокого обучения (DL). Затем в систему вводится воздушная платформа, служащая источником возобновляемой энергии для группы. Получившийся флот получает возможность автономно выполнять морские миссии и обнаруживать подводные объекты с использованием двойной когнитивной системы, разработанной на основе алгоритма оптимизации дельфинов (DOA) и метода опорных векторов (SVM). Полученные результаты показывают, что параметры бюджета линии связи, надежность и локализация, а также точность координации между группой UUV и воздушной платформой, первоначальное управление подводными миссиями и обнаружение объектов имеют приемлемые показатели. Основные результаты, полученные на частоте 50 кГц и глубинах от 4 до 7 м, показывают, что оптимальное число пользователей акустической системы с множественным входом и множественным выходом (MIMO) составляет 18; средняя мощность принятого сигнала (RSS) имеет приемлемое значение -61,8 дБ, а минимальный коэффициент битовых ошибок (BER) равен $1\times10^{-6}$, что свидетельствует о приемлемой работе антенн MIMO; оценки достоверности состояния подводных растений находятся в диапазоне от 91 до 96%; точность синхронной автономной работы составляет от 0,91 до 0,99; точность обнаружения объектов находится в диапазоне от 0,85 до 0,93;供 энергии превышает потребность. Наконец, эксперимент по анализу чувствительности, проведенный для нескольких миссий, не выявил выбросов среди переменных, поскольку изменения всех входных переменных, по-видимому, прямо пропорциональны выходным данным модели, что указывает на устойчивость модели.