基于POMDP的AUV軟件自修復技術(shù)研究.pdf

1、隨著人類對海洋探索力度日趨加大，作為海洋開發(fā)和研究主要工具—智能水下機器人(AUV)被廣泛應用于深海及各種高危海域作業(yè)中，在這種高復雜海洋環(huán)境中AUV主要依靠自身配備控制類軟件智能化執(zhí)行作業(yè)，一旦AUV自身軟件出現(xiàn)故障如何確保及時修復已成為一項重要研究課題。本文針對于老化及系統(tǒng)調(diào)度異常引起AUV智能決策類軟件故障問題，構(gòu)建一套基于POMDP(Partially Observable Markov Decision Processe)模型

2、三層微重啟自修復系統(tǒng)確保能夠智能、及時和高效性修復AUV軟件突發(fā)性故障。
　　本文實現(xiàn)一套針對于AUV軟件故障問題解決方案，方案中使用三層微重啟作為故障修復手段，構(gòu)建POMDP自修復模型用于生成最優(yōu)修復策略。首先，通過對AUV智能決策軟件及軟件運行平臺VxWorks系統(tǒng)進行故障模式影響分析，設計出模塊化的AUV軟件故障修復體系結(jié)構(gòu)，確保對軟件故障自動修復。其次，為了解決傳統(tǒng)故障修復方法修復代價高、效率低等問題，本課題采用微重啟技術(shù)

3、構(gòu)建具有低開銷的故障修復方法，并結(jié)合AUV軟件分層式編寫特點設計基于三層微重啟實現(xiàn)形式，便于修復動作選取靈活性和修復高效性。再次，在AUV軟件故障修復策略方面，本課題針對于AUV軟件故障狀態(tài)部分可感知性構(gòu)建 POMDP自修復模型使用基于歷史數(shù)據(jù)學習方式生成模型參數(shù)，并將PBVI算法引入到自修復策略求解中，同時改進PBVI算法將其應用于自修復在線策略求解中，確保自修復系統(tǒng)能夠針對于AUV軟件老化及運行異常引起的故障問題自動決策出最佳修復方

4、案。最后，考慮當環(huán)境變化時基于歷史數(shù)據(jù)學習到的自修復模型參數(shù)不能很好擬合真實故障環(huán)境問題，設計在線自修復模型參數(shù)學習算法確保自修復系統(tǒng)能夠適應真實環(huán)境變化。
　　為了驗證自修復方案整體可行性，本文通過仿真實驗對自修復策略求解算法進行收斂性和實時性驗證，對故障修復自動化流程進行準確性驗證，對故障修復效果進行最優(yōu)性和穩(wěn)定性驗證，同時基于實驗數(shù)據(jù)分析影響自修復效果主要因素。實驗結(jié)果表明，本文實現(xiàn)的AUV自修復方案對于軟件老化及系統(tǒng)調(diào)用引