当前位置: 首页 > news >正文

一文读懂水面无人艇:每个硬件模块到底负责什么

目录

一、水面无人艇完整系统

二、硬件搭配负责哪些功能

2.1 艇体模块:决定“能不能稳、能不能装、能不能扛风浪”

2.2 动力与航行执行模块:决定“怎么动”

2.3 导航传感器模块:决定“我现在在哪、朝哪、跑多快”

1)GPS / 北斗

2)RTK

3)IMU / 惯导

4)罗盘 / 磁罗盘

5)DVL

2.4 控制模块 / 主控模块:决定“算什么控制量发给推进器”

2.5 视频与感知模块:决定“能不能看见环境、目标和任务对象”

1)一类是“航行安全感知”

2)另一类是“任务感知”

2.6 通信模块:决定“船和岸站怎么说话”

2.7 能源模块:决定“能跑多久”

三、具体功能如何实现?

3.1 自主导航与路径规划

3.2 智能感知与环境识别

3.3 模块化设计

3.4 通信与岸基协同

3.5 能源管理与长航时技术

第一,提升能源本身

第二,降低能耗

第三,做电源管理

3.6 集群协同控制

四、总结

五、总流程


一、水面无人艇完整系统

水面无人艇一般由艇体、动力与能源系统、导航与控制系统、通信系统、感知/信息采集系统、任务系统等组成,本质上是“平台 + 感知 + 决策 + 控制 + 通信 + 任务载荷”的组合体。

你可以把它理解成下面这套关系:

  • 艇体:相当于身体和安装平台
  • 推进器/舵机/电机:相当于四肢和执行机构
  • GPS/RTK/IMU/罗盘/DVL:相当于“我在哪、我朝哪、我跑多快”的感官
  • 摄像头/雷达/声呐/水质传感器:相当于“看环境、看目标、做任务”的外部感知
  • 主控/工控机/PLC/飞控:相当于大脑
  • 无线网桥/数传电台/卫星链路:相当于嘴巴和耳朵
  • 电池/发电/电源管理:相当于供血系统

二、硬件搭配负责哪些功能

2.1 艇体模块:决定“能不能稳、能不能装、能不能扛风浪”

艇体不是外壳那么简单,它直接决定无人艇的稳定性、耐波性、快速性、载荷能力和操纵性。材料里提到,艇型会影响安全性、快速性、平稳性和耐波性;不同任务会选择单体、双体、三体等不同方案。

所以艇体负责的不是某个单独功能,而是给全艇提供:

  • 结构支撑
  • 设备安装空间
  • 载荷搭载能力
  • 海况适应能力
  • 运动稳定性

这也是为什么海洋环境观测用 USV 很看重双体或较大尺度平台,因为要兼顾稳定和搭载能力


2.2 动力与航行执行模块:决定“怎么动”

这部分最核心的硬件就是:

  • 推进器 / 螺旋桨 / 涵道推进器
  • 电机控制器 / 电调
  • 舵机或差速控制机构

它们的作用非常直接:把控制系统给出的指令,变成真实推力和转向动作。

  • “逐浪1号”通过推进器差速实现航向闭环控制,也就是左右推力不一样来转向
  • “iBoat BS2”采用两个涵道式推进器,转弯时一侧正转、一侧反转,从而很好控制走线。

所以这部分硬件负责:

  • 前进、减速、停车
  • 转向
  • 速度控制
  • 航迹跟踪时的执行输出

你可以把它理解成:
规划算法算的是“应该怎么走”,推进系统负责“真正把船推过去”。


2.3 导航传感器模块:决定“我现在在哪、朝哪、跑多快”

这是无人艇最关键的一组硬件。典型导航控制会综合使用GPS、RTK、惯导、DVL、罗盘等信息

它们各自负责的内容可以这样理解:

1)GPS / 北斗

负责给出全局位置,告诉系统“我在地图上的哪个点”。

2)RTK

RTK 是高精度差分定位。普通 GPS 够知道大概位置,但 RTK 能把精度提升到厘米级,因此特别适合:

  • 精准测线
  • 精准巡航
  • 定点作业
  • 编队控制

“iBoat BS2”就是使用 RTK 信号导航,实现精准走线
集群系统里,基站还通过数传电台把 RTK 差分数据发给各艇,实时修正 GPS 信息。

3)IMU / 惯导

负责测量:

  • 加速度
  • 角速度
  • 姿态变化趋势

它的优势是更新快,能在短时间内连续估计运动状态
缺点是长时间会漂,所以通常要和 GPS/RTK 融合

4)罗盘 / 磁罗盘

负责测航向角,也就是船头朝向哪里。
材料里“逐浪1号”就是用三维磁罗盘作为反馈传感器做航向闭环。

5)DVL

DVL 常用于测速和相对运动估计,能辅助判断航速和位移变化。

所以这一整组导航硬件,解决的是:

  • 定位
  • 定向
  • 速度估计
  • 状态估计
  • 高精度巡线

2.4 控制模块 / 主控模块:决定“算什么控制量发给推进器”

这部分相当于无人艇的大脑。
集群 USV 方案中,控制模块采用PLC,既要接收基站指令,也要运行控制算法、输出控制信号、接收 GPS 信息并回传上位机。

所以主控/控制器负责:

  • 读取各类传感器数据
  • 做状态估计
  • 运行控制算法
  • 输出电机/推进器控制指令
  • 执行自动航行、返航、巡航、避障等模式
  • 与上位机、基站通信

如果再直白一点:

  • 导航传感器告诉它“现在状态如何”
  • 规划算法告诉它“目标路径是什么”
  • 控制器决定“这一秒该给左推进器和右推进器多大推力”

2.5 视频与感知模块:决定“能不能看见环境、目标和任务对象”

这部分硬件主要包括:

  • 摄像头
  • 雷达
  • 声呐
  • 水质传感器
  • 气象仪
  • ADCP
  • CTD
  • 自动采样装置等

USV 可以搭载气象仪、ADCP、CTD 等工具收集水文信息。
集群系统中,艇首安装高清网络摄像头,用来获取现场实时视频并回传基站。
环境监测型无人艇还可以搭载自动采水装置,支持定时、定点自动采样。

所以感知模块负责两类事:

1)一类是“航行安全感知”

比如:

  • 看周边障碍物
  • 看目标船只
  • 看航道环境
  • 做取证和监视

2)另一类是“任务感知”

比如:

  • 水质检测
  • 气象观测
  • 流速流向测量
  • 海洋环境采样

也就是说,感知模块不只是为了避障,也是为了完成专业任务。


2.6 通信模块:决定“船和岸站怎么说话”

通信模块常见硬件包括:

  • 无线网桥
  • 数传电台
  • UHF/VHF 电台
  • 4G/5G/GSM/3G
  • 卫星通信

集群系统给得很具体:

  • 基站用无线网桥和 USV 通信
  • 用数传电台传输 RTK 差分数据
  • 上位机能收到 USV 的实时航向、位置和摄像头画面
  • 上位机的控制指令也会实时发送到艇上

所以通信模块负责:

  • 遥控指令下发
  • 状态数据回传
  • 视频回传
  • RTK 差分数据传输
  • 多艇组网通信
  • 远程监控

没有稳定通信,就很难做:

  • 远程值守
  • 多艇协同
  • 实时视频监控
  • 基站统一调度

2.7 能源模块:决定“能跑多久”

这部分主要是:

  • 电池
  • 燃油系统
  • 发电系统
  • 太阳能/复合能源
  • 电源管理系统

它负责的不只是供电,还有:

  • 电量分配
  • 功耗管理
  • 不同模块稳定供电
  • 长航时任务支撑

材料里也明确指出,目前无人水面艇的痛点之一就是航时较短,小型化虽然灵活,但燃料或电量有限,不适合全天候持续监测。

所以能源模块虽然“看起来不智能”,但它决定了很多上层技术能不能真正落地。


三、具体功能如何实现?


3.1 自主导航与路径规划

这部分是“传感器 + 算法 + 控制器 + 执行机构”的联动。

最基本的实现链路是:

GPS/RTK/IMU/罗盘/DVL → 状态估计 → 路径规划/航迹跟踪 → 控制器 → 推进器/舵机

“逐浪1号”就是一个比较典型的例子:

  • 以 STM32F407 为主控
  • 融合 GPS、惯导、DVL、罗盘等数据
  • 用多传感器融合做导航
  • 再以三维磁罗盘为反馈,利用推进器差速实现航向闭环

“iBoat BS2”则更偏工程应用:

  • RTK 提供高精度定位
  • 两个涵道推进器负责循迹与转向
  • 软件支持自主航行与人工控制切换

所以“自主导航与路径规划”不是某一块板子单独完成的,而是:

  • 导航传感器提供状态
  • 路径算法决定走法
  • 控制器算控制量
  • 推进系统执行动作

3.2 智能感知与环境识别

这部分本质上是“多种传感器 + 数据融合 + 识别算法”。

比如:

  • 摄像头:识别目标、监视现场、视频取证
  • 雷达/声呐:探测周围障碍或目标
  • 气象/水质传感器:感知环境参数
  • IMU:补偿颠簸影响
  • 主控/工控机:做数据处理与融合

集群系统中,高清摄像头负责实时视频采集并通过网桥回传
海面环境颠簸会导致摄像头拍摄范围变化,从而增加目标识别和取证难度

所以智能感知真正落地时,往往还要做:

  • 图像稳像
  • 姿态补偿
  • 多传感器联合判断
  • 环境扰动抑制

这也是为什么说未来会越来越依赖多传感器融合和智能识别。


3.3 模块化设计

模块化不是一句口号,它的工程含义是:

把无人艇拆成若干可替换模块,任务变了就换模块,不用整艇重做。

材料里提到,未来模块化会进一步强调软件、固件和硬件部件的模块化与可互换性

在集群系统的例子里,无人艇子系统被明确拆分成:

  • 控制模块
  • 视频模块
  • 导航模块
  • 通信模块
  • 艇体模块
  • 能源模块
  • 航行模块
  • 功能模块(水质环境检测模块)

这就很典型。
比如同一条艇:

  • 今天装水质检测模块,就是监测艇
  • 明天装摄像与巡逻模块,就是巡逻艇
  • 后天装测深或采样模块,就是测绘/采样艇

模块化的核心价值就是:

  • 提高平台复用率
  • 降低改装成本
  • 方便维修升级
  • 缩短任务切换时间

3.4 通信与岸基协同

这个问题最适合用“基站—艇—数据链”的结构来理解。

集群系统在物理上分为:

  • 岸基基站子系统
  • 若干无人艇子系统

逻辑上又分为:

  • 智能决策层
  • 可视化分析层
  • 通信链路层
  • 识别感知层
  • 控制层
  • 功能执行层

岸基基站负责:

  • 任务规划
  • 智能决策
  • 电子地图显示
  • 状态监控
  • 指挥控制

而通信链路负责:

  • 把艇上的位置、航向、视频传回基站
  • 把基站的控制命令发到艇上
  • 把 RTK 修正数据送到各艇

所以岸基协同的本质是:

岸站负责“看全局、做调度”,艇上负责“感知局部、做执行”。


3.5 能源管理与长航时技术

工程上主要靠三件事:

第一,提升能源本身

例如更大容量电池、燃油混动、太阳能、复合能源。

第二,降低能耗

例如优化艇体阻力、优化航速规划、顺流航行、按需唤醒传感器。

第三,做电源管理

根据不同任务阶段,合理分配:

  • 推进耗电
  • 传感器耗电
  • 通信耗电
  • 计算耗电

材料里反复强调,目前 USV 的短板之一就是续航不足,因此未来重点方向就是提高海况适应性和续航能力

所以长航时技术不是单靠“大电池”,而是平台设计 + 能源系统 + 控制策略 + 任务调度共同作用。


3.6 集群协同控制

这部分最容易被说空。我给你讲成最直白的逻辑:

单艇时,只要解决“我怎么走”。
多艇时,要同时解决:

  • 每艘艇在哪
  • 每艘艇要干什么
  • 谁先谁后
  • 怎么避免互相干扰
  • 如何保持编队
  • 如何共享任务信息
  • 谁掉线了怎么办

材料中的集群系统给出的实现框架是:

  1. 识别感知层获取水域、地理、艇体状态信息
  2. 通信链路层把这些信息送给岸基决策层
  3. 智能决策层根据任务优先级和态势,规划避障、包围、返回、待命等策略
  4. 控制层把策略解算成具体控制指令
  5. 功能执行层完成航行、跟踪、编队、采样等任务

而且这套系统已经做过一些验证场景,包括:

  • 双艇跟踪航行
  • 三艇编队巡航
  • 指定点采样分析

所以“集群协同控制”的工程实现,本质上就是:

通信组网 + 统一定位基准 + 任务分配 + 编队/跟踪算法 + 单艇控制执行


四、总结

水面无人艇并不是单一设备,而是一套由艇体平台、动力执行机构、导航传感器、控制器、感知载荷、通信链路与能源系统共同构成的智能无人系统。

艇体负责结构支撑与海况适应,

推进器与舵机负责航行动作执行,

GPS/RTK/IMU/罗盘/DVL等导航传感器负责位置、航向与速度估计,

主控或控制器负责控制算法计算与任务管理,

摄像头、雷达、声呐及水质传感器等负责环境感知与任务数据采集,

无线网桥、数传电台和卫星链路负责岸艇通信与多艇组网,

电池及电源管理系统则负责全艇能量供给与续航保障。

各模块协同工作后,才能实现自主导航、路径规划、避障避碰、远程监控、环境监测及多艇集群协同等功能。


五、总流程

传感器感知 → 主控融合与决策 → 控制器输出指令 → 推进系统执行 → 通信系统回传状态 → 岸基或集群再协同

http://www.cnnetsun.cn/news/1530427.html

相关文章:

  • OpCore Simplify:重新定义Hackintosh配置的技术民主化
  • ComfyUI自定义节点开发指南:从零构建你的专属AI工具链
  • 信号处理新手必看:EMD分解的硬币分拣机原理与金融数据实战
  • 【泛微Ecode新手实践-01】从零到一:构建你的第一个自定义页面
  • 5分钟搞定阿里MGeo地址相似度匹配,中文实体对齐一键部署
  • DAMO-YOLO与卷积神经网络的协同优化
  • ABYSSAL VISION(Flux.1-Dev)图解Transformer架构:从注意力机制到模型部署
  • VirtualBox磁盘扩容全攻略:从命令行到Linux分区一步到位
  • 医疗问答系统实战:用RAG+BART搭建你的第一个AI医生(附完整代码)
  • Qwen3-ASR-1.7B实战案例:为无字幕教学视频自动生成双语时间轴字幕
  • 手把手教你搭建旋转变压器激励电路:从SPWM滤波到功率放大全流程
  • 4个步骤掌握Stable Diffusion模型定制:从入门到风格迁移
  • 如何在Ubuntu 22.04上快速部署Dify和vLLM服务(含避坑指南)
  • s2-pro部署教程:3步完成Fish Audio开源语音模型镜像快速启动
  • Appium自动化测试入门:从环境搭建到第一个Python脚本实战
  • QML虚拟键盘自定义样式实战:从环境变量到资源路径的完整指南
  • 避坑指南:用Docker搞定Livox Avia与工业相机标定(含网络配置与可视化调试)
  • uniapp地图定位避坑指南:uni.getLocation、百度map和navigator.geolocation实战对比
  • 安卓Compose中accompanist库实战指南:从权限管理到沉浸式UI
  • 从汉明窗到梅尔滤波器:MFCC算法中的信号处理冷知识
  • 终极PT下载解决方案:PT-Plugin-Plus完全指南
  • 简单几步:通义千问1.8B量化版WebUI部署,即刻开始对话
  • ZYNQ XADC保姆级教程:不写PL代码,用PS接口3分钟读取芯片温度电压
  • 5分钟搞懂动态模态分解(DMD):从PCA到SVD的降维实战
  • 零基础玩转Qwen2.5-7B-Instruct:手把手教你用chainlit打造专属AI助手
  • 保姆级教学:私有化部署Qwen3-VL,快速接入飞书工作台
  • Ostrakon-VL-8B创意内容生成:辅助设计师进行视觉灵感探索
  • 2023年VSCode插件开发全指南:从零发布你的第一个扩展(TypeScript版)
  • J-Flash高级技巧:如何分区下载Hex文件到不同Sector(IAP/APP/字库实战)
  • 别再死记‘射同基异’了!用这个秋千模型,5分钟搞懂三点式振荡器相位条件