自主水下航行器在深海中究竟能实现什么？
自主水下航行器（AUV）在深海探测领域展现出卓越能力，包括长航时任务、高分辨率测绘以及海底分类。例如，Autosub Long Range 6000型AUV额定工作深度达6000米，可连续部署2至3个月，单次搭载锂原电池组即可航行1800公里[6]，因此适用于广域监测与调查任务。同样，升级版URASHIMA 8000型AUV在2024至2025年海试中达到6606米最大深度，创下日本自主研发AUV的深潜纪录，并成功验证了导航、观测与通信功能[9]。而Orpheus型AUV作为轻量化全自主平台，可在6000米深度作业，通过搭载机会船执行底栖调查与采样任务，有效降低了成本与操作风险[8]。
AUV不仅能抵达深海，还能执行精细的海底分类任务。2025年的一项研究融合了AUV采集的声学与磁力数据，对西南印度洋中脊的玄武岩、角砾岩和沉积物进行分类，相较于仅使用声学数据，分类准确率提升了6.4%，卡帕系数提高了0.096[2]。这表明，AUV能够提供船载系统无法比拟的近底高精度数据，尤其在洋中脊、海山等复杂地形区域优势显著。
限制自主水下航行器效能的主要因素有哪些？
尽管自主水下航行器（AUV）取得了诸多成功，但在某些深海环境中，其有效性仍受到重大挑战的限制。一个主要问题是在强非线性扰动（如内孤立波）下的控制稳定性。2024年的一项研究发现，随着内孤立波强度增加，PID和滑模控制算法的性能均严重下降，在扰动水平达到50%至75%时，均方根误差呈指数级上升[1]。即使比PID更具鲁棒性的滑模控制，也无法完全补偿高强度的内孤立波。另一项针对巴厘深海的研究表明，仅占总扰动25%的内孤立波就足以使AUV失稳，而增加推进器功率并未显著改善稳定性[4]。这些发现表明，在存在强内波的海域（如海峡或强层化区域），传统控制算法无法满足任务需求。
导航精度是另一个关键限制因素。2024年的一项实验研究对比了USBL（超短基线）与LBL/SINS/DVL（长基线/捷联惯性导航系统/多普勒测速仪）两种导航模式在深度达4000米的AUV（自主水下航行器）上的表现。USBL定位仅在AUV位于母船下方60°观测范围内时保持准确；超出该范围后，在4000米深度处误差可达80米[5]。LBL/SINS/DVL模式在基准阵列内部表现良好，但当AUV远离阵列上浮至水面时，LBL和DVL均失效，导致惯性导航结果出现较大偏差[5]。这凸显了多传感器融合与精细任务规划对维持导航精度的必要性。
续航能力与能源管理同样制约着AUV的作业性能。尽管Autosub Long Range 6000通过高能量密度锂原电池与能源优化技术实现了长达数月的续航能力[6]，但多数AUV的任务周期仍十分有限。例如URASHIMA 8000型AUV为达到8000米深度作业能力，经历了长达2.5年的升级改造，其海上试验仅完成了12次下潜[9]。通信技术仍是瓶颈：水声调制解调器传输距离有限，而无线电信号无法在水中传播，迫使系统依赖声学链路或水面中继[3][7]。基于6G的协同AUV[7]与数字孪生驱动的集群控制[10]等新兴解决方案虽旨在突破这些局限，但目前仍处于早期研发阶段。
研究人员如何努力克服这些局限？
研究人员正在开发更鲁棒的控制算法、更优的导航融合技术以及多载具协同策略，以进一步提升自主水下航行器（AUV）的性能。在控制方面，2022年的一项研究针对油囊式深海AUV的深度控制，提出了一种模糊自适应线性自抗扰控制器（LADRC）。与传统PID控制相比，LADRC对干扰表现出更强的鲁棒性，稳态误差、超调量和调节时间更小，而模糊版本进一步减少了因目标距离增大引起的超调[11]。这表明，自适应、基于模型的控制器能够有效应对困扰简单算法的非线性问题及水体密度变化。
在导航与定位方面，2025年的一项研究提出了一种基于共识图模型预测控制（MPC）的方法，用于由无人水面艇（USV）协调的自主水下航行器（AUV）编队。该方法将定位问题转化为AUV节点间的共识优化，将声学通信链路限制在声呐范围内，并通过序列凸规划求解非凸NP难问题[3]。这有望在无法使用GPS的深水区域实现更精确且更节能的路径规划。另一项2025年的研究表明，融合AUV采集的声学与磁学数据可将海底分类精度提升6.4%[2]，显示出多传感器融合是未来发展的关键方向。
协作与集群方法也正逐渐受到关注。受《吃豆小姐》游戏启发的Pac-AUV方法，利用6G通信协调多个自主水下航行器（AUV）进行协同覆盖路径规划，通过共享进度与环境信息来避开障碍物并平衡工作负载[7]。数字孪生技术——即通过构建AUV的虚拟副本预测流场并优化集群控制——已被证明能够提升水下态势感知能力并降低通信能耗[10]。这些创新有望使AUV在大规模、长周期的深海探测中发挥更大作用，但目前仍处于研发阶段，尚未广泛部署。
本文引用的文献
巴厘深海内孤立波影响下AUV的PID与SMC控制算法性能分析
在内孤立波作用下，PID与SMC控制算法的性能显著下降，当扰动强度介于50%至75%之间时，均方根误差呈指数级增长；两者均无法完全补偿高强度扰动。
融合AUV声学与磁数据的海底分类：面向复杂深海环境
融合AUV声学与磁学数据后，在西南印度洋中脊区域的海底分类精度较仅使用声学数据提升了6.4%，卡帕系数提高了0.096。
面向海洋探测自主水下航行器团队的集成路径规划与定位：基于共识图模型预测控制的方法
一种面向USV-AUV编队路径规划的共识图MPC方法，将定位问题整合为节点间的优化过程，并通过序列凸规划求解非凸NP难问题。
ISW对巴厘深海AUV控制系统及稳定性的影响
仅占内波总扰动25%的强度，就足以使采用滑模控制（SMC）的自主水下航行器（AUV）失稳；而增加推进器功率并未显著提升其稳定性。
基于多传感器组合导航与定位的深海AUV实验分析
在4000米深度时，USBL导航误差达到80米；当AUV远离基准阵且DVL失去底锁时，LBL/SINS/DVL组合模式失效。
Autosub Long Range 6000：用于深海监测与调查的、可续航数月的自主水下航行器
Autosub Long Range 6000 的额定工作深度为 6000 米，可部署 2 至 3 个月，通过使用锂原电池和能量优化技术，最大航程可达 1800 公里。
基于合作吃豆人机制的6G赋能深海AUV辅助海底勘探方法
Pac-AUV方法利用6G通信和受《吃豆小姐》启发的机制，实现协同覆盖路径规划，平衡工作负载并避开障碍物。
使用Orpheus AUV实现超大规模深海探测
Orpheus AUV是一款轻量级、具备全海深作业能力的平台，已在6000米深度成功运行，能够利用机会船只开展海底调查与采样工作。
AUV URASHIMA 升级至8000米级，用于超深海科学研究
升级版URASHIMA 8000型自主水下航行器（AUV）在海试中下潜至6606米深度，创下日本AUV最深纪录，并验证了其导航、观测与通信功能。
数字孪生驱动的自主水下航行器集群用于海洋勘探。
数字孪生驱动的AUV集群控制提升了水下态势感知与预测精度，同时降低了通信能耗。
基于模糊自适应线性自抗扰控制的油囊式深海AUV深度控制
一种用于深海AUV深度控制的模糊自适应LADRC控制器，相比传统PID表现出更强的鲁棒性、更小的稳态误差以及更低的超调量。