Probabilistic Framework for Hazard Detection in Autonomous Underwater Vehicles

Denne rapporten har som mål å etablere metoder for å identifisere og kvantifisere farlige hendelser som finnes i under-vannmiljøet i arktiske strøk for autonome undervannsfarkoster (AUVs). AUV-er viser seg å være et nyttig verktøy for utforskning under vann. Arktiske områder introduserer ytterlige farer som kan øke sannsynligheten for å moste farkosten. Elementer som ishyller presenterer betydelige utfordringer for en AUV sine navigasjonsevner, og vil gi en nedsatt evne til å gjennoppretting av farkosten ved tilfelle av tap. En metode for et rammeverk basert på sannsynlighet ved bruk av Bayesian Beleif Networs foreslås ved å kvantifisere farlige hendelser inn i en sannsynlighetsfordeling. For å oppnå dette, er et simuleringsmiljø for REMUS 100 AUV-en importert og innlemmet i et Seachart-domene. Utfallet av rammeverkets robusthet blir vist i en casestudie der forskjellige farlige hendelser inntreffer. Resultat verifiserer et konseptbevis for en alternativ struktur av et Bayesian Belief Network. Et system for batteriutladning og navigasjon, sammen med an høyderegulator, er validert for å muliggjøre konseptbeviset. Forslag til forbedring av metodene i alle aspekter av studien er diskutert etterfulgt av konkluderende bemerkninger.