Motivation und Beschreibung:

Es sollen Suchstrategien für autonome, kooperierende Unterwasserfahrzeuge (AUV) entwickelt werden, um beispielsweise unterseeische Schadstoffvorkommen zu finden, welche durch Fernerkundung zunächst grob erfasst und anschließend örtlich genauer lokalisiert werden. Ein weiteres Szenario wären Schiffshavarien in unzugänglichen Seegebieten, bei denen gefährliche Substanzen in das Meer gelangen. AUV könnten kurzfristig in ein betroffenes Meeresgebiet verbracht werden und dabei helfen, beschädigte Container mit schädlichen Substanzen möglichst schnell zu lokalisieren und zu inspizieren. Besonders bei der Fernerkundung sind die infrage kommenden Seegebiete in der Regel zu groß, um sie systematisch innerhalb eines eng umrissenen Zeitrahmens mit sensorbestückten Unterwasserfahrzeugen absuchen zu können, so dass intelligente Suchstrategien und Konzepte benötigt werden, die den Suchaufwand auf ein praktikables Maß reduzieren können.

Stand der Wissenschaft und Technik:

Gegenwärtig werden einzelne, in der Regel teure, AUV eingesetzt, die in die Nähe einer Region of Interest (RoI) verbracht werden. Anschließend werden diese Gebiete in vordefinierten Schleifen großräumig. Werden diese Schleifen zu groß gewählt, werden unter Umständen die gesuchten Objekte nicht gefunden. Werden die Schleifen hingegen so klein gewählt, sodass die gesuchten Objekte auf jeden Fall gefunden werden, dann reicht die Energie an Bord eines AUV nur für ein kleines Suchgebiet aus. In der konventionellen Robotik hingegen werden hier häufig Schwärme von kooperierenden mobilen Robotern (Autonomous agents) eingesetzt, um gemeinschaftlich Aufgaben zu erledigen, die ein einzelner Roboter nicht lösen kann. Um dieses nun auf Schwärme von AUV anwenden zu können, müssen diese zum einen in der Lage sein, mit anderen Objekten, wie zum Beispiel anderen AUV, zu interagieren und sich permanent an neue Gegebenheiten anzupassen, um z.B. Kollisionen zu vermeiden. Zum anderen müssen AUV kontinuierlich ihre Position bestimmen, um effektive gesteuert werden zu können. Dieses ist unter Wasser ist aber inhärent fehlerbehaftet, was die Lokalisierung deutlich erschwert. Erste Simulationen mit dem Particle Swarm Optimisation (PSO) Algorithmus haben gezeigt, dass dieser in der Lage ist, einen Schwarm AUV effektiv und effizient zu einer Schadstoffquelle zu führen. In der aktuellen Literatur finden sich viele Varianten des PSO-Algorithmus, z.B. Finite-Time PSO. Diese zielen in der Regel darauf ab, die Effizienz der Suche zu erhöhen. Potentiell können sie dahingehend angepasst werden, dass sie auch mit ungenauen Positionsangaben und unzuverlässiger Kommunikation AUV zuverlässig führen können.

Zielsetzung und Lösungsansatz:

Effektive und effiziente Suchstrategien müssen für AUV gefunden und an das maritime Umfeld angepasst werden. Hierzu soll anhand einer exemplarischen Anwendung untersucht werden, inwieweit diese Strategien in der Lage sind, einen Schwarm unterschiedlicher AUV verlässlich zur Quelle einer Kontamination zu führen. Dabei sind die Besonderheiten der zu verwendenden Sensoren zu berücksichtigen und geeignete Kommunikationswege und Positionsbestimmungsverfahren zu entwickeln. Für die verteilte Suche von AUV soll zunächst eine Simulationsumgebung entwickelt werden, die es erlaubt, neue Suchstrategien zu evaluieren. Bestehende populationsbasierten Algorithmen, beispielsweise PSO oder SASS, in welche entsprechende Kommunikationsmethoden zusammen mit Methoden zur Abschätzung von Positionsbestimmungsfehlern integriert werden müssen, dienen hier als Ausgangspunkt. Anschließend soll zur Überprüfung eine experimentelle Validierung im Versuchsbecken der Jade Hochschule stattfinden.