面向水下滑翔机时变生物污损建模与系统韧性提升的数据驱动框架

    本文以天津大学 Petrel‑L 水下滑翔机为研究对象，提出一套数据驱动的时变海洋生物污损建模与系统韧性提升框架，通过高保真污损形态建模、CFD 水动力分析、海试参数辨识构建污损生长模型，再基于该模型制定自适应导航优化策略，经南海与西太平洋实海试验证，可使航行效率提升约 9.9%，有效缓解长航时任务中污损导致的水动力效率下降、续航衰减问题。（文章链接：https://doi.org/10.1016/j.oceaneng.2026.125431）

    水下滑翔机是海洋观测的 “长航时侦察兵”，能连续数月、数千公里自主作业。可一个看不见的杀手，正让它越游越慢、越飞越费电 ——海洋生物污损。最近，天津大学团队在《Ocean Engineering》发表一项成果，用数据驱动 + 自适应控制，给水下滑翔机装上 “智能抗污损大脑”，实海测试直接把航行效率拉回9.9%，彻底解决长航时任务的最大痛点。

图1：时变生物污损作用下水下滑翔机的数据驱动研究框架

一、海洋生物污损：滑翔机的 “隐形杀手”

• 阻力暴增、航速暴跌，3 个月效率直接掉 25%

• 航线跑偏、传感器精度下降，甚至完不成任务

• 传统防污涂层治标不治本，在线调参又费电又贵

二、三步硬核方案：从建模到智能回血

1. 高精度数字建模

• 精准还原南海最常见的藤壶形态

• 把机身分成 3 大区域、758 个附着点

• 用 CFD 流体仿真算清：污损主要影响航行阻力，对升力几乎没影响

• 拖曳水池试验验证，误差最低仅7.93%

图2：Petrel‑L 水下滑翔机生物污损形态建模

图3：拖曳水池试验示意图

图4：三种污损生物的布置方式及试验现场

2. 时变污损生长模型：预测它 “长多快、长多厚”

• 区分两种污损：黏液长得快（82 天全覆盖），藤壶长得慢

• 用海试大数据训练时间生长函数，提前预测阻力变化

• 预测准确率高，和实测对比误差仅11.2%

3. 自适应控制：边飞边调，自动回血

• 目标：单位能耗飞得最远

• 实时优化：下潜 / 上浮俯仰角、油量调节参数

• 算法：多种群遗传算法智能匹配最优控制

图5：生物污损对 Petrel‑L 水下滑翔机运动性能参数的影响

三、实海实测：真刀真枪验证效果

• 南海 87 天、432 个滑翔剖面：验证污损模型高度可靠

• 西太平洋 150 天长任务：自适应策略一上，航行效率提升 9.93%

• 重度污损状态下，最大效率提升17.3%，续航直接 “回血”

图6：Petrel-L-03 号水下滑翔机的布放与回收

图7：参数辨识结果与生长模型预测结果对比

四、研究价值

• 首次把数字建模、海试数据、自适应控制打成一套完整框架

• 不换硬件、不加设备，靠算法就显著提升系统韧性

• 可直接移植到 Slocum、Seaglider 等主流水下滑翔机

五、未来走向