《海洋机器人帮助改善欧洲长期天气预报工作》

  • 来源专题:中国科学院文献情报系统—海洋科技情报网
  • 编译者: mall
  • 发布时间:2018-11-09
  • 10月20日,皇家研究船(RRS)James Cook启程探险,期间将试用海洋机器人获取气候数据,该技术可改善欧洲长期天气预报工作。

    来自英国国家海洋学中心(NOC)的研究队伍计划从非洲西海岸到美国东海岸之间的一系列仪器中获取数据(统称为RAPID阵列)。之前,这些数据由研究船每18个月收集一次,而在这次探险中,研究人员将利用一种新新型气候数据自动收集系统,该系统会使用海洋机器人从仪器中检索数据。

    构成RAPID阵列的科学仪器被放置在“系泊设备”上,从海底锚固件(有时超过5 km深)延伸到海平面以下。在南安普敦和利物浦的NOC实验室开发的新装置将连接到其中一个系泊装置,以收集电线上所有仪器的数据,然后使用声音信号将数据传输到海面的海洋机器人,再通过卫星把数据发送给NOC。

    目前有200多种仪器在水中收集有关海流系统—有时被称为“大西洋输送带”或大西洋经向翻转环流(AMOC)的温度、盐度和流速的数据。AMOC负责将热量从热带地区输送到欧洲西北部,维持其相对温和的气候。这种传热所涉及的能量相当于英国平均电力消耗率的35000倍,或相当于英国平均核电站产量的100万倍。

    “RAPID计划”始于2004年,属于英国自然环境研究委员会(NERC)与美国国家科学联合会以及美国国家海洋与大气管理局(NOAA)之间的合作项目。该计划十多年来一直以AMOC为研究对象,已取得许多重要成果:2009-2010年,AMOC减速导致纽约的海平面上升了13 cm,导致大规模的洪水和侵蚀,而用RAPID数据建立的气候模型可提供极端季节性天气的早期预警,对于世界气候具有重要意义。据NOC团队估计,自2004年以来,AMOC已减速15%,而这可能是引起“冷盘(Cold blob)”——北大西洋的一个海域比周围海域更冷的原因之一。

    (刘雪雁 编译)

相关报告
  • 《解读欧洲工业机器人产业》

    • 来源专题:数控机床——前沿技术
    • 编译者:杨芳
    • 发布时间:2016-11-21
    • 10月13日,欧盟贸易委员会批准美的集团对德国工业机器人巨头库卡集团的收购要约,标志着库卡收购案的重大行政障碍被扫除。同日传出消息,上海电气为首的中资企业有意收购意大利著名汽车制造商菲亚特集团旗下柯马机器人业务。 10月13日,欧盟贸易委员会批准美的集团对德国工业机器人巨头库卡集团的收购要约,标志着库卡收购案的重大行政障碍被扫除。同日传出消息,上海电气为首的中资企业有意收购意大利著名汽车制造商菲亚特集团旗下柯马(Com au)机器人业务。而意大利另一大机器人企业吉马蒂克(Gimatic)刚刚于今年6月被汉德资本收购。欧洲机器人企业成了中国企业最热门的收购目标。 中资企业为何对欧洲机器人企业情有独钟?这一方面因为中国已经成为全球工业机器人最大同时也是增长最快的市场,而国产工业机器人目前只能满足其中小部分需求。另一方面则因为欧洲在工业机器人制造和应用领域都具有雄厚的实力。世界十大工业机器人应用大国,有五个在欧洲。而世界四大工业机器人制造企业中,欧洲拥有两家,包括库卡和瑞典瑞士联合企业ABB。整体来看,欧洲在工业机器人领域的整体水平和日本水平相当,同处第一阵营,领先于美国和韩国。 众所周知,1959年美国发明家弗兰克·德沃尔和约瑟夫·英格伯格联手制造出第一台工业机器人。随后,成立了世界上第一家机器人制造公司。有关机器人的理论和技术突破也大多发生于美国。为何欧洲工业机器人产业反而后来居上?这和欧洲特殊的人口结构和法律环境,以及各国政府的鼓励都不无关系。 二战后,西欧在复兴工业过程中一直面临着劳动人口不足的问题,而西欧有关劳动环境和劳动条件的立法又一直以严格著称,同时为了和美国大工业竞争,西欧一直有产业升级的迫切要求。这些因素一方面推动欧洲工业机器人产业的繁荣,另一方面也促使欧洲各国在政策上鼓励新生的工业机器人产业。以德国为例,20世纪70年代,德国政府在“改善劳动条件计划”中对机器人使用做出强制规定:部分有毒有害的危险工作岗位必须使用机器人,这种行政手段真正将机器人推向市场。1985年提出的“向智能机器人领域进军”的计划使机器人应用于德国的各个产业。2012年德国推出“工业4.0”计划,这个以构建“智能工厂”为核心的计划将致力于改进工业机器人的灵活性和个性化,有望将德国工业机器人水平推向一个新的高度。在德国影响下,英法也推出了各自的国家机器人产业计划。 虽然欧洲工业机器人产业水平总体走在了世界前列,但仍然面临问题和挑战,首先是各国工业机器人装备水平差距极大,德国、意大利、瑞典和芬兰相对发达,而法国和英国则相对落后。德国每万名工人装备工业机器人323台,而英国仅有71台。其次是工业机器人应用领域不均衡。除德国外,大部分欧洲国家的工业机器人集中于汽车制造和电气设备制造领域,这导致欧洲工业机器人的产业优势发挥得并不够充分。 为了巩固欧洲在机器人产业的优势,欧盟于2014年启动“火花”计划,投入28亿欧元经费进行机器人研发。此计划的重点是推动新一代的信息技术(大数据、物联网、云计算等)在工业机器人的应用,增强工业机器人的学习能力和合作能力,同时将机器人推广到更多的工业生产领域。欧盟选择机器人领域作为未来工业的突破点有多重考虑,首先全球工业机器人需求在未来的数十年内将会出现爆发性的成长,其次,工业机器人符合欧洲老龄化社会劳动力不足的总体趋势,同时可以发挥欧洲劳动力教育培训水平高的优势,规避其成本高的劣势。最后,据欧盟相关部门测算,工业机器人的大规模运用不但不会造成新的失业,反而会创造新的工作岗位,这有助于遏制欧洲工厂外迁的趋势,强化欧洲工业的竞争力。 值得一提的是,欧盟推动“火花”计划采取的是专业协会和政府相结合的决策模式,欧洲机器人协会是计划的主体,能较好地反映市场的需求和企业的声音,欧盟则扮演推动和监督的角色。另外,经费的投入也采取公私联合模式,欧盟投入其中四分之一,其余皆由协会企业投入,这确保了资金的利用效率。 中国成为制造业强国离不开工业机器人的辅助,除了收购以“库卡”为代表的国际机器人领军企业,我们的政府和产业界能否吸取国外产业政策中的成功经验,培养出中国的“库卡”呢?.
  • 《基本方程指导海洋机器人到最佳采样点》

    • 来源专题:可再生能源
    • 编译者:zhaowanyu
    • 发布时间:2018-05-29
    • 观察世界上的海洋,越来越多的任务被分配给自主水下航行器(AUVs)——海洋机器人,它们被设计成漂移,驱动,或在海洋中滑行,而不需要任何人类操作员的实时输入。auv可以帮助回答的关键问题是,什么时候,什么时候,以及什么样本,以提供最翔实的数据,以及如何最佳地到达采样地点。 麻省理工学院的工程师们已经开发出了一套数学方程式系统,该系统可以预测最具信息量的数据,以收集给定的观测任务,以及到达采样点的最佳方式。 通过他们的方法,研究人员可以预测一个变量的程度,比如某个位置的洋流的速度,揭示了其他一些变量的信息,比如在其他位置的温度——一个称为“相互信息”的数量。“如果两个变量之间的相互信息的程度很高,那么AUV就可以被编程到特定的位置来测量一个变量,从而获得关于另一个变量的信息。” 该小组利用他们的方程式和海洋模型,称为多学科模拟、估计和同化系统(MSEAS),在海洋实验中成功预测相互信息的领域并指导实际的auv。 “并非所有的数据都是平等的,”麻省理工学院机械工程系的研究生Arkopal Dutt说。“我们的标准……允许自动机器人精确定位传感器位置和采样时间,在那里可以进行最有效的测量。” 来决定如何安全、高效地达到理想抽样目的地,研究人员开发了一种方法来帮助水下使用不确定的海洋活动,通过预测“可达性”——一个动态三维区域的海洋,一个水下机器人将保证在一定时间内到达,鉴于AUV的权力约束和海洋的水流。该团队的方法使一辆汽车能够在更靠近目的地的地方冲浪,并避开那些会使其偏离轨道的车辆。 当研究人员将他们的可达性预测与真正的auv在阿拉伯海地区观测的路线进行比较时,他们发现他们的预测与这些车辆在很长一段时间内能够航行的位置是一致的。 最终,团队的方法应该帮助车辆以一种智能、高效的方式探索海洋。 机械工程研究生Deepak Subramani说:“自主的海洋机器人是我们的侦察兵,勇敢地面对汹涌的大海,为我们收集数据。”“我们的数学公式可以帮助球探们通过巧妙地利用洋流,达到想要的位置,并减少他们的能量消耗。” 由麻省理工学院机械工程与海洋科学与工程教授Pierre Lermusiaux领导的研究人员在一篇论文中列出了他们的研究成果,并发表在《海洋研究》杂志上。 除了Dutt和Subramani, Lermusiaux的团队还包括Jing Lin, Chinmay Kulkarni, Abhinav Gupta, Tapovan Lolla, Patrick Haley, Wael Hajj Ali, Chris Mirabito和Sudip Jana,都来自机械工程系。 寻找最翔实的数据。 为了验证他们的方法,研究人员表明他们可以成功地预测那些对一系列不同的目标最有价值的测量方法。例如,他们预测了对科学假设检验最优的观测结果,如果海洋模型方程本身正确与否,估计海洋生态系统的参数,并探测海洋中是否存在一致的结构。他们证实,他们的最佳观测结果比平均观测值高出50%到150%。 为了达到最佳观测地点,auv必须在海洋中航行。传统上,机器人的规划路径是在相对静态的环境中完成的。但是,通过海洋进行规划是另一回事,因为强劲的洋流和涡流会不断变化,不确定,并推动一辆汽车偏离预定的轨道。 麻省理工学院的研究小组因此开发了从基本原理到海洋的路径规划算法。他们修改了一个现有的方程,即哈密顿-雅可比方程,来确定一个AUV的可达性前缘,或者是在给定的时间内保证车辆到达的最远的周长。该方程是基于三个主要变量:时间、车辆的特定推进约束、平流,或由动态洋流的运输——这是该组织使用其海洋模型预测的一个变量。 随着新系统的发展,auv可以绘制出可行的信息路径,并根据不确定的洋流随时间变化而调整采样计划。在第一次大型的开放海洋测试中,研究团队计算了印度洋上自主漂浮和滑翔的概率和最具信息的路径,这是由海军研究办公室(ONR)的北阿拉伯海循环自主研究(NASCar)的一部分。 几个月来,研究人员在他们的麻省理工学院的办公室里工作,为ONR团队提供日常的可达性预测,以帮助指导水下车辆,并在沿途收集最佳观测值。 “基本上睡不着,”Lermusiaux回忆道。“预测是3到7天,我们每天都会吸收数据和更新。”我们做的很好。平均而言,滑翔机和浮舟最终在我们所预期的概率范围内完成。 片刻的真理是值得的。 Lermusiaux和他的同事们也利用他们的系统来规划“时间最优路径”——根据预测的洋流情况,在最短的时间内,这将使AUV到达某个位置。 与麻省理工学院林肯实验室和伍兹霍尔海洋研究所的同事们一起,他们在马撒葡萄园岛的海岸附近举行了一场“比赛”,以实时测试这些时间最佳路径。在每一场比赛中,一个AUV的路线是由团队的时间最优路径决定的,而另一个AUV沿着一条最短的路径到达同一个终点。 “太紧张了——谁会赢?””Subramani回忆说。“这对我们来说是真理的时刻,经过多年的理论发展和数学公式和证明。” 该团队的工作得到了回报。在每一场比赛中,根据团队预测的AUV首先到达目的地,比竞争对手的AUV快了15%。该小组的预测帮助获胜的AUV避免了强烈的电流,有时会阻止另一辆AUV。 “太神奇了,”Kulkarni说。尽管这两条路在物理上相距不到一英里,但在我们的预测下,旅行次数减少了15%。它表明我们的道路是真正的时间最佳。 作为麻省理工学院塔塔技术与设计中心的成员,Lermusiaux将运用他的海洋预测方法来帮助指导印度海岸的观测,在那里,这些车辆将负责监测渔业,以提供一个潜在的低成本管理系统。 “auv的速度并不快,而且它们的自主性也不是无限的,所以你必须考虑到电流和它们的不确定性,并严格地模拟事物,”Lermusiaux说。“这些自治系统的机器智能来自于严格地推导和合并控制理论、信息理论和机器学习的控制微分方程和原理。” 这项研究部分是由海军研究办公室、麻省理工学院林肯实验室、麻省理工学院塔塔中心和美国国家科学基金会资助的。