Background

Efficient underwater operations with autonomous underwater vehicles (AUVs) relying on several factors for a mission to be successful, such as operation time, distance covered, and waiting times. Today’s methods and processes for AUVs often struggle with inefficiencies and lack of route optimization. These challenges can result in increased operational costs and suboptimal performance. Minimizing operation time and utilizing route planning algorithms enables adaptation to operational challenges, potentially resulting in cost savings.

Objectives

This thesis aims to identify an efficient and practical solutions that will improve the operations for AUVs and the objective is to optimize the diving process through suboptimal routing algorithms in a predefined scenario. The study addresses one primary question to achive the aim. The question were: How can routing algorithms be implemented to improve the efficiency and reduce the operation time of Autonomous Underwater Vehicles?

Methods

The method describes three heuristic algorithms for optimizing the operations of AUVs. The first algorithm, the nearest neighbor heuristic (NNH) aims to minimize the distance an AUV needs to travel to recover and deploy ocean bottom nodes (OBN) within a cluster. The second algorithm, inspired by railway traffic, tries to prevent overlaps and minimizing the waiting times at the depot station. The third algorithm is highlighted as a local optimization algorithm that prioritizes the shortest waiting time over the nearest distance, adapting dynamically to available depot stations.

Results

The results in this thesis are derived from numerous simulations from different scenarios. The relationship between operations time and waiting time for different scenarios was obtained. The first algorithm proved to work for this type of situation. The second algorithm demonstrated its ability to yield superior solutions, albeit at the cost of being time-consuming due to a high number of iterations. The third algorithm was examined under conditions with and without delays. Even with delays, the algorithm consistently manages disturbances effectively.

Conclusions

While achieving an exact optimal solution remains challenging due to complexity, the research showed promising improvements in the endurance of the AUVs through the algorithms. The first algorithm was effective in minimizing the distance the AUVs traveled by selecting the most efficient path from numerous potential solutions. The second algorithm was slow due to a large number iterations, but the algorithm was able to find a solution where the operation and waiting time of the AUV could be reduced. The third algorithm was faster, but generally resulted in longer operation times. Also, increasing the number of AUVs resulted in shorter operation times but led to longer waiting times at the depot station, particularly in scenarios that became saturated with too many AUVs. 

Bakgrund

Undervattensoperationer med autonoma undervattensfarkoster (AUV:er) är beroende av flera faktorer för framgångsrika uppdrag, såsom driftstid, avstånd och väntetider. Dagens metoder och processer för AUV:er har ofta problem med ineffektivitet och bristande optimering av rutter. Dessa utmaningar kan leda till ökade driftkostnader och suboptimal prestanda. Genom att minimera operationstiden och använda ruttplaneringsalgoritmer möjliggörs anpassning till operativa utmaningar, vilket potentiellt kan resultera i kostnadsbesparingar.

Syfte

Detta examensarbete syftar till att utveckla effektiva och praktiska lösningar för att förbättra systemets prestanda och målet är att optimera rutterna genom suboptimala algoritmer i ett fördefinierat scenario. Arbetet behandlar en primärfråga för att uppnå målet. Frågan var: Hur kan ruttalgoritmer implementeras för att förbättra effektiviteten och minska drifttiden för autonoma undervattensfarkoster?

Metod

Metoden beskriver tre heuristiska algoritmer för att optimera driften förAUV:er. Den första algoritmen, närmaste granne heuristiken (NNH), syftar till attminimera avståndet en AUV behöver resa för att hämta och placera ut havsbottennoder (OBN) inom en kluster. Den andra algoritmen, inspirerad av tågtrafiken, syftar till att endast en AUV befinner sig vid depåstationen åt gången för att förhindra konflikter och minimera väntetider. Den tredje algoritmen är en lokal optimeringsalgoritm som prioriterar kortaste väntetiden över närmaste avstånd och anpassar sig dynamiskt till tillgängliga depåstationer.

Resultat

Resultaten i denna uppsats baseras på ett flertal simuleringar med olika scenarier. Förhållandet mellan drifttid och väntetid för olika scenarier erhölls. Den första algoritmen visade sig fungera bra för denna typ av situation. Den andra algoritmen visade sin förmåga att ge bättre lösningar, trots att den var tidskrävande pågrund av ett högt antal iterationer. Den tredje algoritmen undersöktes under förhållanden med och utan förseningar. Trots förseningar lyckades algoritmen konsekvent hantera störningar effektivt.

Slutsats

Trots komplexiteten med att tillhandahålla en exakt optimal lösning, visade arbetet förbättringar i AUV:ers uthållighet genom olika algoritmer. Den första algoritmen var effektiv för att minimera det avstånd som AUV:er färdades genom att välja en optimal väg bland många potentiella lösningar. Den andra algoritmen var långsam på grund av många iterationer, men algoritmen kunde hitta en lösning där AUV:ens drift- och väntetid kunde minskas. Den tredje algoritmen var snabbare men resulterade i längre drifttider. Vidare resulterade ökningen av antalet AUV:er i en minskning av drifttider men ökade väntetider, särskilt i scenarier som blev mättade med för många AUV:er.