传统的热带气旋（TC）观测方法已经越来越不能满足海洋科学发展的需要。可以预见，无人化、智能化的观测方法将是未来海洋观测的发展方向。与被动观测的方法不同，本研究依据追踪TC引起的流场中心来确定TC中心的思路，提出了一种AUV主动追踪TC并实时校正轨迹预报误差的可行方案。

图1.在仿真环境中，四辆AUV在一段时间内模拟追踪台风“轩兰诺”

预报轨迹校正模型定义了四种类型的点，它们主要作为模型的计算对象，用于描述特定的TC追踪过程。本研究还设计了数据处理模块和海流计算模块用于更新待计算的关键点。除此之外，校正算法的设计可以通过分析既有的轨迹误差，进而推测未来预报点的误差，以此实现轨迹校正。

图2. 预报轨迹校正模型结构概念图

模型在计算关键路径点的过程中，采用了多边定位法来确定一个具有稳定结构的TC所激发的海流的中心。校正算法在确定AUV追踪轨迹的同时，也修正了TC路径预报数据带来的误差。最后，文章通过仿真实验，验证了该模型的有效性。

图3. 三类路径点的仿真路径

通过对仿真结果误差性质的分析，AUV成功地将海流数据产生的误差均值和方差与理论期望进行了匹配。需要指出的是，本文中的应用场景涉及到许多相互关联的逻辑关系，不能将其拆分成一个个孤立的数学问题。虽然算法在仿真中显示出了表现较好的结果，但进一步的改进仍然需要来自真实世界数据的支持。本文为AUV在现实条件下持续追踪TC奠定了基础，这同时也为现场作业中高效采集数据提供了可能。

研究成果于2024年1月在Elsevier旗下期刊Ocean Engineering发表，题目为“Tropical cyclone tracking for autonomous underwater vehicles based on forecast path correction model”。上海交通大学的硕士生戚方正与博士生马习文分别为文章的第一和第二作者，南方海洋科学与工程广东省实验室（珠海）南海海岸带变化与物质迁移团队核心成员杨劲松为文章的通讯作者。

该研究得到了国家自然科学基金项目、上海交通大学深蓝计划、南方海洋科学与工程广东省实验室（珠海）创新团队科研建设经费的支持。

原文链接：https://doi.org/10.1016/j.oceaneng.2024.116768（阅读论文请点击网址）