Discrete Ballast Configuration Estimation for a Straightforward Underwater Vehicle Deployment

Abstract

Denne forskningen tar for seg utfordringen med å optimalisere oppdriftskonfigurasjonen til fjernstyrte undervannsfarkoster (ROV-er) gjennom Diskret Ballastkonfigurasjonsestimering (DBCE). ROV-er møter betydelige vanskeligheter på grunn av komplekse driftsforhold og hyppige endringer i utstyret ombord, noe som påvirker deres oppdrift og stabilitet. Å oppnå optimal oppdrift er essensielt for å minimere energiforbruket og opprettholde operasjonell effektivitet. Denne studien introduserer en ny tilnærming for å estimere diskrete ballastkonfigurasjoner ved bruk av binærkodede genetiske algoritmer, med mål om å effektivisere utplasseringsprosessen av undervannsfarkoster.

Den foreslåtte DBCE-en blir evaluert ved bruk av en BlueROV2 - Heavy Configuration i både simulatorer og virkelige eksperimenter. Forskningen gjennomføres i fire faser: utvikling av en simulator for å modellere BlueROV2-dynamikken, opprettelse av DBCE, implementering av algoritmen i simulatoren, og anvendelse på den faktiske BlueROV2. Hovedmålet er å utvikle en enkel og grei metode for å estimere ballastkonfigurasjoner.

Funnene viser at DBCE effektivt estimerer ballastkonfigurasjoner som oppnår nær-nøytral oppdrift og jevne vinkelbetingelser uten forhåndskunnskap om ROVens initiale oppdrift eller vekt. Resultatene viser at DBCE betydelig reduserer behovet for tidkrevende manuelle justeringer, med hele estimeringsprosessen som tar mindre enn fem minutter (unntatt ROV-forberedelse og oppsett).

Denne forskningen gir et verdifullt verktøy for ingeniører og operatører av undervannsfarkoster, og muliggjør raskere oppsettider og reduserte driftskostnader. I tillegg tilbyr den et brukervennlig grensesnitt, noe som gjør det tilgjengelig for ikke-robotikkforskere. Funnene har brede implikasjoner for industrier som olje og gass, undervannskonstruksjon og marin forskning, og fremmer mer bærekraftige og kostnadseffektive undervannsoperasjoner.

This research tackles the challenge of optimizing the buoyancy configuration of Remotely Operated Vehicles (ROVs) through Discrete Ballast Configuration Estimation (DBCE). ROVs encounter significant difficulties due to complex operating conditions and frequent changes in onboard equipment, which affect their buoyancy and stability. Achieving optimal buoyancy is essential for minimizing energy consumption and maintaining operational effectiveness. This study introduces a novel approach to estimating discrete ballast configurations using binary-encoded genetic algorithms, aiming to streamline the deployment process of underwater vehicles.

The proposed DBCE is evaluated using a BlueROV2 - Heavy Configuration in both simulators and real-world experiments. The research is conducted in four phases: developing a simulator to model the BlueROV2 dynamics, creating the DBCE , implementing the algorithm in the simulator, and applying it to the actual BlueROV2. The primary goal is to develop an easy and straightforward method for estimating ballast configurations.

The findings demonstrate that the DBCE effectively estimates ballast configurations that achieve near-neutral buoyancy and level-angle conditions without prior knowledge of the ROV’s initial buoyancy or weight. Results show that the DBCE significantly reduces the need for time-consuming manual adjustments, with the entire estimation process taking less than five minutes (excluding ROV preparation and setup).

This research provides a valuable tool for engineers and operators of underwater vehicles, facilitating quicker setup times and reduced operational costs. Additionally, it offers a user-friendly interface, making it accessible to non-robotic researchers. The findings have broad implications for industries such as oil and gas, underwater construction, and marine research, promoting more sustainable and cost-effective underwater vehicle operations.