国内外水下机器人研究前沿动态追踪：基于CiteSpace 可视化分析

张波波，Dongphil Chun*，代学冬

（韩国国立釜庆大学技术经营专门大学院，韩国 釜山）

引言

党的二十大明确提出，发展海洋经济、保护海洋生态环境、加快建设海洋强国。由于海洋环境的复杂性和未知性，且人类到达海底深度有限，水下机器人已成为开发海洋经济的重要工具，并广泛应用于海洋资源开发、深海科研探测、水下军事打击等领域。

学术界对水下机器人展开深入的研究，已涌现出众多科研成果。大量学者从水下机器人的关键技术方面进行探索与研究，如刘雨青等[1]、Zhu 等[2]。也有学者采用不同研究方法对相关研究内容进行了综述，如孙玉山等[3]、康帅等[4]，大部分学者以主观综述、定性分析为主，而采用文献计量等研究方法的定量分析较少，赵羿羽等[5]借助CiteSpace 等工具分析了国外水下机器人研究热点。但现有文献对研究热点及研究趋势等内容分析力度不够，且主要针对国外水下机器人相关研究文献，缺乏国内外在该领域的研究比较分析。

国内外水下机器人已经历了多年的发展，所涉及的研究内容呈现多样化，研究方向分散化特征明显，缺乏一条全局的、宏观的逻辑主线。同时，目前仍缺少对国内外水下机器人研究热点主题和趋势的宏观分析以及研究成果的系统性描述。因此，本文选取国内外水下机器人研究相关文献，借助CiteSpace 工具和文献计量方法对相关研究成果进行全面梳理，分析该领域的研究主题及发展趋势，以期为水下机器人相关研究后续发展提供参考和借鉴。

1 水下机器人领域文献统计分析

1.1 数据来源与处理

国内数据来源于中国学术期刊出版总库(CNKI)，利用CNKI 高级检索工具，以“水下机器人”、“水下滑翔机”、“水下航行器”、“无人潜水器”为主题词，检索时间范围不限，检索时间为2023 年4 月30 日，文献检索范围为中国科学引文数据库(CSCD)、中文社会科学引文索引(CSSCI）、北大中文核心期刊(PKU)、中国人文社会科学期刊(AMI)。去除会议、报纸、标准等非学术性期刊，最终得到目标文献2 653 篇(以下简称中文文献)。

国外数据来源于Web of Science 核心集合数据库(WoS)，以“underwater vehicle”、“underwater robot”、“underwater glider”为主题词，检索时间范围不限，检索时间为2023 年4 月30 日，文献检索范围涉及社会科学引文索引 (SSCI)、以科学引文检索扩展版(SCI-EXPANDED)，文献类型为论文，共检索到9 924篇文献(以下简称英文文献)。

1.2 文献数量趋势分析

文献发表数量可以反映某一学科或领域的研究现状及发展趋势。根据文献发表数量绘制水下机器人相关研究文献的分布图(如图1 所示)，因2023 年的文献数据不满一年，故未在该图中显示。其中，国外水下机器人相关研究呈现明显的阶段特征，大致可以分为三个阶段。第一阶段为早期研究(1960-1990)，文献数量较少，平均每年2 篇，主要是围绕基础理论、技术展开研究。第二阶段为缓慢发展阶段(1991-2010)，文献数量大量增加，平均每年80 篇，逐渐引起学术界、产业界的高度关注。第三阶段为快速上升阶段(2011-2022)，文献数量呈爆发式的增长趋势，且水下机器人已经在多个领域广泛使用。

图1 水下机器人研究文献的年度分布

根据英文文献统计各个国家的发文数量(如图2 所示)，中国、美国的文献数量最多，分别为3 583 篇、2 016 篇，远远超过其他国家的发文数量，意大利、日本、英国、韩国、加拿大等沿海国家在水下机器人领域拥有大量科研成果。

图2 水下机器人研究英文文献的国家网络

其中，国内的水下机器人研究起源于20 世纪70 年代末，起步晚于国外且发文数量相对滞后。2005 年之前，中文文献的发文数量一直处于较低水平，2005 年后发文数量快速增长并保持相对稳定，共计约2 451 篇，占中文文献样本数量的92.4%。

2 关键技术视角下的水下机器人研究

关键词反映了文献的研究主题，通过对关键词的统计分析，有助于深入了解水下机器人研究领域的重点与偏好。本文通过CiteSpace 工具对英文、中文文献分别进行关键词共现分析，并统计解析结果(如表1 所示)，其中关键词出现的频次越大，说明对应主题的研究热度越高。

表1 水下机器人研究文献的高频关键词(前20 位)

从表1 可以发现，“autonomous underwater vehicle”、“underwater vehicle”、“design”是英文文献出现频次最多的关键词，“system”、“model”、“navigation”、“trajectory tracking”、“performance”等关键词的出现频次位居前列；“路径规划”、“仿真”、“运动按制”是中文文献出现频次最多的关键词，“滑模按制”、“神经网络”、“组合导航”、“按制系统”等关键词的出现频次也位居前列。

结合参考文献的研究内容和关键词的统计分析，对水下机器人研究的主题进行归纳总结。从水下机器人关键技术的视角来看，主要涉及导航技术、路径规划、跟踪按制、目标识别、仿真技术、故障诊断等。以下将围绕水下机器人的部分关键技术展开讨论：

2.1 跟踪按制

轨迹跟踪按制主要包括用户界面、轨迹跟踪按制和轨迹规划三部分，而轨迹跟踪按制的精确度和稳定性影响水下机器人的最终任务完成，目前主要的轨迹跟踪按制方法包括PID 按制、模糊按制、自适应按制、神经网络按制、滑模变结构按制等，详细描述如表2所示。

针对上述提到的几种跟踪按制方法，每一种按制策略都存在一定的局限性，因此在实际应用过程中，采用多种按制方法相结合的模式，形成新的按制策略，从而实现更加理想的按制效果。

基于此，国内外学者在跟踪按制领域提出了先进的技术解决方案，但现阶段轨迹跟踪按制在关键技术领域仍有待进一步解决或优化。例如，水下环境的不确定性，导致水下机器人运动可靠性和稳定性较复杂；受到非线性机器人动力学和海流时变干扰的影响，实现快速准确的轨迹跟踪存在挑战性。

2.2 组合导航

导航系统作为水下机器人的引导，在水下机器人的发展过程中发挥着重要的作用。目前水下导航的主要方法包括惯性导航、航位推算、声学导航、地球物理导航，详细描述如表3 所示。

随着水下机器人导航性能需求的不断提升，上述单一的导航方式在精度、稳定性等方面不能满足当前的导航需求，多种组合导航方式应运而生，并已成为水下机器人导航技术的主要发展方向。

国内外学者在水下机器人组合导航领域形成了诸多的研究成果，反映了当前研究的发展趋势。首先，水下导航将采用惯性导航、声学导航、地球物理导航等多种组合模式，以获取高性能、高精度的水下导航信息；其次，针对水下复杂的环境特征，不断优化、设计具有高鲁棒性的滤波算法，以提高数据滤波处理的质量。

2.3 目标识别

由于水下环境的复杂性，有效获取水下目标信息对水下机器人的应用至关重要。水下目标识别主要涉及两方面的内容：一是目标图像处理，二是目标检测识别。目前传统的图像处理可分为图像复原与图像增强，对水下图像的颜色失真、图像雾化和模糊进行处理，实现复原真实图像或者突出目标特征。

到目前为止，声纳是水下目标识别最成熟的技术之一，但也存在一些局限性。其难点在于：声波在水中传播受到严重的干扰，以及水声信道的空变形和时变，使得声纳成像技术具有像素数据少、分辨率低等缺点，其发展落后于空气环境中的目标识别。

未来水下目标识别技术将不断优化水下图像处理算法的鲁棒性与实时性，针对不同水域环境设计个性化图像处理算法。同时，在恶劣环境下，采用图像精准识别技术，并提升水下机器人目标探测识别的智能性。

3 水下机器人研究前沿分析

一般而言，关键词激增指数能够反映某一阶段关键词的高频次变化率，这些关键词体现了该领域的研究趋势和前沿。本文通过CiteSpace 对水下机器人研究的英文文献进行关键词突现检测，并统计突现率前20 位的关键词，发现2011-2023 年期间出现了多种类型的突变性关键词，说明了水下机器人研究领域的多样化特征。其中，强度最大的关键词分别是“mathematical model”、“locomotion”和“task analysis”，强度值分别为20.05、12.97 和11.49；突现时间持续最长的关键词为“evolution”和“coordinated control”，持续时间分别为8 年、6 年。近几年突现的关键词有“energyconsumption”、 “locationawareness”、“internet”、“deep learning”、“task analysis”等，说明这些研究内容在水下机器人领域中比较活跃，在未来一段时间内有可能成为该领域的研究前沿方向。

3.1 人工智能

随着人工智能的快速发展，任务分析(task analysis)、深度学习(deep learning)等人工智能方法已应用于水下机器人，不断提高了水下机器人的自主行为预测、环境感知理解等智能化水平，以满足更复杂、更极端的任务需求。

例如，国内外学者将深度学习用于目标识别和分类，使得水下机器人在数字图像处理等方面取得了显著的成果，比如珊瑚、鱼类和浮游生物等物体的识别；也有学者指出，基于强化学习的水下机器人路径规划，弱化了水下环境和模型精度的约束；同时，在水下机器人的运动按制领域，强化学习对于变化环境具有较好的适应能力。

由于不仅限于以上优势，将人工智能技术与水下机器人的深度融合，已成为水下机器人未来的重要发展趋势之一。

3.2 续航技术

能源是影响水下机器人航线距离的重要因素。目前，大部分水下机器人采用电池供电，包括锂电池、碱性电池、燃料电池，具有能量密度高、体积小以及无需转换就能直接供电等优点。同时，风能、太阳能、波浪能、潮汐能等可再生能源为水下机器人源源不断的提供能量，可以有效提高续航和采样能力，关于可再生能源的采集和利用已成为重要的研究方向。

此外，一套功能完备且智能的能源管理、监测系统同样重要，提高能源利用效率并降低事故发生可能性。研究发现，以能源消耗(energy consumption)为例，通过运动优化按制方法可以提高水下机器人的续航能力；建立洋流对水下机器人能耗影响的成本模型，以规划出一条最佳的能耗路径。

4 结论

本文基于科学知识图谱和文献计量方法，对国内外主要核心数据库中水下机器人研究领域的相关文献进行统计分析，通过绘制文献数量图表、关键词共现及突现图表等客观揭示水下机器人研究现状、热点及未来趋势，主要结论如下：

首先，从文献数量来看，整体呈现逐年递增趋势，英文文献数量的阶段性特征比较明显，先后经历了早期研究阶段、缓慢发展阶段、快速上升阶段，学术界对该领域的研究保持较高的研究热度，中国、美国是发文量最大的国家。

其次，从关键词分析来看，研究热点涉及水下机器人的多个核心领域，主要包括“autonomous underwater vehicle”、“underwater vehicle”、“路径规划”、“仿真”等。其中，“跟踪按制”、“组合导航”、“目标识别”等也是相关文献研究的热点主题，反映了学术界高度关注水下机器人的关键技术研究。

最后，从关键词突现来看，随着时间推移而突变性关键词出现了不同变化，水下机器人研究领域呈现多样性特征，近几年突现的关键词有“energy consumption”、“task analysis”、“deep learning”等，说明这些主题在水下机器人研究领域中比较活跃，将成为该领域的研究趋势。