TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol.12, No.6, Jun e  201 4, pp. 4596 ~ 4 6 0 2   DOI: 10.115 9 1 /telkomni ka. v 12i6.544 2          4596     Re cei v ed  De cem ber 2 8 , 2013; Re vi sed  F ebruary 27,  2014; Accept ed March 1 4 , 2014   A Novel Control Architecture for Missio n  Re-Planning  of AUV      Rubo Zh ang 1,2 , Haibo Tong 1* , Changti ng Shi 1  1 Colle ge of Co mputer Scie nc e and T e chno l o g y , Harb in En gin eeri ng U n iv ersit y ,    Harbi n , 150 00 1, Chin a   2 Colle ge of Ele c tromecha nica l & Information E ngi neer in g, Dal i an N a tion aliti e s Universit y ,   Dali an, 11 66 00 , China   *Corres p o ndi n g  author, e-ma i l : tongha ib o08 01@ hotmai l .co m       A b st r a ct   A hi erarch ical  contro l  archit ecture for   mis s io n  re-p la nni n g  of  auto n o m ous  un derw a te r veh i cl e   (AUV) navig ati ng in u n certai n oc ea n envir on me nt is pre s ented i n   this pap er. T he propos ed co mp o nent- orie nted co ntro l architectur e  structur ed is  ma de of three p a r t s: situati on re ason ing, re- p la nni ng trig ger a n d   hier archic al re- p la nni ng l a yer. Situatio n reas o n in g us in g the  unstructure d re al-w ord infor m ation o b tai ned  by   sorts  of  sensor   detectes and recog n i z e s  un certain ev e n t.The re- p la nn ing  trigger  deci d e s  the re-p lan n i n g   level  by th e ev ent types  an d i n flue nce  de gre e . Hier a rchic a l  re-pla nn ing  lay e r conta i ns  mis s ion r e -pl a n n in g ,   task re-pl ann in g an d b ehav ior  re-pl ann in g. D i fferent re-p la n n in g lev e l  dep e nds o n  the r e s u lt of re-p la nni ng   trigger. Prel iminary versi ons  of the architecture  hav e bee n inte grate d  and teste d  in a simulati o n   envir on me nt. Experi m ent in d i cates t hat the  nove l  contro l a r chitecture  c a n  imple m ent  mi ssion re- p l ann i n g   steady an d safty.     Ke y w ords : aut ono mous u nde rw ater vehicle,  cont rol arc h itec ture, missi on r e -pl ann in g     Copy right  ©  2014 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .     1. Introduc tion  Develo pment s in A u tonom ous Unde rwa t er Vehi cle  (A UV)  have b e en of g r e a t in terest to  many re sea r che r s, e ngin eers and  scientist [1-3 ]. The capabiliti e s of AUVs  as well as t heir  missi on  req u i reme nts h a ve bee n in creased. Re ce nt advan ce s in auton om ous  und erwa ter   vehicle te chn o logy have l ed to their  use in  a n u m ber of milit ary and  civilian appli c atio ns   inclu d ing  a n ti-su b ma rine  wa rfare, oil  fi eld  su rveys,  oceano gr a phic re se arch  or  maintena nce/monitori ng of unde rwater  structu r e s  amo ng ot hers un d e rwater  scen ario s  Re sea r ch on  autonomo u s underwate r vehicle  o w n the com m on  control probl em with   other air, lan d  and se a surface unma nned vehi cle  becau se of  the dynamic and un ce rtain   environ ment.  But in  marin e  envi r onm ent, b e sid e s  re qu iring  high -di m ensi onal   and   comp utationa lly intensive  sen s o r y data  for  real -wor l d  missio n ex ecutio n, sta b i lity of sona r  and   rand om o c curren ce is m a ke it more difficult  to develo p  control arch itecture fo r AUV.   We  present  a hyb r id, hie r archical a r chi t ec ture  for mi ssi on  re -pla n n ing  of auto n o mou s   unde rwater v ehicl e. Ou r g oal is to  dev elop n o vel  co ntrol a r chitect u re to  reali z e  the missio n  re- planni ng  wh en the  p r evi ous mi ssi on  plan   cann ot  execute  co rrectly. T h ro u gh the   situat ion   rea s oni ng pe rceive ab norm a l events an d  the re-pl anni ng trigge r de cides the re-pl annin g  level      2. An Ov er vi e w   of Control Architecture  A co ntrol  architecture [4]  is the  p a rt  o f  the robot  control  sy ste m  which m a ke s the  deci s io ns. Th e first attemp t at building contro l archit ecture for aut onomo u s u n derwate r vehi cle   bega n aro u n d  1990 s. Tra d itional archit ecture relie d on a cent rali zed  worl d model for verif y ing  sen s o r y info rmation a nd  g enerating  acti ons in th e world  mod e l, followin g  the   sen s e,  plan,  and  act patte r. Th e de sign  of the cl assi cal  control  a r chitecture  wa s b a se d on  a to p-do wn  struct ure   [5]. The  seq u ence of  pha se in t r aditio n a l deli berativ e control a r chitecture i s   shown in  Fig u r e  1.  The  comm on  pro b lem s  for this a r chitecture a r e th at the integ r atio n re pre s e n tation of the  re al   worl d is extre m ely difficult and the  sen s or data  ca n o n ly use s  du ri ng the world  model a nd n o t  durin g the pla n  executio n. It is dange rou s  in dynami c  marin e  enviro n ment.  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     De sign a nd Im plem entation of Universal  Serial Bus T r anscei v e r  wit h  Verilog (Liq un Xu)  4597     Figure 1. Phase of Tra d itio nal Co ntrol Archite c ture       The b ehavio r-ba sed  a r chitecture u s e d   a set of p a ral l el beh aviors  whi c h  rea c te d to the   worl d environ ment su gge st ing the  re sp o n se the  rob o t shoul d take t o  finish the b ehavior  (see  as   Figure 2 ) . Th e be havior-b a se d a r chitecture i s  fa st a nd  rea c tive a nd  solve s  th e p r oble m   wi th   worl d mo deli ng o r  real ti me p r o c ess.  Ho wever wh en trying  to  carry o u t lon g -rang e mi ssions,  there a r e so much limitatio ns an d it is  difficult to optimize the robot b ehaviors.         Figure 2. Behavior-ba se  Control Archite c ture       Most of today ’s archite c ture for autono mous  rob o tics is hyb r id an d stru ctured i n  three  layers: the re active layer, the co ntrol ex ecutio n  layer,  and the delib erative layer (see a s  Fig. 3).  It integrate the advantag es of previous t w o, but  it is complex to ha ndle dynami c  and un certai n  environ ment  and missio n re-pla nnin g .      Figure 3. The  Hybrid Control Archite c ture      3. Our Propo sal  In ord e r to  solve ab ove p r oble m s men t ioned i n  p r e v ious  se ction . We p r op ose  a n o val  control archit ecture for mi ssi on pla nnin g  of aut onom ous u nde rwat er vehi cle. It is a hybird a nd  hiera r chi c al framework (se e  as Fi gure 4 ) . The p r op osal framwork  contain three l a yers:  situati o n   rea s oni ng lay e r, re-pl anni n g  trigg e r  and  hiera r chi c al  re-pla nnin g  la yer. Situation  rea s o n ing l a yer   usin g the u n s tru c tured  re al-word information  o b tai ned by  sen s ors dete c te s and  re cog n i z e s   uncertain  ev ent. Accordi ng the  even t types a n d  influen ce d egre e , the  re-pla nnin g  tri gger  deci d e s  the re-pla nnin g  le vel. Hiera r chi c al re-pl anni n g  layer contai ns mi ssi on re -plan n ing, ta sk   re-plan n ing  a nd b ehavio r  re-plan n ing.  Acco rdi ng th e   re-plan n in g level  gen e r ated  from  re- planni ng trigg e r, hierarchi c al re-plan n ing  laye r will sel e ct co rrespon ding re -pl anni ng layer.   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 6, June 20 14:  4596 – 4 602   4598     Figure 4. Our Propo sal Co ntrol Architect u re for Mi ssio n Re-plan n in       3.1. Situatio n Reas oning   Situation Rea s oni ng i s  o n e  of the mo st  core  part i n  th e propo sal  co ntrol a r chitect u re [6].  This layer ge nerate s  the i n fluen ce  deg ree  of ev e n ts acco rdi ng  u s er in put, en vironme n t se nso r   data a nd gl o bal  kno w led g e  such a s  ta sk ty pe exe c uting, data b a s e  of plan  m e thod  and A U V  perfo rman ce  whi c h u s u a lly never  ch ang ed.  The  re su lt of this layer, influence de gree  of event s,   is se nt to the re-plan n ing tri gger.   Situation Mo del receives  the un ce rtain  info rmatio n from  ta sk executio n  info rmation,  internal  state  data of AUV  and e n viron m ent se ns or d a t a to modele d  uncertain  events a c cordin g   to their prio rity and their n a ture. Ta sk e v ent det ectio n  detect s  the  implementati on and p r og ress  of the AUV task. Enviro nm ent event det ection p e rc e p t s the enviro n m ent relative  to the assign ed   missi on, i n cl uding  the  en vironme n tal  status,  a ttrib utes, a n d  dy namics. Stat e event  dete c tion  delete faults  of AUV various sen s ors.   Dete cte pa rt inclu d ing Ta sk dete c tion,  Envi ronme n t detectio n  an d State detection, is  use d  to  han dle with  the  un certai n eve n t  informatio n a nd b e  a b le to  pre d ict th e in fluence d egre e   of event for completion of the task.  Combi ne  with glob al kno w led ge, the i nput  of un ce rtain event se e as  Table  1  and lthe  output of situ ation re asoni ng contain s  e v ent ty pe, probability an d  Influence de g r ee o n  the ta sk,  see a s  Tabl e 2:      Table 1, Input  of Unce rtain  Event  Task information   Status information of AUV   Environment  T a sk ty pe    Position of target    Planning informa t ion   Cabin leaks  Batter y  comp art m ent  leaks  Fault of lo w  voltage  Lo w  voltage is low     Fault of high voltage  Fault of depth  ga uge  Etc...   Status informat ion of AUV   Obstacle (statics or dy nam ics,   mor e  or  less)  target inform ation           Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     De sign a nd Im plem entation of Universal  Serial Bus T r anscei v e r  wit h  Verilog (Liq un Xu)  4599 Table 2. Outp ut of Situation Rea s oni ng   Event t y pe   Event name  Event  Probabilit y   Influence degree  on  task    Ocean  environment   Random object   0~1  0~1  Target unachieved  0~1  0~1  Off Rout e   0~1  0~1  Target Lost  0~1  0~1    AUV status  Energ y  sho r tage   0~1  0~1  GPS correction   0~1  0 or1   Fault of  pro peller  0~1  0~1    Uncer t ain task  Task paramete r s changed   0~1  0 or 1   Task t y pes chan ged  0~1  0 or 1       Re-plan n ing t r igge r receives the  re sult  of  situation  reasonin g . When the follo wing fo ur  sort s event (not limited) h appe ned, the  re-pl anni ng  trigge r will b e  trigged. First  one is that the  planni ng mo nitoring o b se rve the plan  prog re ss ha s  large d e viation with the o r iginal pl an; the  se con d  on e i s  that the  external  en ciron mment o r   task target ha s  cha nge d; the  third o ne i s  t hat  the internal  status of AUV chan ge a lot ,  the  task ca n impleme n t anymore; the last one is a n y  unpredi ctable  events hap p ened.     3.2. Hierarch ical Re-pla n n ing La y e r     Missio n   re -pl annin g  i s  im plemente d  m a inly  be ca use the  missio n target  has  cha nge d   whi c h may  caused by op erato r s th rou gh the u s e r   interface al so be cau s e t hat the plan ning  monitori ng m odule fo und t he statu s  of  AUV ha s diffe rent  with the  origin al an d  then dete r mi ne if  missi on  re -pl annin g  shoul d be im plem ented. Be si d e s  a bove, wh en  the enviro n ment whi c h the  planni ng relie s on  ha s be e n  ch ang ed,  missi on  re-pl annin g  will al so b e  exe c ut ed. Ne w mi ssion   planni ng ca n  improve AUV’ s efficien cy.  Task re-plan n ing i s  carrie d out mainly  becau se the  missi on  re-pl annin g . But missi on  re- planni ng  will  spe n t mu ch  times and  e n e rgy. In  ord e r  to i m prove  system  flexibi lity and  rea c ti on   spe ed, task re-pla nnin g  lo wer tha n  mission re-plan n ing is al so ne eded. When t he statu s  of AUV  or environme n t chan ge s a little, task re-planni ng is e noug h.   Behavior  re-p lannin g  is the  lowe st level for re -pla nnin g . When it re ceive the  co mmand  from mi ssi on  re-plan n ing  a nd task  re-pl annin g . It will adju s t the b ehavior  or  action se que nce to  finish  ne w ta sk. A nothe r  situation i s  tha t  whe n   im ple m enting  the  origin al a c tio n  with  no   cha nge   can not finish  the sub - task,  the behavio r re-pla nnin g  wil l  also sta r t       4. Experiment  The exp e rim ent is u s ed  to dem on strate s the  a d vantage  fro m  propo se d  co ntrol   architectu re. Experiment s inclu de com m on navigati on, navig aito n in  cu rrent, static ob sta c le   avoidan ce a n d  target un re ach. A co ntra st experim ent  is also impl e m ented.    Navigatio n in  uncertain  u nderwate r e n v ironme n t is familiar. Th e Figu re 5  show th e   AUV’s navig a t ion without u n ce rtain even ts.          Figure 5. AUV’s Navigatio n in Und e rwa t er Environm ent  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 6, June 20 14:  4596 – 4 602   4600 Whe n  the r e  a r e  ob stacl e s.  The  co ntrol  a r chite c tu re  wil l  sta r t the  mission  re-pl anni ng a n d   carry out the  obsta cle avoi dan ce, at the same  time s  the AUV deviates from the  predet ermin e d   route an d fart her a w ay, se e as Figu re 6.           Figure 6. AUV Obsta c le Avoidan ce         A cont ra st na vigation expe riment i s  al os  pro p o s ed  in  Figure 7. T h e  left one i s   used th e   control archit ecture presen ted in the pap er for mi ssio n  re-pl anni ng.           Figure 7. Con t rast Navigation Experime n t      Navigation in current is  shown  in Figure 8. The control ar chitecture will carry out th e   missi on re-pl annin g .         Figure 8. Nav i gation in Current   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     De sign a nd Im plem entation of Universal  Serial Bus T r anscei v e r  wit h  Verilog (Liq un Xu)  4601   Ran dom  ob stacle s a ppe ared event i ndi cate s t he  dist ances f r om  o b sta c le s is le ss than    s a fe  dis t anc e , whic h is  threat toAUV.   AUV is more  cl oser to  obstac les, the hi gher the probability  of rand om o b s tacl es  app e a red  event h appe ned i s .  The  control a r chite c tu re d e tecte s  the e v ent  and trigg e ts  missi on re-pl annin g , see a s  Figu re 9.           Figure 9. Ran dom Ob st a c les Appe ared  Event      Key point un rea c he d eve n t mean s tha t  AUV can n o t rea c h the  target point  whi c h is   covered  by o b sta c le s, or i n valid pla nni ng a c ti on s. It will ge nerate  uncertain  eve n t and tou c h   off  the mission re-pla nnin g , and re -pla n an other pla n  to achi eve other target, see a s  Figu re 10.           Figure 10. Key Point Unrea c he d Event      5. Conclusio n   In the pa per, we p r e s ent  novel  control ar chite c ture for  re-plan n ing of  auto nomo u s   unde rwater v ehicl e. Prelim inary version s  of  the archi t ecture  have  been inte grated and  analy s is  in a marin e  simulation  environ ment.  The re su lt  demon strates the benefits of the co ntrol  architectu re  with re -pla nni ng feature. F u ture work wi ll focus o n  the real ma rine  environm ent  to   verify the pra c ticality and e fficiency of this pro p o s ed  control a r chite c ture.       Ackn o w l e dg ements   This work was finan cially  suppo rted b y  the National Natural Scien c e Fo un dation of  Chin a (No.60 9750 71) a nd  (No.6 110 000 5).       Referen ces   [1]  Muhamm ad N a siru ddi n Mah y u d d i n, Moh d   Rizal Ars h a d .  Classes  of Co ntrol Archit ectu res for AUV: A   Brief Survey.  I n ternati o n a l C onfere n ce  on  Und e r w ater S ystem T e chnolo g y :  T heor y  an d App licati o n s   (USYS08). Bal i .  2008.   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 6, June 20 14:  4596 – 4 602   4602 [2]  DP Eickstedt, Scott R.  The  backse at control arch itecture  for  autono mo us robotic ve hi cles: A cas e   study w i th the Iver2 AUV.  OCEANS 2009,  M T S/IEEE Bil o xi - Mari ne Technology   for Our Future:   Globa l an d Loc al Ch all eng es. Bilo xi. 2 009; 1- 8.  [3]  Lei Z h an g, Da -pen g Ji ang, J i n-xin Z h ao. T he Ba sic  Co ntrol S y stem  of a n  Ocea n E x pl oratio n AUV .   Appl ied Mec h a n ics an d Materi als.  201 3; 411- 414: 17 57- 176 1  [4] R  Arkin.  Editor s.  Behavior-B a s ed Ro botics.  Boston  MA: MIT  Press. 1998.  [5]  Narcis P a lom e ras, Andr es El-Fakdi, Marc  Carrera s, P e re  Rida o . COLA 2 :  A Contro l Ar chitecture  for   AUVs.  IEEE Journa l Of Oceanic Engi neer in g.  2012: 3 7 (4): 6 9 + 5 -71 6 .  [6]  Lili  Yi n , Rubo   Zhang, Hen g w e n   Gu.  Situ ation re ason in g for an adj ustabl e auto n om y  s y stem.   Intelli gent C o mputin g an d Cyb e rnetics.  20 12;  5(2): 226-2 38.     Evaluation Warning : The document was created with Spire.PDF for Python.