L'argomento principale di questo lavoro di tesi e lo studio di algoritmi cooperativi per la stima
di grandezze oceanograche misurate puntualmente da una squadra di veicoli subacquei
autonomi. In particolare si è utilizzata una versione del filtro di Kalman esteso accoppiata
a un algoritmo di controllo di formazione.
La struttura del progetto è articolata in sei capitoli, dopo una prima introduzione sull'Autonomous
Ocean Sampling Network (AOSN) con la presentazione delle sue proprietà e dei
possibili problemi di studio che saranno affrontati.
Nel primo capitolo è mostrato il modello del sistema AOSN nella rappresentazione di stato
partendo dallo sviluppo in serie di Taylor delle misure eettuate dagli AUVs, della formazione,
in un generico campo di esplorazione 2D.
Nel secondo è effettuata una breve descrizione del filtro di Kalman che constituisce l'osservatore
ottimo di un sistema con uscite rumorose, ed adattato il metodo numerico del calcolo
di quest'ultimo al modello in esame del sistema AOSN.
Nel terzo capitolo è invece analizzato uno dei problemi dell'utilizzo di un'AOSN che corrisponde
nella scelta del posizionamento relativo degli AUVs che la compongono e nel controllo
dell'orientazione della stessa. Nella risoluzione è stato fatto riferimento ad una particolare
trasformazione di coordinate definita trasformata di Jacobi.
Successivamente, nel quarto capitolo, è implementato e simulato in Matlab, per il controllo
dello sterzo di una particella di massa unitaria, la legge dell'orientazione progettata per la
formazione.
Il quinto capitolo è dedicato alla definizione di un metodo numerico efficiente per la stima
dell'hessiana del campo di esplorazione.
Infine, nell'ultimo capitolo sono effettuate le simulazioni del sistema AOSN composto da
quattro veicoli AUVs, il filtro di Kalman e il metodo numerico della stima dell'hessiana
progettati nei precedentemente.