Tilbake til søkeresultatene

PETROMAKS2-Stort program petroleum

Autonomous subsea intervention (SEAVENTION)

Alternativ tittel: Autonom intervensjon subsea (SEAVENTION)

Tildelt: kr 10,0 mill.

Det er potensial for ytterligere verdiskaping i subsea petroleumsindustrien, men det er betydelige utfordringer som må løses. Subsea petroleumsanlegg blir utviklet for fjernere, dypere og kaldere områder, og næringen forventer at neste generasjon autonome ubemannede undervannsfartøy (ofte kalt "Unmanned Underwater Vehicle", UUV) vil "bo" ved slike undervannsanlegg. Riktig nivå av selvstendighet - eller "autonominivå" - for slike UUVer kan øke effektiviteten og sikkerheten til operasjoner, og et slikt autonominivå kan variere mellom og under operasjoner. Derfor er full autonomi (det vil si, full operatøruavhengighet) i mange tilfeller ikke et mål i seg selv - målet er å løse de rette oppgavene på riktig måte. Målet med SEAVENTION-prosjektet (autonome subSEA interVENTION) har vært å levere forskning og kompetanse som bygger på viktige områder for å gjøre det mulig for UUVer å forstå sitt miljø og operere på et riktig nivå av autonomi mens operatøren holdes i "loopen". Dette vil kunne danne grunnlag for økt effektivitet og sikkerhet for operasjoner subsea. For å oppnå dette, planla vi å bruke kamera og subsea 3D sensorer (sensorer som kan gi 3-dimensjonale data om UUVenes miljø) og utvikle metoder for at UUVer kunne utnytte disse dataene for å forstå deres miljø. Videre ville vi utvikle teknikker for automatisert planlegging slik at UUVene kan planlegge operasjoner på egen hånd basert på deres forståelse av deres miljø. Vi ville også undersøke bruken av forsterket virkelighet ("augmented reality", AR) for UUV operatørbeslutningsstøtte. Med forsterket virkelighet er det mulig å slå sammen video og bilder fra den virkelige verden med virtuelle bilder (for eksempel kunne vi vise statusen til en pumpe på toppen av et bilde av pumpen). Med kompetanse- og teknologiutviklingen i SEAVENTION har vi jobbet målrettet mot industriens behov for mer kostnadseffektive subsea-løsninger, økt konkurranseevne i petroleumsindustrien, økt sikkerhet og kompetansebygging tilpasset industriens behov. Maskinlæring og klassisk reguleringsteknikk: Vi har forsket på metoder for maskinlæring og klassiske styringsmetoder for UUV posisjonsholding og intervensjon. I tillegg har vi også undersøkt hvordan man kan kombinere maskinsyn og UUV-styring. For å sikre trygg UUV-bevegelser har vi foreslått en metode for å unngå kollisjon og med optimal baneplanlegging rundt hindringer. I tillegg har vi utviklet metoder for autonom griping under vann ved hjelp av en ny maskinsynsbasert avstandsberegning. Automatisert planlegging og handling: For at autonome UUV-er skal kunne utføre oppdrag effektivt, er det behov for oppgaveplanlegging og koordinering av dens oppgaver. I forbindelse med dette har vi utviklet et system for automatisk oppdragsplanlegging med samarbeidende UUV-er og testet dette i Trondheimsfjorden. Vi har også brukt to planleggingsrammeverk for automatisk planlegging og handling - også kalt AI-planlegging - til å implementere AI-planlegging for et undervannsinspeksjonsscenario analysert og formulert i samarbeid med industripartnerne. Undervannspersepsjon: UUV-er kan bruke persepsjon (dvs. å tolke sensordata) for å forstå og samhandle med omgivelsene. Det er imidlertid mange utfordringer for persepsjon under vann, slik som turbiditet (dvs. "mengde smuss") i vannet som forårsaker nedsatt sikt og refleksjoner. For å oppnå robust positur-estimering av objekter som UUV-ene kunne gjøre intervensjonsoperasjoner på, har vi utviklet og testet både markørløse tilnærminger og markørbaserte tilnærminger. Vi har utført kontrollerte eksperimenter med varierende turbiditet for å evaluere de foreslåtte systemene, og systemet har gitt 6-frihetsgrads positurestimat under utfordrende forhold. For å lette opplæringen av maskinlæringsbaserte persepsjonssystemer har vi også implementert en tilnærming for å samle inn og automatisk annotere undervanns 6D-positursestimeringsdatasett. Autokalibrering: Kalibreringskvaliteten til sensorer ombord på UUV-er er direkte knyttet til navigasjonspresisjonen. I forbindelse med dette har vi utviklet en algoritme for å kalibrere den relative posituren og tidsforsinkelsen mellom sensorer på en UUV. Augmented reality for operatørstøtte: Augmented Reality (AR) kan øke situasjonsbevisstheten til menneskelige operatører og støtte og holde dem oppdatert under operasjoner med UUV-er som opererer med varierende grad av autonomi. I forbindelse med dette har vi designet, implementert og testet flere konsepter for hvordan man bruker AR i intervensjonsoperasjoner. Equinor, TechnipFMC, Oceaneering, IKM Technology, NTNU og SINTEF er partnere i prosjektet. Prosjektet ledes av SINTEF. Prosjektnettsted: https://www.sintef.no/seavention

The background for the SEAVENTION project was a need in the oil and gas industry for higher level of autonomy in subsea inspection, maintenance and repair operations with unmanned underwater vehicles (UUVs). To meet this need, we have developed competence and methods for autonomous intervention and widely disseminated results. Thus, the results are in the public domain and may affect implementation of future industrial autonomous UUVs. The proposed methods are also applicable for UUVs in renewable energy (e.g., offshore wind), aquaculture (e.g., fish net inspection) and fisheries. A further effect of the project is an increased preparedness in the industry for uptake of autonomous UUV technologies. Moreover, the R&D partners can further steer research and teaching even better toward current and future industry needs. Manned surface vehicles involved in UUV operations can give high costs and environment footprint. The use of autonomous UUVs can reduce the use of such vehicles.

SEAVENTION addresses the goals of the PETROMAKS2 programme by researching and developing competence, novel methods, algorithms and technology for autonomous subsea intervention. The project will develop technology for advanced perception and planning with deep learning capabilities that enables Unmanned Underwater Vehicles (UUV) to perform light intervention tasks semi- or fully autonomously (e.g., cleaning, valve manipulation), while ensuring that operators are kept in the loop. To this end, SEAVENTION will deliver research and competence building on robust subsea perception with active 3D sensors, automated planning for UUV intervention procedures and augmented reality for UUV operator decision support. This is to meet the subsea industry's need for 1) more cost-efficient subsea solutions (autonomous UUVs, reduced need for surface support vessels), 2) increased competitiveness of Norwegian petroleum-related industry (enable them to offer the solutions of the future), 3) increased safety (less personnel offshore with autonomous UUVs, safe UUV operations, less dependence on highly skilled/experienced operators through new decision support systems) and 4) competence-building adapted to the needs of the industry. The main research challenges encompass 1) how to achieve robust 3D object detection and localization subsea, 2) how to merge high-level AI with low-level control for robust subsea intervention, 3) how to achieve dynamic UUV motion planning and decision making under uncertainty, and 4) how to achieve augmented reality for shared intervention control - in order to ensure the right level of autonomy and operator involvement in different subsea operations. Hence full autonomy / operator independence is in many cases not a goal it in self - the goal is to solve the right tasks in the right way. Project results will be tested and demonstrated in state-of-the-art lab facilities and we target also to do sea trials and demonstrations.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

PETROMAKS2-Stort program petroleum