1. 课程导入与AUV仿真概览

自主水下航行器（Autonomous Underwater Vehicle，AUV）是一类无需脐带缆、依靠自身能源与控制系统在水下自主完成航行、探测与作业任务的无人潜航器。与遥控潜水器（ROV）不同，AUV 不依赖母船实时操控，其核心能力在于"感知—决策—控制"闭环全部在艇上完成。典型 AUV 由耐压壳体、推进与舵机系统、惯性导航与多普勒测速仪（DVL）、深度计、侧扫声呐或前视声呐、电池组与任务计算机组成。以常见的鱼雷形中型 AUV 为例，直径约 324 mm、长度 2～4 m、巡航速度 1～2 m/s、作业深度 100～300 m，这些量级参数决定了它的动力学特性与仿真建模的尺度。

AUV 的应用场景决定了仿真需求的多样性：海底地形测绘要求稳定的定高航行与侧扫声呐成像；水下管线巡检要求贴近管道的定距跟踪；海洋环境监测要求长航程的路径规划与能耗管理；军事与搜救领域则关注低噪声隐蔽航行与目标搜索。这些任务的共同点是——真实水下试验成本高、风险大、迭代慢。一次海上试验涉及船时、人员、布放回收与天气窗口，单次成本往往以万元计，而参数整定或控制算法的一次失败就可能导致设备丢失。因此，仿真成为 AUV 研发中不可替代的环节。

ROS2 与 Gazebo 在仿真中的分工

本课程采用 ROS2 与 Gazebo 组合构建仿真环境，二者职责清晰：Gazebo 负责"物理世界"，包括刚体动力学、浮力与阻尼、推进器推力、传感器物理模型（IMU 噪声、DVL 波束、深度计压力）以及水下环境（水体密度、海流、能见度）；ROS2 负责"信息世界"，以节点、话题、服务、动作的分布式通信机制组织感知、控制与任务逻辑，并通过 ros2_control 框架把控制器输出转换为 Gazebo 中的推力指令。二者通过 gazebo_ros 桥接插件交换数据，形成"控制器—执行器—传感器—控制器"的闭环。

上图展示了本课程贯穿始终的系统结构。需要特别注意的是闭环中的方向约定：本课程统一采用 AUV 机体坐标系——x 轴指向艇艏、y 轴指向右舷、z 轴指向艇底，原点位于浮心；世界坐标系采用 Gazebo 默认的 ENU（东-北-天）约定。所有推力、速度、姿态角的正负号均以此为准，后续章节不再重复说明。若在 Gazebo 中观察到艇体下潜时深度值增大，是因为深度计以"向下为正"输出压力深度，这与 z 轴向上为正并不矛盾，需在状态估计节点中做符号转换。

从"能跑起来"到"跑得可信"

初学者常把仿真理解为"让模型动起来"，但工程上真正有价值的是仿真可信度。一个可用的 AUV 仿真至少要在三个层面成立：几何与质量属性正确（否则浮力与姿态失真）、水动力参数合理（附加质量与阻尼决定响应快慢）、传感器模型带有真实噪声特性（否则滤波算法无法验证）。例如，若忽略附加质量，AUV 的纵向加速度响应会明显偏快，控制器在仿真中调好的增益搬到实艇上就可能振荡。因此本课程在建模阶段会明确给出参数来源与假设，并在结果分析中区分"仿真观测值"与"实艇预期值"。

课程目标与学习路径

完成本课程后，你应当能够独立完成以下任务：搭建含水下环境的 Gazebo 世界；用 URDF/Xacro 描述 AUV 并配置推进器与传感器插件；编写 ROS2 节点实现定深、定航向与航路点跟踪；用 rosbag2 记录并回放仿真数据；对控制效果做出定量判断。学习路径按"环境—模型—控制—任务—验证"推进：先打通 ROS2 与 Gazebo 的通信链路，再逐步增加物理真实度与任务复杂度。

最后给出一个贯穿课程的示例参数集，便于你在动手时有一个可对照的起点（以下为教学假设值，非实测）：艇体质量 45 kg、排水体积 0.046 m³（对应海水密度 1025 kg/m³ 时浮力约 461 N，略呈正浮力）、纵向附加质量取艇体质量的 0.1 倍、线性阻尼系数 20 N·s/m、单个推进器最大推力 30 N。用这些参数，你可以先估算稳态航速：当推力与阻尼平衡时 v = F/c = 30/20 = 1.5 m/s，与前述巡航速度量级吻合。这个简单估算会在后续章节被用来检验仿真结果是否"讲得通"——如果仿真中 30 N 推力跑出了 15 m/s，那一定是单位或阻尼参数出了问题。

带着这个闭环结构和一组可检验的参数，你就可以进入下一阶段的实际搭建了。