高级进修项目1,500 小时 · 在线 · 11 个模块
水下机器人与海洋无人机工程高级进修项目
本高级进修项目使你掌握海洋无人机与水下航行器的建造、编程与操作。你将学习电子、控制软件、传感器与数据传输，最后学习任务规划与维护。
学时1,500 h
形式在线
开课12月1日
模块11
课程诊断
基础知识自测
以下是本课程将帮助您掌握的能力。勾选您已经掌握的项目，我们会告诉您哪些课程内容最适合您。
您的诊断结果
6/ 6 项待提升
您在该领域从零起步。本课程正是为此而设计。
课程简介
水下机器人与海洋无人机工程高级进修项目是什么？
水域环境中的探测与作业是一个正在快速发展的领域。本高级进修项目教你建造、编程和操作 ROV（遥控潜水器）与海洋无人机，应用于检测、维护、科研与救援。项目还培养你在自主导航、水下图像处理及复杂机器人系统控制方面的能力。
项目的最终目标是培养你引领新一代海洋机器人工程师。
课程类型高级进修项目
形式在线
学时1,500 小时
模块11
开课12月1日
课程亮点
- 水下机器人：用于海洋环境探测与维护的机器人的设计、建造与操作。
- 海洋无人机：专攻面向海事应用的无人航空器。
- 关键技术：计算机视觉、自主导航、水下通信与控制系统。
- 动手实践：面向行业挑战的实践项目与模拟。
- 职业方向：海上油气、海洋科研与基础设施检测等。
- 创新领导力：培养你运用先进技术引领海洋探测与管理。
课程大纲
水下机器人与海洋无人机工程高级进修项目课程大纲
共 11 个模块。选择模块即可查看具体内容。
模块 1
水下平台与海洋无人机的先进自主导航与自适应控制系统
- 1.1. 自主导航基础：定位原理、惯性传感器与基于事件的导航
- 1.2. 海洋无人机水下与空中动力学数学模型：运动方程与应用流体力学
- 1.3. 自适应控制系统架构：在线辨识、预测控制与变工况下的自整定
- 1.4. 多模态传感器融合：声呐、LIDAR、GNSS、IMU与摄像头数据的深度集成，以提高水下及海洋环境中的精度
- 1.5. 自主航线规划与优化算法：启发式搜索、强化学习与基于随机优化的控制
- 1.6. 深度神经网络与机器学习在非结构化动态环境中改进控制与适应能力
- 1.7. 不确定性管理与鲁棒性：在噪声与故障条件下保障安全导航的统计与概率方法
- 1.8. 实时导航系统：分布式架构、延迟最小化与水下通信协议
- 1.9. 姿态与深度控制：先进PID控制器、自适应控制及模糊逻辑方法的设计与仿真
- 1.10. 模拟器与虚拟试验台：导航与控制算法的开发、实验验证与基准测试
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 2
面向自主水下航行器高级感知的声学与光学传感器集成与优化
- 2.1. 水下声传播的物理基础与理论：复杂海洋环境中的吸收、反射、折射与散射
- 2.2. 声学传感器的类型与特性：水听器、主动与被动声呐、声学阵列、多波束及三维声学成像系统
- 2.3. 水体环境中的光学原理：光吸收、衰减、散射以及浑浊度对水下光学传输的影响
- 2.4. 先进光学传感技术：多光谱与高光谱相机、水下激光雷达、立体视觉系统与水下摄影测量
- 2.5. 声学与光学传感器集成：提升态势感知及目标检测与分类精度的数据融合架构
- 2.6. 自主水下航行器（AUV）上声学与光学信号实时采集与处理的嵌入式系统设计
- 2.7. 组合传感器的建模与仿真：构建数字环境以评估不同海况与作业场景下的性能
- 2.8. 声学信号处理算法：自适应滤波、波束形成、相关分析以及水下声源定位与跟踪的高级技术
- 2.9. 水下图像与视频处理：光学校正、去噪、对比度增强与分割，用于水下场景的自动分析
- 2.10. 多传感器融合：用于声学与光学数据稳健集成的概率框架、机器学习技术与神经网络
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 3
面向水下平台与海洋无人机的自主导航、自适应控制与高级感知系统
- 3.1. 自主导航基础：水下环境中的动态定位与惯性估计原理
- 3.2. 无人海洋航行器自适应控制系统的设计与架构：建模、辨识与实时参数估计
- 3.3. 多模态感知高级算法：集成多波束声呐、水下LIDAR与光学系统，用于环境测绘与障碍物探测
- 3.4. 滤波器与数据融合技术：实现扩展卡尔曼滤波（EKF）、粒子滤波及机器学习方法以提高导航精度
- 3.5. 自适应控制的鲁棒优化：应对海洋环境不确定性与动态扰动的预测控制与基于模型的控制策略
- 3.6. 实时处理嵌入式系统架构：为能源受限的水下平台与海洋无人机选择微控制器、FPGA与DSP
- 3.7. 深度神经网络与强化学习在自动决策中的应用：在模拟器与真实环境中的设计、训练与验证
- 3.8. 水下及近岸先进导航技术：惯性导航、水声定位系统（LBL、SBL、USBL）及水面GNSS的应用
- 3.9. 用于数据收发的水下通信协议：声学调制、纠错技术与水下自组织网络
- 3.10. 自主系统的安全性与韧性：故障早期检测、功能冗余与恢复机制，确保持续运行
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 4
水下航行器的混合推进、能源管理与水下通信：ROV与海洋无人机的设计、仿真与认证
- 4.1. 水下航行器混合推进基础：热力学原理、电动机与内燃机、机械与电气集成。
- 4.2. 组合推进系统的设计与优化：部件选型、性能分析、功率平衡与能效。
- 4.3. 船载先进能源管理：高能量密度电池、超级电容器、燃料电池储能及海洋环境下的充电系统。
- 4.4. ROV与海洋无人机能量行为的动态建模与仿真：专业软件、环境与作业变量的集成。
- 4.5. 水下通信协议：声学、光学与电磁通信；技术、通信距离、延迟与带宽比较。
- 4.6. 协同作业通信网络设计：网络拓扑、路由、冗余以及恶劣环境中的网络安全。
- 4.7. 水下航行器认证的国际法规与标准：入级、实验室测试与实际工况试验。
- 4.8. 能源与推进系统的模块化、可扩展设计方法，便于维护、升级与工业化复制。
- 4.9. 关键参数实时监测的传感器集成：能量流、故障诊断、过载防护与热管理。
- 4.10. 高级案例研究：科学、军事与商业任务中混合系统的对比分析及其效率与续航成果。
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 5
复杂水下环境中用于勘探、检测与维护的自主混合系统设计与开发
- 5.1. 混合系统设计的高级基础：面向水下应用的机械、电子与软件集成
- 5.2. 自主控制架构：动态与非结构化环境中的建模、决策算法与导航系统
- 5.3. 专用传感器与执行器的设计与选型：多波束声呐、水下LIDAR、高光谱相机及集成惯性系统（IMU、DVL）
- 5.4. 在高衰减与水下声学噪声条件下，为混合航行器开发稳健的实时通信协议
- 5.5. 能源优化与电池管理：面向长时间作业的储能技术、能耗效率与能量回收
- 5.6. 混合系统动力学与行为的数值建模与仿真：CFD仿真与流固耦合分析
- 5.7. 实施先进人工智能与机器学习算法，用于模式识别、实时测绘及适应多变环境
- 5.8. 综合任务规划策略：从勘探到复杂水下基础设施的检测与预测性维护
- 5.9. 安全与冗余协议：在不利场景下设计容错关键系统与自主恢复机制
- 5.10. 实践案例：设计一套用于海底管道检测的自动混合系统，配备结构分析与异常检测工具
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 6
水下平台与海洋无人机的先进自主导航、感知与能源管理系统
- 6.1. 自主导航基础：水下平台与海洋无人机的运动学与动力学、高级数学建模与预测控制。
- 6.2. 同步定位与建图（SLAM）算法：集成多模态传感器，实时动态构建水下地图。
- 6.3. 高级感知：多波束声呐系统、水下LIDAR、高光谱相机与IMU惯性传感器的使用与标定，用于数据融合。
- 6.4. 传感器融合与信号处理：运用机器学习技术改进复杂环境中的探测、目标分类与噪声抑制。
- 6.5. 水声定位系统（USBL、LBL、SBL）及其与水面无人机GNSS的集成，确保深水自主机动的精度。
- 6.6. 水下声传播模型：分析衰减、折射与多径效应，以优化通信与定位。
- 6.7. 先进能源管理：设计与优化混合能源系统（高能量密度电池、燃料电池与海洋可再生能源），延长长时任务的自主续航。
- 6.8. 智能能源管理策略：用于无人平台实时监测、负载分配与延长使用寿命的自适应算法。
- 6.9. 实施冗余控制系统与能源安全协议，最大限度减少深水作业中的关键故障。
- 6.10. 数字环境中的仿真与评估：利用数字孪生进行行为预测、轨迹优化及多变条件下自主系统的验证。
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 7
水下平台与海洋无人机的集成自主导航、高级感知与能源管理系统
- 7.1. 自主导航基础：水下及海洋环境中自主系统的设计原则与控制算法，包括适用于无人航行器的运动学与动力学模型。
- 7.2. 集成导航架构与传感器：深入研究惯性传感器（IMU）、船用GNSS系统、多普勒传感器（DVL）、多波束声呐与声学传感器，实现实时数据融合与精确定位。
- 7.3. 高级估计滤波器：扩展卡尔曼滤波（EKF）、粒子滤波及SLAM（Simultaneous Localization and Mapping）算法的理论与实践应用，以改善动态及结构复杂环境中的感知与导航。
- 7.4. 高级感知：集成并处理来自光学（LIDAR、水下摄像机）、声学与磁传感器的数据，实现环境三维重建以及障碍物与目标的实时探测。
- 7.5. 信号处理算法：先进滤波技术、频谱分析、模式识别与机器学习，用于水下平台与海洋无人机的感知解释与自主决策。
- 7.6. 综合能源管理：设计与优化混合能源系统（锂电池、燃料电池、海洋可再生能源），采用智能用能与充电策略，延长航行器的作业续航。
- 7.7. 能源控制系统与智能电池：实时监测、负载均衡、预测性诊断与安全协议，最大化水下及海上空中平台的使用寿命与能效。
- 7.8. 水下与空中通信及遥测：适用于复杂物理环境的数据传输技术，包括水下声学、海事射频及自适应通信协议，以保障数据完整性与低延迟。
- 7.9. 以模块化架构集成导航与能源系统：开发可扩展、维护简便、可持续技术升级且不损失现场作业功能的模块化平台。
- 7.10. 仿真与现场试验：利用先进仿真环境与试验台，在多样作业条件与环境应力下验证自主导航、多传感器感知与能源管理系统。
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 8
自主水下航行器与混合式海洋无人机的模块化架构创新与智能设计
- 8.1. 模块化架构基础：适用于水下系统与混合式海洋无人机的理论、优势与标准
- 8.2. 面向自主性的智能设计：集成人工智能，实现动态海洋环境中的自适应决策与学习
- 8.3. 先进材料及其对模块化的影响：潜水航行器用复合材料、轻质合金与防污涂层
- 8.4. 模块间通信接口：CAN协议、工业以太网与水下声学通信系统
- 8.5. 分布式能源架构：混合航行器中的固态电池、模块化储能与智能能源管理
- 8.6. 模块化推进与混合系统：电动机与液压推进器的设计、优化与自适应控制
- 8.7. 集成传感与数据融合：声学、光学、化学与磁力传感器的模块化配置，用于高级导航与测绘
- 8.8. 模块化系统的功能冗余与容错：先进的诊断、恢复与预测性维护技术
- 8.9. 模块化架构的数字仿真与建模：CAD/CAE工具、数字孪生及真实水下条件下的性能分析
- 8.10. 实施水下物联网通信协议，用于混合自主航行器的实时控制、遥测与网络安全
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 9
面向水下环境自主航行器的先进导航、感知与能源管理系统
- 9.1. 水下导航基础：深水及多变水体环境中的物理原理与特定挑战
- 9.2. 水声定位系统：LBL（Long Baseline）、SBL（Short Baseline）与USBL（Ultra Short Baseline）的工作机制、精度与标定
- 9.3. 自主导航的多传感器集成：IMU、DVL（Doppler Velocity Log）、压力传感器与声呐的数据融合
- 9.4. 高级感知：多波束声呐技术、水下摄影测量相机及适用于水下航行器的激光雷达
- 9.5. 对声学与光学信号进行实时处理，实现浑浊水域中障碍物的探测、分类与测绘
- 9.6. 自主导航与控制算法：实现扩展卡尔曼滤波、SLAM（Simultaneous Localization and Mapping）及基于机器学习的导航
- 9.7. 海洋航行器的优化能源管理：适用于水下平台与海洋无人机的可再生能源储存与发电系统
- 9.8. 能源管理系统：实时监测、负载均衡以及应对故障或不利环境条件的缓解策略
- 9.9. 设计与配置稳健的电子架构，确保在水下压力与腐蚀条件下持续、冗余运行
- 9.10. 水下通信协议：用于高速、低延迟数据传输的声学与光学技术
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 10
水下航行器与海洋无人机的制造、测试与验证
- 10.1. 部件的快速原型制作与增材制造
- 10.2. 水密性与压力试验
- 10.3. 水池与试验池测试
- 10.4. 开阔海域现场试验
- 10.5. 导航系统验证
- 10.6. 能源续航测试
- 10.7. 硬件在环（Hardware-in-the-loop）与仿真
- 10.8. 故障与可靠性分析
- 10.9. 海洋无人机的认证与法规
- 10.10. 航行器技术文档
本阶段内容
136 h预计学习时长11 周周（按您的进度）模块 11
硕士毕业论文：面向深水勘探与维护的自主水下系统综合设计与认证
- 11.1. 毕业项目的定义与范围：适用于深水环境自主水下系统的目标、技术规格与法规要求
- 11.2. 自主水下机器人系统的概念设计与架构：传感器、执行器、推进系统及耐高压结构的选型与尺寸确定
- 11.3. 先进控制系统工程：设计复杂水体中的自主导航、定位与建图（SLAM）算法，以及应对环境变化的自适应控制
- 11.4. 水下通信系统集成：用于实时数据传输与远程控制的声学、光学与电磁技术
- 11.5. 水下航行器的仿真与动态建模：对水动力与能量行为进行数值与物理评估，以优化性能与续航
- 11.6. 安全与冗余协议的制定：风险分析、容错、自动恢复策略以及符合国际标准（ISO、IEC）的认证
- 11.7. 实施人工智能与机器学习系统，实现水下基础设施检测、勘探与维护中的自主决策
- 11.8. 借助自主海洋无人机的先进无损检测（NDT）方法：超声技术、水下LIDAR与机器视觉
- 11.9. 深海环境作业任务的规划与执行：后勤保障、风险分析、机器人单元的布放与回收规程
- 11.10. 水下机器人系统的认证与型式认可程序：技术标准、实验室与海上试验、性能验证与环境合规
本阶段内容
136 h预计学习时长11 周周（按您的进度）规划学习节奏
水下机器人与海洋无人机工程高级进修项目的学制与学习形式
课程共 1,500 小时。告诉我们您每周能投入多少小时，我们会算出您实际完成的时间。
4 h30 h
每周学习 12 小时
29
个月即可完成
125 周
周（总计）
大多数学员以这一节奏完成课程，与分期付款计划十分契合。
师资团队
学术管理与师资团队
Navalis 教学团队：由仍在一线工作的业内专业人士授课并指导各项课程。
Dra. Marina Alcover学术总监兼质量保证负责人
Ing. Diego Cifuentes船舶焊接与无损检测高级讲师；焊接接头 QA/QC 负责人
Cap. Javier Abaroa (MCA)船舶操纵、电子航海（ECDIS/雷达/ARPA）与 GMDSS 高级讲师；STCW 合规与驾驶台资源管理协调人
Dr. Pau Ferrer船舶设计与仿真高级讲师；水动力学与 CFD 实验室主任
Dra. Nuria Llobregat海洋气象、SAR 与作业安全高级讲师；航行风险管理协调人
Ing. Javier Bañuls电气工程、自动化与 ETO 工程高级讲师；电子集成与机舱报警系统协调人
Ing. Sofía Marquina材料、复合材料与防腐高级讲师；先进涂料与涂层方向协调人
Ing. Tomás Riera推进系统、替代能源与混合动力系统高级讲师；能效与振动协调人培养目标
水下机器人与海洋无人机工程高级进修项目的培养目标
01开发自主水下机器人系统。
02设计和操作无人水下航行器（ROV 与 AUV）。
03按时、按预算管理水下机器人项目。
04实施水下基础设施检测与维护的创新方案。
05分析海洋数据以优化水下机器人任务。
06在水下探测与救援项目中领导多学科团队。
职业发展
水下机器人与海洋无人机工程高级进修项目的就业前景
常见问题
关于水下机器人与海洋无人机工程高级进修项目的疑问
水下技术。
是的。课程包含ECDIS/Radar-ARPA/BRM训练，涵盖港口、大洋、雾航、恶劣天气和SAR等场景。
在线授课并配有直播课程；可通过合作协议选择混合模式，参加模拟器训练或实习。
两者兼顾。
建议具备SMCP实用水平。我们提供标准航海用语方面的辅助学习资料。
可以，只要具备相关学历或海事/港口运营经验。入学面试将确认您的背景是否匹配。
可选（3–6个月），通过“企业与合作”项目及校友网络安排。
模拟器实操（评分量表）、航次计划、SOP、检查表、小测验以及应用型硕士毕业论文。
在线申请
入学流程
无需等待回电。材料齐全的话，您可以在同一次操作中完成报名。
入学要求
- 学历或职业背景：工程（电子、机械、计算机等）、理科（物理、数学等）或相关专业学位。亦接受可证明的机器人、船舶工程或无人机操作从业经验。
- 技术知识：扎实的编程（Python 与 C++）、嵌入式系统、自动控制、信号处理与通信能力。具备机器人、计算机视觉、传感器与执行器经验者优先。
- 语言能力：高级技术英语（B2 或以上），以便阅读技术文档、参与国际项目并查阅专业文献。
- 材料：最新简历、学历证书复印件、成绩单、身份证件或护照，以及说明你对本项目兴趣及职业期望的动机信。
- 在线学习技术要求：配备摄像头和麦克风的电脑、高速网络连接、最新软件，并能运行仿真与 CAD 工具。
- 01提交申请填写个人信息、教育与工作背景并上传材料。
- 02即时审核我们核实材料是否完整、合规。
- 03完成注册选择全额支付或分期付款，锁定您的名额。
开始申请首付低至 ¥ 4,780
在委员会审核所提交材料之前，录取为临时录取。如不符合入学要求，将全额退款。