基于超短基线水声定位的USV/UUV协同导航方法

针对无人水下航行器(UUV)与无人水面艇(USV)协同作业时水下导航性能受惯导设备(INS)影响较大的问题,提出了一种基于超短基线水声定位(USBL)的USV/UUV协同导航方法。首先,以USV上的高精度INS和GNSS组合后的导航结果作为基准,利用USBL测量得到的USV和UUV相对位置和姿态,再结合UUV的INS误差方程,建立了INS/GNSS/USBL/INS滤波的状态方程和观测方程,实现了多源导航信息的融合,有效提升了UUV水下导航精度。其次,针对USV和UUV航行过程中USBL因存在信号盲区带来的两者无法通信、定位导致协同导航不稳定的问题,采用基于视线法的PID控制方法实时改变USV的航向和航速,保证了USV、UUV航行过程中两者始终处于水声信号有效的通信、定位距离和角度范围内。仿真和海上实验结果表明,UUV在与USV协同导航后的位置误差小于10 m;USV和UUV航行过程中,相对距离和角度保持在设定的USBL有效通信定位距离和角度范围内,距离误差小于15 m,角度变化小于1°,提出的方法可以使USV和UUV协同导航更稳定、连续。     

状态变换扩展卡尔曼平滑算法在AUV水下航迹修正中的应用

水下自主潜航器(AUV)在水下勘测过程中常采用定期上浮的方式利用卫星定位信息(GNSS)校正惯性/多普勒测速仪(SINS/DVL)组合导航造成的位置误差,并通过平滑算法校正之前计算的水下航迹。针对AUV上浮前的水下航迹矫正问题,提出一种基于计算地理坐标系的状态变换扩展卡尔曼平滑算法(STEKF-RTS)。首先推导状态变换扩展卡尔曼滤波器的系统误差状态方程,并分别以GNSS信息和DVL速度为观测信息构建量测方程,以此系统模型进行前向滤波。完成前向滤波后,即潜航器上浮GNSS校正完成后,采用RTS平滑算法对水下航行阶段的航迹进行修正。实验结果表明,STEKF相较于EKF能减缓位置误差积累,STEKF-RTS相比EKF-RTS平滑算法能够进一步有效校正航线误差,1 h上浮时间间隔情况下,勘测航迹精度可控制在0.5%D以内。     

基于SINS/DVL与LBL交互辅助的AUV水下定位系统

针对AUV水下定位系统存在的缺陷,设计了一种基于SINS/DVL与LBL交互辅助的AUV水下导航定位系统。系统由安装在AUV上的SINS、DVL、发声源及布放在海底已知位置的LBL水声定位基阵组成。SINS/DVL估计的位置信息既辅助到达时延差估计,修正声速,提高LBL定位估计的精度,又作为Taylor级数展开迭代法所需的迭代初始值,辅助LBL估计AUV位置。然后利用LBL系统估计的位置信息校正SINS/DVL的累积误差。仿真结果表明,当AUV靠近LBL基阵时,与传统方法相比,该系统能更有效地修正SINS/DVL系统的累积误差,使定位误差小于2 m,适用于水下定位导航。     

多传感器信息融合技术在水下组合导航系统中的应用

为了提高水下航行器组合导航定位的精度,采用SINS(捷联式惯性导航系统)、DVS(多普勒速度声纳)、TCM2电子磁罗经和GPS浮标组成新型水下航行器组合导航系统,分析了SINS、DVS、TCM2电子磁罗经和GPS浮标的工作原理以及建立了各自输出误差模型,利用联邦Kalman滤波对水下组合导航系统进行信息融合,建立了水下组合导航系统联邦滤波器的观测方程和量测方程,并进行了计算机软件仿真实验。仿真实验表明:使用联邦卡尔曼滤波的水下组合导航信息融合技术导航输出精度满足水下航行器高精度高可靠性的性能指标。采用了SINS,DVS,TCM2,GPS浮标以及联邦卡尔曼滤波的水下组合导航系统可以有效地提高水下航行器组合导航定位的精度和可靠性,从而增长了水下航行器水下作业时间以及提高了水下航行器的水下导航定位性能。     

基于因子图的AUV多传感器组合导航算法

针对自主水下航行器(AUV)多传感器组合导航系统中不同导航传感器信息更新频率不同步及其可用性动态改变问题,以及AUV所在水下复杂多变的环境与任务需求,提出了基于因子图的AUV多传感器组合导航算法。首先,对捷联惯性导航系统、多普勒计程仪、磁航向仪、地形辅助导航设备进行建模,构建基于因子图的AUV多源信息融合框架;然后,根据非线性优化理论对系统状态更新过程进行表示,实现变量节点的递推与更新;最后,采用因子图方法对融合数据进行处理,实现AUV多传感器组合导航系统的高精度导航。仿真结果表明,所提因子图方法能够连续稳定地输出较高精度的导航结果,有效实现惯性导航系统与不同导航传感器的非等间隔融合,与联邦卡尔曼滤波算法的导航解算精度相当,水平定位精度均保持在?5~+5 m以内,并且因子图方法具有更好的灵活性和扩展性。半物理仿真结果亦验证了所提方案的可靠性和有效性。     

基于惯导及水下声学辅助系统的AUV容错导航技术

由于GPS和无线电信号在水下衰减很快而无法使用,因此以惯性导航为核心,加以其它声学辅助导航设备的组合导航系统正适合水下航行器的使用环境。以捷联惯性系统/超短基线/多普勒测速仪/磁航向仪组合导航系统为研究对象,给出了联邦滤波结构,并利用?2残差检测法诊断出子系统的故障并进行系统重构从而不影响系统性能,最后对组合系统进行了仿真,成功检测出了超短基线系统定位故障并及时进行了隔离。姿态误差和速度误差在故障发生和消失时刻由于系统重构有轻微跳动,其它时刻均保持较高精度,当故障消失时位置误差又恢复到正常量级（5~10 m）。仿真结果表明,所提出的 SINS/水下声学辅助设备组合导航系统能够提供水下航行器精确的速度、姿态及位置信息,并能够正确及时检测并隔离故障。     

基于自适应滤波的水下SINS/相控阵DVL组合导航算法设计

针对远程自主水下航行器的远程性和自主性,加之水下环境复杂,其导航和定位的精度很难保证的特点,设计一种基于相控阵DVL的自适应滤波的SINS/DVL组合导航算法。基于相控阵DVL特点,推导了速度观测方程,并对降维滤波器进行了设计和时空误差进行修正。采用50型激光陀螺研制出工程样机,并进行了河试试验和海试试验,试验结果表明采用自适应滤波算法能够进一步提高SINS/DVL自主导航的精度,并且SINS/DVL自主导航精度优于2‰D(D为航程),为远程水下航行器提供一种自主好、精度高、价格适中的导航手段。     

基于协方差变换的INS/DVL全球组合导航算法

横坐标系下设计的惯性/多普勒测速仪(INS/DVL)组合导航滤波器可以满足无人潜航器(AUV)极区导航的需要,但在AUV进入、离开极区时导航坐标系的切换会引起滤波器结构变化,使系统的误差状态参数估计值产生震荡,影响导航精度。针对此问题,提出了基于协方差变换的INS/DVL全球组合导航算法,设计了横地理坐标系下的INS/DVL组合导航滤波器,并推导建立了地理坐标系与横地理坐标系下滤波器系统误差状态及其协方差矩阵的转换关系。AUV进入、离开极区过程中,导航坐标系切换时同时完成导航参数、滤波器参数的转换。通过船载实验与半实物仿真实验对所提算法的有效性进行了验证,结果表明：在导航坐标系切换过程中,协方差变换算法能够有效改善滤波器估计值不稳定问题,相比于无协方差变换,导航参数震荡误差减小50%以上,提高了组合导航系统稳定性。     

基于水平阻尼的星光/惯性组合校准技术

根据星光/惯性组合导航系统舰载使用特点,考虑以SINS、CNS、LOG三者组合,设计组合校准方案。在SINS/CNS/LOG组合过程中,利用惯导系统的短期高精度特性,设计基于水平阻尼的卡尔曼滤波器对惯导舒勒周期进行补偿。星光/惯性组合校准技术建立在水平阻尼基础上,借助星光导航的航向和位置信息完成惯导位置误差、失准角和陀螺漂移的修正,从而实现组合系统长航时、远航程高精度导航。最后通过仿真对比试验验证星光/惯性组合导航系统校准方案的有效性。仿真结果表明:SINS/LOG组合后,惯导24 h位置误差CEP≤1.48 n mile,且位置误差会随时间积累;而SINS/CNS/LOG组合系统采用星光信息24 h一点校方案,第一次和第二次点校后,48 h和72 h惯导位置误差CEP≤0.5 n mile。由此可见,采用星光信息后,该组合方案能够显著提高惯导导航精度,达到延长惯导系统重调周期目的。     

智能Kalman滤波在水下地形组合导航系统中的应用

为了避免现实环境的动态变化对水下航行器系统模型造成的随机干扰影响,保证水下航行器长时间导航精度的稳定性,提出了利用RBF神经网络辅助联邦Kalman滤波方法对SINS/TAN/DVL/MCP组合导航系统进行信息融合。给出了各子导航系统的误差模型,通过足够精度的样本对前向神经网络进行离线训练,建立神经网络控制模型。仿真结果表明,该方法可使水下航行器的系统状态在较短的时间内以较高的精度达到稳定。通过与联邦Kalman滤波结果对比表明,采用智能控制方法辅助的信息融合方式的导航定位精度提高了一倍,能有效提高常规联邦Kalman滤波器的自适应能力,达到减小误差,提高精度的目的。     

一种改进的水下三阵元辅助惯导系统的定位算法

针对水下惯导系统定位误差随时间发散的缺陷,设计了一种基于DVL、声学定位辅助惯导的组合导航系统。声学定位系统由安装在水下潜器上的换能器阵和布放在海底的三阵元定位基阵组成,传统长基线定位水下至少要布放四个阵元,三个阵元无法直接定位求解。根据三阵元测得的距离信息和惯导系统输出的位置信息建立距离耦合模型,给出了惯导、DVL和声学定位系统的状态方程和量测方程;同时针对水下声速垂直分布特性,提出了一种等效声速的修正方法。仿真结果表明:在三阵元定位基阵作用范围内,组合导航系统能有效修正惯导位置误差,定位误差小于4 m,具有良好的适用性。     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。     

信息融合技术在INS/GPS/DVL组合导航中的应用研究

为克服某船载导航系统不能满足长时间高精度导航定位需要的缺点,提出了一种基于信息融合技术的INS/GPS/DVL联邦滤波器组合导航方案.介绍了INS/GPS/DVL联邦滤波器的工作模式,在建立INS、GPS和DVL误差模型的基础上,推导了滤波器的组合形式,并详细阐述了该联邦滤波器的融合算法.通过计算机仿真技术分析了该组合导航系统的性能,仿真证明了所设计的联邦滤波器可以充分利用各种导航传感器的信息,提高导航系统的精度,比单独的惯性导航系统能提供更为精确的位置、速度和姿态信息,有效地提高了导航系统的综合能力.     

基于惯导及声学浮标辅助的水下航行器导航定位系统

针对纯惯导系统误差发散和无线电信号在水下衰减快从而无法精确定位的问题,设计了一种基于声学浮标辅助惯导的水下定位系统,该系统由惯导系统和声学定位系统组成,其中声学定位系统由若干个浮标构成水听器阵,浮标的经纬度坐标由GPS提供,浮标完成对接收到的声源信号的处理,利用互相关测时延差的方法来进行定位。由于水下噪声、混响等因素会造成接收到的多路声信号出现模糊互相关峰,因此对接收信号应进行频域加权处理。最后利用声学系统的定位信息来校正惯导的误差。仿真结果表明:与基本互相关方法相比,加权处理能有效提高时延差的精度,所提出的惯导和声学浮标辅助设备导航系统能够使定位误差小于2 m,保证了水下航行器能够长时间在水下航行。     

航天测量船INS/GPS/DVL组合导航系统容错滤波方法

具有良好的容错性是航天测量船INS/GPS/DVL组合导航系统的基本要求.基于联邦卡尔曼滤波设计思想,在改进的无复式(No-Reset)卡尔曼滤波体系结构的基础上,设计了残差检验法实现组合导航系统的故障检测和隔离.该方法可以有效地对突变型故障进行检测与重构.仿真结果表明,对于GPS分系统的突变故障和慢变故障的检测与重构时间为6.12 s,而对DVL速度突变故障检测与重构时间为1.08 s,确保了联邦滤波的稳定性和高精度.     

惯性/重力匹配组合导航系统与可视化仿真

根据惯性/重力匹配组合导航系统的工作原理和特点,提出了基于 RANSA 思想的重力图匹配方法,采用此方法实现了重力图的鲁棒匹配。通过建立组合导航系统的数学模型,采用最优滤波技术实现了组合导航系统的信息融合。在此基础上,采用多种高级语言混合编程,设计实现了一套可视化的仿真软件,对该系统进行了可视化仿真研究。仿真实验结果表明,惯性/重力匹配组合系统相对于无辅助的惯性导航系统,其定位精度、速度精度均有较大的提高,也就是说采用重力匹配方法达到了校正惯导系统,实现高精度导航的目的。     

基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用

为提高水下SINS/DVL组合导航系统的精度,建立了捷联惯性导航系统(SINS)的非线性误差模型,并建立多普勒测速仪的误差方程,以SINS为主导航设备建立SINS/DVL组合导航系统模型。设计了5阶球面最简相径容积卡尔曼滤波器,采用了球面最简相径采样规则改进容积卡尔曼滤波,并应用于SINS/DVL组合导航系统中。通过数学平台仿真验证了5阶球面最简相径容积卡尔曼滤波方法有效性,仿真结果表明:该方法能够有效提高SINS/DVL组合导航系统的精度,且稳定性好。     

移动卫星天线指向矢量辅助组合导航系统方法

为弥补SINS/GPS组合导航系统姿态角误差可观测性差的缺陷,根据移动载体卫星天线捕获通信卫星后通过自搜索实现精确对准卫星的原理,提出增加天线指向矢量信息(SAPV)的方位角和俯仰角信息为系统观测量,用于辅助SINS/GPS组合导航系统.根据SINS/GPS组合导航系统数学模型对姿态角误差的可观测性进行了分析,并对SAPV与组合导航误差之间的关系进行了详细数学推导,证明了SAPV辅助组合导航系统的可行性,建立了SAPV辅助组合导航系统的数学模型,采用联邦滤波器进行数据融合.仿真结果表明,SINS/GPS组合导航系统通过SAPV辅助,方位角误差估计精度提高了1个数量级,小于10′,水平姿态角误差估计精度略有提高,小于2 ′.该方法充分利用了天线通过自搜索完成精确对准卫星后的高精度指向信息,无须添加任何硬件系统,通过简单可靠的信息融合算法即可达到提高载体姿态测量精度的目的.