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。     

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。     

一种惯性/水声单应答器距离组合导航方法

惯性/水声单应答器距离组合导航方法为自主水下航行器(AUV)校准提供了一种新途径。针对惯性/水声单应答器距离组合导航系统,建立了AUV三维空间运动学模型,对单应答器距离变换位置非线性系统采用李导数方法进行了可观测性分析,设置了合理的载体航行轨迹,位置组合导航算法中采取了延时状态滤波方式实现了量测信息的同步更新。湖上实验表明,采用单应答器距离组合导航方法后,明显地抑制了INS/DVL导航误差的发散趋势,最大定位误差减小幅度约为19.2%,初步验证了惯性/水声单应答器距离组合导航方案的有效性,为解决AUV导航设备水下校准提供了可能。     

AUV组合导航系统信息匹配的可观测度

针对自主水下潜器（AUV）导航的特点和需求,设计了一种捷联惯导／多普勒／磁罗经／地形匹配组合导航系统（SINS／DVL／MCP／TAN）,同时对AUV组合导航的两种信息匹配方式进行了基于动态系统奇异值分解的可观测度研究以评估该组合导航的Kalman滤波的估计能力。可观测度研究结果说明该组合导航能显著提高AUV的航向角误差和位置误差的可观测度,从而可以提高AUV的航向和位置精度。Kalman滤波的仿真结果验证了该结论的正确性,表明了该细合导航系统的Kalman滤波的估计能力强,能够得到较高精度的位置、速度和姿态信息,可以满足AUV长时间远距离导航的需要。     

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。     

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。     

一种基于自适应神经模糊推理系统的多AUV协同定位方法

针对多自主水下航行器(AUVs)在恶劣水下环境通信数据包丢失的情况,提出了一种基于自适应神经模糊推理系统(ANFIS)的多AUV协同定位方法。将传统的扩展卡尔曼滤波(EKF)与ANFIS相结合。在协同定位系统正常通信时,跟随AUV的位置由EKF估计得到,并利用该阶段收集的数据对ANFIS模型进行训练;当通信包丢失时,ANFIS进入预测过程,ANFIS根据输入数据预测跟随AUV的位置。利用湖试数据验证了所提方法的有效性。实验结果表明,当通信包丢失时,ANFIS能够根据输入数据有效地预测AUV的位置。在通信包丢失时,所提方法平均定位误差与无ANFIS辅助的EKF滤波比较,平均定位误差减小78%,均方根误差减少77%,具有更好的准确性和稳定性。     

基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）

为了避免被动跟踪中非线性带来的计算复杂化及跟踪精度的下降,提出将平方根无迹卡尔曼滤波平滑算法(SR-UKFS)应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel(RTS)平滑算法将平方根无迹卡尔曼滤波(SR-UKF)作为前向滤波算法得到的目标状态估计向后平滑,得到前一时刻目标状态估计,再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确,从而进一步提高了目标跟踪的精度。最后,通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了对比分析和验证,仿真结果表明在相同条件下,SR-UKFS算法能减少59%的位置误差和54%的速度误差,SR-UKFS算法应用于水下纯方位目标跟踪系统是有效的,为水下纯方位目标跟踪系统的工程实现提供了非常有价值的参考。     

基于仿射修正技术的水下地形ICCP匹配算法

ICCP匹配算法是水下组合导航系统中最为重要的匹配算法。针对传统ICCP匹配算法存在仅对水下航行器惯性导航系统指示航迹作旋转和平移的刚性变换的局限性问题,为提高水下航行器地形辅助导航系统中匹配算法的精度,分析了水下航行器惯性导航系统误差特性,建立了误差模型,提出了基于仿射修正技术的水下地形ICCP匹配算法。首先利用ICCP匹配算法对惯性导航系统指示航迹进行刚性变换,再利用最小二乘法求解仿射参数,进而对ICCP匹配航迹进行仿射修正。仿真研究表明,基于仿射修正技术的ICCP匹配算法能较好地解决传统ICCP匹配算法刚性变换的局限性,匹配精度优于传统ICCP算法,匹配误差小于数字地图网格间距的50%,同时仿射修正所耗费时间极少,所增加的时间仅为传统ICCP匹配算法匹配时间的千分之一。     

信息融合技术在水下组合导航系统中的应用

以捷联惯性导航系统作为组合导航系统的主导航设备,地形匹配、多普勒测速仪等为辅助导航设备,分析了S1NS、DVL以及地形辅助导航系统等的工作原理并建立输出误差模型,利用联邦Kalman滤波技术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,并进行计算机软件仿真实验.仿真结果表明:使用联邦卡尔曼滤波的水下组合导航系统导航状态输出精度满足水下航行器高精度高可靠性的要求.该水下组合导航系统能够得到较高精度的位置、速度和姿态信息,提高了水下航行器远距离长时间导航的精度.