一种基于地轴投影的二维重力匹配方法

惯性/重力匹配组合导航是实现水下航行器长航时、高精度、高隐蔽性航行的有效途径。为了提高初始定位误差较大情况下匹配算法的有效匹配率,通过分析目前重力矢量测量的难点,提出了一种基于地轴投影的二维重力匹配导航方法。并建立二维重力异常数据库,利用惯导提供的纬度信息将重力仪测得的重力异常进行分解,设计了二维重力匹配的V-ICCP算法。3条初始水平定位误差为6海里的仿真航迹试验结果表明,所提方法适用于初始定位误差较大情况下的匹配定位,V-ICCP算法的有效匹配率较ICCP平均提高了10%以上,为重力匹配问题的解决提供了一种新的思路。     

实时ICCP算法重力匹配仿真

利用地球物理场进行辅助匹配导航是组合导航技术研究领域的新方向,该技术为水下潜器无源定位提供新的手段.迭代最近等值线算法作为重要的匹配导航算法之一,但存在实时性不强、搜索速度慢等缺点.考虑到以上两方面缺点,采用固定初始序列长度的方式对算法采样结构进行改善并推导出单点迭代公式,同时采用滑动窗搜索方式缩小搜索范围提高算法速度,最终实现实时ICCP算法设计.基于MATLAB平台下实现了实时ICCP算法重力匹配仿真系统,仿真系统采用0.4′×0.4′重力异常数据库.由仿真结果可以看出,该实时ICCP算法能够实现单点迭代,匹配结果能实时跟踪真实航迹且匹配精度能达到一个重力图网格.     

基于A~*算法的重力辅助导航航迹规划

根据重力辅助导航航迹规划的特点,对经典A*算法启发函数进行了修改,改进A*算法通过重力坡度值表示重力导航启发信息,使用自适应确定对应阈值,增加预处理步骤以解决任意起始点和终止点的航迹规划问题。A*航迹规划算法能够根据重力信息分布情况调整航迹,使得规划的航迹重力导航信息更加丰富。重力相关匹配结果表明:跟随改进A*算法航迹的导航平均定位误差比跟随未规划航迹的小,改进A*航迹规划算法能够提高重力辅助惯性导航精度。     

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。     

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。     

局部连续场下重力辅助导航模型构建算法

为了研究高精度的重力辅助导航模型以克服传统模型的局限,必须建立精度高且具有良好解析性质的局部重力异常场解析模型,同时考虑模型误差方程中的重力精准补偿问题。针对二维高斯样条函数逼近局部重力异常场中的局部支撑参数选择问题,通过对所涉及的系数矩阵、解误差、插值模型精度评估等问题进行分析,提出了一种新的最优局部支撑参数计算方法;基于此提出了一种高精度的基于高斯插值的重力辅助导航模型构建算法,该精准模型补偿了重力扰动矢量、标准重力值误差、厄特弗斯修正计算值对导航模型的影响。实验结果表明利用新型重力辅助导航模型构建算法,可使辅助导航系统位置精度提高1倍左右,姿态、速度精度提高1²倍,定位误差保持在1002倍,定位误差保持在100²00 m。     

基于地速分解的高精度捷联惯性导航算法

传统的捷联惯性导航算法求解比力积分项采用了一阶近似方法,近似误差对高精度导航应用的影响是不可忽略的。为消除近似误差,提出了一种改进的捷联导航算法。在惯性坐标系中,将地速分解为比力地速与重力地速两部分,求出了能够完全补偿动态误差的比力积分变换项解析表达式,在此基础上得到了比力地速的精确解,并将其求解方法扩展应用于重力地速,在不改变传统导航算法实现框架的前提下,设计了高精度的捷联惯性导航算法。改进导航算法的精度与对偶四元数导航算法一致,而其实时性却与传统导航算法相当,获得了整体性能上的优势。     

基于罗经/DVL/USBL组合导航系统的DVL在线标定算法

针对ROV在大深度水下工作环境中由于DVL刻度因数误差和安装角度误差引起导航精度降低的问题,提出了一种基于罗经/DVL/USBL组合导航系统的DVL误差参数在线标定算法。分析并建立了DVL误差参数向组合导航定位误差的传播模型,将DVL的刻度因数误差和安装角度误差引入基于USBL位置观测的卡尔曼滤波组合导航迭代中,使ROV在获得组合导航输出的同时实现DVL的在线标定。仿真与海试结果表明,所提出的算法能够在输出高精度组合导航位置的同时进行DVL的有效标定,在理想条件下,组合导航终点定位误差仿真结果能够达到0.01%航程,具有较高的导航定位精度、DVL误差参数估计精度和算法稳定性。     

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。     

重力匹配导航要素影响机理建模与试验验证

从重力匹配导航应用要求出发,研究了重力信息误差组成、特性与重力场分布特点,提出了匹配影响要素平衡关系以及匹配定位误差数学模型。选取典型重力特征区域,仿真验证了匹配要素对定位误差的影响关系模型。实船匹配导航试验数据和单项要素误差影响仿真表明,15条航迹船载重力匹配定位精度与模型预测结果符合,重力仪和惯导误差单一要素对匹配误差的贡献度基本相当,验证了重力匹配导航系统配置的合理性以及重力匹配误差模型的有效性。为重力匹配导航的应用奠定了理论和试验基础。     

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。     

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。     

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。     

Optimal input design for hydrodynamic derivatives estimation of nonlinear dynamic model of AUV

Input design has a dominant role in developing the dynamic model of an autonomous underwater vehicle (AUV) through system identification. Optimal input design is the process of generating informative inputs that can be used to provide a good-quality dynamic model of AUV. In this paper, amplitude-modulated pseudo-random binary signal (APRBS) inputs are optimally designed in order to estimate the hydrodynamic derivatives of an AUV’s nonlinear dynamic model. The input controls are designed so as to minimize uncertainty in estimating hydrodynamic derivatives. The employed approach can design multiple inputs and apply constraints on an AUV system’s inputs and outputs. The genetic algorithm is utilized to solve the constraint optimization problem. The presented algorithm is used for designing the input signals of Hydrolab300 AUV, and the estimation obtained by these inputs is compared with that of zigzag maneuver. According to the results, the designed APRBS inputs improve the uncertainties that exist in estimating hydrodynamic derivatives better than zigzag inputs.     

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。     

多自由度仿生推进系统的CPG控制

为了提高航行稳定性和机动性而设计的四尾鳍组合推进水下航行器,尾鳍运动自由度众多且相互耦合,稳定且快速的控制方案对提高航行器的整体性能至关重要。本文根据尾鳍运动特点,建立了中枢模式发生器(CPG)模型,协调控制8个驱动舵机,实现巡游、倒退、偏航、俯仰等各种航行状态下尾鳍的组合运动;通过陀螺仪监测航行器的偏航角与俯仰角,形成反馈信号引入CPG模型,对尾鳍运动进行反馈控制,进一步提高了航行稳定性。     

水下地形匹配置信度算法与仿真

水下地形辅助导航的关键在于地形匹配,匹配定位的一个重要问题就是匹配结果是否可靠。从影响匹配结果的另外一个重要因素地形导航信息量出发,选取了地形高度标准差、信噪比、地形熵、相似度4个特征向量来判定匹配结果的置信度。仿真结果表明,当水下航行器进入地形信息丰富(置信度高)的区域后,地形辅助导航系统可靠性比较高,位置误差从3〞降低到1.5〞以内,为水下航行器导航提供了可靠的位置信息源。     

Design of a steering control law for an autonomous underwater vehicle using nonlinear $$\mathscr {H}_{\infty }$$ state feedback technique

This paper proposes a new robust nonlinear \(\mathscr {H}_{\infty }\) state feedback (NHSF) controller for an autonomous underwater vehicle (AUV) in steering plane. A three-degree-of-freedom nonlinear model of an AUV has considered for developing a steering control law. In this, the energy dissipative theory is used which leads to form a Hamilton–Jacobi–Isaacs (HJI) inequality. The nonlinear \(\mathscr {H}_{\infty }\) control algorithm has been developed by solving HJI equation such that the AUV tracks the desired yaw angle accurately. Furthermore, a path following control has been implemented using the NHSF control algorithm for various paths in steering plane. Simulation studies have been carried out using MATLAB/Simulink environment to verify the efficacies of the proposed control algorithm for AUV. From the results obtained, it is concluded that the proposed robust control algorithm exhibits a good tracking performance ensuring internal stability and significant disturbance attenuation.     

遗传优化小波神经网络在组合导航系统中的应用

实时性是组合导航系统的一个重要指标，而神经网络的优化学习问题是决定网络效率的关键技术。遗传优化小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力，而且具有遗传算法全局寻优的特点，是多层前向神经网络学习的一种理想算法。将它应用于组合导航系统中并进行了仿真，结果表明，该算法能够根据实际情况自适应确定网络结构，实时性好，精度与常规方法相当。