洋流影响下基于运动矢径的AUV协同定位方法

针对水下自主航行器（AUV）协同定位受水下未知定常洋流影响的问题,给出一种洋流影响下基于运动矢径的AUV协同定位方法.利用AUV的运动学方程和基于运动矢径的量测方程,建立AUV的导航模型;通过扩展的卡尔曼滤波,设计了协同定位滤波算法;利用该算法对洋流速度进行估计,以补偿AUV定位误差.仿真结果表明,该算法能有效估计未知定常洋流速度的大小,并对AUV定位误差进行实时补偿,显著提高了AUV的定位精度.     

多AUV协同导航问题的研究现状与进展

自主水下航行器(Autonomous underwater vehicle, AUV)协同导航是未来50年解决水下中间层区域AUV导航定位的重要方法. 本文针对多AUV协同导航, 对该领域相关问题的研究进展进行了综述, 包括: 1)论述多AUV协同导航领域的研究现状, 包括协同导航问题界定、特点综述与讨论; 2)分析多AUV协同导航系统模型及相关算法的研究进展, 包括基于优化的、 基于参数估计的和基于贝叶斯估计的滤波算法; 3)对协同导航网络下的误差建模与补偿方法的研究进展进行了综述, 包括未知洋流的影响、水声通信延迟补偿等; 4)从影响协同导航定位精度的角度出发, 对AUV协同导航的可观测性与编队最优构型设计的研究进展进行了一系列的分析; 5)陈述目前多AUV协同导航中存在的关键问题, 并讨论其发展趋势.     

一种改进的多AUV协同导航数学模型

自主式水下航行器(Autonomous Underwater Vehicle,AUV)代表了未来水下航行器发展的方向,多AUV协同导航系统通过信息的共享,可以获得单AUV导航系统无法具备的优势。分析了多AUV协同导航基本原理和两种网络结构的优缺点,提出了一种新的改进的多AUV协同导航网络结构,并推导出了其运动模型和量测模型,为后续协同导航算法的研究打下了基础。     

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点.提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助.提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程.仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能.     

多AUV协同导航时间延迟误差机理分析与补偿算法

定位能力是自主水下潜器(AUV) 工作的基础, 多AUV协同定位相比单艇定位具有更多的优势. 但在多传感器信息融合时, 由于各传感器处理信息所用时间不同, 而且艇间信息传输需要时间, 导致滤波量测量存在延迟, 严重影响了协同导航的滤波精度. 为此, 首先对广播式协同导航时间延迟误差机理进行深入分析, 然后提出一种基于量测更新的协同定位方法, 最后完成了相应的仿真验证. 结果表明, 基于量测更新的协同定位方法大大提高了多水下无人艇协同定位精度.     

异时量测序贯处理的多AUV协同导航

利用多个体之间的相对信息提高个体的定位精度的协同导航是一个很值得探讨的问题。自治水下航行器（AUV）在移动长基线（MLBL）网络中获取各应答器的位置信息并解算出相对各应答器的距离量测后,再通过贝叶斯滤波算法集中式提高其定位精度。但是,集中式利用量测的方法没有考虑由于水下环境的宽广性和水下传感器的限制导致的声信号在AUV和应答器间的往返时间内AUV的移动和应答器间位置的差异所带来的影响。首先以并行滤波的形式总结了集中式扩展卡尔曼滤波（EKF）协同导航方法,并针对集中式利用量测的不利因素,提出了按照异时量测的产生顺序即时更新AUV状态的更有效的序贯EKF协同导航算法,最后在仿真中将两种处理方法进行了比较。     

基于移动长基线的多AUV 协同导航

基于扩展卡尔曼滤波（EKF）理论研究了多AUV 协同导航定位的移动长基线算法．移动长基线多AUV 协同导航结构中,主AUV 内部装备高精度导航设备,从AUV 内部装备低精度导航设备,外部均装备水声装置测量 相对位置关系,利用移动长基线算法融合内部和外部传感器信息,实时获取从AUV 的位置信息．建立了协同导航 系统数学模型,设计了EKF 协同导航算法,在各种测试情况下通过仿真验证了所推导的分析结果,对EKF 和几何 解方程算法的导航效果进行了比较．研究结果表明,以主AUV 作为移动的长基线节点时,通过EKF 算法可以显著 提高群体的导航定位精度．     

基于距离量测的双领航多AUV协同定位队形优化分析

利用领航与跟随多自主水下航行器(AUV)间相对距离量测信息进行协同定位,可有效提高多AUV编队整体定位精度.针对多AUV编队队形对协同定位性能所造成的影响,利用Fisher信息矩阵(FIM)行列式的对数构建协同定位性能评价函数,并通过评价函数的最大化实现编队队形的优化.分析并验证多AUV编队含有两个跟随AUV及两个以上跟随AUV共圆情况下的最优队形,并利用梯度下降算法进行迭代搜索,从而获得两个以上跟随AUV不共圆情况下的优化队形.最后,通过仿真实验结果验证结论的正确性及队形优化算法的有效性.     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.     

一种考虑洋流影响的AUV组合导航算法

针对由捷联惯导(SINS)、多普勒测速仪(DVL)以及深度传感器组成的自主水下航行器(AUV)组合导航系统,当DVL测量距离无法达到海底的情况下,洋流是该系统主要误差源之一的问题,在SINS/DVL组合导航算法的基础上,提出了一种在原算法中加入洋流信息提高系统导航定位精度的方法,并将以上两种导航算法解算出的AUV位置信息进行仿真对比,仿真结果表明:与未考虑洋流信息的算法相比,加入洋流信息的算法能够有效提高AUV的定位精度。     

基于多圆迭代和H∞ 滤波的捷联/天文定位算法研究

针对现有天文定位算法的缺点,提出一种多圆交汇迭代天文定位算法.该算法能够充分利用可观测恒星,同时能计算出定位误差协方差阵.针对提出的算法定位误差非线性的特点,提出了基于H∞滤波器的捷联/天文自适应组合导航算法,根据定位误差协方差阵实现量测自适应.仿真结果表明,天文定位算法模型准确,组合导航算法定位精度小于20m,定位误差稳定.     

A heuristic Kalman filter for a class of nonlinear systems

One of the basic assumptions involved in the "optimality" of the Kalman filter theory is that the system under consideration must be linear. If the model is nonlinear, a linearization procedure is usually performed in deriving the filtering equations. This approach requires the nonlinear system dynamics to be differentiable. This note is an attempt to develop a heuristic Kalman filter for a class of nonlinear systems, with bounded first-order growth, that does not require the system dynamics to be differentiable. The proposed filter approximates the nonlinear state function by its state argument multiplied by a particular gain matrix only in the recursion of the estimation error covariance matrix. Under certain conditions, the error covariance remains bounded by bounds which can be precomputed from noise and system models, and the upper bound tends to zero when the state noise covariance tends to zero. A numerical example, with backlash nonlinearity, is also added.     

基于极大后验估计和模糊控制的水下无源定位技术

针对高海况条件下因海流扰动的影响导致观测噪声方差未知时变的特点, 基于模糊控制技术提出一种基于FCMAP-UKF 滤波技术的水下无源组合导航系统状态估计方法. 该方法在滤波迭代过程中引入模糊自适应因子, 对未知观测噪声方差阵进行动态调节, 提高了系统的自适应能力和鲁棒性. 滤波结果表明, 该系统在达到传统方法精度的同时, 能够克服自主导航过程中不确定的噪声和随机干扰的影响而进行有效的定位导航.     

基于PC104的水下航行器导航系统设计

导航系统是水下航行器的重要组成部分，为了实现水下航行器的精确导航，采用了以PC104工控计算机为核心、GPS定位和惯性导航相结合的导航系统的改进方案，给出了导航系统的工作原理及基本硬件组成，介绍了惯性测量单元、GPS、电子罗盘等传感器与主控计算机进行通讯的各个软件模块的功能，并使用了异步卡尔曼滤波器进行数据融合与航位推算；该系统在提高导航精度的同时还具有通用性，可适用于不同类型的水下航行器。     

Terrain‐aided navigation for long‐endurance and deep‐rated autonomous underwater vehicles

Terrain‐aided navigation (TAN) is a localisation method which uses bathymetric measurements for bounding the growth in inertial navigation error. The minimisation of navigation errors is of particular importance for long‐endurance autonomous underwater vehicles (AUVs). This type of AUV requires simple and effective on‐board navigation solutions to undertake long‐range missions, operating for months rather than hours or days, without reliance on external support systems. Consequently, a suitable navigation solution has to fulfil two main requirements: (a) bounding the navigation error, and (b) conforming to energy constraints and conserving on‐board power. This study proposes a low‐complexity particle filter‐based TAN algorithm for Autosub Long Range, a long‐endurance deep‐rated AUV. This is a light and tractable filter that can be implemented on‐board in real time. The potential of the algorithm is investigated by evaluating its performance using field data from three deep (up to 3,700 m) and long‐range (up to 195 km in 77 hr) missions performed in the Southern Ocean during April 2017. The results obtained using TAN are compared to on‐board estimates, computed via dead reckoning, and ultrashort baseline (USBL) measurements, treated as baseline locations, sporadically recorded by a support ship. Results obtained through postprocessing demonstrate that TAN has the potential to prolong underwater missions to a range of hundreds of kilometres without the need for intermittent surfacing to obtain global positioning system fixes. During each of the missions, the system performed 20 Monte Carlo runs. Throughout each run, the algorithm maintained convergence and bounded error, with high estimation repeatability achieved between all runs, despite the limited suite of localisation sensors.     

UTP/DR组合导航算法研究

针对UUV水下作业时航位推算存在导航误差积累的问题,研究了水下应答器辅助航位推算组合导航算法。采用"当前"统计模型作为航位推算模型,更准确地描述了航行器的运动状态。利用水下应答器与航位推算算法相组合,对航位推算导航误差进行校正。为获得更好的滤波效果,采用平方根容积卡尔曼滤波算法作为组合导航系统的滤波算法,并将其与EKF滤波算法进行比较。仿真实验表明,平方根容积卡尔曼滤波算法较EKF算法具有更好的滤波精度;UTP/DR组合导航算法有效避免了因导航误差积累而导致的导航定位误差发散问题,获得了较好的导航定位效果。     

磁通门与GPS组合导航在水下航行器的应用

为了实现水下航行器的精确导航,利用磁通门罗盘和GPS组成了组合导航定位系统,介绍了组合导航定位系统的工作原理.为了克服环境干扰对GPS信号接收的影响以及GPS的定位偏差对导航系统的影响,采用了卡尔曼滤波技术进行了航位推算并对GPS的定位偏差进行了校正,最终的仿真结果表明该组合导航定位系统的定位精度较GPS的定位精度有了较大的提高,能够满足水下航行器导航定位的要求.     

Multi-sensor Optimal Data Fusion for INS/GNSS/CNS Integration Based on Unscented Kalman Filter

This paper presents an unscented Kalman filter (UKF) based multi-sensor optimal data fusion methodology for INS/GNSS/CNS (inertial navigation system/global navigation satellite system/celestial navigation system) integration based on nonlinear system model. This methodology is of two-level structure: at the bottom level, the UKF is served as local filters to integrate GNSS and CNS with INS respectively for generating the local optimal state estimates; and at the top level, a novel optimal data fusion approach is derived based on the principle of linear minimum variance for the fusion of local state estimates to obtain the global optimal state estimation. The proposed methodology refrains from the use of covariance upper bound to eliminate the correlation between local states. Its efficacy is verified through simulations, practical experiments and comparison analysis with the existing methods for INS/GNSS/CNS integration.     

组合导航系统滤波器截断误差抑制方法

组合导航系统作为重要的定位和姿态测量的技术手段,其基本设计思想是将GPS和SINS等导航设备输出的信息经过滤波器进行最优估计。但在采用Riccati方程更新协方差矩阵和计算Kalman增益过程中,截断误差随着迭代次数的增大而累积,破坏协方差矩阵的正定性和对称性,降低滤波器计算的数值稳定性,严重时导致组合系统故障发散。本文建立了Riccati方程一阶误差模型,从理论上分析截断误差对滤波器估计性能的影响,引入基于Bierman算法和Thorton算法的Kalman滤波器进行更新方法,解决了截断误差引起的滤波器数值稳定性的问题。通过强实时半物理仿真系统验证表明,相比于基于Kalman滤波器的系统,基于Bierman-Thorton算法的组合导航系统有更强的数值稳定性和较高的导航精度。