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.     

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.     

利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法

协同定位是共融机器人研究领域的重要问题.协同定位方案的制定受限于机器人间信息交互的能力.针对长时间通讯中断时多自治水下航行器(AUV)协同定位精度明显下降的问题,借鉴同时定位与制图(SLAM)方法,提出了基于FastSLAM框架的同时定位与跟踪(SLAT)算法.将主AUV视为非合作目标,在从AUV上建立起一个关于主AUV的运动估计器,利用从AUV上声呐传感器实时获取的相对量测信息,在对主AUV运动状态估计的同时,完成对从AUV自定位精度的提升.仿真实验结果表明,在长时间通讯中断发生的条件约束下,相比于传统的航位推算方法,所提出的SLATF1.0和2.0算法能够有效减小定位误差,2.0算法对于探测精度变化等因素的影响具有更好适应性.     

基于多个自主水下航行器的分布式协同流场估计

本文考虑利用多个自主式水下航行器(AUV)实现流场估计, 提出了一种基于树型网络的分布式方法来估计 水下流场. 在本文中, 借助绝对运动积分误差和相对运动积分误差, 流场估计问题被描述为求解一个以未知流场为 变元的非线性方程组. 继而本文在多AUV系统内建立一个低通讯成本的树型网络, 并在该网络上运行一种分布式 算法以求解与流场估计相关的非线性方程组. 在该算法中, 每个AUV将当前的流场估计值连续地投影到自身拥有 的约束方程的解集中, 并通过扩散和池化两个步骤在树型网络间传递流场估计值. 本文证明了上述算法的收敛性, 并通过仿真实验验证了所述分布式协同流场估计方法的有效性.     

基于单领航者相对位置测量的多AUV协同导航系统定位性能分析

自主水下航行器 (Autonomous underwater vehicle, AUV) 的协同导航是解决水下导航定位问题的重要方法, 其中导航系统的定位误差增长特性是衡量其定位性能的关键指标. 本文针对单领航者相对位置测量的多 AUV 协同导航系统, 利用扩展卡尔曼滤波方法建立了导航系统的整体定位误差关于相对位置量测误差的传递方程. 在此基础上, 通过求解系统定位误差随时间演化的代数黎卡提方程, 得到了其在稳态情形下的方差上界估计. 理论分析表明, 单领航 AUV 协同导航系统的整体定位误差有界收敛且与初始化滤波方差无关, 具有良好的综合性能. 最后, 仿真实例验证了文中理论分析结果的正确性.     

基于洋流模型的水下传感器网络实时定位算法

针对近海监控领域内水下传感器网络的节点随着海洋运动具有流动性的问题,提出了基于洋流模型的水下传感器网络实时定位算法(RTLC).利用洋流模型表示节点的运动模型消除流动性对定位造成的影响,成功模拟了节点在水中的移动速度.通过卡尔曼预测方法结合观测值与估计值优化运动模型,使其更贴近节点运动规律.采用信息记录机制及列表更新机制保证信息的时效性从而提高了定位准确度.通过仿真分析,RTLC算法性能优于基于移动预测的大规模水下传感器网络可扩展定位算法(SLMP),具有较高的定位覆盖度,较低的平均定位误差及平均通信能耗.     

一种时变洋流场下AUV最优能耗路径规划方法

在时变洋流场环境下,洋流矢量增加了时间维度,在时间角度上可进一步利用洋流以节约自主水下机器人(AUV)能量消耗.此外,在该环境中无后效性不再成立,基于经典贪婪策略的路径规划算法不再适用.鉴于此,结合路径参数选择和双层规划算法,提出一种适用于时变洋流场环境的能耗最优路径规划算法.出发时间和AUV推进速度均可以在时间维度上等待有利洋流,且推进速度与其能量消耗直接相关,因此,引入出发时间和推进速度作为路径参数.在此基础上,针对无后效性不成立问题,使用双层规划作为路径规划算法,分析该算法在时变洋流场环境下的适用性.算法将路径规划任务分为路径规划与路径优化两部分,路径规划部分采用蚁群系统算法构建通道,路径优化部分由量子粒子群算法对路径参数进一步优化,在保证全局最优的同时能够解决传统基于栅格的路径规划算法中机器人运动方向受限的问题.最后以Kongsberg/Hydroid REMUS 600s型水下机器人为模型,对所提出的路径规划算法进行仿真验证.     

基于因子图结合卡方检测的多AUV协同定位方法

针对复杂的水下环境导致水声通信噪声出现异常值的问题,提出一种基于因子图结合卡方检测的多AUV协同定位算法。建立因子图模型将全局函数估计问题转化为局部函数和积估计问题,利用卡方检测测距噪声异常值。所提算法在测距噪声存在异常值情况下,与传统Kalman滤波算法相比定位误差大幅减小。该研究进行了数学仿真验证,验证了所提算法可以有效提高系统的定位稳定性,处理测距噪声异常值对定位性能的影响。     

水下基于层级的约束加权最小二乘时差定位

针对距离无关定位算法与距离相关定位算法中定位精度的问题,分析了误差对定位性能的影响及影响误差的因素,在最小二乘定位算法的基础上,提出了一种基于层级结构的约束加权最小二乘时差定位算法。该算法利用AUV( Autonomous Underwater Vehicle)对水下节点进行分层,使得具有层级和深度信息的信标节点升降至未知节点所在平面,从而将三维定位转换为二维定位,降低了算法的复杂度,同时避免了距离未知节点较远的信标节点对定位的影响,提高了测距精度,使定位误差进一步降低。仿真结果表明,该算法在位置误差较小的情况下,可以明显地提高定位精度。     

AUV同时定位与跟踪研究

由于低精度航位推算系统带来的累积误差,自治水下航行器（AUV）在未知环境中的定位准确性会随着时间的推移变得越来越差。当环境中有非合作体运动时,AUV不但可利用自身携带的声纳传感器对其探测并利用基于模型的目标跟踪方法估计非合作体轨迹,而且可以同时利用探测到的与非合作体的相对信息来提高自身定位精度。在同时定位与制图（SLAM）方法中的FastSLAM算法框架的基础上提出了同时定位与跟踪（SLAT）算法,即设置多个估计粒子,利用每个粒子中的粒子滤波器（PF）和扩展卡尔曼滤波器（EKF）分别估计AUV和非合作体的轨迹,并能根据实际量测与粒子估计量测之间的差别赋予粒子权值,继而得到多粒子加权的最终估计。最后仿真验证了算法的有效性。     

考虑通信延迟的多自治水下航行器协同定位算法

自治水下航行器(AUV)协同定位中通信延迟具有常态性. 面对延迟到达的信息, 传统方法一般会有定位精 度或实时性的损失. 针对通信延迟的不利影响, 本文在建立水声探测和通信时延模型的基础上, 以扩展卡尔曼滤波 (EKF)为算法框架, 提出了信息顺序到达和信息出序到达2种协同定位算法, 并以建构面向信息出序情景的算法为 主要创新工作. 在信息顺序到达算法中, 将延迟信息进行序贯处理以减小定位误差. 在信息出序到达算法中, 以信 息出现一步滞后的延迟为背景, 使用出序信息直接对从AUV最新状态估计进行再更新, 信息无损地实时估计运动 状态. 计算机仿真实验结果表明, 本文算法相比于传统的航位推算、整周期滤波、量测丢弃等方法, 具有更高的估计 精度; 相比于数据缓存滤波、重新滤波等方法, 具有强实时性.     

Cooperative bathymetry-based localization using low-cost autonomous underwater vehicles

We present a cooperative bathymetry-based localization approach for a team of low-cost autonomous underwater vehicles (AUVs), each equipped only with a single-beam altimeter, a depth sensor and an acoustic modem. The localization of the individual AUV is achieved via fully decentralized particle filtering, with the local filter’s measurement model driven by the AUV’s altimeter measurements and ranging information obtained through inter-vehicle communication. We perform empirical analysis on the factors that affect the filter performance. Simulation studies using randomly generated trajectories as well as trajectories executed by the AUVs during field experiments successfully demonstrate the feasibility of the technique. The proposed cooperative localization technique has the potential to prolong AUV mission time, and thus open the door for long-term autonomy underwater.     

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．     

自治水下机器人的自主启发式生物启发神经网络路径规划算法

针对复杂海流环境下自治水下机器人(autonomous underwater vehicle, AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks, GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.     

基于次优区间卡尔曼滤波的机器鱼跟踪方法

目前,自主水下航行器(Autonomous Underwater Vehicle,AUV)研究的重点集中在跟踪定位、精确制导和返坞等领域。机器鱼已成为AUV在智能教育、民用与军事等方面的应用热点。从非线性跟踪分析中发现,区间卡尔曼滤波算法虽然包含了一切可能的滤波结果,但范围比较宽,也比较保守,而且区间数据向量在实现之前是不确定的。文中提出了一种次优区间卡尔曼滤波优化算法。次优区间卡尔曼滤波方案用区间矩阵的逆 代替 其最坏逆,比标准区间卡尔曼滤波更逼近状态方程和测量方程的非线性过程,提高了标称动态系统模型的精确度,改善了跟踪系统的速度与精度。蒙特卡洛仿真实验结果表明,次优区间卡尔曼滤波算法的最优轨迹优于区间卡尔曼滤波方法及标准的卡尔曼滤波方法。     

Cooperative formation control of autonomous underwater vehicles: An overview

Formation control is a cooperative control concept in which multiple autonomous underwater mobile robots are deployed for a group motion and/or control mission. This paper presents a brief review on various cooperative search and formation control strategies for multiple autonomous underwater vehicles (AUV) based on literature reported till date. Various cooperative and formation control schemes for collecting huge amount of data based on formation regulation control and formation tracking control are discussed. To address the challenge of detecting AUV failure in the fleet, communication issues, collision and obstacle avoidance are also taken into attention. Stability analysis of the feasible formation is also presented. This paper may be intended to serve as a convenient reference for the further research on formation control of multiple underwater mobile robots.     

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.     

Toward Autonomous Exploration in Confined Underwater Environments

In this field note, we detail the operations and discuss the results of an experiment conducted in the unstructured environment of an underwater cave complex using an autonomous underwater vehicle (AUV). For this experiment, the AUV was equipped with two acoustic sonar sensors to simultaneously map the caves' horizontal and vertical surfaces. Although the caves' spatial complexity required AUV guidance by a diver, this field deployment successfully demonstrates a scan‐matching algorithm in a simultaneous localization and mapping framework that significantly reduces and bounds the localization error for fully autonomous navigation. These methods are generalizable for AUV exploration in confined underwater environments where surfacing or predeployment of localization equipment is not feasible, and they may provide a useful step toward AUV utilization as a response tool in confined underwater disaster areas.