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。     

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。     

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.     

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.     

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。     

基于粒子滤波的AUV组合导航方法

讨论了粒子滤波器和RB(Rao-Blackwellised)粒子滤波器两种滤波方法在组合导航中的应用,给出了组合导航算法用于自治水下航行器(AUV)的具体数学模型,并且与拓展卡尔曼滤波器的导航结果进行比较.利用AUV湖上试验验证了3种算法的导航性能,试验结果表明RBPF组合导航算法能够获得最好的导航精度;然而通过对算法进行分析,发现其计算复杂度高于其余两种滤波算法.     

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.     

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.     

基于前视声纳的AUV同时定位与地图构建

AUV要实现在未知环境中的自主导航,SLAM理论与方法是最有潜力的途径之一.本文采用前视声纳扫描水下环境,采用数字图像处理的方法对环境的声纳图像进行特征提取,并使用最邻近数据关联算法(NNF)实现数据关联,应用EKF SLAM进行水下机器人的姿态估计与环境中障碍物特征的地图构建.仿真结果表明,主动成像声纳可以成功地应用于AUV在未知环境中的自主导航;另外,通过对比点特征和线特征对AUV运行轨迹的影响,我们发现参照分布合理的点特征AUV能够更加精确地进行同时定位.     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

Adaptive tuning of a Kalman filter via fuzzy logic for an intelligent AUV navigation system

This paper describes the implementation of an intelligent navigation system, based on the integrated use of the global positioning system (GPS) and several inertial navigation system (INS) sensors, for autonomous underwater vehicle (AUV) applications. A simple Kalman filter (SKF) and an extended Kalman filter (EKF) are proposed to be used subsequently to fuse the data from the INS sensors and to integrate them with the GPS data. The paper highlights the use of fuzzy logic techniques to the adaptation of the initial statistical assumption of both the SKF and EKF caused by possible changes in sensor noise characteristics. This adaptive mechanism is considered to be necessary as the SKF and EKF can only maintain their stability and performance when the algorithms contain the true sensor noise characteristics. In addition, fault detection and signal recovery algorithms during the fusion process to enhance the reliability of the navigation systems are also discussed herein. The proposed algorithms are implemented to real experimental data obtained from a series of AUV trials conducted by running the low-cost Hammerhead AUV, developed by the University of Plymouth and Cranfield University.     

自适应无迹卡尔曼滤波算法在地磁导航中的应用

考虑到地磁导航过程中,无迹卡尔曼滤波(UKF)受初始值误差、系统噪声不确定性和环境磁异常扰动这些因素的影响,将自适应估计原理引入到UKF算法,提高UKF算法的收敛性和地磁导航系统的稳定性.计算结果表明,在地磁导航系统数据处理中,UKF算法略优于扩展卡尔曼滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制初始化误差、系统噪声不确定性和环境磁异常扰动对导航解的影响,进一步提高地磁导航系统的定位精度和可靠性.     

Inspection of an underwater structure using point‐cloud SLAM with an AUV and a laser scanner

This paper presents experimental results using a newly developed 3D underwater laser scanner mounted on an autonomous underwater vehicle (AUV) for real‐time simultaneous localization and mapping (SLAM). The algorithm consists of registering point clouds using a dual step procedure. First, a feature‐based coarse alignment is performed, which is then refined using iterative closest point. The robot position is estimated using an extended Kalman filter (EKF) that fuses the data coming from navigation sensors of the AUV. Moreover, the pose from where each point cloud was collected is also stored in the pose‐based EKF‐SLAM state vector. The results of the registration algorithm are used as constraint observations among the different poses within the state vector, solving the full‐SLAM problem. The method is demonstrated using the Girona 500 AUV, equipped with a laser scanner and inspecting a 3D sub‐sea infrastructure inside a water tank. Our results prove that it is possible to limit the navigation drift and deliver a consistent high‐accuracy 3D map of the inspected object.     

水下自主导航系统算法设计

基于微小型水下机器人的导航需求,结合水下机器人应用环境的特点,在既定的元器件与处理芯片基础上,提出了水下组合导航算法的设计原则,选取合适的状态量和量测量,建立状态方程与量测方程,建立一套集中式Kalman滤波导航系统算法。算法保证导航系统能够满足长航时下高精度需求,具有较高的抗干扰能力,同时充分利用现有的各项传感器输出信息,保证系统的稳定性。并用实验小车进行陆上实验,验证算法的正确性。     

地球卫星自主天文导航滤波方法性能分析

在系统硬件精度无法改进的条件下,滤波方法是影响地球卫星自主天文导航精度和实时性的最重要因素,本文针对地球卫星天文导航工程应用的需求,研究了目前导航系统中应用最为广泛的扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)、Unscented粒子滤波(UPF)3种滤波方法,在滤波周期和噪声分布影响下的导航精度和实时性.半物理仿真结果表明,在相同仿真条件下,Unscented粒子滤波方法具有最高的导航精度,但计算量也最大,EKF方法计算量最小,导航精度最低.本文结果可为地球卫星自主导航系统中滤波方法的选择提供参考和依据.     

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。