模拟退火方差缩减的FastSLAM算法在AUV导航定位中的应用

由于标准FastSLAM中存在粒子退化及重采样引起的粒子贫化,导致自主水下航行器(AUV)位置估计精度严重下降的问题,提出了一种基于粒子权值方差缩减的FastSLAM算法.利用模拟退火的降温函数产生自适应指数渐消因子来降低粒子权值的方差,进而增加有效粒子数,以此取代标准FastSLAM中的重采样步骤.建立AUV的运动学模型、特征模型及传感器的测量模型,通过霍夫变换进行特征提取.利用方差缩减FastSLAM算法,基于海试数据进行了AUV同步定位与构图仿真试验,结果表明所提方法能够保证粒子的多样性,并且降低粒子的退化程度,提高了AUV定位与地图构建系统的准确性及稳定性.     

UUV水下定位方法的研究现状与进展

为了解决水下无人航行器(UUV)定位问题,对现有的UUV定位方法进行总结。UUV是海洋探测、开发的重要工具,精准的水下定位方法是顺利完成各种任务的重要前提与保障。随着水下定位技术的不断发展,涌现了许多水下定位方法。水下的特殊环境使得一些定位方法的应用受到了极大的限制。为了满足UUV的智能性以及自主性的需求,学者们提出了许多定位方法。根据不同原理、应用环境以及应用需求对UUV水下定位方法分类,分析各种方法的优劣,并对近年来的新兴方法进行了总结。结合UUV水下定位方法中当前存在的问题以及未来的发展趋势提出展望。     

共同观测环境多UUV协同导航

协同导航方法是一种利用无人水下航行器(UUV)之间相对位置信息,提高配备低精度自定位传感器个体定位精度的方法。然而个体间相对位置的改变,即协同结构的不同,会导致不同的定位精度。当多个UUV由于相距较近,被在较远处的配备高精度定位传感器的另一UUV上的同一声纳同步观测时,即它们处于"共同观测环境"中,各个UUV所受到的噪声干扰具有相同或相近的性质。因此,可以利用误差间这种相关性对量测信息进行粗估计,再利用合适的滤波器融合粗估计量测与航位推算估计以提高配备低自定位精度传感器UUV位置估计的精度。最后的仿真结果显示了这种处理方法的有效性和一致性。     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

美国海军研发无人潜航器水下无线充电技术

正美国海军空间与海战系统司令部太平洋中心(SSC Pacific)的研究人员正在研发一种可以在水下为无人潜航器(UUV)充电的技术。研究人员称,这种水下充电技术将拓展UUV可执行任务的范围。UUV无需人员操作,但需要适时补充能源。目前,潜航器充电需要上浮至邻近的舰船或陆上基地。使用长航时UUV可收集水面舰艇和潜艇无法到达的环境的数据,提高UUV的效用,也可增加UUV执行任务的安全性。据悉,这种水下充电技术是基于共振无线充电技     

适用于无人水下潜航器电池管理系统的SOC-SOH联合估计

为了提高无人水下潜航器(UUV)电池管理系统状态的估计精度,提出荷电状态-健康状态(SOC-SOH)联合估计方法.搭建测试台架,采用4组锂离子电池进行全寿命周期下的充放电测试,获取不同老化程度下的特性数据.经理论推导和实验分析设计四维表征因子,建立基于改进支持向量回归(SVR)的SOH估计模型.探究电池状态的耦合关系,建立基于扩展卡尔曼滤波(EKF)的SOC估计模型,采用遗忘因子递推最小二乘算法(RLS)更新模型参数,利用SOH对SOC估计结果进行修正.通过不同工况的实验进行验证,结果表明：四维表征因子和电池容量相关性好,SOH估计模型精度高,SOC估计模型精度在联合修正后得到提升.所提的联合估计方法具有较高的通用性和可靠性,可以作为有效的嵌入式电池管理系统状态估计算法.     

水下导航同时定位与地图构建改进算法

研究了水下导航同时定位与环境地图构建(SLAM)技术,以水下机器人(AUV)为载体,研究了水下导航同时定位与环境地图相连(SLAM)技术,研究解决SLAM问题中的扩展卡尔曼滤波(EKF)算法存在的问题。针对在进行线性化的过程中产生模型误差和在状态转移阵及观测阵中出现未知模型误差的情形,提出基于虚拟噪声补偿技术的EKF算法,结合AUV系统模型搭建仿真平台,从滤波精度、收敛性及算法稳定性方面验证改进算法的效果。从仿真结果表明,相对于传统的EKF算法,改进后的EKF算法显著提高了非线性滤波的性能,解决了AUV应用SLAM技术精确性和鲁棒性的问题。     

UUV水下带缆回收纵向运动研究

对UUV水下带缆回收运动模型进行了受力分析,并结合动力学基本原理建立了适用于UUV水下带缆回收运动的数学模型。在此基础上结合UUV水下带缆回收相关理论知识,文中提出了UUV水下带缆回收的纵向弹道规划,并对其进行了仿真研究。研究结果一方面对文中所提出的UUV水下带缆回收纵向弹道规划进行了可行性验证,另一方面总结出了UUV水下带缆回收的相关结论,具有一定工程实用价值。     

联邦卡尔曼滤波在水下航行器组合导航系统中的应用

为了提高水下航行器的导航定位精度,设计了以捷联式惯性导航系统、地形匹配、多普勒计程仪等构成的组合导航系统,建立了各子导航系统的误差模型,采用联邦滤波技术对水下组合导航进行信息融合,建立了水下组合导航系统的观测方程并进行了计算机仿真.仿真结果表明:使用联邦卡尔曼滤波技术进行信息融合提高了组合导航系统定位精度和定位可靠性,能满足水下航行器高精度和高可靠性的要求.     

一种回收过程中UUV对运动母船的跟踪方法

在无人水下航行器(UUV)对运动母船的跟踪过程中,跟踪方法需要适应母船的运动特性,为此该文提出了引入速度量的人工势场法。为了保证跟踪过程安全可靠,考虑到母船外部形状的复杂性,在母船周围划定四个禁航区。在运动规划过程中除了将UUV、母船和禁航区的位置信息作为规划要素外,加入了三者的速度信息,得到改进的势场法。基于改进的势场法得到UUV的速度和航向方程,并在母船以运动场方式运动的工况下进行了UUV跟踪母船的仿真实验,结果表明所设计的运动规划方法能够实现UUV水下自主回收作业中对运动母船的安全跟踪。     

基于积分滑模的欠驱动UUV地形跟踪控制

针对参数摄动以及外界环境扰动条件下欠驱动水下无人航行器(UUV)地形跟踪控制任务,提出了一种基于反步法(Backstepping)和积分滑模控制方法(ISMC)的地形跟踪控制策略。首先,利用航行器的运动学特性以及局部Serret-Frenet坐标系,建立UUV地形跟踪误差方程。然后,分别采用反步法和ISMC设计运动学控制(制导律)和动力学控制器。利用有限时间稳定性理论证明该地形跟踪控制策略作用下的闭环运动系统为全局有限时间收敛的。仿真结果表明,所提出的地形跟踪控制策略可以有效地实现地形跟踪任务,并且对于参数摄动以及外界干扰具有很强的鲁棒性。     

海底观测网水下环境实时监控系统设计与实现

为了对深海水下环境进行实时监控,设计并实现可靠性高、操作性强、实时性好的海底观测试验网络水下环境实时监控系统.基于理论计算和稳定性校核,设计耐压腔体机械结构.通过建立耐压腔内散热模型,并利用ANSYS软件仿真和传感器实测的方法,得到腔内温度场分布.提出一种机械接触器和功率电阻并联使用的浪涌电流抑制方法,实现浪涌电流的有效抑制和系统的可靠启动.采用网络时间协议(NTP)和精确时间协议(PTP)获得高精度时间同步,2种协议中的时间报文都是在岸基站时间服务器和水下系统之间相互交互,可获得亚微秒级别精度的授时服务.基于VC++开发的上位机软件能够实现实时监测和控制水下系统.在实验室环境下开展了系统各个部分的功能性验证试验,并进行南海海试布放.结果表明,开发的系统有效、可靠且适合于深海连续运行.     

基于遗传算法DDBN参数学习的UUV威胁评估

针对复杂海洋环境下存在不确定事件对无人水下航行器自主作业和安全性所带来的威胁。本文设计了基于动态贝叶斯网络的威胁评估模型和决策推理模型,采用遗传算法实现了离散动态贝叶斯网络参数学习,最终得到最优的模型参数,进而增强了推理模型对海洋环境的快速反应能力。仿真实验结果证明:提出的算法可以得到真实的离散动态贝叶斯网络参数,能够有效地解决复杂海洋环境下UUV威胁评估问题,为UUV的自主任务决策提供有效的参数保障。     

缆系水下信息网恒流远供系统短路故障诊断及区间定位方法

通过分析电流流向的有向矩阵变化和平均误差值,诊断恒流远供系统短路故障状态;计算故障前、后干线电流在拉普拉斯变换域内变化的平均误差值,判定短路故障区间;隔离短路故障段以维护恒流远供系统其余部分正常运作,提高缆系水下信息网络的可靠性. 根据所建立的经典环形拓扑结构恒流模型设计故障定位方案,仿真恒流远供系统中主节点和干线海缆段的短路故障,分析故障前、后各节点处电流在拉普拉斯变换域内的变化. 结果显示,当系统出现短路故障时,各节点电流在拉普拉斯变换域内发生变换,通过对比故障前、后电流变化差值可以分析出故障区间。所设计的恒流远供系统短路故障诊断及区间定位方案具有较高的可行性和实用性,适用于未来水下信息网络的短路故障监测判定.     

基于局部重力场模型的惯性/重力组合导航方法

随着水下航行器对导航定位精度要求的不断提高,单一的导航系统难以满足实际的需求,因此,组合导航系统已逐步成为国内外研究的热点问题。水下航行器的惯性导航系统误差随时间累积,利用重力异常数据辅助导航可以修正惯性导航系统误差。文中以全球重力场模型EGM2008为基础,结合局部实测重力异常数据,利用移去-恢复技术修正初始重力场模型的位系数,从而得到局部精确的重力场模型。为了解决系统量测方程无具体解析表达式的问题,提出利用正则化粒子滤波方法对组合导航系统的定位误差进行估计。计算机仿真结果表明,该滤波算法能够有效地提高惯性/重力组合导航系统的定位精度。     

基于RBF神经网络的水下机器人传感器状态监测方法研究

为了实现水下机器人多传感器状态监测,根据其工作环境及所配置传感器的数量,提出了基于径向基函数(RBF)神经网络的传感器状态监测方法,建立了二级神经网络监测模型,解决了多传感器故障诊断和信号恢复的问题.基于某型水下机器人海中试验数据进行计算机仿真试验的结果,验证了该方法的有效性和可行性.     

欠驱动UUV自适应RBF神经网络反步跟踪控制

针对水下无人航行器(UUV)模型存在一定的误差以及流体中存在时变扰动问题,引入径向基函数(RBF)神经网络控制技术进行自适应补偿估计,结合反步法设计UUV的位置、姿态及速度控制器,使用虚拟速度来代替姿态误差的控制手段,将姿态跟踪控制转化为对速度控制。仿真结果说明此种方法是有效的,提高了UUV的鲁棒性及自适应能力。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

螺旋桨驱动UUV推进系统研究

为了实现水下机器人(UUV,Unmanned Underwater Vehicle)的高精度控制,深入研究了螺旋桨驱动UUV推进系统各个环节运行机理,并建立了它们各自的数学模型,包括PWM模块、直流永磁电机、螺旋桨、舵的数学模型。多功能仿真试验和湖试试验的系统响应曲线基本吻合,一方面表明本文建立的推进系统模型的正确性,另一方面体现了在多功能仿真平台上调试的控制策略和控制器参数具有很大的可信度。