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.     

通信延迟下的多UUV协同定位——基于航迹预测的实时更新算法

研究了主从式多无人水下航行器(UUV)协作系统的协同定位方式,并针对协同定位过程中存在的水声通信和探测时延问题,提出了基于主UUV航迹预测的无状态逆推的非等间隔实时更新(ⅡRU)定位方法,用于提高从UUV的协同定位精度.该方法采用统计建模方法对主UUV航迹进行预测,用于从UUV相对距离量测的实时更新,并基于非等间隔滤波...     

利用sigma点卡尔曼滤波的多UUV协同定位

融合无人水下航行器（UUV）内部航位递推估计和外部量测信息的协同定位方法是一种提高只配备低精度自定位装置的UUV定位精度的有效手段。当协同系统结构固定时,滤波器的选择就决定了精度提高的幅度。针对扩展卡尔曼滤波（EKF）在处理非线性系统时具有较大的截断误差和繁琐的计算,提出了使用sigma点卡尔曼滤波（SPKF）的协同定位方法。与EKF相比,无味卡尔曼滤波（UKF）和中心差分卡尔曼滤波（CDKF）具有更好的鲁棒性,在没有增加计算复杂度的基础上进一步提高了UUV的定位精度。仿真比较了采用不同滤波算法的协同定位方法提高定位精度的效果,验证了利用sigma点卡尔曼滤波的多UUV协同定位方法的有效性和一致性。     

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。     

无人水下航行器推进器故障定位研究

无人水下航行器(UUV)在复杂多变的海洋环境中作业时,推进器的故障可阻挠使命的执行,严重时还可能造成UUV的丢失与损毁。为增强UUV的安全保障能力,针对UUV多台推进器的故障定位问题,采用基于几何相关性分析的方法,设计了UUV同一平面多推进器的故障定位算法,并提出了故障定位约束条件,通过仿真实验验证了所提算法的有效性。     

基于移动长基线和误差修正算法的多UUV协同导航

在移动长基线（MLBL）定位结构中,虽可利用基于水声传播延迟（TOF）原理获取的量测信息和贝叶斯滤波器（如扩展卡尔曼滤波（EKF））提高低自定位能力无人水下航行器（UUV）的定位精度,但较高的测量误差会降低这种提高的幅度.根据水声通信的特点提出了一种相关性假设并构建了误差修正算法（ECA）,在设定条件下利用误差间的相关性减小量测误差,从而实现量测的粗估计.仿真结果表明,先粗估计量测值再结合贝叶斯滤波器,可显著提高配备低精度自定位传感器的UUV的定位精度.     

海浪扰动下水下航行器的动力定位性能分析

水下航行器动力定位是通过对水下航行器的多个螺旋桨推进器的转速、推力进行控制调节以抵御外界环境扰动,体现了水下航行器在外界环境扰动下执行各种任务的能力.通过对随机波浪扰动下的水下航行器前向动力定位进行建模仿真,分析得到各个状态特性与环境扰动分量对水下航行器动力定位性能的影响.进行了水下航行器的运动方程和螺旋桨动力学特性的精确建模;再针对波频扰动下的变参数问题以及控制器的鲁棒性和自适应性要求,建立了水下航行器动力定位滑模控制器;最后,将PM谱的随机波浪扰动应用于动力定位仿真研究,仿真结果显示,螺旋桨的动力学特性、幅值限制以及波浪的流速与加速度信息直接影响了水下航行器的动力定位性能.     

水下航行器制导系统仿真信息集成方法

提出了基于信息集成原理的一种水下航行器导引控制系统仿真的新方法。文中详细地介绍了仿真系统的结构，以及多任务调度和多帧速配置等一些典型问题的解决方法，研究结果可在并行和分布式计算机系统中仿真。     

水下航行器极区内航行控制关键技术

随着极区经济利益和战略意义日益凸显,水下航行器在极区作战使用的需求逐步清晰。基于极区特殊的气候条件和地理环境,指出了水下航行器在高纬度及跨极区航行时,需要重点考虑导航、控制、仿真试验等多个问题。仿真试验结果验证了基于格网导航算法的水下航行器跨极区控制和导航策略及仿真方法的可行性。     

基于有限时间系统同步的自治水下航行器回收控制

基于主-从系统状态同步的思想,提出了母艇在平面运动中回收自治水下航行器（Autonomous underwater vehicle,AUV）的一种控制方法. 在给出母艇和自治水下航行器的动力学模型基础上,建立了自治水下航行器（从系统）接收母艇（主系统）的状态信息并控制自身接近母艇的主从控制方案,使母艇自主回收水下航行器的问题转化为两者的运动状态同步问题. 利用有限时间稳定性理论,设计了一种在常值海流扰动影响下,自治水下航行器能够在有限时间内被母艇回收的滑模控制器,理论证明和仿真实例证实了该控制器的有效性.     

基于卡尔曼滤波的自主式水下航行器大尺度编队控制

针对网络环境下环境噪声对自主式水下航行器编队控制的影响,提出一种利用卡尔曼滤波实时估计AUV最优运动状态的编队控制方法.将空间间隔较远的多AUV系统建模为多智能体系统,从大尺度上研究其编队控制问题.为了得到每个AUV速度状态的最优估计值,每个AUV都嵌入一个全局卡尔曼滤波器,利用该全局滤波器进行最优估计从而计算出噪声环境下其自身的最优位置.仿真结果验证了所给出的控制策略的有效性.     

水下机器人协同控制的TO模型区域划分定位

针对稀疏型水声传感器网络定位算法面临的定位覆盖率低和误差高的问题, 本文提出一种水下机器人协 同控制的截角八面体(TO)模型区域划分定位算法. 首先搭建定位系统模型, 提出TO模型满足三维目标区域划分原 则, 并证明其体积比相对最优; 然后设计TO模型最优区域划分方式, 提出最小值判定法进一步整合目标节点, 自主 水下机器人(AUVs)协同控制筛选包含目标节点的子区域; 通过分析通信半径和虚拟锚节点数量对实验结果的影响, 设置最优定位参数, 降低能耗和定位误差, 最后利用最小二乘法完成定位. 本文分别对定位覆盖率、子区域AUV路 径长度和定位精度进行了仿真实验, 结果表明, 相比于其他区域划分方案, 所提算法误差较小、定位覆盖率高且鲁 棒性强.     

Underwater guidance of distributed autonomous underwater vehicles using one leader

Consider the case where autonomous underwater vehicles (AUVs) are deployed to monitor a 3D underwater environment. This paper tackles the problem of guiding all AUVs to the destination while not colliding with a priori unknown 3D obstacles. Suppose that among all AUVs, only the leader AUV has an ability of locating itself, while accessing a destination location. A follower, an AUV that is not a leader, has no sensors for locating itself. Every follower can only measure the relative position of its neighbor AUVs utilizing its sonar sensors. Our paper addresses distributed controls, so that multiple followers track the leader while preserving communication connectivity. We design controls, so that all AUVs reach the destination safely, while maintaining connectivity in cluttered 3D environments. To the best of our knowledge, our article is novel in developing 3D underwater guidance controls, so that all AUVs equipped with sonar sensors are guided to reach a destination in a priori unknown cluttered environments. MATLAB simulations are used to validate the proposed guidance scheme in underwater environments with many obstacles.     

A two‐step control approach for docking of autonomous underwater vehicles

This paper presents a novel integrated guidance and control strategy for docking of autonomous underwater vehicles. The approach to the base, and hence the control design, is divided in two steps: (i) in the first, at higher speed, the vehicle dynamics is assumed to be underactuated, and an appropriate control law is derived to steer the vehicle towards the final docking path, achieving convergence to zero of the appropriate error variables for almost all initial conditions; (ii) in the second stage, at low speed, the vehicle is assumed to be fully actuated, and a robust control law is designed that achieves convergence to zero of the appropriate error variables for all initial conditions, in the presence of parametric model uncertainty. Simulations are presented illustrating the performance of the proposed controllers, including model uncertainty and sensor noise. Copyright © 2014 John Wiley & Sons, Ltd.     

自主水下航行器的回坞导引和入坞控制算法

针对军事侦察和海洋环境监测领域中对自主水下航行器（AUV）水下自主回收能力的需求,研究了AUV自主回收过程中回坞和入坞的导引和控制问题。将水下自主回收过程分为回坞导引和入坞控制两个连续的阶段,其中回坞阶段采用经典的视线（LOS）导引法,使AUV到达回收器正前方的回坞航路点;入坞阶段则采用非线性横向跟踪控制方法,使AUV精确跟踪沿回收器中轴线的入坞直线航路航行并最终进入回收器。采用REMUS AUV的模型参数对水下回收进行了仿真研究,结果表明该方法是有效的,具有良好的工程应用前景。     

不确定海流环境下水下机器人最优时间路径规划

为解决海流预测不精确条件下,现有基于确定性海流路径规划算法鲁棒性差和规划的路径有可能为不可行路径的问题,本文提出一种基于区间优化的水下机器人(AUV)最优时间路径规划算法.该算法采用双层架构,外层用蚁群系统算法(ACS)寻找由起点至终点的候选路径;内层以区间海流为环境模型,计算候选路径航行时间上下限,并分别通过区间序关系和基于可靠性的区间可能度模型将航行时间区间转换为确定性评价函数,并将评价函数值作为候选路径适应度值返回到外层算法.仿真结果表明,相对于确定海流场路径规划方案,提出的方案增强了路径规划器的鲁棒性并解决了结果路径不可行问题.     

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.