论文部分内容阅读
自主水下航行器(Autonomous Underwater Vehicles,AUV)作为海洋探测和开发的倍增器,可以在人类无法达到的大深度危险区域进行科学考察和军事活动,受到各界广泛重视。在此技术上发展起来的多水下航行器协同作业也得到了越来越多的关注,而该协作技术中起关键作用的协同导航也开始成为研究的重点。相比单个航行器,多AUV的协同导航在降低AUV系统配置、增强AUV间信息共享,提高导航精度等方面具有独特优势。论文从改善多AUV协同导航性能的现实要求出发,对基于移动矢径的多AUV协同导航展开研究,通过改善导航算法来提高定位精度。内容主要有以下几点:对多AUV协同导航系统中处于领航作用的主AUV的组合导航方法进行研究,基于捷联惯导系统(Strapdown Inertial Navigation System,SINS)和多普勒计程仪(Doppler velocity Log, DVL)两种导航系统建立了他们的组合导航方案。针对组合导航输出数据中存在的随机扰动的影响,采用将灰色预测模型添加到组合导航不规则原始数据的计算和积累上的方法来削弱该影响。借助水面信标舰船将主、从AUV结合起来,分析彼此间几何结构模型,建立基于四面体结构的整体定位算法。并且通过分析主AUV和从AUV的彼此间位置关系,判断各航行器定位的合理性和准确性。研究了协同导航系统所采用的主要通信方式水声通信系统,对水下通信系统常用的网络模型作了分析。针对单领航者多AUV协同导航系统,介绍了移动矢径的基本原理,建立基于移动矢径的从AUV协同导航模型。针对距离量测单一导致的系统可观测性差的问题,运用非线性系统李导数理论对系统的可观测性进行分析。根据系统的可观测性条件,判断协同导航系统可观测的运动路径。提出了一种基于自适应估计的无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法。在UKF算法的基础上,针对水声通信过程中由于存在通信延迟和通信丢包现象而导致的观测噪声不确定问题,采用极大后验估计原理设计出一种时变噪声统计估计器,对噪声均值和协方差进行实时估计,并运用渐消记忆指数加权对估计器进行修正,提高新近数据比重,削弱陈旧数据的影响。最后对协同导航系统进行仿真分析,通过仿真实验证明了算法的有效性。针对实际系统存在的模型不确定问题,采用强跟踪滤波器对滤波算法进行修正。设计出适合于UKF的强跟踪滤波器,对协同导航系统进行滤波更新,通过在协方差矩阵中引入强跟踪因子,削弱由于噪声扰动和模型不确定带来的影响。仿真结果表明强跟踪滤波器很好的提高了系统的鲁棒性。