自主水下机器人回收导航多传感器融合研究

针对自主水下机器人在回收过程中,采用单一导航传感器导致系统定位精度低的问题,提出了一种改进的基于斜距的SINSUSBLDVL多传感器融合模型和基于USBL多传感器融合的自适应无迹卡尔曼滤波算法,解决了USBL系统基阵偏移所带来的误差以及滤波中的奇异值和发射问题。仿真结果表明,在改进的基于斜距的多传感器融合模型及自适应无迹卡尔曼滤波算法作用下,整个系统不仅提高了滤波精度,还有效地减少了滤波的发散,为AUV安全回收的稳定性提供技术保障。

基于AKF的AUV对接回收组合导航研究

针对自主水下机器人(Autonomous Underwater Vehicle,AUV)在回收过程中的组合导航精度问题,提出了一种改进的高斯距离迭代法及改进的自适应卡尔曼滤波算法(Adaptive Kalman Filter,AKF)。基于AUV回收对接系统,研究并建立了针对惯导SINS、超短基线USBL、多普勒计程仪DVL和深度计的基于斜距的组合导航模型。通过对SINS/USBL/DVL/深度计组合导航量测信息误差特性分析,设计了改进的基于斜距的SINS/USBL/DVL/深度计组合导航模型;针对该模型突出的滤波发散问题,设计了基于滤波收敛性判据和强跟踪滤波思想改进的AKF滤波算法进行有机融合。仿真结果表明,此研究使实际AUV系统具有更高的滤波精度和可靠性。

全驱动AUV系统路径跟踪设计与实现

针对全驱动自主水下航行器(AUV)水下搜救和回收等应用需求,提出一种基于全球定位系统(GPS)、多普勒计程仪(DVL)、光纤惯导和深度计及航路点跟踪的AUV路径跟踪控制系统。结合自主研发的“探海Ι型”AUV样机,介绍了AUV分布式系统组成结构、基于MOOS库的软件开发设计以及基于PC104总线架构开发的硬件设计,并针对AUV系统的路径跟踪功能,阐述了航路点跟踪原理及以GPS、DVL、光纤惯导和深度计为基础的导航算法,并设计了比例-积分-微分(PID)路径跟踪控制器,最后进行了路径跟踪湖试,经过对试验曲线的分析,验证了该方法的有效性,为今后进一步优化路径跟踪探明了一条可行的技术途径。

多传感器异步融合算法AUV对接导航系统

针对研发的自主水下机器人(autonomous underwater vehicle,AUV)在回收对接过程中,由于采样频率不同而导致多传感器组合导航系统精度较低的问题,提出一种基于联邦滤波结构的多尺度无迹卡尔曼(unscented Kalman,UK)异步融合滤波算法。该算法依据采样率划分多尺度信息,建立基于联邦滤波的多尺度系统误差模型,并针对不同尺度信息采用UKF算法进行非等间隔异步融合,从而得到全局的最优状态估计。仿真实验表明,同基于卡尔曼滤波(Kalman filtering,KF)的单一尺度融合算法和基于UKF的多尺度融合算法相比,该算法对AUV回收对接导航系统中异步采样信息具有更高的融合精度,提升了导航系统的可靠度,为AUV的回收对接提供了安全保障。最后通过开阔水域实验验证了AUV对接导航系统的有效性。