基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法

在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。

基于粒子群优化的舰船捷联惯导初始对准方法

为了实现舰船摇摆基座下捷联惯导系统的快速对准,提出一种基于粒子群优化的初始对准方法。首先通过多矢量定姿法得到舰船的水平姿态,然后引入基于惯性系的粒子群算法优化方法快速估计出舰船航向角。为了验证粒子群优化算法的优越性,进行了转台摇摆试验验证和对比分析。试验结果表明,基于自研的0.01°/h的光纤陀螺惯导系统,基于粒子群优化的对准方法用时172 s,达到稳定对准精度。对准时间较以速度作为参考矢量和以重力加速度作为参考矢量的多矢量定姿对准方法,分别缩短了44%和56%。在保证航向姿态精度的同时,所提出的算法可以有效地提高航向角误差的收敛速度,缩短初始对准时间。