多水下航行器協(xié)同導(dǎo)航信息融合研究.pdf

1、自主水下航行器（Autonomous Underwater Vehicles，AUV）作為海洋探測(cè)和開發(fā)的倍增器，可以在人類無(wú)法達(dá)到的大深度危險(xiǎn)區(qū)域進(jìn)行科學(xué)考察和軍事活動(dòng)，受到各界廣泛重視。在此技術(shù)上發(fā)展起來(lái)的多水下航行器協(xié)同作業(yè)也得到了越來(lái)越多的關(guān)注，而該協(xié)作技術(shù)中起關(guān)鍵作用的協(xié)同導(dǎo)航也開始成為研究的重點(diǎn)。相比單個(gè)航行器，多 AUV的協(xié)同導(dǎo)航在降低AUV系統(tǒng)配置、增強(qiáng)AUV間信息共享，提高導(dǎo)航精度等方面具有獨(dú)特優(yōu)勢(shì)。論文從改善多AUV

2、協(xié)同導(dǎo)航性能的現(xiàn)實(shí)要求出發(fā)，對(duì)基于移動(dòng)矢徑的多AUV協(xié)同導(dǎo)航展開研究，通過(guò)改善導(dǎo)航算法來(lái)提高定位精度。
　　本文對(duì)多AUV協(xié)同導(dǎo)航系統(tǒng)中處于領(lǐng)航作用的主AUV的組合導(dǎo)航方法進(jìn)行研究，基于捷聯(lián)慣導(dǎo)系統(tǒng)（Strapdown Inertial Navigation System, SINS）和多普勒計(jì)程儀（Doppler velocityLog, DVL）兩種導(dǎo)航系統(tǒng)建立了他們的組合導(dǎo)航方案。針對(duì)組合導(dǎo)航輸出數(shù)據(jù)中存在的隨機(jī)擾動(dòng)的影響，

3、采用將灰色預(yù)測(cè)模型添加到組合導(dǎo)航不規(guī)則原始數(shù)據(jù)的計(jì)算和積累上的方法來(lái)削弱該影響。借助水面信標(biāo)艦船將主、從AUV結(jié)合起來(lái)，分析彼此間幾何結(jié)構(gòu)模型，建立基于四面體結(jié)構(gòu)的整體定位算法。并且通過(guò)分析主AUV和從AUV的彼此間位置關(guān)系，判斷各航行器定位的合理性和準(zhǔn)確性。研究了協(xié)同導(dǎo)航系統(tǒng)所采用的主要通信方式水聲通信系統(tǒng)，對(duì)水下通信系統(tǒng)常用的網(wǎng)絡(luò)模型作了分析。針對(duì)單領(lǐng)航者多AUV協(xié)同導(dǎo)航系統(tǒng)，介紹了移動(dòng)矢徑的基本原理，建立基于移動(dòng)矢徑的從AUV協(xié)同

4、導(dǎo)航模型。針對(duì)距離量測(cè)單一導(dǎo)致的系統(tǒng)可觀測(cè)性差的問(wèn)題，運(yùn)用非線性系統(tǒng)李導(dǎo)數(shù)理論對(duì)系統(tǒng)的可觀測(cè)性進(jìn)行分析。根據(jù)系統(tǒng)的可觀測(cè)性條件，判斷協(xié)同導(dǎo)航系統(tǒng)可觀測(cè)的運(yùn)動(dòng)路徑。提出了一種基于自適應(yīng)估計(jì)的無(wú)跡卡爾曼濾波（Unscented Kalman Filter，UKF）算法。在UKF算法的基礎(chǔ)上，針對(duì)水聲通信過(guò)程中由于存在通信延遲和通信丟包現(xiàn)象而導(dǎo)致的觀測(cè)噪聲不確定問(wèn)題，采用極大后驗(yàn)估計(jì)原理設(shè)計(jì)出一種時(shí)變?cè)肼暯y(tǒng)計(jì)估計(jì)器，對(duì)噪聲均值和協(xié)方差進(jìn)行實(shí)時(shí)