弱观测条件下纯距离导航定位问题研究
发布时间：2021-11-09 14:31
水下无人潜航器（Underwater Unmanned Vehicle,UUV）的导航定位主要依靠测距声信标或便携式低精度导航传感器。这些设备观测信息单一且精度低,载体非线性运动及复杂海流等因素均对导航定位精度有较大的影响。因此,文章设计了基于扩展卡尔曼滤波（ExtendedKalmanFiltering,EKF）的导航算法,结果表明该算法适用范围广且具有好的收敛性和精度。
【文章来源】：科技智囊. 2020,(05)
【文章页数】：6 页
【部分图文】：
主从式UUV群体导航示意图
2020年第5期科技智囊47一、载体非线性运动模型首先建立东—北直角坐标系EON，然后以载体重心G为原点建立载体坐标系xOy，如图1所示。假设载体在海流速度为v的海水中沿水平面运动，并忽略横摇扰动的影响。另外，载体装备的电子罗盘能显示载体艏向角Ψ，装备的计程仪可计算出沿载体艏向的速度u。载体重心G的速度V’可由海流与艏向速度的合成速度求得，载体ON向坐标轴的夹角称为记为γ，其物理含义是航迹角。海流作用使得载体以一定的角度航行，该角度记为β，名称为漂角。通过下式可以求得载体在水平面的艏向速度：（1）其中为载体的水平面速度，为载体装备的计程仪读出的速度，为载体纵倾角。图1载体在海流中的运动状态载体内安装有定位声呐测量载体，可以每隔一段时间，通过测量载体到声信标的声传播时间，求得距离，使载体在纯距离方式下导航。令为载体东—北坐标系下的坐标，为海流东、北向分量，为涡轮式计程仪测量的速度，和为载体的艏向角和纵倾角。对于携带压力传感器的UUV，仅需估计载体的二维坐标。考虑到涡轮式计程仪测量的是相对海流的速度，在导航算法中还应估计海流速度。因此，采用状态—参数联系估计，设滤波器状态为，对载体的非线性运动进行离散化，建立如下运动学微分模型：（2）（3）（4）将载体的三维运动转换成水平面内的运动，故载体运动学微分方程为：（5）对上述非线性连续微分方程进行离散化：（6）即（7）其中是6维函数，表示非线性状态变化模型，是驱动噪声，是采样周期。对进行动态线性化，雅可比矩阵可由下式表示：（8）其中是的估计。剩下的问题是设计有效的导航算法，满足UUV在弱观测条件下的导航?
?叫校ǜ谋浜郊＃??芄皇迪?系统在时段区间意义上的完全可观。三、导航算法由于载体运动状态方程是非线性的，对于单信标（固定、移动、主从UUV）情况，观测方程也是非线性的，考虑到海流等参数，需要对状态和参数进行联合估计，因此采用基于EKF的导航算法。（一）算法一将上一时刻状态变量的预测值作为当前时刻的载体坐标，代入观测方程计算观测值。对于三信标使用条件，当位置更新信息到来时，作为当前时刻载体坐标的观测值，如图3；对于单信标使用条件，当距离更新信息到来时，作为当前时刻距离的观测值，如图4。图4单信标EKF导航算法一的框图（二）算法二采用两个EKF。对于三信标情况，位置更新信息没有到来时，以导航传感器给出的艏向角和速度作为观测向量，当位置更新信息到来时，在原观测向量中增加位置信息，如图5；对于单信标，距离信息没有到来时，以导航传感器给出的艏向角和速度作为观测向量，当距离信息到来时，在原观测向量中增加位置信息，如图6。图3三信标EKF导航算法一的框图图5三信标EKF导航算法二的框图技术研发与应用
【参考文献】：
期刊论文
[1]UUV集群协同探测与数据融合技术研究[J]. 周宏坤,葛锡云,邱中梁,冯雪磊,陈南若. 舰船科学技术. 2017(23)
[2]基于卡尔曼滤波的UUV导航定位系统GPS异常点剔除方法[J]. 张晋斌. 电子世界. 2014(15)
[3]基于EKF的UUV单信标水声导航定位方法研究[J]. 曹方方,刘卫东,李娟丽. 计算机测量与控制. 2011(09)
[4]基于水声传播延迟的主从式多无人水下航行器协同导航定位研究[J]. 张立川,刘明雍,徐德民,严卫生. 兵工学报. 2009(12)
[5]动态卡尔曼滤波在导航试验状态估计中的应用[J]. 刘国海,李沁雪,施维,李康吉. 仪器仪表学报. 2009(02)
本文编号：3485539
【文章来源】：科技智囊. 2020,(05)
【文章页数】：6 页
【部分图文】：
主从式UUV群体导航示意图
2020年第5期科技智囊47一、载体非线性运动模型首先建立东—北直角坐标系EON，然后以载体重心G为原点建立载体坐标系xOy，如图1所示。假设载体在海流速度为v的海水中沿水平面运动，并忽略横摇扰动的影响。另外，载体装备的电子罗盘能显示载体艏向角Ψ，装备的计程仪可计算出沿载体艏向的速度u。载体重心G的速度V’可由海流与艏向速度的合成速度求得，载体ON向坐标轴的夹角称为记为γ，其物理含义是航迹角。海流作用使得载体以一定的角度航行，该角度记为β，名称为漂角。通过下式可以求得载体在水平面的艏向速度：（1）其中为载体的水平面速度，为载体装备的计程仪读出的速度，为载体纵倾角。图1载体在海流中的运动状态载体内安装有定位声呐测量载体，可以每隔一段时间，通过测量载体到声信标的声传播时间，求得距离，使载体在纯距离方式下导航。令为载体东—北坐标系下的坐标，为海流东、北向分量，为涡轮式计程仪测量的速度，和为载体的艏向角和纵倾角。对于携带压力传感器的UUV，仅需估计载体的二维坐标。考虑到涡轮式计程仪测量的是相对海流的速度，在导航算法中还应估计海流速度。因此，采用状态—参数联系估计，设滤波器状态为，对载体的非线性运动进行离散化，建立如下运动学微分模型：（2）（3）（4）将载体的三维运动转换成水平面内的运动，故载体运动学微分方程为：（5）对上述非线性连续微分方程进行离散化：（6）即（7）其中是6维函数，表示非线性状态变化模型，是驱动噪声，是采样周期。对进行动态线性化，雅可比矩阵可由下式表示：（8）其中是的估计。剩下的问题是设计有效的导航算法，满足UUV在弱观测条件下的导航?
?叫校ǜ谋浜郊＃??芄皇迪?系统在时段区间意义上的完全可观。三、导航算法由于载体运动状态方程是非线性的，对于单信标（固定、移动、主从UUV）情况，观测方程也是非线性的，考虑到海流等参数，需要对状态和参数进行联合估计，因此采用基于EKF的导航算法。（一）算法一将上一时刻状态变量的预测值作为当前时刻的载体坐标，代入观测方程计算观测值。对于三信标使用条件，当位置更新信息到来时，作为当前时刻载体坐标的观测值，如图3；对于单信标使用条件，当距离更新信息到来时，作为当前时刻距离的观测值，如图4。图4单信标EKF导航算法一的框图（二）算法二采用两个EKF。对于三信标情况，位置更新信息没有到来时，以导航传感器给出的艏向角和速度作为观测向量，当位置更新信息到来时，在原观测向量中增加位置信息，如图5；对于单信标，距离信息没有到来时，以导航传感器给出的艏向角和速度作为观测向量，当距离信息到来时，在原观测向量中增加位置信息，如图6。图3三信标EKF导航算法一的框图图5三信标EKF导航算法二的框图技术研发与应用
【参考文献】：
期刊论文
[1]UUV集群协同探测与数据融合技术研究[J]. 周宏坤,葛锡云,邱中梁,冯雪磊,陈南若. 舰船科学技术. 2017(23)
[2]基于卡尔曼滤波的UUV导航定位系统GPS异常点剔除方法[J]. 张晋斌. 电子世界. 2014(15)
[3]基于EKF的UUV单信标水声导航定位方法研究[J]. 曹方方,刘卫东,李娟丽. 计算机测量与控制. 2011(09)
[4]基于水声传播延迟的主从式多无人水下航行器协同导航定位研究[J]. 张立川,刘明雍,徐德民,严卫生. 兵工学报. 2009(12)
[5]动态卡尔曼滤波在导航试验状态估计中的应用[J]. 刘国海,李沁雪,施维,李康吉. 仪器仪表学报. 2009(02)
本文编号：3485539
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3485539.html
