基于动力学模型辅助的AUV组合导航方法研究

发布时间：2017-09-23 06:37

  本文关键词：基于动力学模型辅助的AUV组合导航方法研究

  更多相关文章： AUV 组合导航 偏振光 模型辅助 卡尔曼滤波 自适应滤波

【摘要】：微小型自主水下航行器是20世纪以来世界各国探测开发海洋环境的重要工具，因此自主导航系统成为了自主水下航行器完成勘探任务的关键技术。而由于受到探测器体积和功耗的限制和工作环境的限制，无法采用例如GPS导航等传统的导航方式。因此微机械惯性测量单元就成为了自主水下航行器首选的导航设备，但是由于惯性导航系统具有测量误差随时间累积的特点，所以需要采用外辅助器辅助测量来对导航误差进行矫正。由于受到体积和功耗的限制，本系统不采用传统的多普勒测速仪作为外部传感器，而提出来以惯性导航系统为核心，加入此偏振光矫正信息，并以水下航行器的运动模型辅助的方法。本文研究工作包括以下几个方面： 首先根据各种传感器的制约性和AUV工作环境的特殊性，本文提出了偏振光/DVL/SINS的组合模式，利用偏振光相机代替传统的磁罗盘传感器来测量AUV的航向角，并用以来作为组合导航的辅助信息。并对此设计了联邦卡尔曼滤波器，用于对系统进行滤波估计，将滤波结果反馈给组合导航系统，用以减少组合导航的导航误差，同时运用仿真实验对此系统进行了验证。 其次指出由于受到DVL工作条件的限制，引入现阶段研究的微小型水下航行器运动学模型，对微小型自主水下航行器进行水中受力分析，建立了水下航行器的运动学模型。由于海洋环境复杂无法十分准确的描述水下航行器所受到的力，所以该力学模型需要在特定的工作环境下才可应用。其中要求航行器处于无漩涡和界流的环境中，基于这个动力学模型辅助和偏振光相机测量航向信息辅助的前提下，建立了水下航行器的组合导航模型，并且利用传统的卡尔曼滤波对模型进行滤波估计，将滤波结果反馈给组合导航系统，用以减小导航误差。 由于海洋环境复杂，水下航行器很容易受到海底漩涡或界流的影响，因此本文对原有水下航行器运动学模型进行改进，在其受力中加入漩涡或界流对其的影响，这样就会在动力学模型辅助的输出信息中存在无法确定的测量噪声，因此传统的卡尔曼滤波就无法满足系统需要，，本文提出运用自适应卡尔曼滤波对模型中的不确定性进行估计方法以满足对导航系统的稳定性的要求。 针对导航系统中测量噪声的不确定性，将分别用Sage-Husa自适应卡尔曼滤波、多渐消因子自适应卡尔曼滤波、模糊自适应卡尔曼滤波对其进行滤波计算，分别对其进行仿真。其中模糊自适应卡尔曼滤波分别利用T-S模糊模型和Mamdani模型实现模糊规则。同时为了解决模糊控制器计算量大，计算法则程度高的问题，提出了运用数学函数对模糊过程进行拟合，通过运用拟合函数代替模糊控制器的方法来提高系统的运算速度。
【关键词】：AUV 组合导航 偏振光 模型辅助 卡尔曼滤波 自适应滤波
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U675.7;U674.941
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 第1章 绪论10-16
• 1.1 课题背景及研究意义10-11
• 1.2 AUV 导航国内外的发展动态及研究概况11-13
• 1.3 水下航行器导航技术的发展趋势13-14
• 1.4 论文的主要工作及结构安排14-16
• 第2章 基于偏振光辅助导航方法16-28
• 2.1 引言16
• 2.2 传统水下航行器的导航方法16-18
• 2.3 偏振光观测载体姿态原理18-20
• 2.4 PL/DVL/SINS 组合系统模型20-21
• 2.4.1 DVL/SINS 组合模型20-21
• 2.4.2 PL/SINS 组合模型21
• 2.5 PL/DVL/SINS 联邦滤波器设计21-23
• 2.5.1 连续系统离散化方法21-22
• 2.5.2 连续系统离散化22-23
• 2.5.3 主滤波器信息融合23
• 2.6 仿真结果及分析23-27
• 2.6.1 仿真条件23-24
• 2.6.2 仿真结果及分析24-27
• 2.7 本章小结27-28
• 第3章 AUV 运动学模型辅助导航方法28-48
• 3.1 引言28
• 3.2 AUV 运动模型设计28-39
• 3.2.1 坐标系和参数29-31
• 3.2.2 AUV 运动方程31-33
• 3.2.3 AUV 受力分析33-37
• 3.2.4 AUV 运动方程37-39
• 3.3 其他辅助导航技术39-40
• 3.3.1 电子罗盘39-40
• 3.3.2 深度计40
• 3.4 对现有运动学模型辅助导航进行滤波器设计40-46
• 3.4.1 设计原则40-41
• 3.4.2 状态方程的选取41-42
• 3.4.3 量测方程的建立42-46
• 3.5 本章小结46-48
• 第4章 基于自适应滤波的组合导航方法48-70
• 4.1 引言48
• 4.2 海洋干扰模型48-49
• 4.3 Sage-Husa 自适应滤波49-59
• 4.3.1 Sage-Husa 自适应卡尔曼滤波器设计49-51
• 4.3.2 简化的 Sage-Husa 算法51
• 4.3.3 Sage-Husa 自适应滤波器仿真51-59
• 4.4 多渐消因子卡尔曼滤波器设计与仿真59-67
• 4.4.1 单渐消因子卡尔曼滤波59-60
• 4.4.2 多渐消因子卡尔曼滤波60-62
• 4.4.3 仿真与分析62-67
• 4.5 本章小结67-70
• 第5章 基于模糊自适应卡尔曼滤波器的设计与仿真70-84
• 5.1 引言70
• 5.2 模糊控制与实时自适应滤波70-73
• 5.3 仿真及结果分析73-78
• 5.4 改进模糊自适应卡尔曼滤波78-82
• 5.5 本章小结82-84
• 结论84-86
• 参考文献86-90
• 攻读硕士学位期间所发表的学术论文90-92
• 致谢92

【参考文献】

中国期刊全文数据库 前10条

1 严浙平;邓力榕;孙海涛;;基于高度计信息处理的欠驱动无人水下航行器地形跟踪控制[J];计算机应用;2014年02期

2 赵龙;颜廷君;;不同传感器精度下的地磁轮廓匹配定位性能分析[J];物理学报;2013年06期

3 钱华明;葛磊;彭宇;;多渐消因子卡尔曼滤波及其在SINS初始对准中的应用[J];中国惯性技术学报;2012年03期

4 田柳;高隽;范之国;吴克伟;高丽娟;;基于大气偏振模式分布规律的导航方向角计算方法[J];电子学报;2012年01期

5 褚金奎;陈文静;王洪青;戎成功;;基于偏振光传感器的移动机器人导航实验[J];光学精密工程;2011年10期

6 樊启高;李威;王禹桥;杨雪峰;;一种采用捷联惯导的采煤机动态定位方法[J];煤炭学报;2011年10期

7 高伟熙;缪玲娟;倪茂林;;多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)[J];Chinese Journal of Aeronautics;2011年04期

8 梁松;徐晓苏;黄永亮;;Sage_Husa自适应滤波算法在捷联组合导航系统中的应用[J];测试技术学报;2011年04期

9 王光辉;刘晓亮;万峻;莫军;;水下偏振光导航技术[J];舰船科学技术;2011年07期

10 边信黔;程相勤;贾鹤鸣;严浙平;张利军;;基于迭代滑模增量反馈的欠驱动AUV地形跟踪控制[J];控制与决策;2011年02期

中国硕士学位论文全文数据库 前3条

1 赵艳;自主导航滤波算法研究[D];沈阳工业大学;2012年

2 彭树萍;AUV动力学模型辅助的航位推算方法研究[D];哈尔滨工程大学;2011年

3 辛廷慧;水下地形辅助导航方法研究[D];西北工业大学;2004年

本文编号：903814