水下導(dǎo)航技術(shù)是智能水下機器人研究的核心課題。高精度水下導(dǎo)航系統(tǒng)是AUV的關(guān)鍵技術(shù)。本文首先對導(dǎo)航系統(tǒng)信息融合的數(shù)據(jù)融合模型、坐標(biāo)系空間配準(zhǔn)、目標(biāo)運動模型選擇與導(dǎo)航濾波算法等方面做了詳細(xì)介紹;在小波變換理論與多尺度系統(tǒng)理論的基礎(chǔ)上,研究了一類多尺度卡爾曼濾波算法的濾波性能,并針對該算法進(jìn)行仿真實驗分析,提出了改進(jìn)思路;針對導(dǎo)航系統(tǒng)的非線性濾波問題,提出了基于集合卡爾曼思想的多尺度集合卡爾曼濾波算法以及基于切法向速度模型的多尺度無跡卡爾曼濾波算法。本論文具體研究內(nèi)容包括以下四個方面:描述了目前制約水下組合導(dǎo)航技術(shù)發(fā)展的關(guān)鍵問題以及多尺度分析方法解決動態(tài)系統(tǒng)估計的特色;在小波變換與信號多尺度表示基礎(chǔ)上,探討構(gòu)建多尺度系統(tǒng)中的尺度變量選擇方法、內(nèi)部模型和外部模型的實現(xiàn)方法,研究AUV水下組合導(dǎo)航系統(tǒng)的MKF濾波估計算法,通過分析粗細(xì)尺度間轉(zhuǎn)換算法與噪聲的內(nèi)在關(guān)系,探討了MKF濾波算法的濾波性能,并提出改進(jìn)方案;從導(dǎo)航系統(tǒng)的多尺度特性出發(fā),分析水下導(dǎo)航系統(tǒng)數(shù)據(jù)融合領(lǐng)域的非線性濾波估計方法和信息融合策略,主提出了基于集合卡爾曼思想的多尺度集合卡爾曼濾波算法以及基于切法向速度模型的多尺度無跡卡爾曼濾... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【部分圖文】：

美國Remus-6000型號AUV與Remora-6000型號ROVRemus-6000型號AUV采用INS/ADCP/GPS水下組合導(dǎo)航系統(tǒng)，并搭載多個測距聲

第1章緒論5AUV所在位置自主選擇水聲通訊、銥星通訊、Wi-Fi通訊等多種通訊方式。此外，Remus-6000型號AUV共搭載雙頻測掃聲納、多波束剖面聲納、海底剖面聲納等聲學(xué)探測設(shè)備以及水下攝像機、探照燈等。歷經(jīng)兩年的水下搜尋后，Remus-6000型號AUV采用聲納探測設(shè)備和高分辨率的攝像機獲得了飛機殘骸的清晰光學(xué)影像。在目標(biāo)位置獲得確定后，Remora-6000型號的無人遙控潛水器下潛到目標(biāo)位置，最終將失事客機黑匣子成功打撈。再結(jié)合近期剛公布最終調(diào)查報告的馬航MH370飛機失事案例，在MH370客機黑匣子信號消失后，黑匣子打撈工作從海上搜索階段進(jìn)入水下搜索階段。由于飛機失事事件前期時各調(diào)查組織間互相矛盾的飛機航線信息導(dǎo)致水下搜索區(qū)域面積難以有效縮小，同時考慮到水面船拖曳的聲納系統(tǒng)探測的效率低、數(shù)據(jù)精度差，而無人遙控潛水器ROV或載人潛水器HOV進(jìn)行探測的作業(yè)范圍受限，只有在小范圍內(nèi)比較精確地確認(rèn)目標(biāo)位置的情況下才能進(jìn)行。最終澳大利亞采用由美國Bluefin公司研發(fā)制造的Bluefin-21型號AUV執(zhí)行飛機殘骸的水下搜索工作。美國研制的Bluefin-21型號AUV采用由LN250慣性導(dǎo)航元件、GPS以及DVL等導(dǎo)航傳感設(shè)備構(gòu)成的水下組合導(dǎo)航系統(tǒng)，其中以慣性導(dǎo)航元件為核心，通過DVL與GPS設(shè)備對慣性導(dǎo)航系統(tǒng)的陀螺漂移及刻度因子進(jìn)行修正，使其水下導(dǎo)航精度可達(dá)到航程的0.1%。圖1.2美國Bluefin系列AUV除上述Remus-6000型號AUV與Bluefin-21型號AUV所采用水下組合導(dǎo)航方案之外，美國各研究中心在現(xiàn)有的水下組合導(dǎo)航系統(tǒng)基礎(chǔ)上，不斷致力于研究與試驗新型水

哈爾濱工程大學(xué)碩士學(xué)位論文6下輔助導(dǎo)航方案。2016年3月，美國高級研究計劃局DAPRA授予英國BAE軍工公司研發(fā)“深海定位導(dǎo)航系統(tǒng)（POSYDON）”項目，旨在通過在海底部署少量發(fā)射特定聲波的聲源信標(biāo)，使AUV等水下平臺具備水下長航時精確導(dǎo)航的能力。當(dāng)水下航行器通過接收特定的聲波信號，從而確定自身與每個聲源信標(biāo)的距離，并通過三角定位法解算出自身位置。DAPRA的“深海定位導(dǎo)航系統(tǒng)”采用的方案是在海底盆地將聲學(xué)信標(biāo)像GPS導(dǎo)航衛(wèi)星一樣組成“定位網(wǎng)絡(luò)”，使用聲波發(fā)送精確定位信號，使水下平臺獲得精確的位置信息。通過合理布置聲學(xué)信標(biāo)位置，可以實現(xiàn)少量信標(biāo)覆蓋AUV航行海域。圖1.3美國POSYDON深海定位導(dǎo)航系統(tǒng)示意圖根據(jù)美國的無人水下航行器發(fā)展規(guī)劃，未來美國研制的AUV水下組合導(dǎo)航系統(tǒng)將通過積累地球物理信息等手段發(fā)展海底地形匹配技術(shù)，并研發(fā)新的慣性導(dǎo)航設(shè)備，不斷追求導(dǎo)航系統(tǒng)的高精度和小型化，將導(dǎo)航系統(tǒng)綜合精度不斷提高。除美國外，挪威國防研究中心與英國南安普頓海洋研究中心在水下組合導(dǎo)航系統(tǒng)與海底地形匹配輔助導(dǎo)航系統(tǒng)方面進(jìn)行了深入研究。挪威國防研究中心研制的Hugin-1000型號AUV組合導(dǎo)航系統(tǒng)包括慣性導(dǎo)航系統(tǒng)、DVL、GPS以及USBL，并在2009年和2010年將海底地形匹配導(dǎo)航作為備選方案分別進(jìn)行了兩次水下航行試驗。在50千米水下航行過程中，Hugin-1000型號AUV搭載的地形匹配定位系統(tǒng)地形匹配定位誤差約4米，遠(yuǎn)低于慣性導(dǎo)航系統(tǒng)50-100m的理論定位誤差，驗證了海底地形匹配技術(shù)對提高AUV自主導(dǎo)航精度的有效性。在海上試驗過程中，Hugin-1000型號AUV所搭載的多波束探測裝備突然損壞，并臨時采用DVL作為海底

【參考文獻(xiàn)】：
期刊論文
[1]國外無人水下航行器裝備與技術(shù)現(xiàn)狀及展望[J]. 鐘宏偉.  水下無人系統(tǒng)學(xué)報. 2017(04)
[2]水下無人系統(tǒng)發(fā)展現(xiàn)狀及其關(guān)鍵技術(shù)[J]. 潘光,宋保維,黃橋高,施瑤.  水下無人系統(tǒng)學(xué)報. 2017(02)
[3]Actuator fault diagnosis of autonomous underwater vehicle based on improved Elman neural network[J]. 孫玉山,李岳明,張國成,張英浩,吳海波.  Journal of Central South University. 2016(04)
[4]Underwater Terrain Positioning Method Based on Least Squares Estimation for AUV[J]. 陳鵬云,李曄,蘇玉民,陳小龍,姜言清.  China Ocean Engineering. 2015(06)
[5]交互式容積卡爾曼濾波及其應(yīng)用[J]. 于浛,宋申民,王碩.  控制與決策. 2015(09)
[6]傳感器組網(wǎng)中基于模糊信息處理的多目標(biāo)跟蹤[J]. 范恩,謝維信,劉宗香,陳飛,李麗娟.  指揮信息系統(tǒng)與技術(shù). 2014(06)
[7]基于UT變換改進(jìn)多模型濾波的水下航行器導(dǎo)航方法[J]. 王澤元,許昭霞.  艦船科學(xué)技術(shù). 2014(10)
[8]基于改進(jìn)連續(xù)-離散無跡卡爾曼濾波的水下航行器故障診斷[J]. 徐德民,劉富檣,張立川,崔榮鑫.  西北工業(yè)大學(xué)學(xué)報. 2014(05)
[9]基于高斯樣條函數(shù)的水下重力輔助慣性導(dǎo)航[J]. 王志剛,顧雪峰.  計算機仿真. 2014(03)
[10]基于GPS/INS緊組合導(dǎo)航的UKF和CKF濾波精度分析[J]. 孟,朱立新.  航天控制. 2014(01)

博士論文
[1]高層信息融合中可靠證據(jù)合成方法研究[D]. 王萬請.解放軍信息工程大學(xué) 2013
[2]水下航行器組合導(dǎo)航系統(tǒng)與信息融合技術(shù)研究[D]. 牟宏偉.哈爾濱工程大學(xué) 2013
[3]水下航行器導(dǎo)航及數(shù)據(jù)融合技術(shù)研究[D]. 楊峻巍.哈爾濱工程大學(xué) 2012
[4]基于多尺度估計理論的組合導(dǎo)航系統(tǒng)研究[D]. 周雪梅.哈爾濱工程大學(xué) 2006

碩士論文
[1]基于小波變換的AUV多尺度組合導(dǎo)航算法研究[D]. 吳海波.哈爾濱工程大學(xué) 2017
[2]運動目標(biāo)識別與跟蹤系統(tǒng)研究[D]. 龔聲民.哈爾濱工業(yè)大學(xué) 2014
[3]不同潛深下水下機器人導(dǎo)航位置修正方法研究[D]. 李成濤.哈爾濱工程大學(xué) 2014
[4]基于小波多尺度相關(guān)的次聲波管網(wǎng)泄漏檢測[D]. 王鑫.東北石油大學(xué) 2013
[5]基于信息融合的全自動生化分析儀故障檢測技術(shù)研究[D]. 郭維.沈陽工業(yè)大學(xué) 2013
[6]干涉SAR電磁建模[D]. 閆曉菲.西安電子科技大學(xué) 2013
[7]智能水下機器人導(dǎo)航修正方法研究[D]. 于洋.哈爾濱工程大學(xué) 2013
[8]基于微慣性/多普勒的組合導(dǎo)航方法研究[D]. 劉亞龍.哈爾濱工程大學(xué) 2012
[9]基于數(shù)據(jù)融合的聲目標(biāo)識別技術(shù)研究[D]. 張美仙.中北大學(xué) 2011
[10]基于小波變換的圖像壓縮編碼算法及其并行化研究[D]. 張新菊.成都理工大學(xué) 2011



本文編號：3278161