水下無(wú)人潛航器（Underwater Unmanned Vehicle,UUV）的導(dǎo)航定位主要依靠測(cè)距聲信標(biāo)或便攜式低精度導(dǎo)航傳感器。這些設(shè)備觀測(cè)信息單一且精度低,載體非線性運(yùn)動(dòng)及復(fù)雜海流等因素均對(duì)導(dǎo)航定位精度有較大的影響。因此,文章設(shè)計(jì)了基于擴(kuò)展卡爾曼濾波（ExtendedKalmanFiltering,EKF）的導(dǎo)航算法,結(jié)果表明該算法適用范圍廣且具有好的收斂性和精度。 

【文章來(lái)源】：科技智囊. 2020,(05)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

主從式UUV群體導(dǎo)航示意圖

2020年第5期科技智囊47一、載體非線性運(yùn)動(dòng)模型首先建立東—北直角坐標(biāo)系EON，然后以載體重心G為原點(diǎn)建立載體坐標(biāo)系xOy，如圖1所示。假設(shè)載體在海流速度為v的海水中沿水平面運(yùn)動(dòng)，并忽略橫搖擾動(dòng)的影響。另外，載體裝備的電子羅盤能顯示載體艏向角Ψ，裝備的計(jì)程儀可計(jì)算出沿載體艏向的速度u。載體重心G的速度V’可由海流與艏向速度的合成速度求得，載體ON向坐標(biāo)軸的夾角稱為記為γ，其物理含義是航跡角。海流作用使得載體以一定的角度航行，該角度記為β，名稱為漂角。通過(guò)下式可以求得載體在水平面的艏向速度：（1）其中為載體的水平面速度，為載體裝備的計(jì)程儀讀出的速度，為載體縱傾角。圖1載體在海流中的運(yùn)動(dòng)狀態(tài)載體內(nèi)安裝有定位聲吶測(cè)量載體，可以每隔一段時(shí)間，通過(guò)測(cè)量載體到聲信標(biāo)的聲傳播時(shí)間，求得距離，使載體在純距離方式下導(dǎo)航。令為載體東—北坐標(biāo)系下的坐標(biāo)，為海流東、北向分量，為渦輪式計(jì)程儀測(cè)量的速度，和為載體的艏向角和縱傾角。對(duì)于攜帶壓力傳感器的UUV，僅需估計(jì)載體的二維坐標(biāo)�？紤]到渦輪式計(jì)程儀測(cè)量的是相對(duì)海流的速度，在導(dǎo)航算法中還應(yīng)估計(jì)海流速度。因此，采用狀態(tài)—參數(shù)聯(lián)系估計(jì)，設(shè)濾波器狀態(tài)為，對(duì)載體的非線性運(yùn)動(dòng)進(jìn)行離散化，建立如下運(yùn)動(dòng)學(xué)微分模型：（2）（3）（4）將載體的三維運(yùn)動(dòng)轉(zhuǎn)換成水平面內(nèi)的運(yùn)動(dòng)，故載體運(yùn)動(dòng)學(xué)微分方程為：（5）對(duì)上述非線性連續(xù)微分方程進(jìn)行離散化：（6）即（7）其中是6維函數(shù)，表示非線性狀態(tài)變化模型，是驅(qū)動(dòng)噪聲，是采樣周期。對(duì)進(jìn)行動(dòng)態(tài)線性化，雅可比矩陣可由下式表示：（8）其中是的估計(jì)。剩下的問(wèn)題是設(shè)計(jì)有效的導(dǎo)航算法，滿足UUV在弱觀測(cè)條件下的導(dǎo)航?

?叫校ǜ謀浜郊＃??芄皇迪?系統(tǒng)在時(shí)段區(qū)間意義上的完全可觀。三、導(dǎo)航算法由于載體運(yùn)動(dòng)狀態(tài)方程是非線性的，對(duì)于單信標(biāo)（固定、移動(dòng)、主從UUV）情況，觀測(cè)方程也是非線性的，考慮到海流等參數(shù)，需要對(duì)狀態(tài)和參數(shù)進(jìn)行聯(lián)合估計(jì)，因此采用基于EKF的導(dǎo)航算法。（一）算法一將上一時(shí)刻狀態(tài)變量的預(yù)測(cè)值作為當(dāng)前時(shí)刻的載體坐標(biāo)，代入觀測(cè)方程計(jì)算觀測(cè)值。對(duì)于三信標(biāo)使用條件，當(dāng)位置更新信息到來(lái)時(shí)，作為當(dāng)前時(shí)刻載體坐標(biāo)的觀測(cè)值，如圖3；對(duì)于單信標(biāo)使用條件，當(dāng)距離更新信息到來(lái)時(shí)，作為當(dāng)前時(shí)刻距離的觀測(cè)值，如圖4。圖4單信標(biāo)EKF導(dǎo)航算法一的框圖（二）算法二采用兩個(gè)EKF。對(duì)于三信標(biāo)情況，位置更新信息沒(méi)有到來(lái)時(shí)，以導(dǎo)航傳感器給出的艏向角和速度作為觀測(cè)向量，當(dāng)位置更新信息到來(lái)時(shí)，在原觀測(cè)向量中增加位置信息，如圖5；對(duì)于單信標(biāo)，距離信息沒(méi)有到來(lái)時(shí)，以導(dǎo)航傳感器給出的艏向角和速度作為觀測(cè)向量，當(dāng)距離信息到來(lái)時(shí)，在原觀測(cè)向量中增加位置信息，如圖6。圖3三信標(biāo)EKF導(dǎo)航算法一的框圖圖5三信標(biāo)EKF導(dǎo)航算法二的框圖技術(shù)研發(fā)與應(yīng)用

【參考文獻(xiàn)】：
期刊論文
[1]UUV集群協(xié)同探測(cè)與數(shù)據(jù)融合技術(shù)研究[J]. 周宏坤,葛錫云,邱中梁,馮雪磊,陳南若.  艦船科學(xué)技術(shù). 2017(23)
[2]基于卡爾曼濾波的UUV導(dǎo)航定位系統(tǒng)GPS異常點(diǎn)剔除方法[J]. 張晉斌.  電子世界. 2014(15)
[3]基于EKF的UUV單信標(biāo)水聲導(dǎo)航定位方法研究[J]. 曹方方,劉衛(wèi)東,李娟麗.  計(jì)算機(jī)測(cè)量與控制. 2011(09)
[4]基于水聲傳播延遲的主從式多無(wú)人水下航行器協(xié)同導(dǎo)航定位研究[J]. 張立川,劉明雍,徐德民,嚴(yán)衛(wèi)生.  兵工學(xué)報(bào). 2009(12)
[5]動(dòng)態(tài)卡爾曼濾波在導(dǎo)航試驗(yàn)狀態(tài)估計(jì)中的應(yīng)用[J]. 劉國(guó)海,李沁雪,施維,李康吉.  儀器儀表學(xué)報(bào). 2009(02)



本文編號(hào)：3485539