基于SINS-DVL-GPS的AUV組合導航系統(tǒng)關鍵技術(shù)研究.pdf

1、隨著海洋探測與開發(fā)的不斷深入,對具有自主導航能力的水下機器人的需求越來越大。在深海復雜環(huán)境中,單一的傳感器設備都無法滿足高精度自主導航的要求,而采用多傳感器信息融合和優(yōu)化濾波算法成為必然的選擇。本文通過對水下自主機器人組合導航系統(tǒng)關鍵技術(shù)的研究,為其向更廣闊、更長程、更復雜的工作海域發(fā)展提供強有力的保證,這必將大大推動我國乃至世界水下自主機器人導航技術(shù)的發(fā)展。
　　 本文結(jié)合當前水下自主機器人導航技術(shù)的特點,介紹了自主導航技術(shù)中

2、常遇到的問題難點。提出了“潛航-水面校正-潛航”的導航模式,利用SINS／DVL組合導航系統(tǒng)作為水下導航系統(tǒng),將SINS／GPS組合導航系統(tǒng)作為水面校正系統(tǒng)。在遠程AUV導航過程中,AUV經(jīng)過一段時間的水下航行定時浮出水面,引入GPS,糾正AUV的速度和位置信息,解決了遠程AUV定位誤差隨時間累積而發(fā)散的問題。然后研究了擴展卡爾曼濾波和神經(jīng)網(wǎng)絡兩種流行的濾波方法。分析各自的優(yōu)缺點,提出相應的改進。
　　 擴展卡爾曼濾波是在卡爾曼

3、濾波的基礎上針對非線性環(huán)境的改進算法,需要根據(jù)SINS和DVL各自的誤差方程來設計擴展卡爾曼濾波器的狀態(tài)方程和觀測方程,從而計算出各個誤差項。AUV組合導航系統(tǒng)的實際運行環(huán)境比較惡劣,系統(tǒng)精確的數(shù)學模型及噪聲的統(tǒng)計特性不易先驗得到,從而經(jīng)常導致擴展卡爾曼濾波器發(fā)散。它的優(yōu)點是精度和實時性比較高,但是在可靠性方面要差一些。
　　 針對擴展卡爾曼濾波可靠性較差的問題,在保證AUV精確導航所需求的精度和實時性的前提下,本文提出了一種改

4、進遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的濾波算法。利用神經(jīng)網(wǎng)絡的特性處理信號,可以避開模式識別方法中建模與特征提取過程,從而減小因模型不確定與特征選擇不當引起的誤差,并能實現(xiàn)實時識別,以提高系統(tǒng)性能。遺傳算法擅長全局搜索,它可以在復雜的、多峰值、非線性及其不可微的空間實現(xiàn)全局搜索。但是在神經(jīng)網(wǎng)絡優(yōu)化過程中,我們發(fā)現(xiàn)常規(guī)遺傳算法又存在許多不足,如易早熟,算法穩(wěn)定性差,固定的交叉和變異概率影響收斂效果等。為了解決這些難題,本文從編碼方式、選擇操作、最優(yōu)個體

5、保留、引入“移民”機制、交叉和變異算子對遺傳算法進行改進,并將改進后的遺傳算法用來優(yōu)化神經(jīng)網(wǎng)絡,最終把優(yōu)化的神經(jīng)網(wǎng)絡濾波算法用于AUV組合導航系統(tǒng)中。
　　 在“潛航-水面校正-潛航”的導航模式下分別將以上兩種濾波算法應用于AUV組合導航實驗中,實驗結(jié)果表明,改進后的方法能較好的達到預期的目標,二種濾波算法都提高了濾波的精度。并且改進遺傳優(yōu)化神經(jīng)網(wǎng)絡濾波算法在保證精度和實時性的前提下,較擴展卡爾曼濾波算法提高了濾波的可靠性,增強