無(wú)人水下航行器導(dǎo)航定位與環(huán)境感知技術(shù)研究.pdf

1、無(wú)人水下航行器(unmanned underwater vehicle，以下簡(jiǎn)稱(chēng)UUV)在完全未知的環(huán)境中依靠自身攜帶的傳感器來(lái)感知周?chē)h(huán)境信息，同時(shí)實(shí)現(xiàn)自身的定位是其真正實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵技術(shù)之一。傳統(tǒng)的導(dǎo)航定位算法隨著時(shí)間的增加，會(huì)產(chǎn)生誤差累積以及計(jì)算復(fù)雜性增大等問(wèn)題。本課題研究的導(dǎo)航定位算法能夠在保證導(dǎo)航定位精度的同時(shí)，降低計(jì)算復(fù)雜度，因此具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。
　　 本文主要針對(duì)以下方面開(kāi)展研究：

2、　　 首先，介紹了航位推算法，給出了航位推算法的基本原理，結(jié)合UUV自身攜帶的傳感器在線測(cè)得的速度與姿態(tài)信息，針對(duì)小范圍內(nèi)的UUV運(yùn)動(dòng)軌跡進(jìn)行了航位推算導(dǎo)航定位方法的仿真驗(yàn)證，通過(guò)與GPS實(shí)測(cè)數(shù)據(jù)對(duì)比驗(yàn)證了UUV航位推算算法有效性。
　　 其次，針對(duì)航位推算方法隨時(shí)間增長(zhǎng)累積導(dǎo)航誤差的缺點(diǎn)，引入了基于擴(kuò)展卡爾曼濾波(Extend Kalman Filter，以下簡(jiǎn)稱(chēng)EKF)的UUV導(dǎo)航定位算法，給出了EKF的工作原理，討論了環(huán)

3、境感知技術(shù)中特征提取與地圖表示的基本方法，結(jié)合UUV的簡(jiǎn)化運(yùn)動(dòng)模型，運(yùn)用EKF實(shí)現(xiàn)了UUV導(dǎo)航定位計(jì)算，并給出了定位誤差分析。
　　 再次，針對(duì)EKF導(dǎo)航定位時(shí)的計(jì)算復(fù)雜性問(wèn)題，研究了基于壓縮型擴(kuò)展卡爾曼濾波(Compressed Extend Kalman Filter，以下簡(jiǎn)稱(chēng)CEKF)的UUV導(dǎo)航定位方法，提出了CEKF的改進(jìn)方法，給出了詳細(xì)的計(jì)算步驟，設(shè)計(jì)了局部地圖的劃分依據(jù)及其切換準(zhǔn)則以及在觀測(cè)路標(biāo)時(shí)的數(shù)據(jù)關(guān)聯(lián)技術(shù)。利