自主式水下航行器同步定位與地圖構(gòu)建算法研究.pdf

1、自主式水下航行器(AUV)在軍事、科考和工程領(lǐng)域具有巨大的潛在價值和商業(yè)化前景，已成為機器人領(lǐng)域的一個熱點問題。導(dǎo)航技術(shù)是決定AUV發(fā)展水平的關(guān)鍵技術(shù)之一，隨著AUV向遠程化和深?；l(fā)展，傳統(tǒng)的導(dǎo)航方式已無法適應(yīng)AUV快速發(fā)展的要求。同步定位與地圖構(gòu)建(SLAM)因其無需先驗環(huán)境地圖以及外部傳感器結(jié)構(gòu)簡單等優(yōu)勢，對于提高AUV導(dǎo)航自主性具有重大的現(xiàn)實意義。本文針對AUV的SLAM問題，對其中的關(guān)鍵算法和技術(shù)問題展開研究。
　　

2、論文的研究工作和成果主要包括：
　　 首先對AUV的運動控制模型、環(huán)境地圖模型、傳感器觀測模型等進行了討論，并對這些模型進行了合理簡化，接著給出AUV定位問題、地圖構(gòu)建問題的描述，在此基礎(chǔ)上建立SLAM問題的概率模型及算法性能評價標(biāo)準(zhǔn)。
　　 對于小范圍環(huán)境下的AUV同步定位與地圖構(gòu)建問題，EKF-SLAM具有算法結(jié)構(gòu)簡單、數(shù)學(xué)理論嚴(yán)謹?shù)葍?yōu)點，使用UKF代替EKF能克服EKF-SLAM算法處理非線性問題時引入線性化誤差的

3、問題，但在實際應(yīng)用中UKF的估計精度依賴于準(zhǔn)確的先驗噪聲模型，缺乏自適應(yīng)調(diào)節(jié)能力。針對這個問題，提出了一種魯棒UKF-SLAM算法，通過使用一個多維觀測噪聲尺度因子對實際噪聲統(tǒng)計特性進行跟蹤，使算法在先驗噪聲模型未知或其統(tǒng)計特性時變情況下仍然保持較高的估計精度和穩(wěn)定性。與EKF-SLAM和UKF-SLAM的對比仿真驗證了算法的有效性。
　　 對于大范圍或特征密集環(huán)境下的AUV同步定位與地圖構(gòu)建問題，基于粒子濾波(PF)的Fast

4、SLAM算法是一種常用的解決方案。針對傳統(tǒng)PF算法不具備處理非高斯非穩(wěn)態(tài)噪聲的能力，提出了一種基于極大似然估計的PF算法，利用一系列獨立的加權(quán)高斯噪聲序列對真實噪聲進行逼近，并將PF算法的粒子重要性權(quán)值轉(zhuǎn)化為每個高斯噪聲序列對應(yīng)的概率密度函數(shù)，然后通過極大似然估計計算出這些獨立噪聲序列的分布參數(shù)及其權(quán)值，最終確定粒子重要性權(quán)值。將這種改進的PF算法用于FastSLAM框架，實現(xiàn)了非穩(wěn)態(tài)非高斯噪聲下AUV的同步定位與地圖構(gòu)建，仿真實驗驗證

5、了算法的有效性。
　　 數(shù)據(jù)關(guān)聯(lián)是SLAM的核心問題之一，直接影響到AUV狀態(tài)和環(huán)境地圖估計的精度。在對常見數(shù)據(jù)關(guān)聯(lián)方法原理及特點進行分析比較的基礎(chǔ)上，提出了一種基于模糊邏輯的數(shù)據(jù)關(guān)聯(lián)方法。該方法以特征狀態(tài)估計和特征觀測的誤差橢圓為對象，從中挖掘反映特征觀測和特征估計的相關(guān)性信息并投影到論域上的模糊集合，通過建立一定的模糊規(guī)則，對多種特征信息進行融合推理，將模糊輸出變量作為關(guān)聯(lián)結(jié)果。仿真實驗表明模糊數(shù)據(jù)關(guān)聯(lián)算法具有比傳統(tǒng)算法更高

6、的關(guān)聯(lián)正確率和更強的抗干擾能力。
　　 傳統(tǒng)SLAM模型利用向量序列形式表達空間信息，對于雜波環(huán)境中的AUV導(dǎo)航問題，這種SLAM模型無法有效表達雜波對觀測帶來的漏檢、傳感器虛警以及觀測不確定性等多種信息，算法的性能受到較大影響。針對這個問題，提出了一種基于隨機有限集(RFS)的SLAM模型，將SLAM問題中的狀態(tài)信息、觀測信息以及環(huán)境地圖都表示成RFS形式，在Bayes估計框架下利用概率假設(shè)密度(PHD)濾波進行聯(lián)合目標(biāo)狀態(tài)估