AUV模型輔助捷聯(lián)慣導(dǎo)組合導(dǎo)航方法研究.pdf

1、捷聯(lián)慣性導(dǎo)航系統(tǒng)（SINS，Strapdown Inertial Navigation System）作為自主式水下潛器(AUV，Autonomous Underwater Vehicle)的主要導(dǎo)航方式，在沒有有效輔助的情況下，由于誤差積累引起的捷聯(lián)慣導(dǎo)系統(tǒng)發(fā)散問題，多采用多普勒測速儀(DVL，Doppler velocity Log)對(duì)其漂移進(jìn)行限制。然而，探測方法較為粗糙，水下地形復(fù)雜等問題使得某些情況下DVL的探測范圍無法到達(dá)海

2、底，降低了SINS/DVL組合導(dǎo)航模式的可行性。在DVL失效，無法得到準(zhǔn)確量測時(shí)，捷聯(lián)慣導(dǎo)系統(tǒng)誤差迅速增大，導(dǎo)航精度大大降低。同時(shí)，系統(tǒng)模型失真，噪聲統(tǒng)計(jì)特性不確定，將會(huì)導(dǎo)致卡爾曼濾波精度降低，嚴(yán)重時(shí)會(huì)出現(xiàn)濾波發(fā)散的情況。因此，需要一個(gè)能有效降低漂移的導(dǎo)航方式對(duì)SINS的速度信息和位置信息進(jìn)行校正，并且需要魯棒性較好的濾波器對(duì)該組合導(dǎo)航系統(tǒng)進(jìn)行狀態(tài)估計(jì)。針對(duì)以上問題，本文提出了采用描述AUV運(yùn)動(dòng)的數(shù)學(xué)模型輔助捷聯(lián)慣導(dǎo)的組合導(dǎo)航方法，并且

3、選用漸消記憶卡爾曼濾波和H∞濾波對(duì)模型輔助的組合導(dǎo)航系統(tǒng)進(jìn)行狀態(tài)估計(jì)。本文詳細(xì)介紹和深入研究了以下內(nèi)容：
　　首先，本文分析了傳統(tǒng)的組合導(dǎo)航方式和模型輔助的組合導(dǎo)航方式之間的區(qū)別；介紹了捷聯(lián)慣導(dǎo)的原理、機(jī)械編排、進(jìn)行了誤差分析，并給出了捷聯(lián)慣導(dǎo)的誤差方程。
　　其次，本文根據(jù)AUV運(yùn)動(dòng)的模型及海流對(duì)運(yùn)動(dòng)模型的影響，建立在海流影響下的AUV運(yùn)動(dòng)的數(shù)學(xué)模型，利用其三自由度模型、合外力及力矩的數(shù)據(jù)解算得到AUV的位置信息和速度信息

4、。
　　然后，結(jié)合對(duì)漸消記憶濾波的深入研究提出了改進(jìn)的漸消記憶卡爾曼濾波算法，并將其應(yīng)用到模型輔助組合導(dǎo)航系統(tǒng)中，在模型準(zhǔn)確和不準(zhǔn)確的情況下分別進(jìn)行了勻速直線運(yùn)動(dòng)和變速運(yùn)動(dòng)的仿真，仿真結(jié)果表明漸消記憶濾波算法可以改善模型輔助捷聯(lián)慣性組合導(dǎo)航系統(tǒng)精度，且在模型不準(zhǔn)確時(shí)抑制卡爾曼濾波發(fā)散。
　　最后，采用了魯性更好的H∞濾波算法對(duì)模型輔助捷聯(lián)慣導(dǎo)組合導(dǎo)航系統(tǒng)進(jìn)行狀態(tài)估計(jì)，在模型準(zhǔn)確和不準(zhǔn)確的情況下分別進(jìn)行了勻速直線運(yùn)動(dòng)仿真和變速

5、仿真，仿真結(jié)果表明 H∞濾波算法不但可以改善模型輔助捷聯(lián)慣導(dǎo)組合導(dǎo)航系統(tǒng)精度還可以提高系統(tǒng)魯棒性，且在模型不準(zhǔn)確時(shí)可以抑制卡爾曼濾波的發(fā)散。
　　本文的研究結(jié)果表明改進(jìn)的漸消記憶卡爾曼濾波在AUV模型輔助捷聯(lián)慣導(dǎo)組合導(dǎo)航系統(tǒng)中的應(yīng)用可以有效的抑制SINS發(fā)散，提高組合導(dǎo)航精度。H∞濾波在模型輔助組合導(dǎo)航系統(tǒng)中的應(yīng)用能夠有效提高組合導(dǎo)航系統(tǒng)精度和魯棒性。該組合導(dǎo)航系統(tǒng)可以作為 DVL工作失效時(shí)的備份導(dǎo)航系統(tǒng)，且這兩種濾波方式能夠有效