水下無(wú)人潛器同步定位與地圖生成方法研究.pdf

1、在當(dāng)今日益競(jìng)爭(zhēng)的國(guó)際形勢(shì)下，水下導(dǎo)航無(wú)論是對(duì)于民用打撈搜救、海底管道維護(hù)，還是軍事潛艇戰(zhàn)略巡航等，都具有很高的研究?jī)r(jià)值及意義，目前已成為國(guó)內(nèi)外研究的熱點(diǎn)與難點(diǎn)。
　　根據(jù)慣性導(dǎo)航系統(tǒng)能夠長(zhǎng)期滿(mǎn)足定位要求的特點(diǎn)，本文采用捷聯(lián)慣性導(dǎo)航(strapdown inertial navigation system，SINS)與同時(shí)構(gòu)圖定位導(dǎo)航(simultaneous localization and mapping，SLAM)相組合的導(dǎo)航

2、方式進(jìn)行研究。通過(guò)傳感器采集周?chē)h(huán)境特征物，SLAM技術(shù)不僅能夠提供載體及路標(biāo)的位置信息，用來(lái)輔助校正SINS漂移誤差，而且能構(gòu)建與周?chē)h(huán)境相一致的特征地圖。本文基于課題的研究背景和意義，總結(jié)了國(guó)內(nèi)外SLAM中數(shù)據(jù)關(guān)聯(lián)算法，并對(duì)其關(guān)鍵技術(shù)進(jìn)行了深入的研究。
　　針對(duì)海底石油管道探測(cè)定位工程的背景及意義，本文通過(guò)設(shè)定具有一定函數(shù)形式的管道模型，并將該函數(shù)軌跡作為載體的航行參考路徑，通過(guò)多次航行由聲學(xué)、光學(xué)以及慣性傳感器采集到的方位信

3、息、距離信息和圖像信息等，進(jìn)行了多傳感器融合算法研究，仿真實(shí)驗(yàn)實(shí)現(xiàn)了高精度的管道定位。具體的改進(jìn)算法及研究?jī)?nèi)容包括如下:
　　1、在水下導(dǎo)航定位中，載體需攜帶多種傳感器協(xié)作完成導(dǎo)航任務(wù)，而這些傳感器提供的目標(biāo)位置觀測(cè)值之間，需進(jìn)行數(shù)據(jù)關(guān)聯(lián)分析后，判斷是否來(lái)自同一實(shí)物，以被存儲(chǔ)在地圖數(shù)據(jù)庫(kù)中。針對(duì)最近鄰關(guān)聯(lián)算法在處理信標(biāo)多、關(guān)聯(lián)關(guān)系復(fù)雜方面的不足，提出了一種基于柵格圖模糊邏輯的SLAM數(shù)據(jù)關(guān)聯(lián)算法。仿真實(shí)驗(yàn)表明，該算法可以實(shí)現(xiàn)較高精

4、度的數(shù)據(jù)關(guān)聯(lián)。
　　2、針對(duì)水下環(huán)境及系統(tǒng)觀測(cè)噪聲的模糊性，進(jìn)行數(shù)據(jù)關(guān)聯(lián)時(shí)容易產(chǎn)生模糊關(guān)聯(lián)或錯(cuò)誤，從而導(dǎo)致SLAM過(guò)程失敗這一問(wèn)題，提出了基于最大概率BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)關(guān)聯(lián)算法，實(shí)驗(yàn)結(jié)果表明，新算法對(duì)目標(biāo)位置觀測(cè)值進(jìn)行關(guān)聯(lián)后可得到較高的關(guān)聯(lián)度，其對(duì)應(yīng)的定位估計(jì)濾波精度也較高。
　　3、針對(duì)擴(kuò)展卡爾曼濾波的SLAM算法(Extended Kalman filter-SLAM，EKF-SLAM)、無(wú)跡卡爾曼濾波的SLAM算法(U

5、nscented Kalman filter-SLAM，UKF-SLAM)、可調(diào)節(jié)系數(shù)無(wú)跡卡爾曼濾波(η-UKF-SLAM)等SLAM算法中非線性誤差較大，進(jìn)行時(shí)間更新與預(yù)測(cè)更新比較繁瑣，導(dǎo)航計(jì)算機(jī)運(yùn)行速度慢等問(wèn)題，提出了一種基于粒子濾波的SLAM算法，用一個(gè)最小的樣本點(diǎn)集來(lái)近似系統(tǒng)狀態(tài)的分布函數(shù)，通過(guò)設(shè)置有效樣本，判斷在粒子權(quán)值更新過(guò)程中是否進(jìn)行重采樣，以滿(mǎn)足粒子的多樣性和豐富性。并針對(duì)水下管道檢測(cè)定位應(yīng)用，仿真實(shí)驗(yàn)驗(yàn)證了該算法對(duì)“對(duì)

6、角線”型函數(shù)管道定位可達(dá)到較高的定位精度。
　　4、針對(duì)海底大范圍區(qū)域的系統(tǒng)本身或隨機(jī)干擾信號(hào)模型的模糊性，航行器初始狀態(tài)估計(jì)精度低，以及系統(tǒng)魯棒性差等問(wèn)題，結(jié)合“曲線”型函數(shù)管道檢測(cè)定位，提出了一種基于擴(kuò)展H∞濾波的SLAM算法，該算法設(shè)計(jì)從干擾輸入到濾波輸出的H∞范數(shù)最小的H∞濾波器，并求取相應(yīng)系統(tǒng)參數(shù)進(jìn)行時(shí)間更新與預(yù)測(cè)更新。仿真實(shí)驗(yàn)表明，跟蹤檢測(cè)具有較高的關(guān)聯(lián)精度，采集并提取的部分管道特征地圖可以達(dá)到較高的定位精度。

7、　　5、針對(duì)傳統(tǒng)n維Sigma點(diǎn)的非線性濾波中采樣點(diǎn)維數(shù)較多導(dǎo)致計(jì)算量加大，運(yùn)算速度下降，且大噪聲下系統(tǒng)的可觀性較弱等問(wèn)題，提出了一種基于SLAM的超球面分布采樣(Spherical Simplex，SS)的平方根容積卡爾曼濾波(Square-Root Cubature Kalman Filter,SRCKF)算法。該算法對(duì)n+2維容積點(diǎn)計(jì)算及傳播，并進(jìn)行狀態(tài)的預(yù)測(cè)及估計(jì)更新等，提高了模型中的導(dǎo)航參數(shù)運(yùn)算速度。通過(guò)與SRUKF和SSCK

8、F兩種濾波算法比較，實(shí)驗(yàn)結(jié)果表明，本文提出的SS-SRCKF算法在平方根協(xié)方差保證非負(fù)性?xún)?yōu)勢(shì)下，其定位精度較高且穩(wěn)定性最好，同時(shí)也證明了新的算法對(duì)未來(lái)水下導(dǎo)航實(shí)際工程應(yīng)用中的參考價(jià)值。
　　6、依據(jù)水下管道探測(cè)為研究背景，設(shè)置特定的仿真環(huán)境，分別采用多傳感器數(shù)據(jù)融合思想的粒子濾波、擴(kuò)展H∞濾波、SS-SRCKF三種濾波算法，在仿真區(qū)域中管道軌跡參考路徑下，對(duì)載體位置進(jìn)行定位估計(jì)分析。依據(jù)室內(nèi)目標(biāo)物的SIFT(Scan Invari