AUV組合導(dǎo)航算法研究及基于MOOS平臺的系統(tǒng)實(shí)現(xiàn).pdf

1、自主水下航行器(Autonomous Underwater Vehicle，簡稱AUV)是近年來海洋工程領(lǐng)域研究的熱點(diǎn)之一。它可搭載各種傳感器設(shè)備，有效地收集數(shù)據(jù)，在水下環(huán)境觀測中得到越來越廣泛的應(yīng)用。
　　 水下導(dǎo)航技術(shù)是AUV實(shí)現(xiàn)自主航行的關(guān)鍵，由于GPS在水下不可用，且長時(shí)間的水下作業(yè)、隱蔽性和高可靠性需求、復(fù)雜水下環(huán)境等因素，實(shí)現(xiàn)AUV的自主導(dǎo)航具有很大的挑戰(zhàn)性。在實(shí)際中利用多種傳感器的數(shù)據(jù)進(jìn)行組合導(dǎo)航，可以降低傳統(tǒng)的航

2、位推算導(dǎo)航系統(tǒng)遇到的時(shí)間累積誤差，是目前AUV系統(tǒng)普遍采用的導(dǎo)航方法。
　　 本文對基于卡爾曼濾波(Kalman Filter，簡稱KF)的各類濾波方法，如擴(kuò)展卡爾曼濾波(Extended Kalman Filter，簡稱EKF)、無味卡爾曼濾波(UnscentedKalman Filter，簡稱UKF)、集合卡爾曼濾波(Ensemble Kalman Filter，簡稱EnKF)，以及粒子濾波濾波(Particle Filte

3、r，簡稱PF)在AUV導(dǎo)航中的應(yīng)用進(jìn)行了介紹，并發(fā)展了集合卡爾曼濾波-粒子濾波相結(jié)合的新型濾波算法(EnsembleKalman-Particle Filter，簡稱EnKPF)，實(shí)現(xiàn)了其在AUV組合導(dǎo)航上的應(yīng)用。通過數(shù)值仿真和實(shí)測試驗(yàn)數(shù)據(jù)處理對這五種濾波算法的性能進(jìn)行了分析比較。
　　 本文同時(shí)發(fā)展了一款用于AUV控制的開源軟件平臺MOOS(MissionOrientated Operating Suite)，實(shí)現(xiàn)了該平臺外接