AUV协同定位PPT课件

-,1,多水下潜器协同定位概述,-,2,内容,协同概念,水下定位技术概述,2,4,5,6,国内外研究进展,技术特点与难点分析,协同定位中的滤波算法,水声通信特性与测距误差,3,-,3,一、协同概念,1.水下多AUV协同定位的重要意义21世纪是海洋的世纪，是全世界大规模开发利用海洋资源，扩大海洋产业、发展海洋经济和争夺海上权益的新时期。由于受海洋苛刻的自然条件以及人自身的生理条件所限，人类对海洋的探索还处于比较肤浅的阶段。就当前的发展而言，水下导航问题仍然是无人水下航行器所面临的主要技术挑战之一。导航系统必须提供远距离及长时间范围内的精确定位、速度及姿态信息，受体积、质量、能源的闲置及水声介质的特殊性、隐蔽性等因素的影响，实现航行器的精确导航是一项艰难的任务。水下高精度导航是无人航行器完成任务的关键，尤其对多水下航行器协作系统显得至关重要，这对于多航行器系统的编队保持与控制，相互间的高效协同作业起着决定性作用。,-,4,一、协同概念,利用多自主水下航行器（AUV）协同作业不仅能够承担单体航行器难以胜任的诸多复杂任务，如大面积的海洋环境调查、海底地形地貌勘探、失事船只搜索以及军事上的情报收集、水雷探测、沿岸反潜、中继通信等，而且具有高效率、高可靠性、高质量的优点，具有广阔的应用前景，示意图如图1所示。进行多航行器协同作业首先需要确定每个航行器的相对位置关系，即解决多航行器协同导航定位问题。,图1水下AUV协同探测、扫雷示意图,-,5,一、协同概念,2.水下多AUV协同定位问题的界定及其定义2.1协同的概念协同原本指的是一种物理和化学现象，也称为协同作用，是指两种或多种组分一起加入，混合在一起，所产生的作用大于各种组分单独应用时作用的总和。而其中对混合物产生这种效果的物质称为增效剂。赫尔曼哈肯(德国物理学家)在上世纪70年代第一次提出了协同的定义，并出版了相关书籍协同学导论等，对协同理论进行了系统地阐述和分析，指出整体环境中存在的若干子系统，它们之间有着相互作用、相互影响的联系，并非是独立存在的。在社会中类似的现象比比皆是，比如企业中的各个单位既会相互干扰和制约，又会相互配合和协作等。可以将一个企业看成协同系统，利用协同操作来实现资源的有效利用。这样的企业整体效益大于独立作用的总和的一部分，常常被描述为“2+2=5”或“1+12”。,-,6,一、协同概念,(2)多AUV协同导航概念的提出,(2)多AUV协同导航概念的提出,2.2多AUV协同导航概念的提出由于AUV导航系统必须在长时间跨度、远距离范围提供精确的位置信息、速度信息和姿态信息，同时还必须考虑体积、质量、能量约束和特殊水下环境、隐蔽性和其他因素，使得实现AUV的精确导航定位成为一项艰巨的任务。AUV导航主要可以分为两类：基于自身敏感器件信号的自主导航与基于外部信号的非自主导航。按照工作方式，可以分为惯性导航、地磁辅助导航、无线电导航、地形匹配导航、光学导航、声学导航、仿生学导航、重力场辅助导航等导航系统。根据使用区域不同，又可以分为3层:近海面区域(水深300m)、中间层区域(300m水深2000m)、海底区域(距海底100m)，如图2所示。,-,7,一、协同概念,-,8,一、协同概念,2.3多AUV协同导航特殊性讨论和其他平台相比，多AUV的协同导航在运动方式、工作环境、设备配置、工作时间与负载等方面都有其特殊性：AUV需执行水下巡逻、探测甚至进攻等任务，AUV在水中同时受到重力、浮力与水的阻力等同时作用，推进动力参数、外测速度参数、姿态参数的变化规律和地面上的运动机器人等平台的运动有着本质的区别。水下恶劣复杂的工作条件决定了AUV必须具备体积小、重量轻、低功耗的要求，还要考虑避碰等问题，同时水下环境的特殊性，如未知的洋流、复杂的水文、地形环境等，也给导航带来很多的瓶颈。和其他多平台协同导航相比，水下环境决定了AUV只能以惯性导航设备、DVL和水声通信与测距装置为核心传感器，使用基于相对位置测量的滤波模型，目前惯性导航短航程条件下定位精度高，但误差会随时间不断累积，使导航精度降低；声学测距精度较高，但需在载体上安装相应水听器，并且和无线通信相比，必然存在通信时间延迟、传输距离受限等问题。,-,9,一、协同概念,由于上述问题的存在，AUV协同导航系统精度的提高需要从多方面进行考虑。1.从AUV内部影响因素方面考虑，需要精确建立协同导航模型，同时选用恰当的协同导航算法。2.从系统中各AUV的艇间影响因素方面考虑，需对协同导航网络中的误差因素，如通信延迟、洋流等进行补偿。3.从整个多AUV协同系统的方面进行考虑，需对协同导航系统中的编队构型进行优化设计。,图1.2多AUV协同导航精度的影响因素,图1.2多AUV协同导航精度的影响因素,图1.2多AUV协同导航精度的影响因素,图3多AUV协同导航精度的影响因素,-,10,一、协同概念,水下高精度导航对多AUV协作系统至关重要，对于多AUV系统编队的保持与控制，相互间的高效协同作业起着决定性作用。由于水介质的特殊性，AUV无法有效获取高精度的GPS卫星信号进行导航定位；传统声学导航方法，如长基线、短基线和超短基线等，虽然应用广泛，但是也存在诸多的不足。随着水声通信技术的进步，基于水声通信网络的多水下航行器协同定位技术得到了越来越多的关注和发展。不同航行器通过水声通信实现信息共享，通过水声测距实现相互观测，进而通过信息融合技术实现导航定位误差的协同校正。利用多水下航行器协同定位，不仅可以提高系统整体的导航性能，而且具有成本低、系统鲁棒性好的特点，可以极大地增强多水下航行器系统的协同作业能力，具有重要的研究价值。,-,11,一、协同概念,利用多个航行器相互协作完成指定的导航任务，平台之间存在直接相对观测或者间接相对观测，通过信息交换实现平台间导航资源的共享，从而获得比各平台独自导航更优的性能，这种导航方式称为“协同导航”。水下多航行器协同导航技术是基于网络的导航形式，首先从整体的多航行器协同系统进行考虑，需对协同导航系统中的编队构型进行优化设计，然后利用各航行器携带的导航传感器，结合水声通信技术通过水声测距及通信一体化，共享传感器的量测信息，最后通过对航行器间的相对位置关系进行融合提高导航与定位精度。,-,12,一、协同概念,多航行器协同导航定位，具有两种形式：（1）并行式，即系统中每个航行器的功能和结构相同，使用各自的导航系统进行定位，通过水声通信，获取其他航行器的位置信息；（2）主从式，也称为领航式，即系统中少量领航艇装备高精度导航设备，大量跟随艇装备低精度导航设备，跟随艇通过获得与领航艇的位置关系提高自身导航精度，并通过水声通信确定自身在系统中的位置。并行式的结构简单，但每个AUV都装备高精度导航设备，成本将增加很多倍，而主从式兼顾了导航精度和成本，成为多AUV协同定位导航研究的主要方向。领航AUV装备高精度惯性导航设备、多普勒速度仪、差分全球定位系统(DGPS)、水声通信设备等，导航系统以惯导设备为主，初始位置通过DGPS获得，以多普勒速度仪测量的绝对速度作为惯导外部输入，进一步提高了其精度。跟随AUV装备低精度航位推算导航设备、GPS、水声通信设备等。跟随AUV在执行任务前，均通过GPS进行时间校正，以保证时间同步。,-,13,一、协同概念,在协同导航定位过程中，领航AUV按照预先约定的时间间隔向外发射固定频率的声信号脉冲，间隔一段时间后，通过水声通信装置广播领航AUV自身位置。跟随AUV接收到声信号脉冲和领航AUV位置后，由声信号脉冲解算出相对距离，将位置和距离信息同自身航推结果进行数据融合，从而达到协同定位的目的，协同导航定位的关键是相对距离的确定。,图4协同导航定位原理图,-,14,一、协同概念,“协同导航”具有如下优势：（1）可通过系统中其它平台的高精度导航信息，提高低精度运动平台的导航精度；（2）可以利用部分平台的有界定位误差的导航能力，通过信息共享使各平台都具有误差有界的定位能力；（3）当某平台由于传感器或环境因素丧失独立导航能力时，协同导航可以在一定程度上恢复其导航能力。“协同导航”相对“各自为战”的导航方式，能实现平台间的导航资源共享，具有比独自导航更优的性能。协同导航成为未来五十年解决水下中间层区域多AUV高精度导航的重要方法。,-,15,内容,概念与内涵,水下定位技术概述,2,4,5,6,国内外研究进展,技术特点与难点分析,协同定位中的滤波算法,水声通信特性与测距误差,3,研究内容,7,-,16,二、国内外研究进展,1.国外/内水下AUV的发展现状AUV作为一种无人的自主载体，早在1957年由华盛顿大学应用物理实验室的斯坦墨菲，鲍勃弗朗索瓦设计了第一艘AUV。目前世界上比较出名的AUV的研究机构有：(1)英国阿伯丁大学(AberdeenUniversity)，海洋实验室，其代表产品有AUDOS。(2)法国海外部门，其代表产品有ALIVE(AUV)，SWIMMER(AUV/ROV)。(3)日本KDD的海洋实验室，其代表产品有Venus，Cablefinder，AquaExplorer2，AquaExplorer1000。(4)俄罗斯科学院海洋技术问题研究所，其代表产品有SAUV。(5)加拿大温哥华国际海底工程研究所，其代表产品有ARCS，Dolphin，Theseus(世界上最大的AUV)，北极探险AUV(ArcticExplorerAUV)，半潜式AUV(Semi-SubmersibleAUVs)，拖鱼式AUV，Aurora(该AUV设计了一个大的主动控制主翼来实现深度控制，其速度能达到12节)。,-,17,二、国内外研究进展,(6)美国自主水下系统研究所(AutonomousUnderseaSystemsInstitute，AUSI)海洋系统工程实验室，其代表产品为：蓝色海洋监测AUV（如图4所示），大排量水下无人机器人及其他水下机器人。(7)美国蓝鳍机器人公司(BluefinRoboticsCorp)，其代表产品有蓝鳍金枪鱼-21(如图5所示)，蓝鳍金枪鱼12D，12S，9M，9，SandShark，双便携式AUV(HAUV)。,图5蓝色海洋监测型AUV,图6蓝色海洋监测型AUV,-,18,二、国内外研究进展,我国关于AUV的研制工作开始较晚，但是仍然取得了一定的成果，目前国内的主要研究单位有：沈阳自动化所，哈尔滨工程大学，西北工业大学等。以沈阳自动化所为代表，其主要产品有探索者，CR-01，CR-02，潜龙一号。(1)探索者，作为我国第一台无缆自治水下机器人，如图7所示，其成功研制标志着我国关于水下机器人的研究技术逐步向深海发展。(2)“CR-01”，作为一种6000米自主水下机器人，如图8所示，能够对海沟以外海域进行探测。这标志着我国关于AUV的研制水平已经跨入了世界领先行列。,图7探索者AUV,图8CR-01水下自主潜器,-,19,二、国内外研究进展,(3)“CR-02”，作为一种改进的6000米自治水下机器人，如图9所示，不仅具有“CR-01”的功能，而且具有更好的机动性能。其主要的应用领域包括水下摄影、照相、深海考察、海底地势及剖面测量、水文物理测量、深海多金属结核斟查、深海钴结壳调查等。(4)潜龙一号，如图10所示。作为我国自主研发的实用化海洋装备，其应用领域主要为进行深海资源勘探。潜龙一号上配备的浅地层剖面仪等探测设备，可实现对海底微地形地貌的精细探测，进行底质判断，测量海底水纹参数，测定海底多金属结核丰度等任务。潜龙一号最大的工作深度为6000m，巡航速度2节，最大续航能力24h。,图9CR-02水下自主潜器,图10潜龙一号AUV,-,20,二、国内外研究进展,2.水下多AUV协作技术发展现状近些年来，具有代表性的多AUV协作系统研究机构或项目列举如下：（1）欧盟的“GREX”项目欧盟于2006年组织了德国、意大利、葡萄牙、挪威、法国等国家联合开展了主题为协作无人系统的协调和控制的欧盟GREX项目，研究核心是解决多AUV的协同导航及编队控制、通信等问题。Grex是拉丁语，意为群体，组队的意思。该项目组对外公开的主要任务是基于多个异构无人水下航行器的协作完成海底地图测绘，始于2006年，结题于2009年。2008年夏季和2009年11月的二次海试成功完成了多AUV协作下的海洋环境绘图任务，验证了可以通过水声通信实现多AUV协同导航和控制。,-,21,二、国内外研究进展,（2）美国自主海洋采样网络美国的自主海洋采样网络(AutonomousOceanSamplingNetworkAOSN)项目是多AUV系统用于科学考察的最典型案例。AOSNI项目，是最有影响的多AUV系统的基础应用研究，由美国麻省理工学院(MIT)海洋实验室、伍兹霍尔海洋研究所、华盛顿大学应用物理实验室等多家研究机构共同参与完成。AOSNII项目，由美国蒙特利湾海洋研究所(MontereyBayAquariumResearchInstituteMBARI)领导，美国海洋研究局资助。该项目的目的是对一个大范围的海洋空间进行长时间的数据收集，预测海洋的物理特性，利用多个AUV搭载不同类型的传感器，在同一时刻测量不同区域或不同深度下的海洋参数，并采取适当的控制策略使得网络中的每个AUV成员能够在最重要区域进行信息收集。,图11蒙特利湾AOSNII试验示意图,-,22,内容,概念与内涵,水下定位技术概述,2,4,5,6,国内外研究进展,技术特点与难点分析,协同定位中的滤波算法,水声通信特性与测距误差,3,研究内容,7,-,23,三、水下定位技术概述,1.传统水下定位技术及发展概况按照误差传播方式的不同，传统水下定位技术大致可以分为两类，一种是定位误差随时间累积的，如INS、航位推算(DeadReckoning,DR)系统等；另一种是定位误差有界，不随时间累积的，如声学导航等。1.1INS/DR方法INS工作方式独立自主、抗干扰性好、导航信息全面。导航误差随时间累积，昂贵，能耗高、体积大，并不适用于水下航行器，尤其是微小型水下航行器的大规模商业化应用。DR简单、有效、成本低廉。已知初始位置的情况下，利用简单的姿态传感器提供的载体航向信息以及多普勒计程仪等速度传感器提供的载体速度信息对载体的位置信息进行递推计算，进而实现水下航行器的导航定位。但导航效果同样取决于传感器的量测精度以及相互之间的坐标系匹配精度。航位推算误差的时间累积性比较明显，对于水下长航时工作要求的情况，往往需要辅以其它有界参考信息进行航位推算误差的及时校正。通过水下航行器定时上浮接收GPS信号可以实现导航误差的校正，但是在实际应用过程中往往是不现实的，尤其对于深水工作状态下的水下航行器来说。,-,24,三、水下定位技术概述,1.2其它有界误差定位方法水下有界定位误差的实现，通常离不开外部传感器绝对参考信息的辅助。比较典型的水下有界误差定位方法是声学基线定位方法，声学基线定位系统的出现为水下航行器导航定位提供了一种新的选择。基元之间的连线称为基线，根据基线长度的不同通常可以分为LBL、SLB和USBL。,-,25,三、水下定位技术概述,为进一步降低系统的复杂性，继声学基线定位系统之后，又发展了基于单水面固定信标的定位方法。相比长基线系统，单信标定位系统只需要布设一个水面信标，复杂度降低，成本需求大大减少。如果采用母船携带信标工作，则可以进一步增强系统的便利性。,-,26,三、水下定位技术概述,2.水下协同定位技术采用协同定位不仅可以实现水下航行器的高精度导航，为多水下航行器的协作应用提供重要技术保障，而且具有成本低、实现简单、可靠性好以及不受区域限制等优点，具有重要的研究价值。水声通信技术的进步使得诸如上述单信标定位的参考信标位置信息实现实时传递，水下航行器通过水声通信Modem获取参考信标的位置信息以及相对信标的水声距离量测信息，进而通过信息融合技术实现自身位置误差的协同校正。由于不再限制参考信标位置状态的固定不变，同时又类似于长基线系统的定位原理，因此也称这种基于水声通信技术的水下定位方法为移动长基线(MLBL)定位。随着水下航行器技术的发展以及某些特殊的使命任务需求，进一步增强水下航行器的导航自主性和隐蔽性，摒弃水面ASC，转而完全利用水下航行器进行协同导航正逐渐成为当前水下导航领域的研究热点。通常情况下，在多水下航行器协作系统中，利用一个或少数几个航行器配备高精度的导航设备，或者通过航行器定期上浮获取准确的GPS位置信息，以实现对其它航行器定位误差的协同校正。,-,27,三、水下定位技术概述,3.系统可观测性问题从水下协同定位技术的发展趋势来看，基于单领航方案的协同定位无疑更具有吸引力，正受到越来越多的关注和发展。然而，由直观的几何定位法可以得出，单独的一个距离观测信息显然无法给出一个确切的位置参考，也就是说采用单领航方案的协同定位系统可观测性是比较弱的。系统可观测是实现水下航行器协同定位的前提条件，尤其对于单领航方案来说至关重要。如果所描述的系统是可观测的，则载体自身定位误差就可以通过融合主艇相对精确的位置信息以及二者间距离量测信息进行协同校正；反之，则不论采用什么样的滤波算法都无法实现位置状态的准确估计。,-,28,三、水下定位技术概述,4.技术类别及特点分析根据实现技术方法的不同，协同定位技术大致可以分为如下几类：(1)根据协同配置方案的不同可分为主从式和并行式两种。并行式，即系统中每个航行器的功能和结构相同，使用各自的导航系统进行导航定位，通过水声通信，获得伙伴航行器的位置信息。在系统运行过程中每个航行器互为参考，彼此校正。主从式，即系统中少量主航行器装备高精度导航设备作为主参考节点，为了降低成本其他从航行器装备低精度导航设备，从航行器通过获得与主航行器的位置关系提高自身导航精度，并通过水声通信确定自身在系统中的位置。相比主从式结构，并行式系统结构简单、配置更灵活、鲁棒性更好、更容易执行一些高危险性的，航行器易损失的任务。但每个航行器都装备高精度导航设备，成本将增加很多倍，而主从式兼顾了导航精度和成本，成为多航行器协同定位导航研究的主要方向。,-,29,三、水下定位技术概述,(2)根据声学测距方式的不同可以分为基于双程测距和单程测距两种。双程测距(TwoWayTravel-Time,TWTT)不需要保持时钟同步性，实现简单，是目前实现协同定位应用最为普遍的一种距离观测手段。但是，由于TWTT每次通信只能实现一对一的距离量测，测距效率低，对于多水下航行器协作应用系统来说具有一定的局限性。单程测距(OneWayTravel-Time,OWTT)模式的最大优势在于只要参考节点广播发送一测距脉冲信号，其它任一节点只要接收到该测距信号即可计算得到相对参考节点的距离信息，也就是说，OWTT可以实现同一时刻一对多的距离量测。,图14双程测距模式,图15单程测距模式,-,30,三、水下定位技术概述,水声距离观测是目前实现水下航行器协同定位唯一有效的观测手段，测距精度的好坏、测距效率的高低直接影响多水下航行器的协同定位效果。对于多水下航行器协同定位系统来说，采用不同的水声测距模式意味着完全不同的技术方案特点。TWTT不需要保持时钟同步性，实现简单，是目前实现协同定位应用最为普遍的一种距离观测手段。但是，由于TWTT每次通信只能实现一对一的距离量测，测距效率低，对于多水下航行器协作应用系统来说具有一定的局限性。因此，双程测距仅仅适用于航行器数目比较少，或者航行器定位精度相对较高，对系统的协同校正频率要求不高的系统中。相较于TWTT测距模式，OWTT测距模式的最大优势在于只要参考节点广播发送一测距脉冲信号，其它任一节点只要接收到该测距信号即可计算得到相对参考节点的距离信息，也就是说，OWTT可以实现同一时刻一对多的距离量测。基于OWTT测距模式的协同定位方案具有更高的协同更新频率，且系统可扩展性强、协同定位算法简单，尤其适用于航行器数目较多的协同定位系统，是实现协同定位最理想的测距模式。,-,31,内容,概念与内涵,水下定位技术概述,2,4,5,6,国内外研究进展,技术特点与难点分析,协同定位中的滤波算法,水声通信特性与测距误差,3,研究内容,7,-,32,四、技术特点与难点分析,1.水下多AUV协同定位通信方案实际应用过程中，出于系统任务需求及可行性考量，通常利用领航艇的航路机动来满足系统的可观测性要求，只要主从航行器不沿一条直线轨迹航行系统即可观测。以水声双程测距为例：,在整个AUV系统运行过程中，通过位于不同方位的两个主AUV对从AUV进行交替协同，可以更有效地实现AUV航位推算误差的协同校正。,-,33,四、技术特点与难点分析,2.水下多AUV协同定位原理实现AUV间的协同定位，首先需要构建可靠的通信网络，保证相互间有效的信息传递。由于水介质的特殊性，水声通信是实现水下AUV协同定位的重要通信手段，同时，基于水声通信的水下声学测距技术则是目前实现水下AUV协同定位最为有效、可靠的观测手段。在系统运行过程中，当配备低精度导航装置的AUV利用水声通信设备获取高精度AUV的位置信息以及二者间相对距离参考信息后，即可利用该参考信息实现自身位置误差的协同校正，实现AUV间的协同定位,基于距离观测的水下AUV协同定位示意图,-,34,四、技术特点与难点分析,单艇航位推算的示意图,协同定位的示意图,-,35,四、技术特点与难点分析,区别于传统的基于无线电网络的陆上(或空中)机器人协同定位，水下航行器协同定位主要依靠水下声学通信实现相互间的距离量测及参考信息的传递。鉴于复杂的水下声学通信环境以及独特的水声通信技术特性，实现水下航行器协同定位具有其独特的技术特点与难点。主要表现在以下几个方面：1）.系统可观测性弱原因主要有两方面：一是单纯依靠水声距离观测的观测信息量不足，加之水下航行器机动性较差，相比陆地(或空中)机器人系统来说，通过保持相对机动运行状态来提高系统的可观测作用不是太明显；二是由于水声信号的易阻塞性。,-,36,四、技术特点与难点分析,2）.协同更新频率低协同更新频率的高低直接关系到协同定位状态估计效果的好坏，能够在越短的时间间隔内获得有效的相对距离观测信息，就可以越及时地实现自身位置误差的协同校正，进而提高系统的协同定位效果。加之水声信号传输速率较慢，势必决定了系统较低的协同更新频率。3）.系统噪声复杂协同定位问题最终归结为状态估计问题，即如何根据相互间的水声距离观测信息实现自身位置状态的准确估计。对于水下航行器协同定位系统来说，由于复杂的工作环境以及传感器性能参数的限制，不可避免存在系统噪声统计特性不准确或者噪声时变性问题进而影响协同定位系统的状态估计性能。必须保证状态估计算法对于不确定的系统噪声良好的自适应性以及对于异常观测信息良好的鲁棒性。,-,37,四、技术特点与难点分析,4）.观测实时性差实时准确的观测信息是保证良好状态估计性能的重要因素。然而，由于水声信号的低速率传输特性以及声学信号转换处理过程的时间损耗，无疑会导致观测信息的传输时延，进而影响协同定位的状态估计效果，尤其对于长距离、大机动运行下的协同定位系统影响较大。为此，针对系统的观测时延特性，设计合理的时延补偿方案，对于保证系统的协同定位效果具有重要现实意义。从现有的研究进展来看，上述问题依然是制约水下航行器协同定位性能的重要因素。要实现水下航行器高性能的协同定位，仍需进一步寻求更为稳定、可靠、有效的协同定位算法。,-,38,内容,概念与内涵,水下定位技术概述,2,4,5,6,国内外研究进展,技术特点与难点分析,协同定位中的滤波算法,水声通信特性与测距误差,3,-,39,五、协同定位中的滤波算法,1.卡尔曼滤波(KalmanFilter，KF)算法在1960年由卡尔曼(R.E.Kalman)提出，是一种线性最小方差估计。卡尔曼滤波采用递推算法，将状态空间法在时域空间内与滤波估计结合，以系统状态估计的均方误差最小为最优衡量标准，建立被估计信号与噪声的数学模型，利用上一时刻的系统状态估计值对当前时刻系统状态进行预测，并利用当前时刻的外界观测量对预测值进行修正。2.扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)卡尔曼滤波是在假设物理系统的数学模型为线性的前提下对问题进行研究。但是，多AUV协同导航所处理的是非线性模型，普通卡尔曼滤波无法适用。EKF正是为了解决卡尔曼滤波在非线性系统中的应用而产生的，它通过对非线性函数进行泰勒级数展开，对展开式中的高阶项进行线性截断，只保留一阶项，从而将非线性问题转化为线性。,-,40,五、协同定位中的滤波算法,EKF是最早使用的在卡尔曼滤波基础上发展而来的非线性滤波算法，其算法思想体系成熟，实现方法深入完善，计算量及复杂程度不高，在工程上得到了极其广泛的应用，如飞机和舰船上的惯性导航系统、导弹的制导系统、卫星姿态估计及其他很多工业控制系统当中。但是，EKF通过对非线性函数的Taylor展开式进行一阶线性化截断，同时忽略高阶项而实现非线性算法，这必然会造成以下不足。当系统具有较高非线性程度，忽略非线性函数Taylor展开式中的高阶项会造成较大的截断误差，使滤波精度降低，甚至导致滤波发散。但是，系统是否满足近线性取决于变换的形式、当前状态估计和协方差的数值大小等诸多因素，较为难以判断。EKF算法涉及非线性函数雅克比矩阵的求解，而雅科比矩阵的计算繁琐，容易出现错误，非线性函数的雅克比矩阵求导也不易在实际的工程应用中进行。EKF计算中涉及到求导数问题，必须对非线性函数具体形式清楚了解，难以进行模块化应用。,-,41,五、协同定位中的滤波算法,3.无迹卡尔曼滤波(UnscentedKalmanFilter，UKF)EKF需要计算雅可比矩阵，存在引入较大舍入误差等问题，Julier等人在1995年提出了无迹卡尔曼滤波算法(UnscentedKalmanFilter，UKF)。UKF是一种用采样策略逼近非线性分布的方法，以UT变换为基础求得采样粒子点(通常称为Sigma点)，将粒子点代入原系统的非线性方程，变换得到一步预测粒子点，再对其进行数学统计处理，将其复原成本来的系统状态。UKF没有对非线性模型进行线性变换，而是直接利用真实的系统模型，从而可以达到更高的精度。UKF也适用于离散或噪声非加性的系统，应用范围更广；由于采用了确定性采样策略，UKF中不会出现粒子衰退问题。UT变换是基于这样的先验知识与用一个高斯分布对任意的非线性函数进行近似相比，通过固定数量的参数去对这个非线性函数进行近似或变换更容易。UT变换实质就是按照一定的采样规则将系统状态离散成一组sigma粒子点，使每个点的均值和协方差与原状态分布的均值和协方差相等。,-,42,五、协同定位中的滤波算法,4.容积卡尔曼滤波算法(CubatureKalmanFilter，CKF)为了进一步提升非线性滤波性能，2009年加拿大学者Arasaratnam提出了一种基于容积准则的高斯滤波算法容积卡尔曼滤波算法(CubatureKalmanFilter，CKF)。CKF通过选取一组满足求容积准则的、具有相同权重的采样点，经过非线性方程的转换，产生新的点集来给出下一时刻系统状态预测的概率密度函数。通过点估计的方法，CKF避免了对非线性系统模型的线性化近似处理，从而可以达到三阶泰勒展开的精度。CKF避免了对非线性模型的线性化处理，不依赖于具体系统模型的非线性方程，算法相对独立，适用于任何形式的非线性模型；CKF的容积点集通过积分得到，采用偶数并具有相同权值的点集，从而使用了更少的采样点数；CKF不存在负权值的点，因此可以使用平方根CKF处理实际问题，通过传播状态的方差平方根，确保了方差矩阵的对称性和正定性，一定程度上缓解了滤波过程中舍入误差导致的滤波发散和数值精度降低的问题，具有比UKF更好的滤波性能。,-,43,五、协同定位中的滤波算法,仿真实验领航艇与跟随艇真实航行速度为1m/s，跟随艇航推速度为1m/s，速度误差为0.1，航向角误差为0.1，定位误差为0.2m，距离量测误差为0.1m。领航艇起点(500,0)，以初始航向角60沿直线航行，跟随艇起点(0,0)，以初始航向角60做S形机动。设滤波周期为1s，航行时间为1800s。领航艇与跟随艇实际运动轨迹艇如下图所示。,图20领航艇与跟随艇实际轨迹,-,44,五、协同定位中的滤波算法,分别采用EKF，UKF和CKF协同导航滤波算法，对跟随艇的位置进行估计并进行仿真。根据仿真结果，分别作出跟随艇定位误差比较图和协同导航轨迹图。,跟随艇定位误差比较图,跟随艇协同导航轨迹图及其局部放大,-,45,六、水声通信特性与测距误差,为比较每种算法计算量的大小，对每种算法分别进行50次仿真，统计每次仿真的程序运行时间，并计算其平均值，,由于水下声学通信环境的特殊性，相比基于无线电网络的陆上或空中多机器人协同定位系统来说，基于水声通信网络的多水下航行器协同定位系统具有其独特的技术特点与难点，如：信道带宽窄、数据传输率低、系统可观测性弱等，极大限制了水下航行器的协同定位性能。影响主AUV与从AUV之间距离测量的因素主要包括声速误差、声线弯曲、主AUV与从AUV之间的时钟未校准引起的误差以及时间延迟等。1.近海面气泡层的影响当海水中存在气泡时，它的可压缩性增加。令为绝对热压缩系数，=0+1，0是没有气泡时的压缩性，1是气泡产生的附加部分，相应地声速c=(1/)减少。其减小的比例取决于所含气泡的数目。由于海面附近气泡的数目按其半径呈现一种分布，那么当声波的频率变化时，起主要作用的那些接近共振气泡的数目也随之变化，结果使得声速的减小呈现某种频率特性。,-,46,六、水声通信特性与测距误差,为比较每种算法计算量的大小，对每种算法分别进行50次仿真，统计每次仿真的程序运行时间，并计算其平均值，,2.多普勒效应误差影响我们要根据水声信号从主AUV到从AUV传播的时间来计算从AUV相对主AUV的相对距离。如果声波在水中的传播速度发生变化，势必会引起距离的测量误差，进而会对从AUV的协同定位精度产生影响。由声学基础可知，在流体介质中，声波是弹性纵波，纵波声速可表示成c=(1/)其中为密度；为绝对热压缩系数。由于和都是温度、盐度和静压力的函数；因而，水中的声速也是温度、盐度和静压力的函数。声波在水中的传播速度是随海水的温度、盐度和深度的变化而变化的，因此声速值与水中温度、盐度和深度有关，并在1450m/s-1550m/s之间变化。而根据大量声速测量值，可以总结得到的声速随温度、深度和盐度的变化规律。在大洋中，盐度每变化1，声速的变化量约为+1.5m/s，所引起的测量误差约为0.07%，若船舶由海水航行至淡水时测量误差可达到2%。；海水温度每增加1声速的变化约为+3.03m/s，测量误差约为0.2%；海深每变化10m，声速变化为0.165-0.185m/s。,-,47,六、水声通信特性与测距误差,为比较每种算法计算量的大小，对每种算法分别进行50次仿真，统计每次仿真的程序运行时间，并计算其平均值，,通过仿真得到的测距误差与温度的关系，艇间间距为200m。其中盐度S=35，深度为100m。,图24测距误差与温度的关系曲线,-,48,六、水声通信特性与测距误差,为比较每种算法计算量的大小，对每种算法分别进行50次仿真，统计每次仿真的程序运行时间，并计算其平均值，,测距误差与盐度的关系，其中温度为T=25，深度为100m。,图25测距误差与盐度的关系曲线,-,49,六、水声通信特性与测距误差,为比较每种算法计算量的大小，对每种算