自主水下航行器组合导航算法研究与系统实现

论文摘要

水下航行器（Autonomous Underwater Vehicle,简称AUV）是近年来海洋工程领域研究的热点之一,在水下环境监测、近海石油工程作业、水下搜索与测绘以及实时战区警戒等民用与军事领域获得越来越广泛的应用。它可装备各种传感器设备,有效地收集水下信息。水下导航技术是AUV实现自主航行的关键。考虑到长时、隐蔽作业、高可靠性、复杂环境下作业等因素,实现AUV导航具有很大的挑战性。传统的基于单种导航传感器的航位推算导航系统,其误差会随着时间延长而较快增长,因此在实际运用中常采用基于多种传感器的组合导航方法。其中,拓展卡尔曼滤波器（Extended Kalman Filter,简称EKF）是较典型的组合导航算法,但它的缺陷表现在对非线性航行状态导航性能较差。为克服这一缺陷,论文采用无味卡尔曼滤波（Unscented Kalman Filter,简称UKF）、粒子滤波器（Particle Filter,简称PF）和Rao-Blackwellised粒子滤波器（Rao-Blackwellised Particle Filer,简称RBPF）来替代EKF。论文在AUV状态方程模型的基础上,建立了上述方法在AUV导航应用中的实现框架和步骤；通过分析数值仿真和实际试验数据处理结果,总结出各种导航算法的优缺点。本文中还介绍了浙大“海豚一号”AUV的结构和导航系统,以及基于EKF的水下航行器导航系统的DSP实现过程。通过TI C6713型DSP处理后的导航结果达到了预期的效果,并且精度要求和实时性要求都得到满足。

论文目录

• 致谢
• 摘要
• Abstract
• 目次
• 1 绪论
• 1.1 课题背景及意义
• 1.2 自主水下航行器导航技术的国内外研究现状
• 1.2.1 国外发展现状
• 1.2.2 国内发展现状
• 1.3 论文主要研究内容
• 2 AUV系统及其导航设备介绍
• 2.1 AUV实验平台
• 2.2 智能陀螺仪（IGC）
• 2.4 多普勒计程仪（DVL）
• 2.5 电子罗盘（TCM）
• 2.6 本章小结
• 3 导航数据融合算法介绍及分析
• 3.1 AUV运动模型
• 3.2 贝叶斯滤波
• 3.3 卡尔曼滤波器
• 3.4 拓展卡尔曼滤波器数据融合算法
• 3.4.1 EKF滤波器原理
• 3.4.2 EKF数值仿真结果
• 3.4.3 EKF优缺点分析
• 3.5 无味卡尔曼滤波器
• 3.5.1 Unscented变换
• 3.5.2 UKF算法介绍
• 3.5.3 UKF数值仿真结果
• 3.5.4 UKF算法优缺点分析
• 3.6 粒子滤波器
• 3.6.1 标准粒子滤波器
• 3.6.2 粒子滤波器的退化
• 3.6.3 粒子滤波器完整流程
• 3.6.4 AUV粒子滤波导航系统数值仿真结果
• 3.6.5 粒子滤波器的优缺点分析
• 3.7 RAO-BLACKWELLISED粒子滤波器
• 3.7.1 Rao-Blackwellised变换
• 3.7.2 RB粒子滤波器原理
• 3.7.3 RB粒子滤波器导航仿真结果
• 3.7.4 RBPF算法优缺点分析
• 3.8 本章小结
• 4 组合导航算法实际试验数据处理结果及性能分析
• 4.1 电子罗盘的校正
• 4.1.1 电子罗盘的工作原理及误差分析
• 4.1.2 硬软磁干扰补偿原理
• 4.2.3 硬软磁干扰补偿
• 4.2 组合导航算法千岛湖试验数据处理结果
• 4.3 组合导航算法性能比较
• 4.4 本章小结
• 5 基于DSP TI C6713的组合导航硬件系统
• 5.1 实现思路
• 5.2 AUV硬件导航系统开发平台介绍
• 5.2.1 硬件开发平台
• 5.2.2 软件开发平台
• 5.2.3 DSP导航系统介
• 5.2.4 DSP导航系统工程文件简介
• 5.2.5 串口数据实时传输软件
• 5.2.6 导航系统的硬件流程设计
• 5.3 DSP导航系统实际数据实验结果
• 5.4 本章小结
• 6 总结与展望
• 参考文献
• 作者简历
• 教育经历
• 科研实践
• 发表的论文
• 发表的专利