基于ICCP算法的地磁匹配辅助导航

惯性导航系统(INS)的导航误差随着时间积累发散,要想使其完全自主导航,必须加以其它的导航方法进行辅助,如地磁匹配辅助导航等.导航算法是地磁匹配辅助导航的关键技术之一,采用基于地磁场的最近等值线迭代算法(ICCP),实现测量值与背景场数据的最优匹配,从而获得位置信息.在吉林松花湖水面,利用高精度的铯光泵磁力仪搭载于水下机器人(ROV)进行实际水域测量,绘制出高精度的局域地磁图.基于该地磁图,通过ROV在水面上航行时的实时地磁值、航向和航速等数据,利用ICCP算法进行地磁匹配.匹配结果与GPS实测数据对比,取得理想的补偿效果.实验表明,基于ICCP的地磁匹配辅助导航能够有效修正惯导所产生的累积误差.     

基于地磁熵和地磁差异熵的地磁导航区域选取

惯性导航系统的导航误差随着时间积累发散,无法长时间内保持高精度,要想使其完全自主导航,必须加以其它的导航方式进行辅助,如地磁匹配辅助等.在地磁辅助导航中,地磁区域的选取能够在很大程度上影响辅助导航结果的精度.本文引用了地磁熵和地磁差异熵作为地磁辅助导航区域选取的参考准则.在分析ICCP算法理论的基础,提出了具体的实现算法,利用该算法在选择区域进行地磁辅助导航的仿真.经仿真实验验证,地磁熵和地磁差异熵对地磁导航区域的选取具有一定的指导意义,为提高地磁辅助导航的精度提供了一种新的手段.     

一种基于IDDF的多AUV协同导航算法研究

为提高多自主水下航行器(AUV)协同导航效果,克服由于水声通信限制引起的协同更新频率低,进而导致的先验估计误差大、协同导航效果差,以及大初始化误差条件下协同收敛速度慢的问题,提出一种基于迭代插值滤波(IDDF)的多AUV协同导航算法.该算法将迭代滤波技术与插值滤波(DDF)算法相结合,不仅降低了传统EKF(扩展卡尔曼滤波)算法模型截断化误差对滤波精度的影响,而且通过量测信息的迭代更新,保证了系统在弱可观测条件下量测信息的充分融合.仿真结果表明该算法明显改善了系统的协同导航效果,证明了该算法对于多AUV协同导航系统的有效性.     

基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

重力图的可导航性分析

利用重力图进行辅助导航时,匹配区域的重力场特征直接影响匹配效果,对重力图进行可导航性分析可以为确定匹配区提供依据,实现高精度定位.分析重力图主要统计参数对区域导航能力的影响,将各参数赋以相应的权重得到区域的总体特征参数,该参数可以描述重力场的特征,可作为可导航性分析的依据.     

基于自适应滤波长基线组合AUV定位算法

针对水下环境噪声干扰以及水下时延误差等问题,提出基于自适应滤波长基线组合AUV定位算法。该算法采用长基线组合导航定位系统,以捷联惯性导航系统为主,长基线定位系统为辅,消除时延误差实现误差补偿;再引入自适应滤波算法,使用卡尔曼滤波算法对系统进行信息融合来矫正累积误差实现自适应滤波定位。仿真实验表明,该算法能有效消除水下复杂环境中的噪声干扰对AUV定位精度的影响,提高算法对未知噪声的适应性和定位精度。     

蚁群算法在辅助导航重力匹配中的应用

重力匹配算法是实现重力辅助惯性导航系统的关键技术之一。针对传统重力匹配方法由于复杂度高、应用范围小等缺陷而导致很难实现精确、快速匹配的问题,将改进的蚁群优化算法应用于重力匹配的搜索过程,并将多普勒测速仪提供的速度信息作为限制条件对蚁群搜索过程进行约束,异常精度一定的条件下,可降低误配率。仿真结果表明,该匹配算法在重力特征显著的区域具有较高的匹配率,收敛性更好,可以达到更加精确的匹配定位,从而实现重力辅助导航。     

基于MOOS的自主式水下机器人导航系统

针对自主式水下机器人(autonomous underwater vehicle,AUV)的试验成本极高,水下机器人的应用与算法验证都需要在一个理想的仿真环境中进行测试,且仿真环境的建模较为困难等问题,提出了应用MOOS软件系统对AUV导航系统进行导航位姿、通讯及三维信息的仿真,对MOOS软件系统的通信方法、软件架构、数据采集方式和传感器数据类型等方面进行了参数配置和仿真说明.面对工程导向,从数据产生机制、数据发布订阅和数据解析处理等角度,对MOOS软件系统进行论证分析.分析结果表明,MOOS系统可根据AUV导航系统的预设轨迹信息产生相关环境传感器数据,有效地进行多源信息融合与导航位姿解算.     

一种阈值动态调整的仿生同步自主定位方法

针对仿生导航中鼠类同步定位与构图(RatSLAM)算法对连续经历场景出现漏匹配和错误匹配的问题,提出一种阈值动态调整的仿生同步自主定位与构图(DT-RatSLAM)方法。该方法在局部视图细胞生成阶段,引入阈值增强项和阈值衰减项,将前几帧图像的识别结果作为激励,实时动态地调整当前帧图像的模板识别阈值,并根据阈值判断是否生成新的局部视图细胞,然后综合连续场景的模板识别结果,对经验图进行闭环修正。仿真实验结果表明,与固定阈值条件下的RatSLAM算法相比,基于阈值动态调整的DT-RatSLAM方法在模板识别方面不仅能够保证不出现错误的匹配,而且正确识别率达到了99.6%,促使运行体能够对生成的经验图及时进行修正,提高了经验图的准确性,在算法运行时间方面比最优固定阈值的RatSLAM算法平均减少了13.5%。     

A local geopotential model for implementation of underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series-based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of the inertial navigation system （INS）. This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

Using local geopotential model to implement underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of Inertial Navigation System (INS). This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

水下地形匹配导航研究综述

地形辅助导航系统以地形高程特征为定位信息源,可为水下航行器提供有界的定位误差,并能显著地抑制捷联惯性导航系统的误差漂移。而地形匹配算法是地形辅助导航系统的关键技术,其输出的匹配位置可作为组合导航滤波器的观测值以修正导航参数,地形匹配精度直接决定了整个导航系统性能。本文首先概述了现有水下导航定位技术,然后阐述了地形辅助导航基本原理与组成,最后详细总结了国内外地形辅助导航系统和地形匹配算法的研究进展,为我国地形辅助导航系统的开发和研制提供有益参考和支撑。     

潜器水下重力匹配导航研究进展

由于水下重力匹配导航是提高潜器水下导航精度的重要手段,因此本文对海洋重力场、重力仪、重力梯度仪的研究进展进行综述。首先,总结了海洋重力场国内外研究进展,回顾了SS系列、KMS-DNSC-DTU系列全球重力场模型的发展历程;其次,重点介绍了重力仪/重力梯度仪种类、精度水平、国内外研究进展,列出了不同类型重力仪/重力梯度仪的代表型号;最后,简述了钱学森空间技术实验室天空海一体化导航与探测团队阶段性研究成果。     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

联邦滤波在RAPINS/计程仪/重力匹配组合导航系统中的应用

RAPINS/计程仪/重力匹配组合导航系统是一种简易的无源导航系统,为了改善系统的容错性能,设计了基于该组合系统的联邦滤波器,建立了系统的工作模式,给出了联邦滤波算法.在该联邦滤波器中充分利用计程仪输出的速度信息,采用不等间隔滤波来进行信息融合.采用Matlab/Simulink对该组合导航系统在分辨率为0.005°×0.005°的数字重力异常图中进行了仿真研究.理论分析和仿真结果表明,基于联邦滤波的RAPINS/计程仪/重力匹配组合系统能够改善系统的容错性,且具有与集中式滤波相似的导航精度.     

速率方位惯性平台系统及其仿真研究

为了降低重力无源导航系统的成本,提出在速率方位平台上放置一个高精度的重力敏感器,构成一个具有导航与重力测量功能的导航重力测量系统,该系统再加上重力数字图就组成了一个重力无源导航系统.为此,论文对速率方位平台惯性导航系统进行了研究,建立了速率方位地平坐标系,给出了它的系统计算方程和误差方程,进行了误差分析,并且运用计算机仿真了无阻尼和有阻尼时的RAPINS的误差特性.仿真结果表明由中等精度惯性元件构成的无阻尼RAPINS误差积累很快,阻尼后其平台角误差和方位角误差都不大,能够满足重力测量和基本导航要求.