自主水下航行器同时定位与制图技术研究

为解决自主水下航行器(Autonomous Underwater Vehicle,AUV)的精确导航与探测问题,采用同时定位与制图(Simultaneous Localization and Mapping,SLAM)算法为核心,根据捷联式惯性导航设备(SINS)与AUV声呐组合的数据信息,采用扩展卡尔曼滤波器(EKF),研究一种基于惯性传感器与声呐的AUV定位与地图构建算法,对水下环境的EKF-SLAM算法进行仿真试验验证。仿真结果表明,经2次探测后,AUV定位精度获得较大提高,能够较好地完成AUV的水下导航、定位与探测任务。     

水下航行器多普勒导航系统误差辨识与修正

水下航行器(Autonomous Underwater Vehicles,AUV)在水下往往采用航位推算定位方式.由于存在传感器误差,航位推算的定位误差是随着时间发散的,而直接准确检测这类误差非常困难.对多普勒导航系统进行导航误差分析,简化航位推算算法,在此基础上推导出一种新的辨识AUV导航误差参数的方法.仿真结果表明,该算法能够准确辨识AUV导航误差参数向量,可以有效提高AUV自主导航精度,且方法合理、简单.     

大尺度欠驱动高速AUV导航系统研制

[目的]针对某新型大尺度欠驱动高速自主式水下机器人(AUV)导航系统的研制,[方法]详细介绍AUV导航系统的硬件组成及软件构架,构建基于VxWorks实时嵌入式操作系统的AUV组合导航系统。考虑到高速AUV导航系统的非线性特征及容错性要求,将无迹卡尔曼滤波(UKF)技术用于联邦滤波器,设计基于UKF的联邦卡尔曼滤波器,并对导航系统的二维平面模型进行数值仿真。[结果]结果表明,联邦无迹卡尔曼滤波器相比传统的卡尔曼滤波方法能够获得更高的精度和更好的鲁棒性;半实物仿真联调试验、水池试验、湖上试验及艇载试验充分验证了导航系统的实时性和可靠性,[结论]证明该系统能够满足AUV航行任务的需要。     

一种基于航位推算的水下机器人导航算法

本文针对智能水下机器人(AUV)导航信息较少的特点,进行了基于航位推算的AUV导航系统研究.首先利用传感器信息进行了航位推算,然后建立了基于一阶时间相关函数的辛格模型,利用强跟踪卡尔曼滤波算法对推算结果进行了次最优估计,提高了系统的跟踪能力,改善了导航精度,同时对GPS数据进行了野值剔除.松花湖上的试验结果验证了算法的有效性.     

基于自适应KF算法的模态切换水下机器人导航系统

针对新型水下检测以及作业机器人在导航精度、体积方面的要求,设计了一套基于微机电器件的组合导航系统.系统为抑制陀螺漂移而采用了互补滤波方法,以四元数为估计对象设计卡尔曼滤波器.文中采用改进的自适应卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度.通过水池实验表明互补滤波和自适应卡尔曼滤波结合能够获得比较精确、稳定的水下机器人导航信息.同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果.     

自主式水下航行器水下回收融合引导技术方案及算法

[目的]为解决母艇携载的自主式水下航行器(AUV)在水下自主回收和对接的问题,基于惯导(INS)、声学超短基线定位(USBL)、光学等信号引导的多源数据融合,提出一种面向移动平台的AUV水下回收对接引导方法.[方法]为此,设计融合多传感器信息的扩展联邦卡尔曼滤波器,采用分散滤波并再经信息融合方法以提高滤波精度.分别以I...     

基于卷积神经网络的AUV水下识别系统

为实现自主式水下机器人(Autonomous Underwater Vehicle, AUV)水下自主识别,搭建AUV硬件系统。通过OpenCV和Tensorflow,在LeNet-5卷积神经网络的基础上,利用13层卷积神经网络进行100次迭代训练试验。结果表明,该基于卷积神经网络的AUV水下识别系统的水下目标识别准确率能达到99.18%,能实现AUV对水下目标的自主识别。     

水下机器人航位推算导航系统及误差分析

构建了基于GPS/航位推算的智能水下机器人(AUV)组合导航系统,阐述了水下机器人导航系统体系结构,详细介绍了基于强跟踪卡尔曼滤波和辛格模型的航位推算导航算法,解决了水下机器人难以建立精确数学模型的问题,最后结合海上实验数据深入地分析了产生航位推算误差的原因,并有针对性地提出了降低水下机器人航位推算导航系统误差的方案。     

基于EKF的AUV协同定位方法仿真与验证

自主水下航行器（AUV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径,研究了单领航艇的主从式多AUV基于扩展卡尔曼滤波（EKF）算法的协同到导航定位问题。AUV协同定位时,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部配有测距装置,舰艇间是通过通信装置来交换自身位置和状态信息并同时测量通信双方的相对距离,通过信息融合对自身定位进行修正,利用EKF算法对系统中传感器所传递信息进行融合,对从AUV进行实时定位。通过仿真验证此算法可以显著提高导航定位精度。     

基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS(Inertial Navigation System)为主,与全球导航定位系统GPS(Global Position System)等多个次级导航系统组成的导航系统的实现方案.设计了基于Hopfield神经网络的导航系统的滤波估计算法.经计算机模拟仿真证明,神经网络的算法优于通常的卡尔曼滤波方法.     

基于多普勒和光纤陀螺水下机器人导航系统研究

对基于DVL和FOG的导航方法进行研究,设计了导航方法的无缆水下机器人导航系统,分析导航系统的主要误差源,采用扩展Kalman滤波算法辨识传感器的安装偏差,通过湖试数据验证了该算法的稳定性和正确性。     

基于快速卡尔曼滤波的SAS水下组合导航方法

合成孔径声呐(SAS)成像是基于匀速直线运动这一理想模型的,因此需要对其进行水下导航运动参数估计并确定出1条用于运动补偿的理想航迹。一般可以利用高精度的组合导航方法测量获得。文中研究了基于光纤陀螺惯导(Octans)和多普勒声速剖面仪(ADCP)等设备的SAS水下导航方法,建立组合导航系统的误差方程,并利用快速跟踪卡尔曼滤波技术进行了SAS的运动参数估计仿真。仿真结果表明,位置误差精度达到航程的0.24%,可作为SAS的水下导航方法。     

AUV海底地形匹配导航方法综述

基于智能水下机器人（AUV）导航任务需求与战略规划，总结国内外海底地形匹配导航技术研究现状，分析海底地形匹配导航系统应用中所需的关键技术及解决途径，包括滤波算法、地形特征提取和测深数据处理等。系统性归纳海底地形匹配导航的前沿方向，并结合我国的研究现状与发展需求展望海底地形匹配导航未来的发展方向，即发展高精度水下激光测距地形测绘设备、发展低分辨率先验海图下的海底地形匹配导航算法，以及通过深度学科交叉趋势提升海底地形匹配导航的精度、效率和鲁棒性。     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

基于SINS/DVL/GPS的AUV组合导航标定方法的研究及其误差分析

为了进一步提高自主水下航行器(AUV)捷联惯导(SINS)与多普勒计程仪(DVL)组合导航定位精度,需要准确标定出SINS与DVL之间的安装误差角以及DVL的刻度系数。论文系统的介绍了组合导航系统的标定方法和流程,最后分析了组合导航系统的误差来源。     

AUV协同导航定位算法研究

随着地面及空中移动平台协同导航研究的成熟,人们开始将协同导航扩展到水下平台,这就使得AUV的协同导航成为近年来该领域的研究热点。针对水下特殊的环境,围绕AUV协同定位问题,人们展开了各种研究提出了许多新的方法和理论。本文即对近年来AUV协同导航领域的各项研究成果进行了简要介绍,提出一种基于Kullback-Leibler距离估计的协同导航算法,同时通过数值仿真验证该算法的有效性。本文最后总结AUV协同导航的研究现状并提出可能的研究方向。     

基于惯性导航/地磁的水下潜器组合导航定位方法

针对水下潜器长时间水下航行的隐蔽性且定位精度不高的问题,提出了一种基于惯性导航/地磁的组合导航系统。建立了惯性导航/地磁组合导航系统模型,并且利用卡尔曼滤波算法对系统进行滤波。最后通过仿真实验表明,该组合导航系统能够有效弥补单惯性导航系统精度发散的不足,提高了导航精度,实现了水下潜器的精确导航。     

基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS（Inertial Navigation System）为主，与全球导航定位系统GPS（Global Position System）等多个次级导航系统组成的导航系统的实现方案。设计了基于Hopfield神经网络的导航系统的滤波估计算法。经计算机模拟仿真证明，神经网络的算法优于通常的卡尔曼滤波方法。     

一种水下航行器的SLAM算法应用研究

研究精确稀疏扩展信息滤波(ESEIF)的快速算法,提出一种三维水下航行器(AUV)的同时定位和地图创建(SLAM)算法。作者设计了一种大规模水下三维环境的SLAM解决方案,建立了三维环境的航行器运动、传感器观测及重定位系统模型,分析了方法实时性和定位精度。仿真实验证明:用ESIEF算法能高效地实现水下环境的SLAM,为项目研究提供了理论基础。