共查询到20条相似文献,搜索用时 375 毫秒
1.
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。 相似文献
2.
3.
《中国舰船研究》2018,(6)
[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。 相似文献
4.
5.
《江苏科技大学学报(社会科学版)》2017,(4)
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. 相似文献
6.
[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... 相似文献
7.
8.
9.
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。 相似文献
10.
基于Hopfield神经网络的导航系统的滤波估计 总被引:1,自引:0,他引:1
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. 相似文献
11.
12.
13.
14.
15.
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。 相似文献
16.
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。 相似文献
17.
18.
19.
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。 相似文献