论文部分内容阅读
自主水下航行器(Autonomous Underwater Vehicle,简称AUV)是近年来海洋工程领域研究的热点之一。它可搭载各种传感器设备,有效地收集数据,在水下环境观测中得到越来越广泛的应用。水下导航技术是AUV实现自主航行的关键,由于GPS在水下不可用,且长时间的水下作业、隐蔽性和高可靠性需求、复杂水下环境等因素,实现AUV的自主导航具有很大的挑战性。在实际中利用多种传感器的数据进行组合导航,可以降低传统的航位推算导航系统遇到的时间累积误差,是目前AUV系统普遍采用的导航方法。本文对基于卡尔曼滤波(Kalman Filter,简称KF)的各类滤波方法,如扩展卡尔曼滤波(Extended Kalman Filter,简称EKF)、无味卡尔曼滤波(Unscented Kalman Filter,简称UKF)、集合卡尔曼滤波(Ensemble Kalman Filter,简称EnKF),以及粒子滤波滤波(Particle Filter,简称PF)在AUV导航中的应用进行了介绍,并发展了集合卡尔曼滤波-粒子滤波相结合的新型滤波算法(Ensemble Kalman-Particle Filter,简称EnKPF),实现了其在AUV组合导航上的应用。通过数值仿真和实测试验数据处理对这五种滤波算法的性能进行了分析比较。本文同时发展了一款用于AUV控制的开源软件平台MOOS (Mission Orientated Operating Suite),实现了该平台外接传感器的数据采集功能,并利用该平台实现了基于EKF的实时导航系统,测试了其在实际应用中的可行性。