CN115200571A - 一种基于多传感器组合的短期水下auv隐蔽导航方法 - Google Patents

一种基于多传感器组合的短期水下auv隐蔽导航方法 Download PDF

Info

Publication number
CN115200571A
CN115200571A CN202211125253.2A CN202211125253A CN115200571A CN 115200571 A CN115200571 A CN 115200571A CN 202211125253 A CN202211125253 A CN 202211125253A CN 115200571 A CN115200571 A CN 115200571A
Authority
CN
China
Prior art keywords
auv
underwater
information
navigation
inertial navigation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211125253.2A
Other languages
English (en)
Inventor
卢秀山
李国玉
刘以旭
王胜利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Xiushan Mobile Surveying Co ltd
Original Assignee
Qingdao Xiushan Mobile Surveying Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Xiushan Mobile Surveying Co ltd filed Critical Qingdao Xiushan Mobile Surveying Co ltd
Priority to CN202211125253.2A priority Critical patent/CN115200571A/zh
Publication of CN115200571A publication Critical patent/CN115200571A/zh
Priority to CN202211707790.8A priority patent/CN115930951A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，属于船用设备技术领域，用于AUV的隐蔽导航定位，包括采用精确的自适应声线跟踪算法得到精确的声学定位的基础上，在浅水AUV隐蔽导航时，将声学定位结果、惯性导航结果和深度计通过自适应神经网络算法得到准确的高频位置、速度和姿态信息并进行导航；在深水区AUV隐蔽导航时，则是依赖声学定位结果、惯性导航结果、深度计和多普勒测速仪传感器进行数据融合。而声学定位设备是安装在海面按一定构型布设的无人船编队上。本发明在无卫星导航***辅助下，通过多传感器的组合实现对水下AUV的短期隐蔽导航。

Description

一种基于多传感器组合的短期水下AUV隐蔽导航方法
技术领域
本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，属于导航技术领域。
背景技术
随着国家透明海洋战略的提出和发展，海洋资源开发成为了各海洋强国的重要发展目标，海洋中蕴藏了丰富的天然气、石油资源亟待开发。海底管道铺设、海洋科考、海洋救援等活动都需要知道自己所处的位置信息，水下航行器的发展无疑成为了海洋各项活动必不可少的工具。目前卫星导航***是最为稳定、精度最高的定位方式被应用于军事、农业、汽车自动驾驶等各个领域。它是通过接受卫星发射的测距码或载波相位精确测量卫星到接收机的距离，通过后方距离教会实现定位。在陆地上或近海可以通过RTK相对定位实现厘米级—分米级的定位精度，在远海场景下一般通过精密单点定位或星站差分技术实现精准定位。但是在一些，因为卫星导航***存在天然的脆弱性，即容易被跟踪和干扰，因此在隐蔽AUV导航等特殊场景下无法使用。AUV由于体积小、活动范围广、隐蔽性高的优点而在军事、民用等各个领域被广泛应用，例如水下侦察、海底地形探测、海事救援、水下光电缆铺设等。
在某些特殊应用场景下，AUV需要进行隐蔽性导航，特别是在一些军事活动中不能借助外部容易侦察和干扰的信号，此时卫星导航***就无法提供给载体平台位置信息。惯性导航***是采用航位推算的方式实现导航定位，不需要外部信息的输入性，因具有极强的隐蔽性而用在潜艇、导弹等军事设施中，它的原理是用牛顿积分对加速度计和陀螺仪输出的信息进行积分得到位置、速度和姿态信息。该***不需要依赖外界信息，也不会向外界辐射能量，具有很好的隐蔽性，但存在误差累积的问题，因此需要配合多种传感器一起进行使用。长基线水声定位***的定位精度高，配合惯性导航***及其它辅助***可以实现短期对AUV的导航。
发明内容
本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，以解决现有技术中，AUV水下定位精度较低的问题。
一种基于多传感器组合的短期水下AUV隐蔽导航方法，包括：
S1.船底的水声换能器以一定的频率发射声学信号，位于AUV上的应答器接收到信号后反射应答信号到水声换能器；
S2.当存在三个及以上的海面观测值时，通过距离交会得到最优位置信息，将传播时间作为待估参数一起参与求解以避免传播信号在水下环境延迟带来的误差；
S3.使用声线跟踪算法实现精确定位；
S4.获得声信号传播时间t i 后，与实际测得的传播时间T i 做差，得到时间差
Figure 535473DEST_PATH_IMAGE001
t i ， 乘以声速c得到传播距离；
S5.进行AUV的隐蔽导航，根据传感器的精度和适用环境的不同，AUV的导航分为两种情景：浅水导航和深水导航，导航传感器的选择根据深度计信息自由切换。
优选地，S1包括：通过测量声信号的传播时间乘以声信号传播速度得到距离：
Figure 983772DEST_PATH_IMAGE002
，式中
Figure 560247DEST_PATH_IMAGE003
表示测距信息，
Figure 221035DEST_PATH_IMAGE004
表示声信号传播的声速，
Figure 832145DEST_PATH_IMAGE005
表示信号传播时间，
Figure 185766DEST_PATH_IMAGE006
，N表示无人船的数量；
Figure 983958DEST_PATH_IMAGE007
为水声换能器和应答器之 间的欧氏距离；
Figure 714016DEST_PATH_IMAGE008
为等效测距误差。
优选地，S3包括：由射线声学基本理论，第i层的声线轨迹曲率为：
Figure 914054DEST_PATH_IMAGE009
；
式中，
Figure 438576DEST_PATH_IMAGE010
表示声信号入射角，s表示信号传播路径，z表示深度，
Figure 724064DEST_PATH_IMAGE011
表示掠射角，c为 声速；
对于等声速梯度层，声速梯度
Figure 726655DEST_PATH_IMAGE012
为常数，表示为：
Figure 781198DEST_PATH_IMAGE013
；
c i 为第i层水层的声速，z i 为第 i层水层的深度，
Figure 742201DEST_PATH_IMAGE014
为第i层水层的声信号入射角，
Figure 514985DEST_PATH_IMAGE015
为第i层水层的掠射角；
声线在层内的实际轨迹为一段圆弧，求出第 i层的 t i 及水平传播距离 y i ：
Figure 586846DEST_PATH_IMAGE016
；
Figure 761476DEST_PATH_IMAGE017
；
将每段声信号经过的弧进行累加同样，所需的传播时间T N 和水平位移Y N 分别为：
Figure 627801DEST_PATH_IMAGE018
；
Figure 887881DEST_PATH_IMAGE019
，得到传播时间后获得水声换能器与应答器之间的实际信号经过的 路径距离。
优选地，S4包括：声速的确定采用一种自适应方法，声速 c的大小根据AUV所处的深度z i 确定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：
Figure 497854DEST_PATH_IMAGE020
，其中
Figure 526989DEST_PATH_IMAGE021
表示声速是c关于z i 的函数。
优选地，S5包括：
浅水导航情景：
AUV的位置信息为：
Figure 829795DEST_PATH_IMAGE022
，式中，
Figure 311592DEST_PATH_IMAGE023
表示AUV的位置信息，
Figure 725255DEST_PATH_IMAGE024
表示位置融合函数，
Figure 608898DEST_PATH_IMAGE025
分别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；
AUV的速度信息v 1 在浅水由惯导***通过对加速度信息积分得到；
AUV的姿态信息为：
Figure 82605DEST_PATH_IMAGE026
，式中，A表示AUV的姿态信息，
Figure 51698DEST_PATH_IMAGE027
表示姿态融合函数，
Figure 3473DEST_PATH_IMAGE028
分别表示通过深度计得到的姿态和惯导输出的姿态信息；
AUV运动速度过大时，惯导姿态输出不稳定，借助多深度计辅助测量横滚角和俯仰角；
将4个深度计安装在AUV上，构成一个长为a，宽为b的长方形；通过姿态角的定位和 长方形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息
Figure 7201DEST_PATH_IMAGE029
；
深水导航情景：
AUV的位置信息为：
Figure 651809DEST_PATH_IMAGE030
，式中，
Figure 373777DEST_PATH_IMAGE031
表示AUV的位置信息，
Figure 129244DEST_PATH_IMAGE032
表示位置融合函 数，
Figure 721899DEST_PATH_IMAGE033
分别表示通过长基线定位得到的位置和多普勒测速仪输出的信息经过一次积分得 到的位置；
AUV的速度信息v 2 在深水区由多普勒测速仪提供。
优选地，
Figure 537408DEST_PATH_IMAGE034
、
Figure 481094DEST_PATH_IMAGE035
、
Figure 305830DEST_PATH_IMAGE036
统称为融合函数
Figure 752992DEST_PATH_IMAGE037
，融合函数
Figure 739403DEST_PATH_IMAGE037
采用自适应的反馈性神经 网络算法，将单个传感器先放置到一个黑匣子中进行可靠性
Figure 170384DEST_PATH_IMAGE038
评估，评估可靠性
Figure 267653DEST_PATH_IMAGE038
后赋予适 用于该传感器的权阵W i ，权阵的大小决定了该传感器提供数据的占比，通过数据的训练得 到一个最优的神经网络 Net，将融合后的结果与水声定位的结果进行做差
Figure 100480DEST_PATH_IMAGE001
，根据偏差信 息进行新的确权后重新进行滤波，直到得到满足限差的结果。
优选地，所述无人船为三艘时，在海面呈“等边三角形”布设。
优选地，所述无人船为四艘时，在海面呈“正方形”布设。
优选地，AUV上搭载惯性导航***、深度计、多普勒测速仪、数据处理中心和水声换能器；
所述惯性导航***搭载在无人船和水下AUV上，惯性导航***进行安装校准后，多艘无人船进行时间同步，完成初始化，惯性导航***实时高频输出无人船的位置、速度和位置信息；
所述水下AUV上根据任务需求搭载测量传感器、机械臂、动力模块、水声应答器和数据处理中心；
所述水声换能器安装在无人船的船底，多艘搭载水声换能器的无人船组成长基线定位***，所述长基线定位***与惯性导航***组合，通过长基线水声定位算法对水下AUV进行导航定位；
数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。
优选地，四艘无人船上的惯性导航***实时输出高频的三轴加速度和角速度增量，通过积分得到无人船的位置、速度和姿态信息，水下AUV位于正方形的中心点水下深处，无人船通过声学通讯实时接收AUV的几何中心，并自适应调整自己的位置，确保AUV处于几何中心；
惯性导航***给出本身的位置、速度和姿态信息，通过对惯性导航***和长基线定位***的深组合，经过自适应神经网络算法得到水下AUV连续的位置信息并预测下一时刻的位置信息，实现对水下AUV的隐蔽导航；
船只的控制***根据自身的惯性导航***输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。
与现有技术相比，本发明的有益效果为，在无卫星导航***辅助下，通过惯性导航***实现对海面载体平台的定位，再通过长基线水声定位实现对水下AUV的短期隐蔽，在此过程中也考虑了海面构型以及声速误差对定位的影响，进行误差改正后有效提高了导航定位的准确性和可靠性；创新性地提出将水层分为深水层和浅水层，并根据深度计信息自由切换不同传感器作为滤波的输入信息，并提出一下黑盒自适应神经网络算法用于多传感器的数据融合，可以解决水下环境在非线性和非高斯噪声影响下的精确导航。
附图说明
图1是本发明所用测量设备的示意图。
附图标记包括：1-应答器，2-水声换能器，3-惯性导航***，4-AUV，5-无人船，6-深度计，7-多普勒测速仪。
具体实施方式
下面结合具体实施方式对本发明作进一步详细说明：
一种基于多传感器组合的短期水下AUV隐蔽导航方法，如图1，包括：
S1.船底的水声换能器2以一定的频率发射声学信号，位于AUV4上的应答器1接收到信号后反射应答信号到水声换能器2；
S2.当存在三个及以上的海面观测值时，通过距离交会得到最优位置信息，将传播时间作为待估参数一起参与求解以避免传播信号在水下环境延迟带来的误差；
S3.使用声线跟踪算法实现精确定位；
S4.获得声信号传播时间t i 后，与实际测得的传播时间T i 做差，得到时间差
Figure 992212DEST_PATH_IMAGE001
t i ， 乘以声速c得到传播距离；
S5.进行AUV4的隐蔽导航，根据传感器的精度和适用环境的不同，AUV4的导航分为两种情景：浅水导航和深水导航，导航传感器的选择根据深度计6信息自由切换。
S1包括：通过测量声信号的传播时间乘以声信号传播速度得到距离：
Figure 910490DEST_PATH_IMAGE002
，式中
Figure 811450DEST_PATH_IMAGE003
表示测距信息，
Figure 233204DEST_PATH_IMAGE004
表示声信号传播的声速，
Figure 561417DEST_PATH_IMAGE039
表示信号传播时间，
Figure 966991DEST_PATH_IMAGE006
，N表示无人船5的数量；
Figure 671641DEST_PATH_IMAGE007
为水声换能器2和应答器1 之间的欧氏距离；
Figure 947902DEST_PATH_IMAGE008
为等效测距误差。
S3包括：由射线声学基本理论，第i层的声线轨迹曲率为：
Figure 712596DEST_PATH_IMAGE009
；
式中，
Figure 339886DEST_PATH_IMAGE010
表示声信号入射角，s表示信号传播路径，z表示深度，
Figure 582649DEST_PATH_IMAGE011
表示掠射角，c为 声速；
对于等声速梯度层，声速梯度
Figure 978995DEST_PATH_IMAGE012
为常数，表示为：
Figure 649011DEST_PATH_IMAGE013
；
c i 为第i层水层的声速，z i 为第 i层水层的深度，
Figure 763597DEST_PATH_IMAGE040
为第i层水层的声信号入射角，
Figure 544471DEST_PATH_IMAGE041
为第i层水层的掠射角；
声线在层内的实际轨迹为一段圆弧，求出第 i层的 t i 及水平传播距离 y i ：
Figure 60903DEST_PATH_IMAGE016
Figure 901820DEST_PATH_IMAGE017
将每段声信号经过的弧进行累加同样，所需的传播时间T N 和水平位移Y N 分别为：
Figure 503703DEST_PATH_IMAGE042
；
Figure 88268DEST_PATH_IMAGE019
，得到传播时间后获得水声换能器2与应答器1之间的实际信号经过 的路径距离。
S4包括：声速的确定采用一种自适应方法，声速 c的大小根据AUV4所处的深度z i 确定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：
Figure 459207DEST_PATH_IMAGE020
，其中
Figure 471025DEST_PATH_IMAGE021
表示声速是c关于z i 的函数。
S5包括：
浅水导航情景：
AUV4的位置信息为：
Figure 294624DEST_PATH_IMAGE022
，式中，
Figure 682880DEST_PATH_IMAGE023
表示AUV4的位置信息，
Figure 908325DEST_PATH_IMAGE024
表示位置融合函 数，
Figure 91045DEST_PATH_IMAGE025
分别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；
AUV4的速度信息v 1 在浅水由惯导***通过对加速度信息积分得到；
AUV4的姿态信息为：
Figure 933099DEST_PATH_IMAGE026
，式中，A表示AUV4的姿态信息，
Figure 593888DEST_PATH_IMAGE027
表示姿态融合函 数，
Figure 673839DEST_PATH_IMAGE028
分别表示通过深度计6得到的姿态和惯导输出的姿态信息；
AUV4运动速度过大时，惯导姿态输出不稳定，借助多深度计6辅助测量横滚角和俯仰角；
将4个深度计6安装在AUV4上，构成一个长为a，宽为b的长方形；通过姿态角的定位 和长方形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息
Figure 293039DEST_PATH_IMAGE029
；
深水导航情景：
AUV4的位置信息为：
Figure 356810DEST_PATH_IMAGE030
，式中，
Figure 86869DEST_PATH_IMAGE031
表示AUV4的位置信息，
Figure 755747DEST_PATH_IMAGE032
表示位置融合 函数，
Figure 545849DEST_PATH_IMAGE033
分别表示通过长基线定位得到的位置和多普勒测速仪7输出的信息经过一次积分 得到的位置；
AUV4的速度信息v 2 在深水区由多普勒测速仪7提供。
Figure 831337DEST_PATH_IMAGE034
、
Figure 99507DEST_PATH_IMAGE035
、
Figure 154051DEST_PATH_IMAGE036
统称为融合函数
Figure 115054DEST_PATH_IMAGE037
，融合函数
Figure 622258DEST_PATH_IMAGE037
采用自适应的反馈性神经网络算 法，将单个传感器先放置到一个黑匣子中进行可靠性
Figure 694119DEST_PATH_IMAGE038
评估，评估可靠性
Figure 868749DEST_PATH_IMAGE038
后赋予适用于该 传感器的权阵W i ，权阵的大小决定了该传感器提供数据的占比，通过数据的训练得到一个 最优的神经网络 Net，将融合后的结果与水声定位的结果进行做差
Figure 735074DEST_PATH_IMAGE001
，根据偏差信息进行 新的确权后重新进行滤波，直到得到满足限差的结果。
所述无人船5为三艘时，在海面呈“等边三角形”布设。
所述无人船5为四艘时，在海面呈“正方形”布设。
AUV4上搭载惯性导航***3、深度计6、多普勒测速仪7、数据处理中心和水声换能器2；
所述惯性导航***3搭载在无人船5和水下AUV4上，惯性导航***3进行安装校准后，多艘无人船5进行时间同步，完成初始化，惯性导航***3实时高频输出无人船5的位置、速度和位置信息；
所述水下AUV4上根据任务需求搭载测量传感器、机械臂、动力模块、应答器1和数据处理中心；
所述水声换能器2安装在无人船5的船底，多艘搭载水声换能器2的无人船5组成长基线定位***，所述长基线定位***与惯性导航***3组合，通过长基线水声定位算法对水下AUV4进行导航定位；
数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。
四艘无人船5上的惯性导航***3实时输出高频的三轴加速度和角速度增量，通过积分得到无人船5的位置、速度和姿态信息，水下AUV4位于正方形的中心点水下深处，无人船5通过声学通讯实时接收AUV4的几何中心，并自适应调整自己的位置，确保AUV4处于几何中心；
惯性导航***3给出本身的位置、速度和姿态信息，通过对惯性导航***3和长基线定位***的深组合，经过自适应神经网络算法得到水下AUV4连续的位置信息并预测下一时刻的位置信息，实现对水下AUV4的隐蔽导航；
船只的控制***根据自身的惯性导航***3输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。
如图1，本发明将高精度惯导***分别安装在四艘小型无人船5和水下AUV4上，但由于惯性导航***3本身误差会随时间累积，即使采用高精度惯导，长时间导航后无人船5的位置信息仍变得不可靠，因此本发明适用于短期水下AUV4隐蔽导航。
无人船5及控制模块由三艘及以上的小型无人船5、控制模块和数据处理模块组成，采用三艘及以上的无人船5是因为要组成用于水下定位的长基线定位基阵。由于无人船5作为短期AUV4导航提供基准传递的海面载体，工作时间一般在几十分钟到几个小时，所以无人船5所需的动力由大电池提供。
惯性导航模块采用高精度导航级的MEMS惯导传感器，确保能提供高精度的输出。将惯导传感器分别安装在四艘无人船5和水下AUV4上，在开始工作前需要进行传感器的初始校准和“找北”，确保输出稳定的加速度计和陀螺仪增量。
动力模块也是用大电池提供动力用于短期航行。应答器1用于接受换能器发射的信号并进行应答。数据处理中心用于进行数据处理和数据本地存储，其中数据处理包括进行长基线定位解算、与惯性导航***3的紧组合导航以及相应的误差改正。
数据处理中心根据水域先前测得的海面温盐深信息得到区域的声速剖面数据，用于改正声速误差带来的测距误差影响，可以有效提高水声定位的精度。将长基线定位的结果与惯性导航***3的结果进行紧组合，采用卡尔曼滤波算法对水下AUV4进行导航。
本发明实现了在没有卫星导航***辅助的情况下的水下AUV4的导航定位，无需借助外部信息的输入，具有隐蔽性，在一些特殊场景下可以提供短期的高精度导航。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (10)

1.一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，包括：
S1.船底的水声换能器以一定的频率发射声学信号，位于AUV上的应答器接收到信号后反射应答信号到水声换能器；
S2.当存在三个及以上的海面观测值时，通过距离交会得到最优位置信息，将传播时间作为待估参数一起参与求解以避免传播信号在水下环境延迟带来的误差；
S3.使用声线跟踪算法实现精确定位；
S4.获得声信号传播时间t i 后，与实际测得的传播时间T i 做差，得到时间差
Figure 13724DEST_PATH_IMAGE001
t i ，乘以声 速c得到传播距离；
S5.进行AUV的隐蔽导航，根据传感器的精度和适用环境的不同，AUV的导航分为两种情景：浅水导航和深水导航，导航传感器的选择根据深度计信息自由切换。
2.根据权利要求1所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S1包括：通过测量声信号的传播时间乘以声信号传播速度得到距离：
Figure 623697DEST_PATH_IMAGE002
，式中
Figure 652832DEST_PATH_IMAGE003
表示测距信息，
Figure 690059DEST_PATH_IMAGE004
表示声信号传播的声速，
Figure 437435DEST_PATH_IMAGE005
表示 信号传播时间，
Figure 851099DEST_PATH_IMAGE006
，N表示无人船的数量；
Figure 734741DEST_PATH_IMAGE007
为水声换能器和应答器之间的欧 氏距离；
Figure 942868DEST_PATH_IMAGE008
为等效测距误差。
3.根据权利要求2所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S3包括：由射线声学基本理论，第i层的声线轨迹曲率为：
Figure 911961DEST_PATH_IMAGE009
；
式中，
Figure 863737DEST_PATH_IMAGE010
表示声信号入射角，s表示信号传播路径，z表示深度，
Figure 867465DEST_PATH_IMAGE011
表示掠射角，c为声速；
对于等声速梯度层，声速梯度
Figure 269931DEST_PATH_IMAGE012
为常数，表示为：
Figure 726320DEST_PATH_IMAGE013
；
c i 为第i层水层的声速，z i 为第 i层水层的深度，
Figure 481787DEST_PATH_IMAGE014
为第i层水层的声信号入射角，
Figure 605601DEST_PATH_IMAGE015
为 第i层水层的掠射角；
声线在层内的实际轨迹为一段圆弧，求出第 i层的 t i 及水平传播距离 y i ：
Figure 421110DEST_PATH_IMAGE016
Figure 630374DEST_PATH_IMAGE017
将每段声信号经过的弧进行累加同样，所需的传播时间T N 和水平位移Y N 分别为：
Figure 923952DEST_PATH_IMAGE018
；
Figure 636693DEST_PATH_IMAGE019
，得到传播时间后获得水声换能器与应答器之间的实际信号经过的 路径距离。
4.根据权利要求3所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S4包括：声速的确定采用一种自适应方法，声速 c的大小根据AUV所处的深度z i 确定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：
Figure 888683DEST_PATH_IMAGE020
，其中
Figure 850823DEST_PATH_IMAGE021
表示声速是c关于z i 的函数。
5.根据权利要求4所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S5包括：
浅水导航情景：
AUV的位置信息为：
Figure 213671DEST_PATH_IMAGE022
，式中，
Figure 374394DEST_PATH_IMAGE023
表示AUV的位置信息，
Figure 531706DEST_PATH_IMAGE024
表示位置融合函数，
Figure 981142DEST_PATH_IMAGE025
分 别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；
AUV的速度信息v 1 在浅水由惯导***通过对加速度信息积分得到；
AUV的姿态信息为：
Figure 616523DEST_PATH_IMAGE026
，式中，A表示AUV的姿态信息，
Figure 303856DEST_PATH_IMAGE027
表示姿态融合函数，
Figure 897648DEST_PATH_IMAGE028
分别表示通过深度计得到的姿态和惯导输出的姿态信息；
AUV运动速度过大时，惯导姿态输出不稳定，借助多深度计辅助测量横滚角和俯仰角；
将4个深度计安装在AUV上，构成一个长为a，宽为b的长方形；通过姿态角的定位和长方 形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息
Figure 37643DEST_PATH_IMAGE029
；
深水导航情景：
AUV的位置信息为：
Figure 7873DEST_PATH_IMAGE030
，式中，
Figure 549712DEST_PATH_IMAGE031
表示AUV的位置信息，
Figure 579985DEST_PATH_IMAGE032
表示位置融合函数，
Figure 207276DEST_PATH_IMAGE033
分别表示通过长基线定位得到的位置和多普勒测速仪输出的信息经过一次积分得到的位 置；
AUV的速度信息v 2 在深水区由多普勒测速仪提供。
6.根据权利要求5所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征 在于，
Figure 450038DEST_PATH_IMAGE034
、
Figure 377543DEST_PATH_IMAGE035
、
Figure 47559DEST_PATH_IMAGE036
统称为融合函数
Figure 162145DEST_PATH_IMAGE037
，融合函数
Figure 943019DEST_PATH_IMAGE037
采用自适应的反馈性神经网络算法， 将单个传感器先放置到一个黑匣子中进行可靠性
Figure 459451DEST_PATH_IMAGE038
评估，评估可靠性
Figure 300368DEST_PATH_IMAGE038
后赋予适用于该传感 器的权阵W i ，权阵的大小决定了该传感器提供数据的占比，通过数据的训练得到一个最优 的神经网络 Net，将融合后的结果与水声定位的结果进行做差
Figure 902251DEST_PATH_IMAGE039
，根据偏差信息进行新的 确权后重新进行滤波，直到得到满足限差的结果。
7.根据权利要求6所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，所述无人船为三艘时，在海面呈“等边三角形”布设。
8.根据权利要求6所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，所述无人船为四艘时，在海面呈“正方形”布设。
9.根据权利要求8所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，AUV上搭载惯性导航***、深度计、多普勒测速仪、数据处理中心和水声换能器；
所述惯性导航***搭载在无人船和水下AUV上，惯性导航***进行安装校准后，多艘无人船进行时间同步，完成初始化，惯性导航***实时高频输出无人船的位置、速度和位置信息；
所述水下AUV上根据任务需求搭载测量传感器、机械臂、动力模块、水声应答器和数据处理中心；
所述水声换能器安装在无人船的船底，多艘搭载水声换能器的无人船组成长基线定位***，所述长基线定位***与惯性导航***组合，通过长基线水声定位算法对水下AUV进行导航定位；
数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。
10.根据权利要求9所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，四艘无人船上的惯性导航***实时输出高频的三轴加速度和角速度增量，通过积分得到无人船的位置、速度和姿态信息，水下AUV位于正方形的中心点水下深处，无人船通过声学通讯实时接收AUV的几何中心，并自适应调整自己的位置，确保AUV处于几何中心；
惯性导航***给出本身的位置、速度和姿态信息，通过对惯性导航***和长基线定位***的深组合，经过自适应神经网络算法得到水下AUV连续的位置信息并预测下一时刻的位置信息，实现对水下AUV的隐蔽导航；
船只的控制***根据自身的惯性导航***输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。
CN202211125253.2A 2022-09-16 2022-09-16 一种基于多传感器组合的短期水下auv隐蔽导航方法 Pending CN115200571A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211125253.2A CN115200571A (zh) 2022-09-16 2022-09-16 一种基于多传感器组合的短期水下auv隐蔽导航方法
CN202211707790.8A CN115930951A (zh) 2022-09-16 2022-12-29 一种基于多传感器组合的短期水下auv隐蔽导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211125253.2A CN115200571A (zh) 2022-09-16 2022-09-16 一种基于多传感器组合的短期水下auv隐蔽导航方法

Publications (1)

Publication Number Publication Date
CN115200571A true CN115200571A (zh) 2022-10-18

Family

ID=83572353

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202211125253.2A Pending CN115200571A (zh) 2022-09-16 2022-09-16 一种基于多传感器组合的短期水下auv隐蔽导航方法
CN202211707790.8A Pending CN115930951A (zh) 2022-09-16 2022-12-29 一种基于多传感器组合的短期水下auv隐蔽导航方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202211707790.8A Pending CN115930951A (zh) 2022-09-16 2022-12-29 一种基于多传感器组合的短期水下auv隐蔽导航方法

Country Status (1)

Country Link
CN (2) CN115200571A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116628396B (zh) * 2023-07-25 2024-02-02 浙江大学海南研究院 一种基于平滑插值的水下装备声线弯曲修正方法

Also Published As

Publication number Publication date
CN115930951A (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Bao et al. Integrated navigation for autonomous underwater vehicles in aquaculture: A review
Kinsey et al. A survey of underwater vehicle navigation: Recent advances and new challenges
Whitcomb et al. Towards precision robotic maneuvering, survey, and manipulation in unstructured undersea environments
CN111829512B (zh) 一种基于多传感器数据融合的auv导航定位方法及***
CN101900558B (zh) 集成声纳微导航的自主式水下机器人组合导航方法
EP2689263B1 (en) Determining a position of a submersible vehicle within a body of water
Chutia et al. A review of underwater robotics, navigation, sensing techniques and applications
CN104316045A (zh) 一种基于sins/lbl的auv水下交互辅助定位***及定位方法
KR100906362B1 (ko) 2개의 기준점에 대한 거리정보와 저정밀도 관성센서를 이용한 무인잠수정 선단의 의사 lbl 수중항법시스템
CN111273298B (zh) 基于波浪滑翔器组网技术的水下声学目标定位与跟踪方法
CN105486313A (zh) 一种基于usbl辅助低成本sins***的定位方法
WO2008048346A2 (en) System and method for determining the position of an underwater vehicle
CN104061930A (zh) 基于捷联惯性制导和多普勒计程仪的导航方法
CN112684207A (zh) 一种深潜载人潜水器adcp速度估计与修正算法
Lee et al. An integrated navigation system for autonomous underwater vehicles with two range sonars, inertial sensors and Doppler velocity log
CN111735455A (zh) 基于改进的高斯距离迭代算法对接回收组合导航方法
CN115200571A (zh) 一种基于多传感器组合的短期水下auv隐蔽导航方法
Jalving et al. Terrain referenced navigation of AUVs and submarines using multibeam echo sounders
JP5381773B2 (ja) 水中航走体の位置較正方法及び装置
CN116358544A (zh) 基于声学特征匹配定位修正惯性导航误差的方法和***
CN103697887B (zh) 一种基于捷联惯导***和多普勒计程仪的优化导航方法
Harris et al. Cooperative acoustic navigation of underwater vehicles without a DVL utilizing a dynamic process model: Theory and field evaluation
Alamleh et al. Comparative analysis of underwater positioning and navigation systems
Napolitano et al. GAPS, combined USBL+ INS+ GPS tracking system for fast deployable & high accuracy multiple target positioning
Singh et al. Control of autonomous underwater vehicles

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221018