基于动力学模型辅助的自主增强型深海AUV组合导航技术研究

The integrity of the aiding sensor observations of the AUV navigation system could not be guaranteed when the AUV operates in deep sea or tough benthic environment. This project presents an approach for aiding the enhanced autonomous inertial navigation system with a validated kinetic vehicle model. Firstly the model-aided navigation technology for AUVs will be researched and the dynamic models of different motion states will be fomulated. The unknown parameters will be identified by Bacterial Swarm Foraging Optimization algorithm. A sea current real-time estimation method will also be deduced. Secondly we will set up the multi-sensor information fusion method based on improved Interactive Multiple Model federal filtering algorithm and research the information distribution strategy based on the matrix perturbation theory. Finally, the intelligent fault-tolerant technology for multichannel uncoupled data random loss and delay will be researched. A new method based on the posterior confidence and gaussian regression adaptive filtering will be introduced to improve the Artificial Immune Fuzzy Reasoning fault tolerant filtering algorithm, which is suitable for the underwater navigation system and ensure the high performance fault tolerance for the navigation system. The expected achievements are of important practical value and can be applied to AUVs' underwater navigation systems which require high redundancy, robustness, reliability and autonomy. In addition, with this research project, practical solutions and theoretical guidance for navigation with uncertain observations will be set up and the deep-sea AUV integrated navigation technology would be enhanced.

针对AUV在深海复杂海底环境中，辅助导航传感器观测量易出现不完全或缺失等现象，造成组合导航系统不可靠的问题，拟建立一套基于动力学模型辅助的以SINS为主的自主增强型多传感器组合导航方法。研究动力学模型辅助导航技术，构建不同运动状态下的动力学模型，采用菌群优化算法辨识未知参数，给出海流速度在线估计方法；研究交互式多模型联邦滤波改进算法以及基于矩阵摄动理论的信息分配策略，建立一套多传感器信息融合方法；研究多通道非耦合数据随机丢失和延迟等情况下组合导航系统智能容错技术，引入基于后验置信度和高斯回归自适应滤波方法，改进人工免疫模糊推理容错滤波算法。相关研究成果具有重要的实际应用价值，适用于对冗余性、鲁棒性、可靠性和自主性等要求比较高的AUV水下导航系统。通过本项目的研究，可以丰富深海AUV组合导航技术的研究内容，为外观测信息缺失时的导航定位提供解决方案和理论指导。

“提高海洋资源开发能力”是我国海洋战略目标之一，自主水下航行器(AUV)作为海洋资源探测的重要工具在此发挥不可或缺的作用。AUV组合导航系统为其提供位置、速度、姿态信息，导航结果的准确性和可靠性关系到AUV能否顺利执行任务。本项目针对基于动力学模型辅助的自主增强型深海AUV组合导航系统展开研究，并取得一系列成果。通过FLUENT软件模拟AUV机动情况，利用最小二乘拟合得到水动力系数，建立AUV六自由度动力学模型，引入动力学模型辅助的AUV组合导航系统在DVL失效时速度误差仍能处于收敛状态；将多模型估计理论与联邦滤波相结合，利用滤波新息修正模型概率，设计AUV组合导航联邦多模型估计信息融合算法，仿真表明，联邦交互式多模型滤波通过自适应地选择匹配模型进行估计，所得速度误差、位置误差均小于普通联邦Kalman滤波器；引入高斯过程回归预测滤波新息，利用预测新息和实际滤波新息构建新型故障检测函数，仿真表明，检测导航传感器发生的硬故障和软故障时，基于高斯过程回归的故障检测方法与残差卡方故障检测法相比具有更显著的快速性；建立基于导航方程、欧拉角微分方程、惯性传感器量测误差模型的直接法系统方程，构建时间更新和量测更新不同步的简化容积Kalman滤波算法实现SINS初始对准，半物理仿真表明，基于直接法更准确的系统误差模型使得对准结果优于传统间接法，纵摇、横摇、航向姿态角对准误差均有所减小；以AUV位置、姿态、陀螺漂移作为状态量，建立SINS和地形紧组合的非线性离散状态方程，采用粒子滤波解决非线性问题，仿真表明，在陡峭地形区域，紧组合地形导航结果优于传统松组合，导航精度保持在一个海图分辨率以内。通过本项目关于AUV动力学模型辅助技术、多传感器信息融合技术、故障检测和容错技术、直接法滤波技术、SINS/地形紧组合技术的研究，AUV组合导航系统定位精度得以提高，系统容错性、可靠性得以加强，从而为AUV成功执行任务提供有力保障。