水下重力梯度辅助惯性导航匹配算法研究

Gravity gradient aided inertial navigation system has a variety of advantages such as good autonomy, well covert, anytime availability and high positioning precision, of which one key technique is gravity gradient matching algorithm when applied into reality. Aiming at the nonlinear relationship between gravity parameters and state parameters and the impact of non-Gaussian noise on the system, nonlinear Kalman filtering matching algorithms of gravity gradient are important problems in study. The project covers the following three issues. Firstly, the further analysis of spatial attributes and spectrum characteristics of the oceanic gravity field with related a priori information, the construction of precise modeling methods of measurement errors of inertial navigation and gravity gradiometer instrument, and the establishment of filtering state equation and measurment equation. Secondly, the research of matching algorithm models based on filters like EKF, UKF and PF, the experiments in some regions with various statistical characteristics of gravity gradient, the evaluation of navigation performance in terms of effect, accuracy and time cosumption of filtering, the building of an optimal fusing matching algorithm model based on the advantages and disadvantages. Finally, on the precondition of satisfying the navigation precision of autonomous underwater vehicles, suggestions are proposed on requirements of measurement accuracy of gravity gradiometer instrument, resolution and precision of the gravity grid datum map and the statistical characteristics interval of the local onceanic gravity field. The reasearch of the project could provide theoretical and technical support for the development of accurate and autonomous navigation of underwater vehicles in actual oceanic environment.

重力梯度辅助惯性导航系统具有自主性强、隐蔽性好、不受时间限制及定位精度高等诸多优点，将其付诸于实际需攻克的关键技术之一是重力梯度匹配算法。课题针对该系统中重力参数与状态参数之间的非线性关系，以及系统受非高斯型噪声影响等问题，重点研究非线性卡尔曼滤波重力梯度匹配算法。主要内容包括：基于相关先验信息深入分析海洋重力场空间属性与频谱特征，探索惯导与重力梯度仪测量误差的精确建模方法，由此建立滤波状态方程与量测方程；研究构建EKF、UKF、PF匹配算法模型，在不同重力梯度特征区进行实验验证，从滤波效果、滤波精度、滤波运行时间等方面评估导航性能，并综合各类算法优缺点，建立最优融合匹配算法模型；在满足潜器自主导航精度的前提下，研究提出重力梯度匹配导航对重力梯度仪测量精度、重力基准图格网分辨率与精度、局部重力场统计特征变化范围的应用需求。课题成果可为真实海洋环境潜器的精确自主导航提供理论与技术支撑。

重力梯度辅助惯性导航系统具有自主性强、隐蔽性好、不受时间限制及定位精度高等诸多优点，将其付诸于实际需攻克的关键技术之一是重力梯度匹配算法。课题针对该系统中重力参数与状态参数之间的非线性关系，以及系统受非高斯型噪声影响等问题，重点研究非线性卡尔曼滤波重力梯度匹配导航算法。研究提出了渐消记忆自适应EKF匹配导航算法和基于量测残差自适应估计观测噪声方差的重力并行PEKF匹配导航算法，实现了匹配算法的自动判别与修正，解决了当重力场线性化、先验统计信息等模型性误差估计不准确导致的滤波发散以及匹配导航失效等问题；建立了不同UT变换形式下的非线性并行PUKF匹配算法模型，并针对传统选取与UT变换相同权系数加权预测重力梯度观测值时可能出现伪观测值这一现象，提出了概率密度加权的PUKF匹配算法，解决了传统UKF匹配出现“伪观测值”而产生误匹配的问题；同时对四种UT变换形式下概率加权的PUKF匹配算法进行了实验验证，综合实验结果给出了当状态维数较低选择变尺度对称Sigma采样策略下的PUKF算法，当状态维数较高，考虑滤波匹配的实时性，则建议采用变尺度单形Sigma采样策略下的PUKF算法。引入了编码失真量等新的统计特征量，提出了“完全匹配概率”、“完全配准率”的概念作为重力场特征适配性指标，并采用“8向法”定量研究了局部重力场统计特征与完全匹配概率的相关特性；提出了基于多属性决策的重力图适配性分析方法，构建了评判适配区的“综合评价值指标”，突破了以往依赖多个局部重力场统计特征值判别适配区的瓶颈。基于VS2010编程工具以及MATCOM4.5，构建了重力辅助惯性导航仿真平台以及相关辅助模块，完成了重力PEKF、重力RAE-PEKF以及概率密度加权的重力PUKF滤波匹配算法模型的构建、软件设计与功能实现。课题部分研究成果匹配导航算法与海洋重力测量数据预处理算法软件模块装备于海军XX型测量船，支撑了海军2014、2016年海面匹配导航试验，课题成果可为我国未来真实海洋环境潜器的精确自主导航提供理论与技术支撑。