Chinese Journal of Ship Research
FTO基于 的船舶分布式编队的有限时间控制方法
位置信息仍会存在较大误差。故本文通过相对运动状态空间模型估计的速度信息,结合双领航模AUV式的多 协同定位状态空间模型,提出双模型AUV协同定位方法,提高多 协同定位的定位性能。双模型协同定位方法的估计轨迹及定位误差8~图9如图 所示。从试验结果可以看出,本文提出的双模型协AUV INS同定位方法可以实现在跟随 没有装备 和DVL AUV的情况下实时估计跟随 的位置,并且保障协同定位系统的定位精度在允许范围之内。
4结语
AUV AUV在主从式多 协同定位系统中,跟随INS,DVL装备低精度 和水声通信设备等传感AUV器。然而在跟随 数量较多的情况下,就需要INS DVL,系统配置复杂,相应成本也随很多的 和 AUV之提高。针对上述问题,本文以缩减多 协同AUV定位系统成本为目标,在传统多 协同定位方法的基础上,设计一种基于双模型的主从式多AUV EKF协同定位方法,利用 进行状态估计,估AUV计跟随 的实时航向信息和速度信息,再应用AUV双领航模式的多 协同定位状态空间模型,进AUV一步保障了多 系统协同定位性能。最后,通过海面试验数据进行了仿真试验验证。结果表AUV明,本文提出的基于双模型主从式多 协同定AUV INS DVL位方法能够实现在跟随 没有装备 和AUV情况下,实时、准确地估计跟随 的位置。本文提出的系统定位方法的主要优点体现AUV AUV在:仅基于跟随 和领航 间的相对测量距AUV离及领航 广播的自身位置和速度信息,即可AUV计算得到跟随 的位置、速度和航向信息,节INS DVL,降低了多AUV约了大量 和 协同定位的AUV成本,从而降低 系统配置的复杂性,且节约AUV AUV了跟随 的内部空间并减轻重量;将 相对AUV运动状态空间模型与双领航模式的多 协同AUV定位状态空间模型相结合,保障了多 协同定位系统的协同定位性能。同时,本文所提出的方AUV法也可作为一种提高多 协同定位系统容错AUV INS DVL性的措施,当跟随 上装备的 和 由于某种原因失效或者遭到破坏时,该方法可作为后AUV补算法实时估计的位置信息,为进一步研究AUV多 协同定位系统、提高系统协同定位性能提供了可行性思路和方法。
参考文献:
[1] HUANG Y L,ZHANG Y G, XUB ,et al. A new adap⁃ tive extended Kalman filter for cooperative localization [J]. IEEE Transactions on Aerospace and Electronic Systems,2018,54(1):353-368. [2] BOX ,RAZZAQI A A,WANG X Y. Optimal sensor formation for 3D cooperative localization of AUVs us⁃ ing time difference of arrival(TDOA)method[J]. Sen⁃ sors,2018,18(12):4442. [3] HUANG Y L,ZHANG Y G, XUB ,et al. A new outli⁃ er-robust student's based gaussian approximate filter for cooperative localization[J]. IEEE-ASME Transac⁃ tions on Mechatronics,2017,22(5):2380-2386. [4] HUANG Y L,ZHANG Y G,WANG X D. Kalman-fil⁃ tering-based in-motion coarse alignment for odome⁃ ter-aided SINS[J]. IEEE Transactions on Instrumenta⁃ tion and Measurement,2017,66(12):3364-3377. [5] XUB LI S X ,RAZZAQI A A,et al. Cooperative lo⁃ , calization in harsh underwater environment based on the MC-ANFIS[J]. IEEE Access,2019,7:55407-55421. 6] 柯明星,吕晶,童凯翔,等. [ 基于扩展卡尔曼滤波的
J]. 2016,4动态协同定位算法[ 导航定位学报, (1):44-49. KE M X ,LYU J,TONG K X,et al. A research of dy⁃ namic cooperative localization system via extended Kal⁃ man filter[J]. Journal of Navigation and Positioning, 2016,4(1):44-49(in Chinese). 7] 房旺,李建龙,孙晨. AUV [ 基于距离测量的 协同导J]. 2018,25(9):航最优队形研究[ 控制工程, 1679-1685. FANG W, LI J L ,SUN C. Study of optimal formations for AUV cooperative navigation with range measure⁃ ments[J]. Control Engineering of China,2018,25 (9):1679-1685(in Chinese).
8] 徐博,张娇,王超. AUV [ 一种基于人工势场多 集群法[J]. 中国舰船研究,2018,13(6):的实时避障方
66-71. XU B ,ZHANG J,WANG C. A real-time obstacle avoidance method for multi-AUV cluster based on arti⁃ ficial potential field[J]. Chinese Journal of Ship Re⁃ search,2018,13(6):66-71(in Chinese). [9] 刘明雍. 水下航行器协同导航技术[M]. 北京:国防工业出版社,2014:120-182. LIU M Y. Cooperative navigation technology for under⁃ water vehicles[M]. Beijing:National Defend Industry Press,2014:120-182(in Chinese). [10] BAHR A,LEONARD J J,FALLON M F. Coopera⁃ tive localization for autonomous underwater vehicles [J]. International Journal of Robotics Research, 2009,28(6):714-728. 11] 房新鹏,严卫生. [ 双领航多自主水下航行器移动长
J]. 2012,33基线定位最优队形研究[ 兵工学报, (8):1020-1024. FANG X P,YAN W S. Formation optimization for co⁃ operative localization based on moving long baseline with two leader AUVs [J]. Acta Armamentarii, 2012,33(8):1020-1024(in Chinese). [12] XU J L ,WANG H J,ZHANG A H,et al. Underwa⁃ ter target bearing only tracking based on first order di⁃ vided difference filter[C]//25th Chinese Control and Decision Conference. Guiyang:IEEE,2013:351-356. 13] 翟云峰,王冠学,徐国华,等. [ 大尺度欠驱动高速
AUV 制[J]. 2018,13导航系统研 中国舰船研究, (6):78-86,93. ZHAI Y F,WANG G X, XU G H ,et al. Develop⁃ ment of navigation system for large-scale and high-speed underactuated AUV[J]. Chinese Journal of Ship Research,2018,13(6):78-86,93(in Chi⁃ nese).