一种基于集中滤波的SINSDVLUSBL水下组合导航算法.docx

一种基于集中滤波的SINSDVLUSBL水下组合导航算法
【摘要】
水下组合导航是水下机器人系统的一个重要组成部分，对于水下机器人的状态估计和控制具有重要的意义。本文提出了一种基于集中滤波的SINSDVLUSBL水下组合导航算法，该算法根据水下机器人的SINS（StrapdownInertialNavigationSystem）数据、DVL（DopplerVelocityLog）数据、USBL（UltraShortBaseline）数据和SBL（ShortBaseline）数据进行信息融合，利用集中卡尔曼滤波实现了水下机器人的位置、速度和姿态估计，提高了水下机器人的导航精度和鲁棒性。
【关键词】水下组合导航；集中滤波；SINS；DVL；USBL；SBL
【Abstract】
Underwatercombinednavigationisanimportantpartofunderwaterrobotsystems,anditplaysanimportantroleinthestateestimationandcontrolofunderwaterrobots.Inthispaper,aSINSDVLUSBLunderwatercombinednavigationalgorithmbasedoncentralizedfilteringisproposed.ThisalgorithmintegratesSINS(StrapdownInertialNavigationSystem),DVL(DopplerVelocityLog),USBL(UltraShortBaseline)andSBL(ShortBaseline)dataofunderwaterrobots,andusescentralizedKalmanfilteringtoestimatetheposition,velocityandattitudeofunderwaterrobots,therebyimprovingthenavigationaccuracyandrobustnessofunderwaterrobots.
【Keywords】Underwatercombinednavigation;centralizedfiltering;SINS;DVL;USBL;SBL
【正文】
一、引言
水下机器人在水下勘探、海洋科学研究、海洋资源开发等领域有着广泛的应用，而水下机器人的导航精度和鲁棒性对于其任务的实现有着至关重要的作用。水下机器人的导航主要依赖于惯性导航系统（InertialNavigationSystem,INS）和各种定位设备的信息融合。目前广泛应用的水下机器人导航算法主要包括基于惯性导航系统（InertialNavigationSystem,INS）和基于声学定位的水下导航算法。
传统的INS基础上的水下导航算法存在累积误差大、漂移严重、导航精度低等问题，而基于声学定位的水下导航算法对周围环境的干扰、精度等方面有限制。因此，如何综合差分水平超短基线（USBL）、短基线（SBL）、Doppler速度日志（DVL）等设备的数据进行水下机器人导航的组合估计，成为当前水下机器人导航领域研究的热点。
本文提出了一种基于集中滤波的SINSDVLUSBL水下组合导航算法。该算法通过集成SINS、DVL、USBL和SBL数据形成综合估计的导航解，利用集中Kalman滤波实现了对水下机器人位置、速度和姿态的估计。
二、SINSDVLUSBL水下组合导航算法
1.SINS
SINS是一种利用惯性测量单元（InertialMeasurementUnit,IMU）测量载体的加速度和角速度，通过积分得到载体的速度和位置的惯性导航系统。SINS具有响应快、精度高、不受外界影响等优点。但是，由于其存在的漂移和误差等问题，不能长时间使用，需要利用其他的定位设备进行校正。
2.DVL
DVL是一种利用多普勒效应通过测量水流在机器人底部的速度，进而计算机器人的艏向速度和侧向速度的装置。DVL具有响应速度快、精度高、不受艏向角偏差和机器人深度变化等影响的优点。
3.USBL
USBL是一种用于测量水下机器人位置，利用USBL信标所发射的脉冲信号，测量水下机器人到USBL信标的距离和方向的方法。USBL具有定位精度高、对机器人深度、速度等的影响小的优点。
4.SBL
SBL是一种通过测量水下机器人到一组固定底座发射信号的时间差，从而计算水下机器人位置的方法。SBL具有对水下机器人的横向位置精度高、对水下环境的影响小的优点。
5.集中滤波
集中滤波是一种多传感器信息融合的滤波技术，可以利用该方法统一处理各种传感器提供的数据，提高信息的可靠性。具体实现方法是在一个统一的坐标系下对传感器提供的数据进行融合