水下機器人導(dǎo)航技術(shù)

目錄
《智能科學技術(shù)著作叢書》序
前言
第1章 緒論 1
1.1 水下機器人與導(dǎo)航系統(tǒng) 1
1.1.1 水下機器人簡介 1
1.1.2 UUV常用水下導(dǎo)航系統(tǒng) 7
1.1.3 AUV導(dǎo)航系統(tǒng)實例 11
1.2 AUV自主導(dǎo)航關(guān)鍵技術(shù) 22
1.2.1 水下組合導(dǎo)航數(shù)據(jù)融合技術(shù) 22
1.2.2 水下同步定位與建圖技術(shù) 23
1.2.3 水下協(xié)同導(dǎo)航技術(shù) 26
參考文獻 27
第2章 水下機器人導(dǎo)航傳感器數(shù)據(jù)處理方法 32
2.1 水下機器人導(dǎo)航系統(tǒng)與傳感器 32
2.2 坐標系及歐拉角定義 33
2.2.1 坐標系定義 33
2.2.2 基于歐拉角的姿態(tài)描述 35
2.3 微慣性測量單元標定 36
2.3.1 慣性器件確定性誤差模型 36
2.3.2 標定實驗 36
2.4 MEMS慣性器件隨機誤差辨識 38
2.4.1 Allan方差及其頻域等價形式 38
2.4.2 遞推Allan方差 43
2.4.3 隨機誤差辨識 43
2.5 多普勒測速儀濾波 57
2.5.1 隨機誤差分析 58
2.5.2 自適應(yīng)Kalman濾波器 60
2.5.3 算法性能檢驗 63
參考文獻 65
第3章 水下機器人推位導(dǎo)航技術(shù) 67
3.1 小型AUV推位導(dǎo)航系統(tǒng)的集成結(jié)構(gòu) 68
3.2 MAHRS的工作原理與磁偏角分析 69
3.2.1 MAHRS工作原理 69
3.2.2 磁偏角分析 70
3.3 UKF數(shù)據(jù)融合算法 72
3.3.1 無味變換 72
3.3.2 經(jīng)典UKF算法 74
3.4 基于Kalman濾波算法的磁偏角辨識模型 76
3.5 基于模糊邏輯的自適應(yīng)UKF推位導(dǎo)航算法 77
3.6 小型AUV推位導(dǎo)航系統(tǒng)湖上試驗 78
3.6.1 磁偏角辨識試驗 80
3.6.2 自適應(yīng)UKF推位導(dǎo)航試驗 82
參考文獻 85
第4章 大潛深A(yù)UV慣導(dǎo)系統(tǒng)純距離誤差修正算法 86
4.1 純距離慣導(dǎo)系統(tǒng)誤差修正算法模型 87
4.1.1 系統(tǒng)模型 87
4.1.2 濾波模型能觀性分析 88
4.1.3 純距離觀測下濾波模型能觀性分析 89
4.1.4 深度測量值輔助的濾波模型能觀性分析 90
4.2 純距離誤差修正算法框架 92
4.2.1 強跟蹤UKF算法 93
4.2.2 強跟蹤平方根UKF算法 95
4.2.3 漸消因子算法優(yōu)化 100
4.3 純距離誤差修正仿真試驗 101
參考文獻 104
第5章 AUV水下同步定位與制圖算法 106
5.1 Sage-Husa自適應(yīng)UKF算法 107
5.2 AUV水下SLAM算法濾波模型 109
5.2.1 運動學模型與特征模型 109
5.2.2 觀測模型 110
5.3 前視聲吶線特征提取算法 111
5.3.1 前視圖像聲吶工作方式 111
5.3.2 聲吶數(shù)據(jù)處理 112
5.3.3 聲吶數(shù)據(jù)坐標處理 114
5.3.4 線特征提取 116
5.4 仿真試驗分析 122
5.4.1 坐標系與子地圖 124
5.4.2 仿真試驗與分析 125
參考文獻 127
第6章 基于單領(lǐng)航者相對距離測量的多AUV協(xié)同導(dǎo)航定位算法 128
6.1 系統(tǒng)網(wǎng)絡(luò)與定位原理 128
6.2 濾波模型定義與性能分析 130
6.2.1 基于位置誤差的濾波模型 130
6.2.2 協(xié)同導(dǎo)航系統(tǒng)定位誤差的上界 131
6.3 魯棒UKF算法 134
6.3.1 H∞濾波問題的表達 135
6.3.2 次優(yōu)H∞濾波問題的解 136
6.3.3 基于UT的H∞濾波 137
6.4 協(xié)同導(dǎo)航仿真試驗 140
參考文獻 143