白 龍，彭荊明，吳 爽，呂志剛

(中國船舶集團(tuán)有限公司第七一?研究所，宜昌443003)

0 引言

由于體積小、使用成本低、智能化自主作業(yè)、保障維護(hù)方便、隱蔽性好等諸多優(yōu)點(diǎn),自主式水下無人潛航器(Autonomous Underwater Vehicle,AUV)在海洋開發(fā)和國防領(lǐng)域正發(fā)揮著越來越重要的作用[1]。隨著AUV應(yīng)用領(lǐng)域的逐漸擴(kuò)展,對導(dǎo)航系統(tǒng)的要求也越來越高,導(dǎo)航系統(tǒng)必須具備遠(yuǎn)航程和長航時的高精度導(dǎo)航定位能力[2-3],因?yàn)楦呔葘?dǎo)航定位決定著AUV能否安全作業(yè)及返回以及水下目標(biāo)定位、海底地形測繪、水下定點(diǎn)布放等作業(yè)結(jié)果的準(zhǔn)確性[4-5]。

為提高水下組合導(dǎo)航系統(tǒng)的定位精度,國內(nèi)外諸多機(jī)構(gòu)和學(xué)者從多個方面進(jìn)行了探索。朱春云等[6]使用Kalman在線估計(jì)的方式來實(shí)現(xiàn)DVL三個安裝誤差角的實(shí)時估計(jì)；于玖成等[7]選取多點(diǎn)參考定位方法,利用GPS系統(tǒng)測量AUV的經(jīng)緯度和速度信息來估計(jì)DVL和SINS的各項(xiàng)誤差,從DVL標(biāo)定方面[8-11]來提高水下組合導(dǎo)航系統(tǒng)的定位精度；Broatch等[12]、穆華等[13]利用分散化濾波中的聯(lián)邦Kalman濾波,通過動態(tài)信息分配系數(shù)來優(yōu)化各子系統(tǒng)的導(dǎo)航信息,以增強(qiáng)AUV的導(dǎo)航性能；魏延輝等[14]、Liu等[15]、付鳳婷等[16]分別提出了基于自適應(yīng)濾波、無跡Kalman濾波和迭代無跡Kalman濾波的水下組合導(dǎo)航系統(tǒng),以期通過改進(jìn)多傳感器信息融合方法來進(jìn)一步提高水下組合導(dǎo)航系統(tǒng)的定位精度。但是,在組成水下組合導(dǎo)航系統(tǒng)的INS、DVL、GPS等設(shè)備或傳感器既定的前提下,如何保證多傳感器信息融合[17-18]處于最佳狀態(tài)以充分發(fā)揮出導(dǎo)航系統(tǒng)的整體性能,卻很少有相關(guān)研究。本文針對由SINS/GPS/DVL構(gòu)成的AUV組合導(dǎo)航系統(tǒng),借鑒多學(xué)科優(yōu)化設(shè)計(jì)思想,使用目標(biāo)優(yōu)化方法[19]對組合導(dǎo)航系統(tǒng)的系統(tǒng)參數(shù)進(jìn)行整定,以期挖掘組合導(dǎo)航系統(tǒng)的極限性能,從而保證AUV獲得最佳的水下組合導(dǎo)航定位精度。

1 方法原理

本文所研究的AUV組合導(dǎo)航系統(tǒng)采用SINS/GPS/DVL的組合導(dǎo)航方式,為載體提供連續(xù)且高精度的導(dǎo)航信息,其系統(tǒng)構(gòu)成如圖1所示。當(dāng)在水下航行時,AUV使用SINS/DVL的組合導(dǎo)航方式。由于DVL測速誤差的存在,水下組合導(dǎo)航系統(tǒng)的位置誤差會隨著時間不斷積累,從而體現(xiàn)出定位誤差隨航程增加而線性增大的特點(diǎn)。故當(dāng)AUV水下航行一定路程后,AUV通過上浮出水面或拋出浮標(biāo)等方式來接收GPS信號,校正AUV當(dāng)前位置,消除長時間水下導(dǎo)航所積累的位置偏差。校準(zhǔn)完成后,AUV繼續(xù)開展水下作業(yè)任務(wù),這種狀態(tài)即 “水下潛航→水面GPS校準(zhǔn)→水下潛航”工作模式。

圖1 AUV組合導(dǎo)航系統(tǒng)框圖Fig.1 Block diagram of AUV integrated navigation system

1.1 AUV組合導(dǎo)航系統(tǒng)原理

4)當(dāng)無外界量測信息時,慣導(dǎo)處于純慣性模式,Kalman濾波器僅進(jìn)行時間更新。

AUV組合導(dǎo)航系統(tǒng)的Kalman濾波過程如圖2所示[21]。圖2中,P0、Qk、Rk等系統(tǒng)參數(shù)需要根據(jù)陀螺和加速度計(jì)的性能指標(biāo)結(jié)合工程經(jīng)驗(yàn)進(jìn)行設(shè)置。由于這些系統(tǒng)參數(shù)極大影響著Kalman濾波器的性能,往往需要經(jīng)過手工調(diào)參給出一組合適的值,以使整個組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)較理想的組合導(dǎo)航性能。

圖2 Kalman濾波流程圖Fig.2 Flowchart of Kalman filtering

1.2 基于目標(biāo)優(yōu)化方法的組合導(dǎo)航系統(tǒng)調(diào)參

本文借鑒多學(xué)科目標(biāo)優(yōu)化設(shè)計(jì)思想,如圖3所示,將P0、Qk、Rk等系統(tǒng)參數(shù)視為自變量,幾段直線航程的SINS/DVL組合導(dǎo)航的終點(diǎn)定位誤差降至最小作為優(yōu)化目標(biāo),通過目標(biāo)優(yōu)化算法和手段,來找到能夠使終點(diǎn)定位誤差實(shí)現(xiàn)最小的全局最優(yōu)解,從而將AUV組合導(dǎo)航系統(tǒng)的系統(tǒng)參數(shù)調(diào)節(jié)問題轉(zhuǎn)化為在幾個自變量的各自值域范圍內(nèi)、在一定條件的約束下尋找全域內(nèi)最優(yōu)解的目標(biāo)優(yōu)化問題。

圖3 目標(biāo)優(yōu)化問題示意圖Fig.3 Schematic diagram of target optimization

(1)拉丁超立方抽樣算法

拉丁超立方抽樣[22](Latin Hypercube Sampling)是一種從多元參數(shù)分布中近似隨機(jī)抽樣的方法,屬于分層抽樣技術(shù),常用于計(jì)算機(jī)實(shí)驗(yàn)或Monte Carlo積分等。在統(tǒng)計(jì)抽樣中,拉丁方陣是指每行、每列僅包含一個樣本的方陣。拉丁超立方則是拉丁方陣在多維中的推廣,每個與軸垂直的超平面最多含有一個樣本。

假設(shè)有n個變量(維度),可以將每個變量根據(jù)各自的取值范圍分為m個概率相同的子區(qū)間,最后在每個子區(qū)間內(nèi)分別進(jìn)行獨(dú)立的等概率抽樣。此時,可以選出m個滿足拉丁超立方條件的樣本點(diǎn)。具體抽樣步驟為:

1)將每一維分成互不重疊的m個區(qū)間,使得每個區(qū)間有相同的概率；

2)在每一維里的每一個區(qū)間中隨機(jī)抽取一個點(diǎn)；

3)再從每一維的步驟2抽取的點(diǎn)集中隨機(jī)抽取1個點(diǎn),將它們組成一個解向量,步驟2每一維抽取的點(diǎn)集中被步驟3抽取過的點(diǎn)不再使用,最終抽取獲得m個這樣的解向量,即為由拉丁超立方算法抽樣得到的樣本點(diǎn)。

(2)單目標(biāo)粒子群優(yōu)化算法

類似于其他進(jìn)化算法,單目標(biāo)粒子群優(yōu)化算法[23]也采用了群體、適應(yīng)和進(jìn)化的理念,通過個體間的協(xié)作,解決復(fù)雜空間中最優(yōu)解的搜索問題。設(shè)d維解空間中存在由m個粒子組成的種群,每個粒子稱為單個個體。第k個粒子在解空間中第j次迭代時的位置記為,在空間中以速度運(yùn)動搜索,經(jīng)歷的最好位置為,則對于優(yōu)化目標(biāo)函數(shù),種群中所有粒子經(jīng)歷的全局最優(yōu)位置為

第k個粒子在進(jìn)化中的速度和位置更新公式分別為

式(10)中,w為慣性權(quán)重系數(shù),描述了粒子的慣性對速度的影響,可以通過調(diào)節(jié)該參數(shù)來平衡粒子群算法的全局搜索能力和局部搜索能力；c1、c2為加速度因子,用于調(diào)節(jié)算法的收斂速度,一般取值在1～2之間；σ1、σ2為[0,1]之間均勻分布的隨機(jī)數(shù)。是粒子在每一次迭代后對自身的認(rèn)識部分,描述了粒子的自我認(rèn)知能力；是粒子向整個種群的學(xué)習(xí)部分,體現(xiàn)了粒子間的協(xié)作。第k個粒子經(jīng)歷的最好位置更新為

(3)具體實(shí)現(xiàn)方法

對于系統(tǒng)參數(shù)P0、Qk、Rk的調(diào)節(jié)問題,首先根據(jù)加速度計(jì)、陀螺、DVL和GPS的性能指標(biāo)給出經(jīng)驗(yàn)值P0、Qk、Rk；然后設(shè)置kp0、kQk、kRDVL、kRGPS這4個變量作為P0、Qk、Rk的調(diào)節(jié)系數(shù),在一定范圍內(nèi)對P0、Qk、Rk分別進(jìn)行縮放,縮放后的系統(tǒng)參數(shù)即變?yōu)閗p0P0、kQkQk、｛kRDVLRDVL,kRGPSRGPS｝,從而實(shí)現(xiàn)調(diào)參。最后,通過回放實(shí)航采集的傳感器數(shù)據(jù)及調(diào)用慣導(dǎo)內(nèi)置組合導(dǎo)航算法進(jìn)行離線仿真,復(fù)現(xiàn)AUV的初始對準(zhǔn)、水面GPS校準(zhǔn)、水下組合導(dǎo)航等全過程,并分析計(jì)算SINS/DVL組合導(dǎo)航定位精度。本文使用5km以遠(yuǎn)的定位誤差里程比的CEP50指標(biāo)(簡稱CEP50指標(biāo))作為優(yōu)化目標(biāo),即有

式(13)中,N為測量點(diǎn)數(shù),δDi、Di分別為第i個測量點(diǎn)的定位誤差和航程,為第i個測量點(diǎn)的定位誤差里程比。

因本文中未使用定位定姿的高精度參考基準(zhǔn),所涉及的定位誤差均指慣導(dǎo)經(jīng)緯度與GPS位置之間的相對誤差值。為了保證所計(jì)算定位精度的準(zhǔn)確性,本文使用CEP50這一統(tǒng)計(jì)指標(biāo)來降低因GPS單次定位跳變對定位精度造成的影響。

這里選取分別對應(yīng)系統(tǒng)參數(shù)P0、Qk、Rk的調(diào)節(jié)系數(shù)kp0、kQk、kRDVL、kRGPS作為設(shè)計(jì)變量,使用拉丁超立方算法對整個值域空間進(jìn)行隨機(jī)抽樣計(jì)算,建立響應(yīng)面模型,分析各設(shè)計(jì)變量與目標(biāo)量之間的映射關(guān)系及貢獻(xiàn)靈敏度等,為進(jìn)一步優(yōu)化建立起整個空間關(guān)系。之后,使用單目標(biāo)粒子群優(yōu)化算法,使用響應(yīng)面模型插值得到的初值以及為各變量分配權(quán)重,在限定的｛kp0、kQk、kRDVL、kGPS｝值域空間范圍內(nèi)進(jìn)行全域目標(biāo)優(yōu)化搜索,最終獲得使得pCEP50最小的全局最優(yōu)解,即為該方法整定出的系統(tǒng)參數(shù),其優(yōu)化流程如圖4所示。

圖4 系統(tǒng)調(diào)參的目標(biāo)優(yōu)化流程圖Fig.4 Target optimization flowchart of system parameter adjustment

2 試驗(yàn)驗(yàn)證

2.1 試驗(yàn)方法設(shè)計(jì)

為了說明本文提出的參數(shù)優(yōu)化方法用于組合導(dǎo)航系統(tǒng)參數(shù)調(diào)節(jié)的有效性,通過下面四個步驟來開展試驗(yàn)驗(yàn)證:1)對PQR參數(shù)使用經(jīng)驗(yàn)值,開展 “初始對準(zhǔn)→水面航渡→水下潛航→水面GPS校準(zhǔn)→水下潛航”工作方式下的組合導(dǎo)航試驗(yàn),在整個試驗(yàn)過程中,慣導(dǎo)對加速度計(jì)、陀螺、GPS、DVL等傳感器數(shù)據(jù)進(jìn)行實(shí)時存儲,同時進(jìn)行存儲的還有下發(fā)給慣導(dǎo)的控制指令、慣導(dǎo)狀態(tài)及導(dǎo)航數(shù)據(jù)等；2)基于步驟1的慣導(dǎo)內(nèi)記數(shù)據(jù),使用參數(shù)優(yōu)化方法對組合導(dǎo)航系統(tǒng)的參數(shù)進(jìn)行優(yōu)化；3)使用參數(shù)優(yōu)化方法得出的系統(tǒng)參數(shù)開展 “開機(jī)對準(zhǔn)→水面航渡→水下潛航→出水GPS校準(zhǔn)”工作方式下的跑船驗(yàn)證。為了較為準(zhǔn)確地評價(jià)AUV水下組合導(dǎo)航的精度,本文以AUV潛航5km以遠(yuǎn)的所有采樣點(diǎn)的定位誤差里程比的CEP50指標(biāo)來進(jìn)行量化。

步驟1中開展的實(shí)航試驗(yàn)如圖5所示。試驗(yàn)時選擇一片開闊水域,AUV的預(yù)設(shè)航線為A→B→C→D→E→F,整個過程由AUV以自主航行模式進(jìn)行,AUV將沿預(yù)設(shè)航線以接近勻速直航的方式跑完所有航路點(diǎn)。當(dāng)AUV航行至試驗(yàn)起點(diǎn)A后,AUV進(jìn)行第一次GPS校準(zhǔn),校準(zhǔn)完成后沿 AB水下定深自主航行,到達(dá)B點(diǎn)后,AUV上浮至水面進(jìn)行第二次GPS校準(zhǔn),以此類推,分別在 C、D、E、F點(diǎn)進(jìn)行GPS校準(zhǔn),直到跑完三個直線段后試驗(yàn)結(jié)束[24]。其中,虛線代表水面航行,慣導(dǎo)工作在SINS/GPS/DVL組合導(dǎo)航模式；實(shí)線代表水下潛航,慣導(dǎo)工作在SINS/DVL組合導(dǎo)航模式。

圖5 實(shí)航流程圖Fig.5 Flowchart of sailing

為驗(yàn)證本文所提出的系統(tǒng)參數(shù)調(diào)節(jié)方法的有效性以及保證試驗(yàn)數(shù)據(jù)的完整性和便于結(jié)果的分析處理,本文在湖北荊門某大型水庫搭建了SINS/GPS/DVL組合導(dǎo)航系統(tǒng),以跑船的方式來進(jìn)行試驗(yàn),所使用的器件(或設(shè)備)精度為:0.005(°)/h的光纖陀螺、10μg的石英加速度計(jì)、0.5%D(D為航程)的DVL和3m定位精度的GPS。

2.2 傳統(tǒng)經(jīng)驗(yàn)值的實(shí)航試驗(yàn)

根據(jù)本次使用的器件(或設(shè)備)的性能參數(shù),組合導(dǎo)航系統(tǒng)的參數(shù)設(shè)置為

式(14)中,Re為地球半徑。

設(shè)置組合導(dǎo)航系統(tǒng)參數(shù)后,開展 “水下潛航→出水GPS校準(zhǔn)→水下潛航”工作方式下的組合導(dǎo)航試驗(yàn),結(jié)果如圖6所示。

圖6 初始參數(shù)的實(shí)航結(jié)果Fig.6 Sailing results of the initial parameters

實(shí)航試驗(yàn)中的三個水下潛航段的SINS/DVL組合導(dǎo)航結(jié)果如表1所示。

表1 三段SINS/DVL組合導(dǎo)航結(jié)果Table 1 Results of the three lines running by SINS/DVL integrated navigation

從未經(jīng)調(diào)參的實(shí)航結(jié)果來看,第一段水下航程使用0.5%D(D為航程)的DVL組合導(dǎo)航精度為0.34%,表明組合導(dǎo)航系統(tǒng)可以實(shí)現(xiàn)較高的對準(zhǔn)精度和水下組合導(dǎo)航精度。但在二次水面GPS校準(zhǔn)后(限定水面GPS校準(zhǔn)時長為1min),系統(tǒng)的收斂速度較為緩慢,無法在限定的時間內(nèi)完成快速校準(zhǔn)。GPS校準(zhǔn)結(jié)束時刻系統(tǒng)尚未重新收斂,穩(wěn)定性受到了影響,從而使水下組合導(dǎo)航精度變得越來越差。為了滿足使用要求,對系統(tǒng)的PQR參數(shù)進(jìn)行人工調(diào)整,使用 ｛0.1P0,960.0Qk,4.6RDVL,0.002RGPS｝作為新的PQR參數(shù),重新開展跑船試驗(yàn),結(jié)果如圖7所示。

圖7 人工調(diào)參后的實(shí)航結(jié)果Fig.7 Sailing results after the manual parameter adjustment

相同條件下(三個水下潛航段),人工調(diào)參后的實(shí)航試驗(yàn)結(jié)果如表2所示。

表2 人工調(diào)參后的水下組合導(dǎo)航結(jié)果Table 2 Results of underwater integrated navigation after manual parameter adjustment

2.3 基于參數(shù)優(yōu)化方法的系統(tǒng)調(diào)參

使用2.2節(jié)中實(shí)時采集的傳感器數(shù)據(jù)在Optimus優(yōu)化軟件中搭建優(yōu)化流程,集成調(diào)用數(shù)據(jù)回放和SINS的內(nèi)置算法程序來離線仿真AUV的初始對準(zhǔn)、水面航渡、水下潛航等全過程,以及調(diào)用Matlab對SINS/DVL組合導(dǎo)航仿真結(jié)果進(jìn)行CEP50指標(biāo)計(jì)算。為了分析PQR參數(shù)中各物理元素對組合導(dǎo)航系統(tǒng)的影響,以2.2節(jié)中的PQR經(jīng)驗(yàn)值作為基準(zhǔn)值,使用｛dap,dvp,dpp,ebp,dbp｝、｛webq,wdbq｝、 ｛dvR,dpR｝ 這 9 個變量來對PQR基準(zhǔn)值進(jìn)行縮放,縮放后的系統(tǒng)參數(shù)變?yōu)?/p>

式(15)中,Re為地球半徑。

為了同時滿足AUV的水面漂浮、甲板系泊等不同工況下的對準(zhǔn)需要,同時對GPS+DVL對準(zhǔn)、僅GPS對準(zhǔn)、僅DVL對準(zhǔn)的3種對準(zhǔn)方式下的組合導(dǎo)航過程進(jìn)行離線仿真,以這3組仿真結(jié)果中的共9個潛航段的SINS/DVL組合導(dǎo)航精度的CEP50指標(biāo)的平均值實(shí)現(xiàn)最小作為優(yōu)化目標(biāo)。之后,對各變量設(shè)置足夠大的值域范圍,選擇拉丁超立方算法在整個值域空間內(nèi)進(jìn)行600次隨機(jī)撒種計(jì)算,應(yīng)用響應(yīng)面模型對計(jì)算結(jié)果插值出最優(yōu)解,得到 PQR系數(shù)為｛53.89317,57.82437,51.92063,68.92486,44.15826｝、 ｛1810.07749,3544.80884｝、｛14.99721,25.07191｝。

接下來,以響應(yīng)面模型的插值解為初值,使用單目標(biāo)粒子流優(yōu)化算法,以GPS+DVL對準(zhǔn)、僅GPS對準(zhǔn)、僅DVL對準(zhǔn)這3種不同對準(zhǔn)方式下的組合導(dǎo)航仿真結(jié)果中的9段水下組合導(dǎo)航精度的CEP50指標(biāo)的平均值作為優(yōu)化目標(biāo),進(jìn)行單目標(biāo)優(yōu)化迭代。迭代過程如圖8所示。

圖8 優(yōu)化迭代過程Fig.8 Iterative process of optimization

經(jīng)過上述過程,迭代收斂后獲得的最優(yōu)解為｛0.01,32.3058519933,49.9229352822,61.6602577762,51.6745278698｝、｛0.1,4031.04476288｝、｛2.87296322206,3.68002417663｝。以該最優(yōu)解對應(yīng)的實(shí)際P0、Qk、Rk作為系統(tǒng)參數(shù),分別進(jìn)行以GPS+DVL對準(zhǔn)、僅GPS對準(zhǔn)、僅DVL對準(zhǔn)的3種不同對準(zhǔn)方式下的組合導(dǎo)航過程的離線仿真,結(jié)果如圖9所示。

圖9 最優(yōu)解的離線仿真結(jié)果Fig.9 Off-line simulation results of the optimal solution

使用上述最優(yōu)解進(jìn)行離線仿真,結(jié)果整理后如表3所示。

表3 最優(yōu)解的離線仿真結(jié)果統(tǒng)計(jì)Table 3 Off-line simulation result statistics of the optimal solution

2.4 調(diào)參后的跑船驗(yàn)證和離線仿真對比

對組合導(dǎo)航系統(tǒng)的參數(shù)完成優(yōu)化后,以該最優(yōu)解對應(yīng)的PQR實(shí)際值作為系統(tǒng)參數(shù),進(jìn)行包含三個直航段的跑船驗(yàn)證以檢驗(yàn)本方法的有效性,結(jié)果如圖10所示。

圖10 跑船驗(yàn)證結(jié)果Fig.10 Results of sailing verification

跑船驗(yàn)證結(jié)果整理后如表4所示。

表4 跑船驗(yàn)證結(jié)果統(tǒng)計(jì)Table 4 Result statistics of sailing verification

為了進(jìn)一步說明本文提出的PQR調(diào)參方法的優(yōu)越性,開展了4次初始對準(zhǔn)+單段6km直線航程的數(shù)據(jù)采集,分別對使用人工和目標(biāo)優(yōu)化方法得出的PQR參數(shù)進(jìn)行離線仿真對比,結(jié)果如表5所示。

表5 離線仿真對比結(jié)果Table 5 Comparison results of off-line simulation

從以上試驗(yàn)結(jié)果可以得出如下結(jié)論:1)使用陀螺、加速度計(jì)、DVL和GPS的性能指標(biāo)直接設(shè)置PQR參數(shù),在跑船驗(yàn)證的第一段中(表1),使用0.5%D(D為航程)的DVL,組合精度為0.34%,表明組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)了較高的對準(zhǔn)精度和水下組合導(dǎo)航精度。但系統(tǒng)無法在限定1min內(nèi)完成水面GPS校準(zhǔn),經(jīng)過GPS校準(zhǔn)后的水下定位精度越來越差。2)經(jīng)過人工調(diào)參和目標(biāo)優(yōu)化方法調(diào)參后,組合導(dǎo)航系統(tǒng)能夠在限定1min的時長內(nèi)完成水面GPS校準(zhǔn),位置誤差能夠快速校準(zhǔn)至1m以內(nèi)。且水下組合導(dǎo)航性能穩(wěn)定,不再受到GPS校準(zhǔn)的影響。3)使用本文所提出的目標(biāo)優(yōu)化方法調(diào)參后,水下組合導(dǎo)航的精度得到顯著提升,實(shí)航驗(yàn)證的CEP50指標(biāo)由0.252%降低至0.111%,僅為人工方式的44.0%。離線仿真的CEP50指標(biāo)由0.245%降低至0.137%,僅為人工方式的56.0%。總之,經(jīng)過參數(shù)優(yōu)化方法調(diào)整PQR參數(shù)后,SINS/GPS/DVL組合導(dǎo)航系統(tǒng)能夠滿足工程實(shí)際需要。相比傳統(tǒng)的人工調(diào)參,該方法可大幅提升組合導(dǎo)航系統(tǒng)的定位精度。

3 結(jié)論

本文針對AUV組合導(dǎo)航系統(tǒng)的PQR參數(shù)調(diào)節(jié)問題,借鑒多學(xué)科優(yōu)化設(shè)計(jì)思想,首次提出了基于目標(biāo)優(yōu)化方法和傳感器實(shí)采數(shù)據(jù)的系統(tǒng)參數(shù)整定方法。首先,以跑船實(shí)航的方式,使用傳統(tǒng)經(jīng)驗(yàn)值設(shè)置PQR參數(shù),開展了模擬AUV“水下潛航-水面GPS校準(zhǔn)-水下潛航”工作方式的組合導(dǎo)航試驗(yàn)及傳感器數(shù)據(jù)采集。之后,基于傳感器數(shù)據(jù)回放和組合導(dǎo)航過程的離線仿真,使用參數(shù)優(yōu)化方法對組合導(dǎo)航系統(tǒng)的PQR參數(shù)進(jìn)行了優(yōu)化求解。最后,使用目標(biāo)優(yōu)化方法得到的PQR最優(yōu)解開展了實(shí)航驗(yàn)證和離線仿真對比。試驗(yàn)結(jié)果表明,目標(biāo)優(yōu)化方法能夠應(yīng)用于AUV組合導(dǎo)航系統(tǒng)的PQR調(diào)參,可以保證SINS/GPS/DVL組合導(dǎo)航系統(tǒng)的穩(wěn)定性和較高的水下組合導(dǎo)航定位精度。使用該方法調(diào)參后,經(jīng)實(shí)航驗(yàn)證和離線仿真對比,水下組合導(dǎo)航定位精度的CEP50指標(biāo)分別降低至人工調(diào)參方式的44.0%和56.0%。該方法簡單、有效,具有較高的工程應(yīng)用價(jià)值。