夏 楠，曾慶軍，包靈卉，孫嘯天，許赫威

（1.江蘇科技大學電子信息學院，江蘇 鎮(zhèn)江212028; 2.中船海洋探測技術研究院有限公司，江蘇 無錫214142）

0 引 言

海洋資源豐富但環(huán)境復雜，AUV是探索和開發(fā)海洋的新型手段。隨著AUV的系統(tǒng)不斷升級，性能也在逐漸加強。目前AUV正在向著高自主、高性能、長時間、遠距離通信[1]等更智能方向發(fā)展。但是經(jīng)過長時間工作，AUV需要精準的導航定位系統(tǒng)來引導AUV進行回收對接工作，方便布置新的使命[2]，和解決能源系統(tǒng)耗竭與提取內部數(shù)據(jù)的問題。

可靠的導航系統(tǒng)是AUV回收對接成功的重要保障。目前針對多傳感器在組合導航系統(tǒng)中采樣率不同的問題，幾乎都是建立在各傳感器數(shù)據(jù)傳輸都同步的理想狀態(tài)模型下，在單一尺度下對問題進行分析。但在實際情況中，組合導航系統(tǒng)中各傳感器的性能指標和采樣頻率各不相同，這就導致了多傳感器組合導航系統(tǒng)量測信息滯后的問題，即產(chǎn)生異步采樣問題[3]。因此對聯(lián)邦濾波結構中異步融合算法的研究，對AUV回收對接工作具有重要意義。

針對組合導航系統(tǒng)中多傳感器異步采樣問題的研究，文獻[4] 在組合導航系統(tǒng)中采用數(shù)據(jù)塊分析技術，并提出了一種異步貫序濾波算法，融合各尺度經(jīng)KF濾波優(yōu)化的局部狀態(tài)估計，最終得到全局最優(yōu)狀態(tài)估計值。算法使用要求各傳感器的采樣率是2的整數(shù)倍，實際應用比較受限。文獻[5]提出多尺度數(shù)據(jù)分塊的組合導航算法，主要在最細尺度下的系統(tǒng)模型中利用數(shù)據(jù)分塊，將量測信息分解到各尺度進行濾波，得到全局最優(yōu)狀態(tài)估計值。此方法雖然提高了導航精度，但是增加了系統(tǒng)的計算量。

本文為了提高由于采樣頻率不同而致導AUV在回收對接過程中的導航定位精度較低的問題，提出了一種基于UKF融合的多尺度異步融合算法。本文算法依據(jù)采樣率劃分多尺度信息，建立基于聯(lián)邦濾波的多尺度系統(tǒng)誤差模型，并針對不同尺度信息采用UKF算法進行非等間隔異步融合，從而得到全局的最優(yōu)狀態(tài)估計。仿真表明，基于UKF的多傳感器異步融合算法對AUV回收對接導航系統(tǒng)中異步采樣信息具有更高的融合精度，提高了導航系統(tǒng)的精度和可靠性。

1 AUV回收系統(tǒng)原理

本文以江蘇科技大學自主研發(fā)的“探海I型”自主水下機器人（AUV）的回收對接系統(tǒng)為研究對象。根據(jù)AUV的運動特性，可以把整個回收對接過程分為直線歸位、直線跟蹤、直線對接與慣性對接4個階段。前面兩個運動對接階段的導航系統(tǒng)，為本文主要研究內容，此階段AUV采用組合導航的方式。未進入USBL的作用范圍時，主要由SINS的航位推算提供AUV的相對位置。當進入USBL的作用范圍時，用多傳感器融合的方式，提供AUV的相對精確位置，不斷地調整AUV的位置與姿態(tài)，使其運動軌跡在對接塢在中軸線附近。而后在距離較近的直線對接階段，采用雙目視覺導航，使AUV機身對在對接塢的中軸線上，最后進入慣性對接階段，依靠AUV運動慣性緩緩駛入對接塢。圖1為回收對接流程圖。

圖1 AUV回收對接流程框圖

如圖2所示為“探海Ⅰ型”AUV實物圖，其裝配的傳感器與相關參數(shù)如表1所示。

表1 傳感器及相關參數(shù)

圖2 “探海Ⅰ型”AUV

2 多傳感器組合導航系統(tǒng)建模

圖3 聯(lián)邦濾波結構圖

2.1 多傳感器組合導航系統(tǒng)狀態(tài)方程

選取導航系統(tǒng)的誤差作為狀態(tài)量，主要誤差包括速度、姿態(tài)、位置、加速度計零偏和陀螺漂移[7]，USBL/DVL/深度計分別提供位置、速度、深度信息作為輔助則系統(tǒng)狀態(tài)變量為：

式中：F（k）——系統(tǒng)狀態(tài)轉移矩陣；

W（k）——過程噪聲矩陣；

G（k）——過程噪聲驅動矩陣。

其中子系統(tǒng)的狀態(tài)量X（k）為：

式中：δVE,δVN,δVU——東、北、天三個軸向的速度誤差；

φE,φN,φU——東、北、天三個軸向的失準角；

δL,δλ,δh——緯度、經(jīng)度、深度誤差；

?bx,?by,?bz——加速度計三個軸向的隨機偏置誤差[8]；

εbx,εby,εbz——陀螺的三個軸向隨機漂移值。

由已知的系統(tǒng)誤差模型，可建立子系統(tǒng)的非線性系統(tǒng)狀態(tài)方程[9]為：

2.2 多傳感器組合導航系統(tǒng)量測方程

本文設計的多傳感器組合導航系統(tǒng)中，有3個子濾波器，每個子濾波器的量測方程：

1）取SINS位置數(shù)據(jù)與USBL轉換后輸出的位置數(shù)據(jù)作差為量測值，得SINS/USBL子濾波器量測方程：

式中：LSINS，λSINS，hSINS——SINS的緯度、經(jīng)度和深度信息；

LUSBL，λUSBL，hUSBL——USBL的緯度、經(jīng)度和深度信息；

DE，DN，DU——USBL沿東、北、天方向的位置測量誤差；

RN——地球子午圈半徑；

RM——卯酉圈的曲率半徑[10-11]。

2）取SINS與DVL輸出的位置數(shù)據(jù)作差為量測值，得SINS/DVL子濾波器量測方程：

3）SINS與深度計輸出的位置數(shù)據(jù)作差為量測值，得SINS/深度計子濾波器量測方程：

3 多傳感器異步融合算法

3.1 多傳感器多尺度系統(tǒng)模型

假設用i=1,2,···,N來表示N個傳感器，每個傳感器對應的采樣率為Ti，假設N為最細尺度，1為最粗尺度，ni∈N+，設傳感器i和j之間的采樣頻率之比為A，則A為任意正有理數(shù)，即

由多尺度模型分析可知，i表示傳感器所在尺度，同時也表示其位數(shù)。本文設計的多傳感器組合導航系統(tǒng)中，已知輔助參考系統(tǒng)在最高采樣頻率下的狀態(tài)方程和觀測方程[12]。第i=1個為低頻采樣傳感器在最粗尺度上，第i=N個為高頻采樣傳感器在最細尺度上。每個子傳感器所在尺度各不相同，建立系統(tǒng)模型為：

可得，尺度i上k時刻的采樣值與尺度N上nik時刻的采樣值相對應，即可表述為：

可建立尺度i上的非線性系統(tǒng)狀態(tài)方程和觀測方程：

圖4 多尺度異步采樣示意圖

3.2 多傳感器異步融合算法建立

式中：D（N,nik）——nik時刻SINS的數(shù)據(jù)信息；

D（i,k）——尺度i上導航傳感器在k時刻的量測值。

如圖5所示為AUV對接導航系統(tǒng)中異步融合算法流程圖。

圖5 AUV多傳感器異步融合算法流程圖

4 仿真結果分析與湖試實驗

4.1 仿真結果分析

為了驗證本文設計的多傳感器組合導航異步融算法在AUV對接導航系統(tǒng)中的有效性，利用Matlab軟件進行仿真實驗。仿真系統(tǒng)中對AUV水下航行的動態(tài)軌跡仿真以及利用導航傳感器真實的誤差數(shù)據(jù)仿真生成動態(tài)數(shù)據(jù)。如表2和表3所示，為所用傳感器的誤差參數(shù)和采樣率。

表2 導航誤差參數(shù)

表3 各傳感器采樣時間

表2中，由于AUV使用的深度計為400 m級大量程，所以精度最高在米級。

圖6 AUV運動軌跡及狀態(tài)估計

為了突出比較基于UKF的多傳感器異步融合算法的優(yōu)越性，針對速度、位置在同一運動軌跡上的誤差，對三種不同的融合算法結果進行對比，表4所示為單一尺度狀態(tài)估計和多尺度兩種融合算法的狀態(tài)估計標準差對比，圖7為速度誤差對比，圖8為位置誤差對比。

圖7 AUV運動速度誤差對比

圖8 AUV運動位置誤差對比

表4 各參數(shù)標準差對比

仿真結果顯示基于UKF的多傳感器導航異步融合算法相對于基于KF的單一尺度融合算法和基于KF的多尺度融合算法更加穩(wěn)定，濾波精度更高。本文設計的算法，有效的解決了由于采樣頻率不同而導致多傳感器組合導航系統(tǒng)精度較低的問題，提高了AUV回收對接導航系統(tǒng)中異步采樣信息的融合精度。

4.2 湖試實驗

實驗地選擇在水域較為開闊的蘇州某湖進行，便于試驗開展，水深5～40 m，水流2節(jié)左右。如圖9，為回收對接過程，圖10為水面回收航跡圖，表5為實驗部分數(shù)據(jù)。

表5 部分實驗數(shù)據(jù)

圖9 回收對接實驗

圖10 水面回收航跡圖

實驗將對接塢固定在岸邊碼頭，通過上位機規(guī)劃AUV的目標點和深度的使命，到達目標點后開始自主對接實驗。設置AUV速度0.8 kn（1 kn≈0.514 m/s），目標點坐標為（22,180），回收點坐標為（28.68,180.4），進行將近1.5 h的使命回收時間，對接實驗成功。實驗表明本文所設計的導航系統(tǒng)更加精準，在實際應用上為AUV的對接回收提供了安全保障。

5 結束語

本文為了提高由于采樣頻率不同而致導AUV在回收對接過程中的導航定位精度較低的問題，提出了一種基于UKF融合的多尺度異步融合算法。本文算法依據(jù)采樣率劃分多尺度信息，建立基于聯(lián)邦濾波的多尺度系統(tǒng)誤差模型，并針對不同尺度信息采用UKF算法進行非等間隔異步融合，從而得到全局的最優(yōu)狀態(tài)估計。通過Matlab軟件針對實際系統(tǒng)進行仿真實驗，相比于基于KF單一尺度算法與基于KF多尺度算法，本文基于UKF的多尺度異步融合算法具有更高的濾波精度和實際應用價值。湖試實驗充分驗證了AUV對接導航系統(tǒng)的有效性。