孟凡琛,曹宇鵬,張宇飛,于 航,王虹陽,符 聰

（1.北京航天控制儀器研究所,北京 100039; 2.嶗山實(shí)驗(yàn)室,青島 266237;3.中國人民解放軍91039 部隊(duì),北京 102401; 4.昆船智能技術(shù)股份有限公司,昆明 650041）

0 引言

隨著現(xiàn)代海上戰(zhàn)爭朝著強(qiáng)對抗、非線性、多樣化的信息時(shí)代發(fā)展,水下戰(zhàn)場空間在形態(tài)演變上也展現(xiàn)出“無人化” 的趨勢[1]。其中,以水下無人潛航器（Unmanned Underwater Vehicle,UUV）為代表的無人作戰(zhàn)系統(tǒng)將給水下戰(zhàn)爭形態(tài)帶來革命性變化。UUV 作為一種智能化程度高、自主導(dǎo)航能力強(qiáng)的海洋裝備,相比傳統(tǒng)水面艦艇和潛艇,可應(yīng)用的任務(wù)海域范圍更廣,同時(shí)在風(fēng)險(xiǎn)承受力、生存力、隱蔽性、使用靈活性、戰(zhàn)斗穩(wěn)定性、可持續(xù)性和建造使用成本等諸多方面也擁有更大優(yōu)勢。近年來,圍繞大型UUV “聯(lián)得上、帶得多、跑得遠(yuǎn)、回得來” 等卡脖子難題,美、俄等國啟動了多個(gè)大排量水下無人潛航器（直徑超過1.4m）研發(fā)項(xiàng)目,覆蓋了水下自主導(dǎo)航、定位與通信、集群協(xié)同、能源動力等多項(xiàng)關(guān)鍵技術(shù),以期進(jìn)一步提升其水下作戰(zhàn)效能?？梢?UUV 作為多種技術(shù)的“復(fù)合體”,如能充分發(fā)揮其“眾智集群” 的技術(shù)優(yōu)勢,未來應(yīng)用前景廣闊。

在大排量UUV 的多個(gè)關(guān)鍵技術(shù)研究中,其導(dǎo)航系統(tǒng)需要提供高精度的導(dǎo)航定位功能以保證安全到達(dá)作業(yè)位置,同時(shí)需要兼顧到水下環(huán)境多樣性、時(shí)變性等環(huán)境變量,為了實(shí)現(xiàn)上述目標(biāo),自主導(dǎo)航技術(shù)就成了UUV 執(zhí)行任務(wù)過程中實(shí)現(xiàn)自動化、智能化運(yùn)行的核心[2-3]。因此,充分利用UUV搭載的多種導(dǎo)航感知與在線量測設(shè)備設(shè)計(jì)出一套精度高、容錯(cuò)性好、魯棒性強(qiáng)的水下自主導(dǎo)航系統(tǒng),具有重要的戰(zhàn)略意義。國內(nèi)外重點(diǎn)發(fā)展的水下自主導(dǎo)航技術(shù)目前分為四類: 全球衛(wèi)星導(dǎo)航系統(tǒng)（Global Navigation Satellite System,GNSS）、航位推算/慣性導(dǎo)航系統(tǒng)（Inertial Navigation System,INS）、聲學(xué)導(dǎo)航系統(tǒng)和地球物理場輔助導(dǎo)航系統(tǒng)[4-6]。四類水下導(dǎo)航技術(shù)均存在固有缺陷,任何單一導(dǎo)航系統(tǒng)的導(dǎo)航精度和可靠性均無法滿足大排量無人潛航器長航時(shí)、遠(yuǎn)航程、高精度的任務(wù)需求。基于此,可采取的解決方案即是將兩種或兩種以上的導(dǎo)航系統(tǒng)融合起來,開發(fā)出具備多源信息和自主性相融合的組合導(dǎo)航技術(shù),從而實(shí)現(xiàn)各導(dǎo)航系統(tǒng)之間的優(yōu)勢互補(bǔ),有效提高導(dǎo)航精度和可靠性。

目前,水下自主導(dǎo)航技術(shù)主要以慣性基組合導(dǎo)航為主流技術(shù)方案,譬如捷聯(lián)慣性導(dǎo)航系統(tǒng)（Strap-down Inertial Navigation System,SINS） /多普勒測速儀（Doppler Velocity Log,DVL） /GNSS 組合導(dǎo)航系統(tǒng)等[7-8]。目前,已有學(xué)者[9]研究分析了在近海與深遠(yuǎn)海條件下水下航行器的長航時(shí)復(fù)合導(dǎo)航方案及關(guān)鍵技術(shù),并指出了絕對標(biāo)校是實(shí)現(xiàn)陸地-海面基準(zhǔn)向海底基準(zhǔn)傳遞的一個(gè)重要環(huán)節(jié)。也有學(xué)者[10]針對水下DVL/SINS 組合導(dǎo)航技術(shù)進(jìn)行了深入的介紹,譬如DVL/SINS 傳感器誤差建模與在線標(biāo)定補(bǔ)償技術(shù)、水下初始對準(zhǔn)技術(shù)和DVL/SINS卡爾曼濾波數(shù)據(jù)融合等。此外,在潛航器定位通信研究方面,大排量UUV 上浮至水面過程中需要與GNSS 系統(tǒng)（如北斗） 進(jìn)行組合導(dǎo)航定位。有學(xué)者[11]提出,一方面,可以直接利用北斗進(jìn)行導(dǎo)航定位,獲取更加準(zhǔn)確的導(dǎo)航信息;另一方面,可以利用北斗的短報(bào)文通信功能,收發(fā)岸基指控中心的作業(yè)任務(wù)指令。部分研究成果關(guān)注到了水下自主導(dǎo)航裝備作戰(zhàn)效能評估體系的構(gòu)建[12],深入分析了無人潛航器的作戰(zhàn)效能。有些學(xué)者[13]分析了潛航器在螺旋下潛、拋載過渡、定角爬升、穩(wěn)定至水面航行狀態(tài)下的水下運(yùn)動全過程,包括運(yùn)動學(xué)方程、動力學(xué)方程、流體動力參數(shù)設(shè)計(jì)等。此外,還有學(xué)者[14]對無人潛航器上浮過程進(jìn)行受力分析,設(shè)計(jì)了潛航器停車后的運(yùn)動模型以及對潛航器運(yùn)動過程試驗(yàn)設(shè)計(jì)進(jìn)行了分析等。

本文以大排量UUV 為載體平臺,首先以整體戰(zhàn)技指標(biāo)為需求牽引,提出了總體性能、總體結(jié)構(gòu)、能源供電、動力推進(jìn)、導(dǎo)航控制等核心模塊內(nèi)在耦合聯(lián)系;其次,基于外部輔助導(dǎo)航模塊（北斗導(dǎo)航浮標(biāo)、水聲收發(fā)機(jī)等）、內(nèi)嵌輔助導(dǎo)航模塊（SINS 模塊、GNSS 模塊、地球物理場輔助導(dǎo)航、DVL 和深度傳感器等） 構(gòu)建了水下慣性基多源自主導(dǎo)航總體架構(gòu)以及擴(kuò)展卡爾曼濾波模型;最后,提出了未來大排量無人潛航器的技術(shù)發(fā)展趨勢。

1 UUV 多源自主導(dǎo)航系統(tǒng)總體架構(gòu)

水下大型UUV 設(shè)計(jì)過程中,需要結(jié)合無人作戰(zhàn)體系中的戰(zhàn)術(shù)指標(biāo)和技術(shù)指標(biāo),對總體性能、總體結(jié)構(gòu)、能源供電、動力推進(jìn)、導(dǎo)航控制等任務(wù)進(jìn)行分解。具體來說,需要結(jié)合UUV 快速性、機(jī)動性、裝載性等要求,設(shè)計(jì)潛航器高效低阻外形,包括線形、鰭舵布局等;按照衡重參數(shù)和承壓要求,設(shè)計(jì)耐壓殼體和總體附屬結(jié)構(gòu)件;按照強(qiáng)弱動力供電和信號傳輸以及電磁兼容要求,設(shè)計(jì)潛航器動力電路網(wǎng)及信息電路網(wǎng)。此外,按照潛航器航行性能要求,對潛航器進(jìn)行自主導(dǎo)航數(shù)字仿真計(jì)算和姿態(tài)控制半實(shí)物仿真測試,確定全艇路徑規(guī)劃及多源自主導(dǎo)航方案。

UUV 在水下多源自主導(dǎo)航信息融合過程中,由于導(dǎo)航傳感器數(shù)量眾多,種類不一,輸出量覆蓋了位置、深度、姿態(tài)、航向、時(shí)間、速度等多種導(dǎo)航狀態(tài)變量,必須歸納整理各種可用傳感器特征信息。為了收集上述信息,需要布局實(shí)現(xiàn)水下慣性基多源自主導(dǎo)航系統(tǒng),該系統(tǒng)主要分為衛(wèi)星導(dǎo)航GNSS 模塊、捷聯(lián)慣導(dǎo)模塊、輔助導(dǎo)航（地球物理場、水底地形匹配、聲學(xué)導(dǎo)航等） 傳感器、DVL 和深度傳感器等。其中,衛(wèi)星導(dǎo)航GNSS 模塊可兼容北斗、GPS、Galielo 和GLONASS 等,用于潛航器布放回收過程中的水面姿態(tài)校準(zhǔn)以及高精度組合導(dǎo)航定位解算;慣導(dǎo)信息采集模塊主要采集三軸高精度光纖陀螺儀、石英撓性加速度計(jì)信息,并進(jìn)行在線誤差補(bǔ)償標(biāo)校處理;輔助導(dǎo)航傳感器通過采集水底重力場、水底磁場、水底地形匹配數(shù)據(jù)等,增加水下多源自主導(dǎo)航信息融合的輔助觀測量;聲學(xué)導(dǎo)航傳感器主要包括LBL、SBL、USBL 等,需要結(jié)合具體的UUV 工作場景進(jìn)行布放;DVL 傳感器根據(jù)多普勒效應(yīng)利用超聲換能器進(jìn)行UUV 速度測量;深度傳感器利用海水壓力進(jìn)行深度測量。

在對多源信息融合算法中所需的姿態(tài)、速度、位置、航向、鐘差等進(jìn)行觀測量輸入后,需要研究并篩選出可用于自主導(dǎo)航的傳感器與信號源,梳理其工作原理和適應(yīng)的工作環(huán)境,架構(gòu)其功能特征和性能指標(biāo),完成對水下多源自主導(dǎo)航場景信號特征的抽象建模和多屬性的傳感器數(shù)據(jù)處理。因此,需要通過搭建外部輔助導(dǎo)航模塊（北斗導(dǎo)航浮標(biāo)、水聲收發(fā)機(jī)）以及內(nèi)嵌輔助導(dǎo)航模塊（捷聯(lián)慣導(dǎo)、衛(wèi)星導(dǎo)航、DVL、深度傳感器、槳速傳感器等）信號處理功能聚類總體技術(shù)架構(gòu),構(gòu)建多維場景快速配置與重構(gòu)的自主導(dǎo)航軟硬件一體化模型,實(shí)現(xiàn)基于多源信息融合的UUV 水下長航時(shí)自主導(dǎo)航。具體來說,SINS/GNSS/DVL/深度計(jì)/輔助導(dǎo)航多源信息融合主要是通過收集各個(gè)傳感器信息,并依據(jù)最優(yōu)估計(jì)理論進(jìn)行組合導(dǎo)航擴(kuò)展卡爾曼濾波解算,其基本原理框圖如圖1所示。

在導(dǎo)航解算過程中,UUV 在水面和水下時(shí)采用不同的信息導(dǎo)航方法,具體情況如下:

1）在水面工作時(shí),UUV 可以借助外部導(dǎo)航浮標(biāo),也可采用SINS/GNSS 組合導(dǎo)航方式。多模衛(wèi)星導(dǎo)航GNSS 接收機(jī)模塊通過天線下變頻預(yù)處理射頻信號獲取的GNSS 導(dǎo)航信號PN 碼與本地碼進(jìn)行相關(guān)運(yùn)算,實(shí)現(xiàn)衛(wèi)星導(dǎo)航信號的捕獲、跟蹤、比特和幀同步運(yùn)算,最終提取出多模衛(wèi)星導(dǎo)航信號偽距和偽距率觀測量;慣導(dǎo)信息采集模塊通過三軸陀螺儀和加速度計(jì)進(jìn)行內(nèi)部誤差補(bǔ)償,獲取角速度和比力信息;SINS/GNSS 自適應(yīng)魯棒融合模塊基于衛(wèi)星信號幅值的俯仰角運(yùn)算估計(jì)獲取修正后的偽距和偽距率,并結(jié)合外部傳感器信息、捷聯(lián)慣導(dǎo)信息進(jìn)行組合導(dǎo)航卡爾曼濾波器設(shè)計(jì)、過程噪聲和量測噪聲估計(jì),同時(shí)反饋校正慣導(dǎo)誤差漂移,采用擴(kuò)展卡爾曼導(dǎo)航濾波器進(jìn)行PVT 信息及姿態(tài)融合解算。

2）在水下工作時(shí),UUV 由于無法接收到GNSS衛(wèi)星導(dǎo)航電磁波信號,故需要進(jìn)行SINS/DVL/深度計(jì)/輔助匹配傳感器等多源信息融合,通過DVL 提供的高精度測速信息、深度計(jì)提供的高精度深度信息以及輔助導(dǎo)航提供的地球物理場信息構(gòu)建組合導(dǎo)航觀測向量,同時(shí)抑制SINS 的誤差累積,構(gòu)成傳統(tǒng)意義上的SINS/DVL/深度計(jì)/輔助匹配導(dǎo)航系統(tǒng)。具體將根據(jù)UUV 所處的深度位置,分為中層水域?qū)Ш揭约敖５讓?dǎo)航兩種情況。

2 UUV 多源自主導(dǎo)航系統(tǒng)設(shè)計(jì)

2.1 UUV 多源自主導(dǎo)航系統(tǒng)基本工作流程

大排量UUV 上浮下潛及定深直航作業(yè)過程中,首先執(zhí)行各個(gè)艙段內(nèi)設(shè)備的測試自檢工作;其次,在自主導(dǎo)航系統(tǒng)工作過程中需要載入使命信息,校驗(yàn)成功后才能選擇發(fā)送速度指令、航向指令和深度指令信息,同時(shí)判斷離散事件類型并進(jìn)行相應(yīng)的執(zhí)行工作。其自主導(dǎo)航基本流程如圖2所示,具體分為以下9 種狀態(tài):

圖2 UUV 水下自主導(dǎo)航基本工作流程Fig.2 Basic flowchart of UUV underwater autonomous navigation

1）當(dāng)檢測到漏水或者能量不足狀態(tài)時(shí),進(jìn)行事件控制并重新規(guī)劃指令信息,并發(fā)布導(dǎo)航結(jié)束指令。

2）當(dāng)檢測到擱淺狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送停車指令信息,發(fā)送成功后進(jìn)行浮態(tài)調(diào)整操作并發(fā)布導(dǎo)航結(jié)束指令。

3）當(dāng)檢測到超深狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送停車指令信息,發(fā)送成功后進(jìn)行配重拋載操作并發(fā)布導(dǎo)航結(jié)束指令。

4）當(dāng)檢測到故障狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送故障控制信息,發(fā)送成功后發(fā)布控制結(jié)束指令。

5）當(dāng)檢測到避碰狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送任務(wù)掛起指令信息,掛起成功后進(jìn)行避碰狀態(tài)檢測。如果避碰成功,則繼續(xù)恢復(fù)原有的導(dǎo)航任務(wù);如果避碰失敗,則繼續(xù)進(jìn)行避碰操作以及狀態(tài)檢測,直至檢測到避碰成功狀態(tài),并恢復(fù)原有導(dǎo)航任務(wù),繼續(xù)執(zhí)行導(dǎo)航作業(yè)。

6）當(dāng)檢測到航向調(diào)整狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送新航向指令信息,發(fā)送成功后發(fā)布調(diào)整結(jié)束指令。

7）當(dāng)檢測到GNSS 導(dǎo)航校準(zhǔn)狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送潛航器浮出水面指令信息,發(fā)送成功后進(jìn)行GNSS 組合導(dǎo)航校準(zhǔn),并恢復(fù)導(dǎo)航任務(wù),發(fā)布恢復(fù)成功指令。

8）當(dāng)檢測到時(shí)間窗預(yù)警狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送調(diào)整速度信息,發(fā)送成功后發(fā)布調(diào)整結(jié)束指令。

9）當(dāng)檢測到到達(dá)使命點(diǎn)狀態(tài)時(shí),進(jìn)行事件控制并發(fā)送探測載荷傳感器上電信息,載入探測載荷模式,載入成功后進(jìn)行預(yù)備數(shù)據(jù)采集或者執(zhí)行特殊任務(wù),使命操作結(jié)束后發(fā)送導(dǎo)航結(jié)束指令。

2.2 UUV 多源自主導(dǎo)航系統(tǒng)濾波模型設(shè)計(jì)

SINS/GNSS/DVL/深度計(jì)/輔助導(dǎo)航信息融合的過程可用如下步驟1～步驟6 的數(shù)學(xué)模型表達(dá),通過初始化先驗(yàn)估計(jì)協(xié)方差矩陣和過程噪聲矩陣進(jìn)行迭代求解組合導(dǎo)航系統(tǒng)狀態(tài)向量,并實(shí)時(shí)反饋校正至捷聯(lián)慣導(dǎo)系統(tǒng),循環(huán)重復(fù)上述步驟1～步驟6,從而實(shí)現(xiàn)水下多源自主導(dǎo)航信息融合解算。

步驟1: 計(jì)算狀態(tài)偏差一步預(yù)測值

步驟2: 計(jì)算狀態(tài)偏差估計(jì)值

步驟3: 計(jì)算系統(tǒng)方程一步預(yù)測均方誤差矩陣

步驟4: 計(jì)算濾波增益矩陣

步驟5: 計(jì)算系統(tǒng)估計(jì)均方誤差矩陣

步驟6: 計(jì)算狀態(tài)估計(jì)值

式（1） 中,Xk為慣性基自主導(dǎo)航系統(tǒng)狀態(tài)矩陣,為狀態(tài)變量在k時(shí)刻的擴(kuò)展卡爾曼濾波狀態(tài)估計(jì)值,f為水下組合導(dǎo)航系統(tǒng)狀態(tài)轉(zhuǎn)移函數(shù)。式（2）中,Zk為組合導(dǎo)航系統(tǒng)觀測矩陣,h為組合導(dǎo)航系統(tǒng)觀測方程。式（3） 中,Γk-1為系統(tǒng)輸入噪聲矩陣;多源信息融合過程中,根據(jù)不同傳感器測量值,需要進(jìn)行在線誤差標(biāo)定及校準(zhǔn),Pk為擴(kuò)展卡爾曼濾波誤差協(xié)方差矩陣,Qk為多源自主導(dǎo)航系統(tǒng)誤差協(xié)方差矩陣。式（4）中,Rk為組合導(dǎo)航系統(tǒng)觀測誤差矩陣;Kk為擴(kuò)展卡爾曼濾波增益,其結(jié)果依托于運(yùn)動系統(tǒng)動力學(xué)模型的系統(tǒng)傳遞函數(shù)解算。

UUV 多源自主導(dǎo)航誤差模型主要由SINS 誤差模型和多普勒計(jì)程儀DVL 誤差模型兩部分組成,根據(jù)捷聯(lián)慣導(dǎo)系統(tǒng)長期工作時(shí)的特點(diǎn)以及運(yùn)動體動力學(xué)模型特征,選擇位置誤差、速度誤差、失準(zhǔn)角、陀螺漂移作為系統(tǒng)狀態(tài)量。其中,陀螺漂移模型采用一階馬爾科夫過程描述;對于多普勒計(jì)程儀,它測量載體相對海底的速度和偏流角,測量誤差主要由速度偏移誤差、偏流角誤差和刻度系數(shù)誤差組成。速度偏移誤差和偏流角誤差采用一階馬爾科夫過程描述,刻度系數(shù)誤差為隨機(jī)誤差。UUV 多源自主導(dǎo)航系統(tǒng)狀態(tài)方程如下:

（1）系統(tǒng)狀態(tài)方程

式（7）中,系統(tǒng)狀態(tài)向量和系統(tǒng)噪聲分別如下

系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣A和系統(tǒng)噪聲矩陣B形式如下

式（8）中,δL為地理緯度誤差,δλ為地理經(jīng)度誤差,δvE和δvN為導(dǎo)航坐標(biāo)系下東向和北向速度偏差,α、β、γ為運(yùn)載體誤差角,εE、εN、εU為運(yùn)載體漂移量,δvd為速度偏移誤差,δΔ 為偏移角誤差,δC為刻度系數(shù)誤差。式（9）中,wE、wN、wU為運(yùn)載體漂移率,wd為速度偏移率,wD為偏移角偏移率。式（10）中,ASINS為捷聯(lián)慣性導(dǎo)航系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣,AGyro為陀螺漂移反相關(guān)時(shí)間矩陣,ADVL為多普勒計(jì)程儀誤差反相關(guān)矩陣。

（2）系統(tǒng)量測方程

取SINS 解算速度和多普勒計(jì)程儀測量速度之差作為觀測量,得到系統(tǒng)量測方程

式（11）中,有

式（12）中,Kd為考慮偏流角的航跡項(xiàng)。

由于慣性導(dǎo)航系統(tǒng)的短時(shí)航向精度高,DVL的航速精度相對較高,UUV 水下場景中利用多源自主導(dǎo)航方式,結(jié)合擴(kuò)展卡爾曼濾波算法融合SINS 和DVL 傳感器的測量數(shù)據(jù),實(shí)時(shí)估計(jì)UUV 的位置和姿態(tài)等信息,并通過導(dǎo)航控制與能源供電系統(tǒng)實(shí)現(xiàn)定期的上浮下潛操作,進(jìn)行水面任務(wù)指令收發(fā)與導(dǎo)航誤差在線修正,進(jìn)而實(shí)現(xiàn)UUV 的長航時(shí)自主導(dǎo)航。

3 結(jié)論

受到水下無人裝備強(qiáng)約束適裝條件以及高海況復(fù)雜海洋環(huán)境影響,大型UUV 在實(shí)現(xiàn)導(dǎo)航的自主性、隱蔽性、高精度和長航時(shí)過程中面臨著諸多挑戰(zhàn)。水下大型UUV 技術(shù)主要聚焦總體、材料、動力、通信、導(dǎo)航、智能等方面: 總體涉及外形、結(jié)構(gòu)、能源、推進(jìn)、布局、控制等多個(gè)學(xué)科優(yōu)化設(shè)計(jì)技術(shù);材料和動力涉及高比功率推進(jìn)電機(jī)設(shè)計(jì)以及輕量化結(jié)構(gòu)材料選材等;通信包括高通量寬頻帶指令收發(fā)、遠(yuǎn)距離數(shù)據(jù)回傳及遙控、大范圍精確示位等;導(dǎo)航包括水下大潛深、長航時(shí)、高精度自主導(dǎo)航定位以及路徑跟蹤等;智能包括精準(zhǔn)穩(wěn)定、可信安全、內(nèi)嵌動力學(xué)機(jī)理的的集群協(xié)同導(dǎo)航、自主避障、自動目標(biāo)識別等。

本文從當(dāng)前的現(xiàn)實(shí)需求出發(fā),重點(diǎn)分析了目前主流的UUV 水下導(dǎo)航定位技術(shù),總結(jié)了自主導(dǎo)航技術(shù)目前存在的關(guān)鍵問題和技術(shù)難點(diǎn),并針對性地設(shè)計(jì)了水下慣性基多源自主導(dǎo)航總體架構(gòu)以及擴(kuò)展卡爾曼濾波模型?？傮w來說,未來大型UUV 水下自主導(dǎo)航仍將以慣性導(dǎo)航為主,以其他導(dǎo)航為輔,向著全源化、集群化、智能化等趨勢發(fā)展,在軍事和民用領(lǐng)域都將發(fā)揮更大的作用。