航天恒星科技有限公司 北京 100086
摘要：便携式自主水下机器人具有体积小、易用性、低成本等特点，是海洋资源探测与水下环境观测的重要工具，已成为当今研究的热门领域。但只有具备高精度的导航系统，AUV的潜在应用能力才能够得以实现。
关键词：便携式自主水下机器人；非线性；组合导航；扩展卡尔曼滤波；无迹卡尔曼滤波
引言
精确与鲁棒性强的导航系统是便携式自主水下机器人(AUV)实现自主导航和精确定位的关键。导航的难点在于AUV是强非线性系统，工作环境复杂，GPS卫星信号在水下不能使用。为解决上述问题，提出了基于UKF滤波算法的AUV组合导航系统，并和EKF算法进行了对比。[1]给出了AUV组合导航的具体数学模型，并分析了导航传感器误差来源和测量模型。通过数值仿真及湖上试验数据仿真对导航系统进行了综合仿真验证，结果表明基于UKF算法的AUV组合导航系统精度高，鲁棒性强，完全可以满足便携式AUV实际导航需求。
1.系统模型的确立
1.1坐标转换
为研究AUV运动，需要建立相应的惯性参考系，采用北东坐标系作为AUV导航系统静坐标系，与之对应的各坐标轴定义为，Eξ轴指向正北方向，Eη轴指向正东方向，北东坐标系的原点E可以选为试验场地附近的任意一点。另外定义载体坐标系为动坐标系，以载体重心为原点O，OX轴、OY轴分别指向载体首部和右侧，OZ轴由原点垂直指向海底。[2]
1.2、AUV海洋资源探测运动模型
AUV运行环境复杂，这里不考虑洋流干扰等问题，对运动模型进行简化设u为AUV在北东坐标系下的前向速度，ω为偏航角ψ的角速率，v是垂直于u的横向速度。uk和vk分别为离散时间变量，其中采样频率为Δt。x，y分别为东向位置和北向位置。在每一个仿真步长中，测量向量的维度可以是不同的，这取决于物理量是否可测，如GPS信息只有当AUV浮出水面时才可获得，潜入水中后只可以获得速度、角度和角速率信息，单位矩阵H前两行为0。[3]
1.3传感器测量模型
这一小节中，分析了便携式AUV所搭载传感器误差来源，并建立相应的测量模型，为分析导航算法对AUV三维速度、姿态角和位置信息的估计效果提供理论依据。[4]DVL:AUV利用多普勒计程仪来测量载体速度，DVL向海底发送已知频率的波速，通过测量返回波束相对发送波束的频移来得到AUV相对海底的三维速度，DVL在靠近海床时效果最好，并且误差随着相对于海底的海拔升高而增加。通过对DVL进行测试，发现其噪声可以被认定为纯白噪声。为了获得可靠的位置测量，大多数海洋应用依赖于GPS。对GPS测量精度影响最大的是多路径效应，多路径是由于接收器附近表面的信号反射破坏卫星信号，从而会影响到卫星发送信号时间的计算。电子罗盘:采用PNI公司TCM系列罗盘，其中TCM姿态角测量精度达到±03度，分辨率0.1度。其模组进行了软磁和硬磁校正，提供了较精确的姿态信息。因此，机载电子罗盘主要受安装误差影响。陀螺仪:该传感器用来测量AUV载体坐标系下的角度率，陀螺仪测量误差随时间变化，因此必须实时估计和补偿。[5]AUV长时间在水下运行，不能借助GPS卫星信息来确定其位置，这是AUV导航面临的最大问题。因此需要利用自身所搭载的传感器确定其位置，而用于估计AUV位置和姿态的算法成为影响其导航精度的关键因素。状态估计算法通常基于卡尔曼滤波KF，但由于KF在非线性系统中滤波效果不佳，EKF算法被提出。因为AUV的运动的强非线性，EKF算法对于强非线性系统精度较低。[6]本文利用UKF算法用于便携式AUV状态估计，UKF采用无迹变换来处理非线性问题，保留了非线性系统中的高阶项，滤波精度有一定的提高。
2.AUV导航系统设计
2.1、AUV导航系统结构
便携式AUV导航系统结构如图1所示，导航传感器和主控计算机通过ＲS232进行通信。采用600kHz多普勒计程仪竖直安装，用来测量载体相对于大地的速度。电子罗盘TCM体积小，功耗低，安装方便，最大采样频率可设为20Hz。单独的TCM并不能满足AUV导航需求，需要融合陀螺仪输出的角速率，用来更新姿态信息。GPS信号在水中迅速衰减，所以在水下航行时需要利用自身搭载的导航传感器通过数据融合算法来进行位置的解算，并定期浮出水面接受GPS信息进行位置校准。
2.2、AUV导航算法设计
第一，扩展卡尔曼滤波。EKF扩展卡尔曼算法核心思想是将非线性函数展开成泰勒级数并略去高阶项，EKF算法是基于贝叶斯估计的次优化算法，EKF在状态预测过程中，通过最大似然估计得到状态向量的近似估计。第二，无迹卡尔曼滤波。UKF另一种状态估计算法是UKF，它不同于EKF的线性变换，而是通过确定性采样技术无迹变换(简称UT)来处理非线性问题。UT允许计算一个随机变量的平均值和协方差矩阵，这个随机变量通过其最小样本集合的增值并利用起始变量的平均值和协方差的知识而进行通用非线性变换。[7]
3.仿真验证
3.1数值仿真
设计仿真轨迹如图2所示，轨迹的产生根据一系列输入的角速率和速度等信息，基于该信息，利用传感器的噪声和偏差来创建测量特性，通过滤波器来对载体状态信息进行估计。载体由(0，0)点出发，偏航角在转角处最大为40度，前向速度均值为1m/s，滤波器采样频率为10Hz，设置仿真时间600s。
东向位置/m
偏航角的误差大于横滚角和俯仰角的误差是因为电子罗盘对于偏航角的测量存在相对较大的噪声，这在该估计中引入了更多的不确定性。
3.2湖试数据仿真
AUV在抚仙湖水域水下航行轨迹，总航行时间为1580s，航行距离为2274m，航行速度约为1.4m/s，AUV在水面航行一段时间后，下潜到水下20m，水下20m定深航行时间为1332s。GPS位置信息仅在AUV入水前和浮出水面后可以获得。仿真中，初始点用来初始化导航算法，浮出点的GPS信息用来和导航算法得出的位置信息进行对比。
水下仿真结果为:EKF算法结束点(2401，212.32)，UKF算法结束点(2416，214.53)，上浮点GPS位置信息为(2450，212.4)。计算可得EKF导航误差为49.00m(2.15%)，UKF导航误差为36.13m(1.59%)。水面仿真结果为:EKF算法结束点(16.20，178.1)，UKF算法结束点(14.79，141.60)，GPS结束点位置信息为(68.92，72.13)。计算可得EKF导航误差为118.5m(1.76%)，UKF导航误差为88.1m(1.31%)。
结论
简而言之，针对水下机器人工作环境复杂，水下GPS信息不可用，航位推算存在累计误差等问题，作者提出了基于UKF算法的便携式AUV的组合导航系统，并分别对基于EKF和UKF算法的导航系统进行了理论分析和仿真验证，数值仿真中，利用传感器测量模型对AUV三维速度、姿态角和位置误差进行了分析，结果表明UKF对位置信息的估计更加精确。另外通过湖试实验数据对AUV导航性能进行了综合性能分析，仿真表明，基于UKF算法的便携式AUV的组合导航系统精度高，完全可以满足便携式AUV实现海洋资源探测的需求。
参考文献
[1]唐敬阁,李斌,常健,王聪.水下滑翔蛇形机器人结构设计与动力学建模[J].华中科技大学学报(自然科学版),2018,46(12):89-94.
[2]徐登,黄晓东.面向水下机器人协同的LiFi通信技术研究[J].电子器件,2018,41(06):1549-1553.
[3]张欢欢,田军委,熊靖武,赵彦飞,史珂路.水下机器人运动控制系统设计与分析[J].计算机系统应用,2018,27(12):83-89.
[4]李永龙,王皓冉,张华.水下机器人在水利水电工程检测中的应用现状及发展趋势[J].中国水利水电科学研究院学报,2018,6(06):586-590.
[5]袁健,郝宗睿,张文霞.一种自主遥控式水下机器人的分布式控制系统设计[J].智能机器人,2018(06):39-43.
[6]庞永杰，陈小龙，李晔.基于改进贝叶斯估计的水下地形匹配辅助导航方法[J].仪器仪表学报，2017，33(10):102－107.
[7]曾俊宝，等.便携式自主水下机器人控制系统研究与应用[J].机器人，2018，38(1):91－97
论文作者:陈玲玲
论文发表刊物:《基层建设》2019年第8期
论文发表时间:2019/6/19
标签：水下论文; 算法论文; 误差论文; 测量论文; 机器人论文; 位置论文; 信息论文; 《基层建设》2019年第8期论文;