基于SINSDVLGPS的AUV组合导航系统关键技术研究

《基于SINSDVLGPS的AUV组合导航系统关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、谨以此论文献给老师、家人和朋友潘学松lIIIIIITIIIIIUllIII＼1926503基于SINS／DVL／GPS的AUV组合导航系统关键技术研究学位论文完成日期：壅尘垒兰堕圣!塑指导教师签字：—二蘑毛囊基广一答辩委员会成员签字：移欲．7／'—●彻^’。yV吖独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得!洼i翅逡查基他霞蔓缱别直明数：奎拦亘窒≥或其他教育机构的学位

2、或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：滔学寿众签字日期：2忉J年嘲。／日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下事项：l、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊(光盘版)电子杂志社"用于出版和编入CN

3、KI《中国知识资源总库》，授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。(保密的学位论文在解密后适用本授权书)学位论文作者签名：!罨豺幺签字日期：砂l1年l，臼。／日导师签字．诬浓签字日期：弘『1年占月1日基于SINS／DVL／GPS的AUV组合导航系统关键技术研究捅要随着海洋探测与开发的不断深入，对具有自主导航能力的水下机器人的需求越来越大。在深海复杂环境中，单一的传感器设备都无法满足高精度自主导航的要求，而采用多传感器信息融合和优化滤波算法成为必然的选择。本文通过对水下自主机器人

4、组合导航系统关键技术的研究，为其向更广阔、更长程、更复杂的工作海域发展提供强有力的保证，这必将大大推动我国乃至世界水下自主机器人导航技术的发展。本文结合当前水下自主机器人导航技术的特点，介绍了自主导航技术中常遇到的问题难点。提出了“潜航一水面校正一潜航’’的导航模式，利用SINS／DVL组合导航系统作为水下导航系统，将SINS／GPs组合导航系统作为水面校正系统。在远程AUV导航过程中，AUV经过一段时间的水下航行定时浮出水面，引入GPS，纠正AUV的速度和位置信息，解决了远程AUV定位误差随时间累积而发散的

5、问题。然后研究了扩展卡尔曼滤波和神经网络两种流行的滤波方法。分析各自的优缺点，提出相应的改进。扩展卡尔曼滤波是在卡尔曼滤波的基础上针对非线性环境的改进算法，需要根据SINS和DVL各自的误差方程来设计扩展卡尔曼滤波器的状态方程和观测方程，从而计算出各个误差项。AUV组合导航系统的实际运行环境比较恶劣，系统精确的数学模型及噪声的统计特性不易先验得到，从而经常导致扩展卡尔曼滤波器发散。它的优点是精度和实时性比较高，但是在可靠性方面要差一些。针对扩展卡尔曼滤波可靠性较差的问题，在保证AUV精确导航所需求的精度和实时

6、性的前提下，本文提出了一种改进遗传算法优化神经网络的滤波算法。利用神经网络的特性处理信号，可以避开模式识别方法中建模与特征提取过程，从而减小因模型不确定与特征选择不当引起的误差，并能实现实时识别，以提高系统性能。遗传算法擅长全局搜索，它可以在复杂的、多峰值、非线性及其不可微的空间实现全局搜索。但是在神经网络优化过程中，我们发现常规遗传算法又存在许多不足，如易早熟，算法稳定性差，固定的交叉和变异概率影响收敛效果等。为了解决这些难题，本文从编码方式、选择操作、最优个体保留、引入“移民’’机制、交叉和变异算子对遗传

7、算法进行改进，并将改进后的遗传算法用来优化神经网络，最终把优化的神经网络滤波算法用于AUV组合导航系统中。在“潜航一水面校正一潜航"的导航模式下分别将以上两种滤波算法应用于AUV组合导航实验中，实验结果表明，改进后的方法能较好的达到预期的目标，二种滤波算法都提高了滤波的精度。并且改进遗传优化神经网络滤波算法在保证精度和实时性的前提下，较扩展卡尔曼滤波算法提高了滤波的可靠性，增强了滤波的实用性。关键词：水下自主机器人；组合导航；扩展卡尔曼滤波；遗传算法；神经网络nResearchonKeyTechnoIogyo

8、fAUVIntegratedNavigationSystemBasedonSINS／DVL／GPSAbstractAstheexplorationanddevelopmentofOCeanprogresses，thedemandofunderwatervehicle、析t11autonomousnavigationcapabilitiesisgrowing．Inthecomplexenvironme