黃玉龍,張勇剛,趙玉新

(哈爾濱工程大學(xué) 自動化學(xué)院,黑龍江 哈爾濱,150001)

0 引言

海洋中蘊含著大量的礦產(chǎn)資源、海水化學(xué)資源、海洋生物資源、海洋能和海洋空間資源。隨著陸地能源緊張與人口激增這一矛盾的日益突出,

海洋探索與開發(fā)成為國際各領(lǐng)域炙手可熱的研究方向,也是未來發(fā)展的必然趨勢[1]。我國也將海洋開發(fā)和海洋安全提升到了前所未有的高度,并提出了海洋強國等戰(zhàn)略。對海洋的探索和開發(fā)離不開先進海洋科學(xué)技術(shù)的支撐。水下機器人是探索和開發(fā)海洋的重要運載平臺之一,亦是建設(shè)海洋強國、捍衛(wèi)國家安全和實現(xiàn)可持續(xù)發(fā)展的國之重器。相比于有纜控制的水下機器人,自主水下航行器(autonomous undersea vehicle,AUV)不需要母船支持,具有更廣闊的應(yīng)用前景。AUV綜合了水聲通信、智能控制、能量存儲、多傳感器測量與信息融合等先進技術(shù),以其自主性好、靈活性強、體積小、質(zhì)量輕、活動范圍廣及隱蔽性好等優(yōu)點,在海洋探索與開發(fā)中發(fā)揮著重要作用[2]。

文中回顧了現(xiàn)有主流的 AUV水下導(dǎo)航關(guān)鍵技術(shù),包括DVL測速技術(shù)、LBL/SBL/USBL水聲定位導(dǎo)航技術(shù)、地形輔助導(dǎo)航技術(shù)、地磁輔助導(dǎo)航技術(shù)、重力輔助導(dǎo)航技術(shù)及協(xié)同導(dǎo)航技術(shù),介紹了相關(guān)導(dǎo)航技術(shù)的基本原理及發(fā)展?fàn)顩r,分析并歸納了各技術(shù)在水下自主導(dǎo)航中存在的關(guān)鍵問題和技術(shù)難點,最后對 AUV水下導(dǎo)航技術(shù)的未來發(fā)展方向進行了展望。

1 基于SINS/聲學(xué)的AUV自主導(dǎo)航

1.1 基于SINS/DVL的AUV自主導(dǎo)航技術(shù)

DVL是基于聲吶多普勒效應(yīng)的測速設(shè)備,能提供較高精度的載體速度信息,且其誤差不隨時間積累,抗干擾能力強。因此在AUV自主導(dǎo)航中,DVL可作為抑制 SINS積累誤差的重要輔助手段。DVL測速的配置分為3種:單波束配置、雙波束Janus配置和四波束Janus配置,其配置的測速原理如圖1所示。

圖1 3種多普勒速度計程儀測速配置示意圖Fig.1 Speed measurement configurations of three kinds of Doppler velocity logs(DVLs)

由圖中可以看出,采用四波束 Janus配置方式的 DVL能夠同時測定載體的橫向和縱向的速度信息,更能滿足 AUV的導(dǎo)航需求。SINS/DVL組合導(dǎo)航系統(tǒng)主要有松、緊2種組合方式。原理示意圖如圖2所示。DVL的原始數(shù)據(jù)是每個波束方向測量的相對速度,SINS/DVL松組合和緊組合的原理及其特點如表1所示[7-8]。

針對實際應(yīng)用中可能出現(xiàn)的 DVL只有部分原始數(shù)據(jù)可用的情況,目前有很多相關(guān)研究。文獻[8]提出了一種擴展松組合方法,該方法利用外部輔助信息與DVL部分原始數(shù)據(jù)來估計AUV速度,再與 SINS輸出的速度信息進行數(shù)據(jù)融合,從而得出載體精確的位置、速度及姿態(tài)等導(dǎo)航信息。文獻[9]通過考慮相關(guān)噪聲和量測噪聲的互協(xié)方差矩陣,改進了擴展松組合方法性能。文獻[10]提出一種基于SINS/DVL緊組合導(dǎo)航的部分DVL波束可用方法。為了提高復(fù)雜水下環(huán)境導(dǎo)航系統(tǒng)的性能,文獻[11]提出了一種基于SINS/DVL組合導(dǎo)航混合交互多模型,并針對DVL波束量測的異常值提出了一種自適應(yīng)選擇模型描述環(huán)境變化的算法。文獻[12]采用了緊組合的方法來減少對底部鎖定的需求,當(dāng)少于3個波束可用時,濾波器仍能吸收有價值的信息。

圖2 捷聯(lián)慣性導(dǎo)航系統(tǒng)/多普勒速度計程儀組合原理示意圖Fig.2 Schematic diagram of strap-down inertial navigation system(SINS)/Doppler velocity log(DVL)combination

表1 SINS/DVL組合原理及其特點Table 1 Principle and characteristics of SINS-DVL combination

目前,丹麥 Maridan A/S公司和美國 Kearfott公司聯(lián)合研制的MARPOS型SINS/DVL水下組合導(dǎo)航系統(tǒng),在距離海底深度不超過200 m的條件下,導(dǎo)航精度可以達到航程的 0.03%[13];挪威 Kongsberg Simead公司開發(fā)的HUGIN 3000型AUV以及在此基礎(chǔ)上開發(fā)的HUGIN 1000也都是以SINS和DVL作為主要的導(dǎo)航設(shè)備[14]。此外,美國 Woods Hole海洋研究所、美國海軍研究生院、美國BluefinRobotics公司、加拿大 International Submarine Engineering公司和英國國家海洋中心等都已經(jīng)將SINS/DVL組合導(dǎo)航技術(shù)應(yīng)用于AUV中[15]。

DVL測速精度與射程呈相反關(guān)系,當(dāng) DVL聲波發(fā)射的頻率越高時其測速精度越高,射程越短。RDI公司生產(chǎn)的 DVL的聲波發(fā)射頻率、測速精度和有效射程之間對應(yīng)關(guān)系如表2所示[14]?？紤]到DVL的射程范圍,DVL通常有2種工作模式:一種是在DVL的有效射程之內(nèi),可以測得其相對海底的速度,稱為底跟蹤;另一種是超出了DVL的有效射程,只能測得其相對于海水層的速度,稱為水跟蹤[14]。

表2 RDI公司生產(chǎn)的 DVL的聲波發(fā)射頻率、測速精度和有效射程之間對應(yīng)關(guān)系Table 2 Relationship among acoustic emission frequency,velocity measurement accuracy,and effective range of DVL from RDI company

SINS/DVL組合導(dǎo)航系統(tǒng)所涉及的關(guān)鍵技術(shù)主要有以下 5個方面:數(shù)據(jù)融合技術(shù)、異步信息融合技術(shù)、標(biāo)定技術(shù)、DVL數(shù)據(jù)失效處理和故障檢測技術(shù)。

1)數(shù)據(jù)融合技術(shù)

SINS/DVL組合導(dǎo)航系統(tǒng)使用導(dǎo)航濾波器進行數(shù)據(jù)融合?？柭鼮V波器是一種有效的最優(yōu)估計算法,自20世紀(jì)70年代以來已廣泛應(yīng)用于組合導(dǎo)航系統(tǒng),丹麥生產(chǎn)的 MARIDAN150型 AUV[7]和挪威生產(chǎn)的 HUGIN 1000型 AUV[16]均使用卡爾曼濾波器。針對 DVL測速易受到復(fù)雜的水下環(huán)境影響,文獻[17]將改進后的Sage-Husa自適應(yīng)卡爾曼濾波算法引入 SINS/DVL組合導(dǎo)航系統(tǒng)中,仿真結(jié)果表明,該算法具有較高的導(dǎo)航精度和魯棒性。針對SINS/DVL組合導(dǎo)航系統(tǒng)的非線性狀態(tài)模型,文獻[18]利用 5階球面最簡相徑容積卡爾曼濾波算法來改善SINS/DVL組合導(dǎo)航精度。

卡爾曼濾波器假設(shè)系統(tǒng)噪聲和量測噪聲的概率密度函數(shù)服從高斯分布,但在實際工程應(yīng)用中,常難以滿足上述條件,SINS/DVL組合導(dǎo)航的量測噪聲可能呈現(xiàn)厚尾非高斯分布。因此,通過魯棒卡爾曼濾波算法來改善組合導(dǎo)航系統(tǒng)在復(fù)雜環(huán)境下的精度是重要且緊迫的[19]。文獻[20]提出基于學(xué)生t分布噪聲建模的魯棒高斯近似濾波器來對狀態(tài)向量和未知分布參數(shù)進行聯(lián)合估計,在理論上,該濾波器能消除水下復(fù)雜環(huán)境給 SINS/DVL組合導(dǎo)航帶來的影響,以提高SINS/DVL組合導(dǎo)航精度。

2)異步信息融合技術(shù)

實際應(yīng)用中,由于SINS和DVL采樣頻率不同,而且數(shù)據(jù)融合中心接收到的 SINS的導(dǎo)航信息與DVL的速度信息可能存在不同時長的滯后,故需要研究異步多傳感器的信息融合算法。針對多傳感器網(wǎng)絡(luò)系統(tǒng)的異步狀態(tài)融合估計問題,文獻[21]推導(dǎo)了遞歸形式的線性最小均方誤差估計器,該估計器將數(shù)據(jù)融合時間段所間隔收集的異步量測值轉(zhuǎn)換為融合時刻組合等效的量測值,從而得出最優(yōu)異步估計融合算法。文獻[22]利用線性最小方差意義下的矩陣加權(quán)融合估計算法,給出了分布式最優(yōu)融合估計,仿真實例驗證了算法的有效性。文獻[23]針對組合導(dǎo)航系統(tǒng)的傳感器采樣頻率不同且存在量測滯后的問題,提出一種基于多尺度數(shù)據(jù)分塊的組合導(dǎo)航異步信息融合算法,仿真結(jié)果表明該算法可有效提高 SINS/DVL組合導(dǎo)航的定位精度。

3)標(biāo)定技術(shù)

DVL誤差主要包括了失準(zhǔn)角誤差及比例因子誤差等。關(guān)于 DVL誤差標(biāo)定問題已有許多研究,最早的標(biāo)定只針對航向失準(zhǔn)角誤差標(biāo)定。隨著研究的深入,完成了對三軸失準(zhǔn)角誤差及其他誤差的標(biāo)定。失準(zhǔn)角標(biāo)定問題通常轉(zhuǎn)化為兩點集之間變換矩陣的估計問題,這些方法需要一個可以提供準(zhǔn)確定位信息的外部輔助傳感器。估計技術(shù)包括最小二乘估計、求解Wahba's問題、剛體旋轉(zhuǎn)組的自適應(yīng)辨識等。其中:文獻[24]利用INS/GPS積分的導(dǎo)航解和 DVL測量值構(gòu)造了 2個點集,該方法基于奇異值分解的最小二乘估計方法作為Wahbar's問題最穩(wěn)定的解,并完成了對失準(zhǔn)角誤差及比例因子誤差的補償;文獻[25]在DVL測速原理的基礎(chǔ)上,分析了誤差來源,建立了基于比例因子及INS與DVL失準(zhǔn)角的誤差模型,并以速度誤差為觀測值設(shè)計卡爾曼濾波器,采用可觀測性分析的方法對失準(zhǔn)角及比例因子進行估計,并在設(shè)定的 3種運動情況下對標(biāo)定參數(shù)進行可觀測分析,最后通過綜合試驗驗證了算法的可靠性,與傳統(tǒng)標(biāo)定方法相比,該標(biāo)定方法縮短了標(biāo)定時間和標(biāo)定距離;文獻[26]同樣基于可觀測性的觀點分析了在某些運動軌跡下部分失準(zhǔn)角不可標(biāo)定的原因,并提出了一種INS和DVL的三點在線標(biāo)定方法,該方法通過水下航行器浮上水面 2次接收到全球?qū)Ш叫l(wèi)星系統(tǒng)(global navigation satellite system,GNSS)信號去改善導(dǎo)航系統(tǒng)的可觀測性,最后完成失準(zhǔn)角及比例因子的標(biāo)定;文獻[27]從控制系統(tǒng)的角度研究了IMU/DVL組合水下導(dǎo)航,分析表明在中等運動條件下組合系統(tǒng)是可觀測的,因此 DVL失準(zhǔn)角及比例尺因子誤差可以在不依賴額外的外部 GPS或聲學(xué)信標(biāo)的情況下進行現(xiàn)場校準(zhǔn)。同時在 DVL測量的輔助下,還可以有效估計IMU的偏置誤差。與上述方法相比,文獻[28]充分利用了 INS導(dǎo)航參數(shù),該方法利用速度與加速度參數(shù)完成了對 DVL與姿態(tài)傳感器之間的對準(zhǔn)旋轉(zhuǎn)矩陣在線標(biāo)定,消除了對外部輸入條件的依賴性,其主要優(yōu)點是不需要依靠額外的外部導(dǎo)航信息,因此適用于水下航行的長時導(dǎo)航。

4)DVL數(shù)據(jù)失效處理

DVL需要接收外界的反射波束,其接收的聲學(xué)信號與周圍聲學(xué)環(huán)境有很大關(guān)系。DVL在底跟蹤工作模式下,遇到海洋生物阻擋、海底強吸聲地質(zhì)、深溝和載體大角度運動等情況下會出現(xiàn) DVL數(shù)據(jù)失效,這直接影響其導(dǎo)航性能。解決DVL數(shù)據(jù)失效的方法主要有2種:一種為隔離法,即直接隔離掉 DVL失效的數(shù)據(jù);另一種為替換法,即替換掉DVL的測速數(shù)據(jù)。隔離法本質(zhì)是將SINS/DVL組合導(dǎo)航系統(tǒng)變成純慣性導(dǎo)航系統(tǒng),導(dǎo)航精度會降低。目前研究熱點為替換法,該方法是設(shè)計一個載體相對地的速度估計器來替換掉 DVL測速信息。文獻[29]在DVL數(shù)據(jù)失效時,利用DVL水跟蹤量測作為DVL速度量測,為SINS提供速度輔助。文獻[30]基于一種偏最小二乘回歸(partial least squares regression,PLSR)和支持向量回歸(support vector regression,SVR)相結(jié)合的方法建立了PLSRSVR預(yù)測器,有效延長DVL數(shù)據(jù)失效的容錯時間,從而提高了導(dǎo)航精度和可靠性。文獻[31]提出了在線估計導(dǎo)航任務(wù)的海流參數(shù)模型,其對海流的平均速度進行嵌入式實時估計,利用模型輔助有效提高系統(tǒng)自主性和魯棒性。文獻[32]結(jié)合實時海流估計,提出了模型輔助慣性導(dǎo)航系統(tǒng),在 DVL數(shù)據(jù)失效時,提高了導(dǎo)航系統(tǒng)的自主性和魯棒性。

5)故障檢測技術(shù)

針對由聲散射、漁群和海底沖溝引起的DVL中的突變噪聲會產(chǎn)生水平姿態(tài)誤差,并累積為位置誤差的問題,文獻[33]提出了一種基于2χ規(guī)則的故障診斷方法,當(dāng)噪聲發(fā)生突變時,采用模型中的速度時間更新來進行數(shù)據(jù)融合,而不是用DVL中的速度進行數(shù)據(jù)融合。研究SINS/DVL組合導(dǎo)航系統(tǒng)故障檢測方法,對提高組合導(dǎo)航系統(tǒng)的可靠性有重大意義。文獻[34]利用小波技術(shù)對傳感器輸出信號進行故障診斷,并進行故障隔離和系統(tǒng)重構(gòu),再采用聯(lián)邦式濾波器進行信息融合得出導(dǎo)航參數(shù)。組合導(dǎo)航系統(tǒng)中應(yīng)用最廣泛的故障檢測方法即為卡方檢測法。文獻[35]提出了一種多傳感器冗余導(dǎo)航系統(tǒng)的故障檢測算法,該算法根據(jù)序列概率比檢驗(sequential probability ratio test,SPRT)和卡方檢驗監(jiān)測到的故障等級以及SPRT監(jiān)測到的故障趨勢,對故障進行綜合診斷。

SINS/DVL組合導(dǎo)航方法是AUV當(dāng)前主流使用的水下自主導(dǎo)航技術(shù)。盡管在上述的關(guān)鍵技術(shù)上獲得了較大成果,但 DVL只能輸出速度信息,而不能輸出位置信息,進而 SINS/DVL組合導(dǎo)航系統(tǒng)的位置不可觀測,從而使得位置隨著時間推移仍然發(fā)散。相比于DVL,水聲定位技術(shù)或地球物理輔助導(dǎo)航技術(shù)可以提供 AUV位置信息,因此,可利用以上 2種技術(shù)進一步提高導(dǎo)航精度。

1.2 基于SINS/水聲定位的AUV自主導(dǎo)航技術(shù)

相對于電磁波而言,聲波在海水中傳播的衰減效應(yīng)要小的多。因此,水聲定位技術(shù)在AUV自主導(dǎo)航中扮演著重要的角色。水聲定位系統(tǒng)按基線長度分類可分為LBL、SBL和USBL 3種。LBL的基線長度可與海深相比擬,基陣由多個分布于海床上的應(yīng)答器組成,定位精度高,適合在大面積作業(yè)區(qū)域內(nèi)使用;但其數(shù)據(jù)更新率較低,應(yīng)答器的布放、校準(zhǔn)以及回收、維護都異常繁瑣,作業(yè)成本高[36]。SBL的基線長度一般為幾米到幾十米之間,各基元分布在船底或船舷上。受基線長度限制,SBL的精度介于LBL和USBL之間,且其跟蹤范圍較小,更適合于在母船附近的 AUV導(dǎo)航定位。USBL的基陣可以集成于一個緊湊的整體單元內(nèi),基線長度為分米級或小于等于半波長,其體積尺寸最小,可方便地安置于流噪聲和結(jié)構(gòu)噪聲均較弱的某個有利位置,且布放、回收極為便捷,因此,USBL受到了越來越廣泛的關(guān)注和應(yīng)用。但USBL的精度低于LBL和SBL,且定位精度非常依賴于深度傳感器、姿態(tài)傳感器等外圍設(shè)備,如何提高USBL的定位精度成為該領(lǐng)域研究的熱點問題。3種水聲定位系統(tǒng)的示意圖見圖3,性能對比如表3所示。

圖3 3種水聲定位系統(tǒng)示意圖Fig.3 Schematic diagram of three kinds of underwater acoustic positioning systems

表3 3種水聲定位系統(tǒng)性能對比Table 3 Performance comparison of three kinds of underwater acoustic positioning systems

USBL的定位原理依賴于對斜矩和入射角的求解。如果獲得了目標(biāo)應(yīng)答器到基陣坐標(biāo)原點的斜矩R,以及斜矩與x軸和y軸的夾角θmx和θmy,即可確定出目標(biāo)在基陣坐標(biāo)系下的位置,再通過基陣坐標(biāo)系與載體坐標(biāo)系之間的轉(zhuǎn)換關(guān)系,進而求解出目標(biāo)的絕對位置,其中入射角θmx和θmy可通過波程差與相位差的關(guān)系進行求解。USBL的定位原理示意圖如圖4所示。

圖4 超短基線定位原理示意圖Fig.4 Positioning principle of ultra-short baseline(USBL)

USBL因其體積小巧、安裝方便、成本低廉等優(yōu)勢,在 AUV導(dǎo)航與定位中發(fā)揮著不可替代的作用。挪威Kongsberg公司1996年開始推出第一代USBL,目前在售的主要有HiPAP和μPAP 2個系列產(chǎn)品,前者適用于 AUV 深水和海底探測,該系列中的HiPAP502型產(chǎn)品,工作范圍達到50 000 m,定位精度0.15%D(D表示作用距離),開角覆蓋范圍200°,20 dB 信噪比下角精度可達到 0.06°[36]。μPAP系列則適用于 AUV淺水探測,并且部分型號內(nèi)置有姿態(tài)傳感器,該系列中的μPAP200型號產(chǎn)品,作用距離4 000 m,開角覆蓋范圍160°,淺水定位精度達到 0.45%D。法國 IXBlue公司主要推出了POSIDONIA II和 GAPS-USBL[37-38]2種型號的USBL產(chǎn)品,其突出的立體四腳外形,通過簡單的結(jié)構(gòu)布局達到了高水準(zhǔn)的性能。POSIDONIA II是一款長程USBL型號,作用距離超過10 000 m,工作深度可達600 m,在該水深處的最高定位精度能達到0.2%D。GAPS-USBL最大的特征是集成了聲學(xué)定位系統(tǒng)、高精度慣性導(dǎo)航系統(tǒng)和GPS定位系統(tǒng),從而免去了聲學(xué)設(shè)備和慣導(dǎo)器件間的安裝誤差校準(zhǔn)步驟,進一步降低了 AUV的定位誤差。GAPSUSBL的作用距離超過4 000 m,工作深度25 m,定位精度達 0.06%D,角度精度為 0.01°。此外,英國的BluePrint公司推出的SeaTrac系列USBL產(chǎn)品是目前世界上尺寸最小的超短基線設(shè)備,只有16 cm高,空氣中質(zhì)量為 708 g,作用距離超過 2 000 m,可同時定位14個目標(biāo),定位精度1.5%D,并且內(nèi)置有 MEMS陀螺儀和加速度計[39-40],其輕巧的體量和出色的性能,為AUV的搭載提供了便利。

國內(nèi)在USBL水聲定位技術(shù)方面雖然起步較晚,但近年也取得了較大進步,已經(jīng)達到了應(yīng)用階段。哈爾濱工程大學(xué)從2002年開始進行相關(guān)研究,2006年成功研發(fā)出國內(nèi)首臺深海USBL定位系統(tǒng)樣機,2013年成功研發(fā)出國內(nèi)首臺定位系統(tǒng)產(chǎn)品。其研制的水下AUV的USBL僅適用于近程的特殊場合[41],相關(guān)設(shè)備已在某型號 AUV和向陽紅 09號船上進行了試驗。中海達推出的iTrackUB系列USBL水聲定位系統(tǒng)是唯一市場化的國產(chǎn) USBL水下定位系統(tǒng),目前有2款型號:iTrack-UB1000 和iTrack-UB3000。該系統(tǒng)融入了高精度差分 RTK-GPS定位技術(shù),可滿足各種高精度的 AUV水下定位導(dǎo)航應(yīng)用的需求,可同時對 5個水下目標(biāo)進行精確定位,其中 iTrack-UB3000的量程可達3 000 m,工作深度2 000 m,測量精度可達 0.45%D[42]。各國主要水聲定位系統(tǒng)產(chǎn)品對比如表4所示。

表4 USBL水聲定位系統(tǒng)產(chǎn)品性能對比Table 4 Performance comparison of products for USBL acoustic positioning system

USBL的優(yōu)點是體積小巧、方便AUV搭載,其缺點是定位精度有限,因此,一系列圍繞提高USBL定位精度的工作得以展開。比如從誤差源出發(fā),針對水下聲速變化、聲音傳播模型不確定等問題提出了一系列的聲線修正方法;針對水聲基陣安裝誤差導(dǎo)致定位精度下降提出了一系列的標(biāo)定方法。此外,現(xiàn)有研究還從組合導(dǎo)航、定位原理改進等角度提出了一些改善USBL定位精度的方法。

1)聲線修正

聲線修正對提高USBL定位精度具有重大意義,文獻[43]提出了一種基于最小二乘法的水下測距與定位方法具有較高的定位精度,但在處理大量復(fù)雜的水下數(shù)據(jù)時計算量大、迭代耗時。文獻[44]提出的聲線修正迭代法比傳統(tǒng)方法計算速度快,但只適用于深水區(qū),在拓展到 USBL作用的淺水區(qū)時,易忽略淺水區(qū)中聲音傳播的特征。文獻[45]提出了一種基于最大偏移量法的聲線跟蹤快速定位算法,該方法既能精簡聲速剖面以提升計算效率,又能忠實于原始聲速剖面以避免各類誤差對有效數(shù)據(jù)的掩蓋。文獻[46]針對淺水環(huán)境提出一種結(jié)合式射線追蹤法來對水下聲速傳播模型進行修正,該方法能在恒聲速射線跟蹤法和等梯度射線追蹤法之間自適應(yīng)切換,從而有效降低了USBL中的斜矩誤差和相位誤差。

2)姿態(tài)標(biāo)定

在USBL定位系統(tǒng)中,由于航向/姿態(tài)傳感器和聲學(xué)基陣通常是分離式安裝,從而導(dǎo)致聲學(xué)基陣坐標(biāo)系與船體坐標(biāo)系間存在旋轉(zhuǎn)角偏差,進而降低了USBL的定位精度,該誤差必須通過海上標(biāo)定試驗加以校正。文獻[47]以2014年蛟龍?zhí)枌SBL定位系統(tǒng)南海海上標(biāo)定試驗為例,詳細探討了海上標(biāo)定試驗的技術(shù)方法。標(biāo)定數(shù)據(jù)采集測線同樣影響著安裝誤差標(biāo)定準(zhǔn)確度,但目前關(guān)于測線規(guī)劃的研究較少,文獻[48]對聲學(xué)基陣的安裝誤差標(biāo)定測線進行了規(guī)劃。試驗表明,以直線測線和圓測線相結(jié)合的組合測線,在不能嚴(yán)格保證對稱重合測量的實際情況下標(biāo)定結(jié)果更準(zhǔn)確、一致性更好。為消除安裝誤差角對USBL的定位精度的影響,文獻[49]提出了一種基于增量迭代的動態(tài)標(biāo)定算法,當(dāng)?shù)螖?shù)大于10次時,該算法能在線、精準(zhǔn)地估計出安裝誤差角。

3)與高精度方法組合

USBL定位精度較低,但其定位誤差不隨時間發(fā)散。將USBL與具有短時高精度的SINS、視覺等方法相組合是提高其定位精度的重要方式。文獻[50]分別對 SINS/USBL松組合和緊組合進行了建模與分析,通過仿真分析發(fā)現(xiàn),2種方法均能有效抑制 SINS隨時間積累誤差,其中緊組合方法的導(dǎo)航參數(shù)估計精度相對松組合提高30%以上。文獻[51]提出了一種基于相對測量信息的SINS/USBL組合導(dǎo)航算法,該方法直接利用USBL輸出的高度角、方位角和斜距等相對測量信息與SINS進行組合,從而避免了將USBL輸出信息首先轉(zhuǎn)換到地理坐標(biāo)系下這一步驟,在一定程度上提高了定位精度。針對水下復(fù)雜環(huán)境易誘發(fā)水聲量測野值這一問題,為保證 AUV導(dǎo)航的精度和可靠性,文獻[52]提出一種基于卡方檢驗的 SINS/USBL組合導(dǎo)航容錯方法,首先對量測異常值進行剔除,從而保證了導(dǎo)航系統(tǒng)的可靠性。此外,針對AUV入塢問題,文獻[53]提出一種 USBL/視覺組合導(dǎo)航方法,在入塢初始階段采用USBL引導(dǎo)AUV靠近塢站,在末段則采用具有更高精度的視覺進行精確引導(dǎo),試驗驗證了所提出方法的可行性。

4)定位原理改進

除了對誤差源進行修正以及與高精度導(dǎo)航方法相組合外,還可以從USBL定位原理上進行改進以提高定位精度。文獻[54]提出一種基于數(shù)據(jù)融合的定位方法,將平面陣對目標(biāo)獨立定位的結(jié)果進行有效融合即可得到最終的定位結(jié)果,該方法可以有效地提高在低信噪比情況下USBL的定位精度和可靠性。文獻[55]提出了一種基于夾角幾何關(guān)系的USBL定位方法來提高遠距離目標(biāo)的定位精度。文獻[56]則引入了 Sage-Husa自適應(yīng)卡爾曼對量測噪聲方差陣和系統(tǒng)噪聲方差陣進行實時估計,從而提高USBL系統(tǒng)的定位精度。

得益于聲波在海水中的良好傳播特性,SINS/水聲定位組合導(dǎo)航方法已在 AUV自主導(dǎo)航與定位中得到了成熟而廣泛的應(yīng)用。該方法能提供多種不同精度的位置信息,且定位誤差不隨時間累積,從而能夠?qū)萋?lián)慣導(dǎo)的輸出誤差進行修正,尤其是 SINS/USBL組合導(dǎo)航方式,近年來更是得到了廣泛的關(guān)注。但所有基于聲學(xué)的定位技術(shù)都需要向外發(fā)射聲波,這使得該定位方法隱蔽性較差,在軍事行動中無法使用。此外,聲學(xué)定位往往只能在母船周圍有限海域內(nèi)作用,這也為該方法的實用性帶來了挑戰(zhàn)。而基于地形、地磁及重力的地球物理模型定位方法,以其隱蔽性好和區(qū)域適應(yīng)性強等特點,將為聲學(xué)定位方法提供較佳的補充和輔助。

2 地球物理場導(dǎo)航技術(shù)

2.1 地形輔助導(dǎo)航

地形輔助導(dǎo)航是一種自主性強、隱蔽性好的水下導(dǎo)航方法,其基本原理如圖 5所示。該方法的實現(xiàn)首先需要對任務(wù)海域的水下地形進行勘測,并依據(jù)測繪標(biāo)準(zhǔn)構(gòu)建出該海域的水下三維基準(zhǔn)數(shù)字地形圖數(shù)據(jù)庫[57]。在執(zhí)行任務(wù)時,將 AUV獲得的當(dāng)前海域?qū)崟r地形信息與數(shù)據(jù)庫中的基準(zhǔn)數(shù)字地形圖進行匹配運算,從而確定出 AUV的當(dāng)前位置,并利用獲得的位置信息對 SINS的誤差進行修正和補償[58]。從理論上講,該方法與AUV的航行時間和航行距離沒有關(guān)系,可以保證AUV在水下長時間航行之后,能夠準(zhǔn)確地到達任務(wù)部署水域,并順利完成任務(wù)[59]。

圖5 地形輔助導(dǎo)航原理示意圖Fig.5 Principle of terrain-aided navigation

因為基于海底地形輔助的導(dǎo)航系統(tǒng)大多與武器裝備、軍事作戰(zhàn)息息相關(guān),所以針對水下軍事裝備地形輔助導(dǎo)航系統(tǒng)的發(fā)展及相關(guān)技術(shù)指標(biāo)都是嚴(yán)格保密的。但相關(guān)學(xué)術(shù)會議及報道表明,各國目前正致力于該技術(shù)的研發(fā)與試驗[60]。表5展示了目前地形輔助導(dǎo)航系統(tǒng)的發(fā)展現(xiàn)狀。

地形匹配算法種類繁多,傳統(tǒng)的地形匹配算法可以分為地形高度匹配(terrain elevation matching,TEM)算法和景象匹配區(qū)域相關(guān)器(scene matching area correlator,SMAC)算法2大類。同時,根據(jù)估計準(zhǔn)則的不同,TEM算法可以分為地形相關(guān)匹配算法、基于擴展卡爾曼濾波的匹配算法和基于直接概率準(zhǔn)則的匹配算法 3類。但是 TEM算法易受 SINS精度、數(shù)字地形圖精度及雷達高度表測量精度的影響。相比之下,SMAC 算法雖然定位精度高,但由于對設(shè)備和地形數(shù)據(jù)要求較高,實際中較少采用。近年來,為了改進匹配導(dǎo)航算法性能,諸多學(xué)者又提出很多新的改進匹配算法,文獻[61]提出一種迭代最近等值線算法,其主要思路是,將測得的航跡水深值連接起來構(gòu)成曲線,與已存在的水深等值線圖進行匹配。文獻[62]提出一種地形匹配的快速收斂濾波,縮短了收斂時間。文獻[63]提出一種線面組合的水下地形匹配算法,其定位精度明顯提高,且穩(wěn)健性更強。文獻[64]提出基于不規(guī)則三角網(wǎng)(triangulated irregular network,TIN)模型的水下地形匹配定位算法,該算法可以用海圖的原始水深直接構(gòu)建TIN模型作為匹配基準(zhǔn)圖進行匹配定位,其定位精度明顯高于基于規(guī)則格網(wǎng)模型的經(jīng)典TERCOM算法,并且可以有效地降低誤匹配的發(fā)生。各匹配方法對比如表6所示[61-66]。

表5 地形輔助導(dǎo)航系統(tǒng)發(fā)展現(xiàn)狀Table 5 Development status of terrain-aided navigation system

表6 地形匹配算法關(guān)鍵技術(shù)Table 6 Key technologies of various terrain matching algorithms

在復(fù)雜水下環(huán)境中,測深聲吶的波束寬度、工作頻率等性能指標(biāo)限制了對海底地形的測量精度,進而降低了地形匹配的準(zhǔn)確性。此外,水下平臺姿態(tài)的穩(wěn)定性受洋流擾動影響會出現(xiàn)不穩(wěn)定的情況,進而導(dǎo)致測量誤差。針對以上情況,一般將潮汐周期隨經(jīng)緯度變化等各種海洋水文信息與海洋地形信息相結(jié)合,形成有特色的海洋地理信息系統(tǒng),以減輕復(fù)雜水下環(huán)境帶來的負面影響。

近年來,基于連續(xù)遞推濾波和批相關(guān)處理算法的地形匹配導(dǎo)航技術(shù)得到了不斷提升和改進。為了更準(zhǔn)確、快速、穩(wěn)定地對 SINS的誤差進行修正和補償,現(xiàn)有研究方向可以歸結(jié)為以下幾類:水下地形匹配算法研究、水下地形測量和基準(zhǔn)水下數(shù)字地形圖的制作、水下地形特征分析和數(shù)字地圖分辨率的定性定量分析。

2.2 地磁輔助導(dǎo)航

與上述地形輔助導(dǎo)航類似,水下地磁導(dǎo)航首先需要獲取任務(wù)海域的地磁場數(shù)據(jù)并提取出磁場特征值,繪制成參考圖存儲在導(dǎo)航計算機中。當(dāng)AUV經(jīng)過任務(wù)海域時,根據(jù)SINS實時輸出的位置信息,對預(yù)先存儲在導(dǎo)航計算機中的參考地磁圖進行索引,得到當(dāng)前位置處的地磁參考值,并通過地磁輔助導(dǎo)航算法將該地磁參考值與實際地磁場數(shù)值進行匹配得到準(zhǔn)確位置信息,進而對SINS誤差進行實時修正[67]。地磁輔助導(dǎo)航原理示意圖如圖6所示。

圖6 地磁輔助導(dǎo)航原理示意圖Fig.6 Principle of geomagnetism-aided navigation

對地磁導(dǎo)航技術(shù)的研究開始于上世紀(jì) 60年代,美國、英國、俄羅斯及日本等國都積極參與研制,表 7所示主要是以水面艦船、水下航行器為應(yīng)用背景的地磁場輔助導(dǎo)航,其主要采用地磁圖、地磁場等值線匹配等方法[68-70]。我國地磁導(dǎo)航的研究初始于 21世紀(jì)初,主要研究單位有中國航天科工集團三院、哈爾濱工程大學(xué)、哈爾濱工業(yè)大學(xué)、國防科技大學(xué)、海軍裝備研究院、西北工業(yè)大學(xué)、海軍工程大學(xué)及中船第707所等。目前我國研究現(xiàn)狀基本處于半物理平臺仿真階段,大部分水下地磁完成的是探測任務(wù),例如目前我國研制的蛟龍二號水下航行器,潛深4 500 m,搭載有水下地磁探測器,用于海底磁測分析。

表7 水下地磁輔助導(dǎo)航技術(shù)發(fā)展列表Table 7 Development of underwater geomagnetismaided navigation technologies

在地磁輔助導(dǎo)航中,導(dǎo)航方式分為緊組合和松組合 2種算法。在緊組合中,測量磁場值是一個以位置坐標(biāo)為參數(shù)的非線性函數(shù),通常采用擴展卡爾曼濾波實現(xiàn)磁場值與 SINS輸出信息的融合,進而對SINS誤差進行修正。該算法實時性強,計算復(fù)雜度低,但對噪聲敏感[71-73]。在松組合中,首先根據(jù) SINS輸出信息確定待匹配航跡線并從導(dǎo)航計算機中提取出預(yù)存地磁圖中相對應(yīng)的地磁值;然后通過相關(guān)的匹配算法與測量的地磁“序列”進行匹配,得到最近匹配位置;最后將匹配位置作為卡爾曼濾波器的量測輸入,對 SINS的誤差進行估計補償。該算法需要利用地磁序列來匹配精確的位置,使得其實時性較差,計算復(fù)雜度高,但是其對磁場噪聲的抗干擾性強[74-75]。圖7展示了松組合與緊組合的算法示意圖。獲取精確的匹配位置信息是地磁導(dǎo)航的主要目標(biāo)之一,而利用地磁場進行輔助導(dǎo)航存在的技術(shù)難點主要有以下幾個方面。

1)研制高性能磁力計及磁干擾誤差補償技術(shù)

精確測量水下地磁場數(shù)據(jù)是實現(xiàn)準(zhǔn)確水下地磁導(dǎo)航的第一步。地磁場屬于弱磁場,幅值范圍在30 000～70 000 nT之間,其梯度隨空間位置變化很小,信號頻率較低。與此同時,在磁測量時,水下環(huán)境存在的固定磁場、感應(yīng)磁場和雜散磁場等干擾磁場影響了磁場測量的準(zhǔn)確性[76]?；诖?一方面要研發(fā)高性能的弱磁場磁測設(shè)備,使其具有高分辨率、強實時性、強抗干擾性及磁場可分辨性等優(yōu)點;另一方面,結(jié)合現(xiàn)有的磁場測試設(shè)備,從數(shù)據(jù)信號處理的角度對磁場數(shù)據(jù)進行處理,并對干擾磁場產(chǎn)生的影響進行算法補償。因此磁測設(shè)備的改進及誤差補償仍是未來的發(fā)展方向。

圖7 地磁輔助導(dǎo)航組合算法示意圖Fig.7 Combination algorithm of geomagnetism-aided navigation

2)建立精確的地磁場模型及地磁圖制備技術(shù)

精確的地磁場模型及地磁圖制備技術(shù)是實現(xiàn)精確水下地磁導(dǎo)航的基礎(chǔ)。地磁場模型可以分為全球磁場模型和區(qū)域磁場模型,前者表征地磁場長期的地磁特征,誤差較大,不適用于高精度導(dǎo)航,而后者具有更高的精度。目前,權(quán)威的全球地磁場模型主要包括國際參考地磁場模型(international geomagnetic reference field,IGRF)[77]、世界地磁場模型(world magnetic model,WMM)[78],其中,IGRF模型是目前國際通用地磁場的標(biāo)準(zhǔn)。我國針對地磁場模型及地磁圖的制備技術(shù)研究較晚,其精度尚無法適應(yīng)現(xiàn)代水下導(dǎo)航精度的需求,因此建立高精度的地磁場模型及完善地磁圖制備技術(shù)仍是發(fā)展地磁輔助導(dǎo)航的難點與方向之一。

3)地磁匹配導(dǎo)航算法研究

地磁匹配導(dǎo)航算法是地磁輔助導(dǎo)航技術(shù)的核心。由于地磁場數(shù)據(jù)較為固定,磁測設(shè)備無法得到局部區(qū)域的完整地磁場數(shù)據(jù)。因此,通常采用以下兩類線圖匹配的算法[79]:磁輪廓匹配(magnetic contour matching,MAGCOM)算法和迭代最近等值線點(iterative closest contour point,ICCP)算法。傳統(tǒng)的導(dǎo)航匹配算法精度在很大程度上依賴于先驗信息,受初始值誤差的影響,并且當(dāng)匹配區(qū)域中有相似的匹配特征量,會嚴(yán)重影響地磁輔助導(dǎo)航的精度[80-81]。文獻[82]提出了只依賴于實時磁測量數(shù)據(jù)、不需要先驗信息的改進算法。該算法采用模擬退火技術(shù)計算出相應(yīng)的最優(yōu)目標(biāo)函數(shù),仿真結(jié)果驗證了算法的有效性。針對磁異常干擾問題,文獻[83]提出多目標(biāo)進化算法,通過行為約束策略解決 AUV在地磁異常區(qū)域中出現(xiàn)的局部最小值問題,該方法可以有效克服地磁異常的干擾。針對算法匹配度低問題,文獻[84]中提出了一種新型多目標(biāo)人工蜂群算法,該算法采用多目標(biāo)搜索與匹配策略,將磁異常與重力異常的平均絕對差作為研究對象,并通過仿射變換將序列匹配轉(zhuǎn)換為單點匹配,進而提高了算法的匹配性。因此具有高精度、強魯棒性、實時性強的匹配算法是未來地磁輔助導(dǎo)航算法的發(fā)展方向。

4)地磁圖的適配性研究

在地磁導(dǎo)航中,導(dǎo)航精度不僅與匹配區(qū)域基準(zhǔn)圖精度、匹配序列長度、環(huán)境背景噪聲相關(guān),還與匹配區(qū)域地磁特征有關(guān)。地磁適配性是指正確匹配概率與匹配區(qū)域特征的關(guān)系,反映了匹配區(qū)域地磁場特征中包含的導(dǎo)航信息程度,以及表征地理位置的能力[85-86]。在地磁適配性的研究中,地磁基準(zhǔn)圖預(yù)存于導(dǎo)航計算機中,候選匹配區(qū)作為基本分析的對象,為選取地磁基準(zhǔn)圖中的小塊矩形區(qū)域,該區(qū)域的選取主要問題包括特征提取、匹配特征系統(tǒng)的構(gòu)建、匹配適宜性的分析與預(yù)測以及匹配適宜性的評價等[87]。高效智能地建立地磁圖的適配性可以有效提高導(dǎo)航匹配速度和實時性。因此地磁圖的適配性研究也是未來地磁輔助導(dǎo)航的發(fā)展方向及難點之一。

2.3 重力輔助導(dǎo)航

重力輔助導(dǎo)航是利用地球重力特征信息匹配出載體位置,并對SINS的導(dǎo)航誤差進行修正,從而實現(xiàn)自主導(dǎo)航的技術(shù)。它具有自主性強、隱蔽性好、不受地域和時間限制、定位精度高等特點。重力輔助導(dǎo)航目前已被廣泛應(yīng)用于水下航行器導(dǎo)航,但是重力儀及重力梯度儀的質(zhì)量和體積都比較大,無法滿足AUV的安裝要求。隨著重力測量設(shè)備儀器小型化的發(fā)展,未來可以考慮在 AUV上應(yīng)用重力匹配導(dǎo)航。

如圖8所示,重力輔助導(dǎo)航系統(tǒng)由SINS、重力參考數(shù)據(jù)庫、重力測量傳感器、匹配算法和卡爾曼濾波器5部分組成。當(dāng)AUV執(zhí)行任務(wù)時,首先利用 SINS提供的位置在重力基準(zhǔn)圖上搜索重力參考值,同時海洋重力傳感器實時提供重力測量值,然后將重力參考值和測量值發(fā)送到匹配算法,確定出載體位置,利用獲得的載體位置和卡爾曼濾波器對 SINS輸出的導(dǎo)航結(jié)果進行修正。中國科學(xué)院大地測量與地球物理研究所大地測量與地球動力學(xué)國家重點試驗室在海南進行了重力輔助慣性導(dǎo)航的試驗[88],其中重力數(shù)據(jù)是通過重力儀實時測量的,試驗所用的是實船而不是AUV,最終試驗驗證了重力輔助慣性導(dǎo)航是一種可行且有前景的海上或水下導(dǎo)航方法。

圖8 重力輔助導(dǎo)航系統(tǒng)示意圖Fig.8 Flow chart of gravity-aided navigation system

重力輔助導(dǎo)航方法的關(guān)鍵技術(shù)主要包括重力圖構(gòu)建、重力實時測量和重力匹配。

1)重力圖構(gòu)建

將重力匹配導(dǎo)航技術(shù)應(yīng)用于 AUV自主導(dǎo)航的前提是建立精確的、滿足要求的海洋重力數(shù)據(jù)庫。近年來,由于對海洋經(jīng)濟及軍事方面的需求逐漸提高,各國不斷通過海洋測繪獲得大量海洋數(shù)據(jù),并依據(jù)衛(wèi)星測高、航空重力測量和海洋重力測量等技術(shù)來獲得重力圖[89]。例如美國已通過以上技術(shù)構(gòu)建了大部分海洋重力圖[90],精度優(yōu)于1 mGal,分辨率優(yōu)于 1′×1′;我國目前已建立近海范圍重力背景圖,但精度和分辨率都有待提高。

2)重力實時測量

近50多年,我國海洋重力測量系統(tǒng)發(fā)展迅速,在理論創(chuàng)新、硬件研制及數(shù)據(jù)處理方面獲得長足進步。在重力輔助導(dǎo)航中,重力儀[91]和重力梯度儀[92]是必不可少的關(guān)鍵設(shè)備,重力儀是測量重力加速度的儀器,其基本原理是彈性體在重力作用下發(fā)生形變,彈性體的彈性力與重力平衡時,彈性體處于某一平衡位置。彈性體的平衡位置隨重力變化而改變,觀測 2次平衡位置的改變量,即可測定2點的重力差。重力梯度儀是測定重力場垂直梯度的儀器,它是基于差分加速度的思想來測量重力的變化率,由于它能夠反映重力場局部特征的細微變化,所以具有比重力本身更高的分辨率,由于重力梯度測量不受厄特弗斯效應(yīng)的影響,因此可實時測量重力梯度和重力矢量。表 8介紹了目前常見的重力儀與重力梯度儀的型號與技術(shù)指標(biāo)。

表8 重力輔助導(dǎo)航設(shè)備技術(shù)指標(biāo)Table 8 Specifications of gravity-aided navigation facilities

國內(nèi)在該領(lǐng)域的研究成果有,中船重工第 707所研制的第一代擁有完整自主產(chǎn)權(quán)的重力儀[93],已完成了船載海洋重力測量試驗;中國科學(xué)院測量與地球物理研究所研制的 CHZ-II?？罩亓x[94]先后完成了安裝及地面試車、?？罩亓x的飛行試驗,成功獲取有效數(shù)據(jù),CHZ-II?？罩亓x的成功研制打破了我國高精度重力儀長期依賴進口的局面。

3)重力匹配算法

匹配算法是重力輔助導(dǎo)航系統(tǒng)中的關(guān)鍵技術(shù)。TERCOM算法利用群組關(guān)系來限制匹配誤差[95-96]。ICCP算法采用剛性變換對多邊弧進行匹配,但是當(dāng)初始位置誤差超出算法允許的范圍時,容易引起失配[97-98]。桑地亞慣性地形輔助導(dǎo)航(Sandia inertial terrain aided navigation,SITAN)算法是典型的重力匹配算法,其本質(zhì)是擴展卡爾曼濾波,它利用隨機線性化技術(shù)建立線性觀測模型,具有較高的實時性[99]。表9給出了3種基礎(chǔ)算法的優(yōu)缺點比較。

表9 重力匹配基本算法比較Table 9 Basic algorithms of gravity matching

近年來,為了追求更好的實時性能、更高的定位精度和更少的計算負擔(dān),國內(nèi)外學(xué)者針對上述匹配算法做了大量改進工作[100-104]。同時提出相關(guān)組合導(dǎo)航算法[85,101-102,105-107]。文獻[100]基于重力匹配的算法進行了大量研究,所提出的基于最短路徑的思想改進了傳統(tǒng)的TERCOM算法,

通過最短路徑的方法提高了更新頻率,使得定位誤差受到限制,仿真結(jié)果顯示其具有較好的實時性、定位精度和計算量。文獻[103]提出了矢量匹配算法,它在匹配算法中加入了相鄰SINS的采樣點間的位置相關(guān)性,解決了部分匹配區(qū)域匹配結(jié)果不穩(wěn)定的問題。文獻[104]提出一種水下重力慣性導(dǎo)航的相對位置約束模式匹配方法,重力輔助導(dǎo)航中軌跡的形狀不受類似傳統(tǒng)TERCOM算法的限制,匹配成功率和位置精度都得到了很大提高,可有效應(yīng)用于實際導(dǎo)航。文獻[85]將重力異常和磁異常信息融合,提出一種改進的多目標(biāo)人工蜂群算法,該算法特別適用于長距離水下航行任務(wù),提高了收斂速度,獲得了較高的匹配成功率,在長距離水下航行任務(wù)中表現(xiàn)可靠。文獻[105]提出一種基于點質(zhì)量濾波器(point mass filter,PMF),它結(jié)合了相關(guān)分析原理和遞歸狀態(tài)的估計過程,仿真結(jié)果表明,該匹配算法的實時性優(yōu)于相關(guān)分析匹配算法。該方法也是一種能避免非線性觀測模型線性化誤差的非線性濾波器。文獻[106]將ICCP算法和PMF兩者結(jié)合,PMF可降低大初始位置誤差對ICCP的影響,提高了單點匹配算法的準(zhǔn)確性,并且通過組合的方式保證了實時性和可靠性。文獻[107]提出了一種新的重力輔助導(dǎo)航旋轉(zhuǎn)擬合重力匹配算法,仿真結(jié)果顯示該算法優(yōu)于常用的TERCOM算法和SITAN算法,展現(xiàn)了其在重力輔助AUV導(dǎo)航中的可靠性和定位精度的優(yōu)勢。

3 協(xié)同導(dǎo)航技術(shù)

3.1 基本原理及研究背景

AUV通過相互通信共享信息進行協(xié)同導(dǎo)航,可以提高AUV的水下導(dǎo)航精度[2,108]。然而,AUV的水下協(xié)同導(dǎo)航仍然受通信帶寬、傳輸延遲、洋流、水下干擾及擴展受限等問題的挑戰(zhàn),是當(dāng)前海洋工程領(lǐng)域的研究熱點[2,6]。AUV協(xié)同導(dǎo)航的工作示意圖如圖9所示。

圖9 AUV協(xié)同導(dǎo)航工作原理示意圖Fig.9 Working principle of AUV cooperative navigation

領(lǐng)航艇按照預(yù)設(shè)的時間間隔發(fā)送一定頻率的聲波信號,接著在間隔一段時間后(5～6 s),廣播自身位置信息(包括領(lǐng)航艇的位置、深度、航向及時間戳)。跟隨AUV通過水聲通信設(shè)備接收領(lǐng)航艇發(fā)送的聲波信號和位置信息,并計算其相對于領(lǐng)航艇的相對距離,然后根據(jù)領(lǐng)航艇自身位置信息與相對距離信息進行協(xié)同導(dǎo)航,以獲得更高的導(dǎo)航定位精度。

2006年,歐盟組織了德、意、法等國家聯(lián)合開展了歐盟 GREX項目,其主要解決多 UUV的協(xié)同導(dǎo)航及編隊控制、通信等問題[109]。2008～2009年,該項目成功進行了2次海試,完成了多AUV協(xié)作下的海洋環(huán)境繪圖任務(wù)。美國的新澤西大陸架觀測系統(tǒng)由水面雷達、水下滑翔機、空中飛機及衛(wèi)星組成。該系統(tǒng)利用多個 AUV進行了長期的海洋調(diào)查工作,在沿海生態(tài)評估和物理化學(xué)要素分析方面發(fā)揮了重要作用。同年,美國麻省理工學(xué)院海洋機器人實驗室公開了其研制的“自主協(xié)同的分散偵察與探測系統(tǒng)”,該系統(tǒng)主要利用3種無人平臺進行協(xié)同導(dǎo)航與控制,以完成偵察與探測任務(wù)[110]。歐盟第七科技框架計劃(FP7)致力于UUV的技術(shù)研究,并于2014年開展了“自主認知潛水協(xié)同作業(yè)項目”[111]。該項目致力于開發(fā)能夠輔助人類潛水者在危險區(qū)域內(nèi)進行科研、考古或商業(yè)探索活動的高效作業(yè)的水下航行器領(lǐng)航跟蹤系統(tǒng)。中科院沈陽自動化所展開了多AUV協(xié)同導(dǎo)航系統(tǒng)及海洋特征場跟蹤研究,設(shè)計了多AUV隊形的中心跟蹤和特征等線值的策略以及控制率[112]。哈爾濱工程大學(xué)開展了多AUV協(xié)同導(dǎo)航算法研究,設(shè)計了相關(guān)狀態(tài)估計算法,解決水下通信延遲、多徑效應(yīng)等帶來的定位誤差大的問題[113-116]。西北工業(yè)大學(xué)劉明雍團隊[117-118]開展了多AUV協(xié)同導(dǎo)航體系、移動LBL協(xié)同導(dǎo)航,編隊構(gòu)型及洋流干擾下的協(xié)同導(dǎo)航方法研究。

3.2 協(xié)同導(dǎo)航關(guān)鍵技術(shù)

3.2.1 協(xié)同導(dǎo)航編隊構(gòu)型設(shè)計方法

協(xié)同導(dǎo)航的編隊構(gòu)型直接影響協(xié)同導(dǎo)航的可觀測性,進而影響協(xié)同定位精度,因此很有必要進行編隊構(gòu)型研究[119]。針對單領(lǐng)航艇協(xié)同導(dǎo)航,若領(lǐng)航艇與跟隨艇之間沒有相對位置變化,則系統(tǒng)近似不可觀,因此領(lǐng)航艇或跟隨艇需要調(diào)整運動軌跡。通常跟隨艇需要執(zhí)行相應(yīng)任務(wù),而領(lǐng)航艇只需完成領(lǐng)航任務(wù),因此只需領(lǐng)航艇調(diào)整運動軌跡即可?，F(xiàn)有的最優(yōu)編隊構(gòu)型包括Z字形機動和環(huán)形機動2種[6],如圖10所示。

針對雙領(lǐng)航艇協(xié)同導(dǎo)航,研究表明 2組主從AUV間的相對距離相互垂直時,相對運動的隊形最優(yōu)[120],見圖 11。為確保執(zhí)行任務(wù)的 AUV能夠在通信范圍內(nèi),通信AUV應(yīng)該針對工作AUV的工作路徑實時規(guī)劃新的路徑,文獻[121]以工作AUV定位誤差最小為優(yōu)化準(zhǔn)則,設(shè)計了路徑在線規(guī)劃方法。針對多AUV分布式協(xié)同導(dǎo)航,各AUV間不分領(lǐng)航艇和跟隨艇,互相定位、互相修正、其編隊構(gòu)型更為復(fù)雜,是未來值得研究的方向之一。

圖10 單領(lǐng)航艇編隊構(gòu)型Fig.10 Formation configuration with single leader AUV

圖11 雙領(lǐng)航艇編隊構(gòu)型Fig.11 formation configuration with dual leader AUVs

3.2.2 協(xié)同導(dǎo)航濾波算法

協(xié)同導(dǎo)航算法主要分為基于優(yōu)化理論的導(dǎo)航算法和基于卡爾曼濾波的導(dǎo)航算法2大類?；趦?yōu)化理論的導(dǎo)航算法有極大似然估計[122]、最大后驗估計[123-124]、二次約束二次規(guī)劃[125]和非線性最小二乘法優(yōu)化[126]等?；诳柭鼮V波的導(dǎo)航算法有:自適應(yīng)擴展卡爾曼濾波[127]、信息濾波器[128-130]、無跡卡爾曼濾波[131]和粒子濾波[132]。針對分布式協(xié)同導(dǎo)航相互測量產(chǎn)生的相關(guān)性問題,文獻[133]受通信傳輸頻帶限制只傳輸協(xié)方差矩陣主對角線上元素,忽略了交叉協(xié)方差項。文獻[134]在每個AUV濾波器更新之前,將每個AUV的航跡推算信息分配給每個AUV,從而減小了當(dāng)前時刻協(xié)方差矩陣的傳輸問題帶來的影響。隨著協(xié)同導(dǎo)航傳感器的多樣化、協(xié)同任務(wù)復(fù)雜化以及多AUV協(xié)同可擴展能力的發(fā)展,協(xié)同導(dǎo)航對導(dǎo)航算法的要求將更加嚴(yán)格,且考慮多AUV通信量和計算量大的問題,現(xiàn)有的算法性能還需要進一步提升。

3.2.3 協(xié)同導(dǎo)航誤差建模與補償方法

受水下環(huán)境特殊性的影響,聲波在水中的傳播行為十分復(fù)雜,另外還受到未知洋流的影響,使得AUV協(xié)同導(dǎo)航模型不準(zhǔn)確,因此需要進行誤差建模與補償。針對時間延遲,文獻[135]利用增廣擴展卡爾曼濾波處理具有時滯的量測的多AUV協(xié)同導(dǎo)航問題。文獻[129]和[134]基于分布式框架提出了帶延遲狀態(tài)的信息濾波器,該方法能實現(xiàn)與集中式協(xié)同導(dǎo)航算法一致的性能。文獻[136]將水聲通信時間延遲建模為主從式AUV量測方程中的測量偏差,設(shè)計了誤差估計方法來處理動態(tài)模型帶量測偏差的問題,從而抑制時間延遲對導(dǎo)航精度的影響。針對未知洋流的干擾,文獻[137]研究了基于單固定信標(biāo)的多AUV路徑跟蹤與協(xié)同導(dǎo)航,利用EKF估計洋流誤差。文獻[138]和[139]通過區(qū)域海洋模式系統(tǒng)直接預(yù)測洋流,但該方法需要通過機器學(xué)習(xí)方法提前建立對應(yīng)海域的洋流模型。西北工業(yè)大學(xué)劉明雍團隊[117-118],將洋流干擾問題從距離量測擴展到基于移動矢徑測量的協(xié)同導(dǎo)航中,并對其可觀測性進行了分析。該團隊還針對通信丟包的情況,提出了改進的擴展卡爾曼濾波協(xié)同導(dǎo)航算法[118]。針對多徑效應(yīng)的影響,文獻[116]和[140]提出了基于學(xué)生t分布的魯棒濾波協(xié)同導(dǎo)航算法。為了處理此類多徑效應(yīng)引起的厚尾量測噪聲,文獻[114]將最大相關(guān)熵應(yīng)用到協(xié)同導(dǎo)航中。文獻[141]～[143]在無 DVL或 DVL受限情況下建立了協(xié)同導(dǎo)航的動態(tài)過程模型,通過海試試驗驗證了所建立的動態(tài)過程模型相比傳統(tǒng)運動學(xué)模型在速度測量受限情況下的優(yōu)勢。在此基礎(chǔ)上,文獻[144]還研究了基于動態(tài)過程模型的聯(lián)合控制和協(xié)同導(dǎo)航方法。文獻[145]將常規(guī)地區(qū)的協(xié)同導(dǎo)航拓展至極區(qū)特定的導(dǎo)航坐標(biāo)系下,通過仿真驗證了協(xié)同導(dǎo)航系統(tǒng)在極區(qū)應(yīng)用的有效性和可行性。未來多AUV協(xié)同導(dǎo)航必然會朝著高精度方向發(fā)展,水下復(fù)雜環(huán)境帶來的通信受限、時間延遲、洋流干擾的補償精度還需要進一步提高。表10為誤差建模與補償方法的歸類總結(jié)。

表10 誤差建模與補償方法總結(jié)Table 10 Summary of error modeling and compensation methods

4 總結(jié)和展望

水下環(huán)境復(fù)雜多變,AUV在不同的工作環(huán)境下需要不同的組合導(dǎo)航方法。在淺海域中,SINS/DVL組合導(dǎo)航系統(tǒng)和 SINS/USBL組合導(dǎo)航系統(tǒng)可以實現(xiàn)高精度導(dǎo)航任務(wù)。在數(shù)據(jù)庫(地磁、地形、重力)范圍之內(nèi),利用地球物理特性作為輔助導(dǎo)航的組合導(dǎo)航系統(tǒng)可以通過測量數(shù)據(jù)與數(shù)據(jù)庫快速匹配來在全部海域?qū)崿F(xiàn)導(dǎo)航定位。多 AUV通過共享方位和位置等信息進行協(xié)同導(dǎo)航,有效抑制了水下導(dǎo)航誤差發(fā)散的問題。

同樣,面對復(fù)雜多變的水下環(huán)境,AUV在選擇不同的組合導(dǎo)航方法時也面臨了各種問題,給科研工作帶來了巨大挑戰(zhàn)?；诼晠鹊膶?dǎo)航定位方法難免會受到水聲多徑效應(yīng)、聲速時變等因素的影響。此外,水下洋流、潮汐等效應(yīng)會對AUV的穩(wěn)定性造成擾動,這都會導(dǎo)致水下噪聲的時變和不確定性,以及建模誤差較大和量測野值等現(xiàn)象。因此,如何綜合利用多種海洋信息,抵消或者降低海洋特殊水下環(huán)境所導(dǎo)致的影響,將是進一步提高AUV自主導(dǎo)航定位精度的重要研究方向。

綜上可知,未來研究方向主要有:1)輔助導(dǎo)航信息融合時,改善匹配算法的快速性和準(zhǔn)確性;2)利用地球物理特性作為輔助導(dǎo)航時,數(shù)據(jù)庫的構(gòu)建方法;3)在保持導(dǎo)航精度的前提下,降低導(dǎo)航成本;4)在軍事領(lǐng)域中,提高AUV的隱蔽性。

隨著處理器制造技術(shù)和制作工藝的發(fā)展,計算能力與日俱增,這使得 AUV以慣性導(dǎo)航為主,以 DVL、水聲定位系統(tǒng)、地形輔助導(dǎo)航、地磁輔助導(dǎo)航以及重力輔助導(dǎo)航等多種導(dǎo)航手段為輔助的組合導(dǎo)航系統(tǒng)的實現(xiàn)成為可能。多種組合導(dǎo)航技術(shù)和多AUV協(xié)同導(dǎo)航對比如表11所示。

表11 AUV導(dǎo)航方法比較Table 11 Comparison of AUV navigation methods

5 結(jié)束語

縱觀當(dāng)今的國際形勢,加快海洋強國建設(shè),推進海洋事業(yè)的迅猛發(fā)展勢在必行,而 AUV導(dǎo)航定位技術(shù)的發(fā)展作為其中一環(huán)至關(guān)重要。文中從實際需求出發(fā),討論了目前主流的 AUV水下導(dǎo)航定位技術(shù),包以DVL、LSL/SBL/USBL為代表的水聲測速與定位系統(tǒng);以地形匹配、地磁匹配以及重力匹配為代表的地球物理模型導(dǎo)航系統(tǒng),

協(xié)同導(dǎo)航等多種水下導(dǎo)航定位方式。結(jié)合近年來國內(nèi)外最新的研究進展,總結(jié)了各種導(dǎo)航技術(shù)的關(guān)鍵問題和目前存在的技術(shù)難點,并針對性的給出相應(yīng)的解決思路。總體來說,未來AUV水下導(dǎo)航與定位技術(shù)仍將以慣導(dǎo)為主、多種導(dǎo)航技術(shù)為輔,向著智能化、全源化、高精度、強魯棒性及實時性等方向發(fā)展,在軍事和民用領(lǐng)域都將發(fā)揮更強大的作用。