[发明专利]基于小型UUV平台的多传感器信息融合方法

说明书

本发明提供基于小型UUV平台的多传感器信息融合方法，包含两阶段：第一阶段：搭建SINS/DVL/GPS/MCP的组合导航系统模型，建立滤波的状态方程和测量方程；第二阶段：使用改进的自适应AUKF对状态信息进行最优估计，得到准确的导航信息。本发明采用的导航传感器有捷联式惯性导航系统(SINS)、多普勒计程仪(DVL)、GPS、磁罗经(MCP)，并将改进的自适应无损卡尔曼滤波（AUKF）引入组合导航系统中，大幅提升了小型UUV的导航精度和自适应能力，并能够明显消除惯性传感器的误差和水下复杂环境干扰对导航精度的影响。

技术领域

本发明涉及传感器和导航技术领域，具体涉及基于小型UUV平台的多传感器信息融合方法。

背景技术

水下无人航行器(Underwater Unmanned Vehicle,UUV)是无人驾驶、依靠人为遥控操作或自动控制的在水下行驶的航行器。UUV在海洋环境调查、水下资源勘探、管道检测、打捞等方面发挥重大作用。而其中的高精度水下导航定位技术作为UUV水下作业的前提条件与安全运行的技术保障，决定了其能否安全作业以及返回，在众多的关键技术中显得尤为重要，经常被作为衡量UUV的成熟度以及实用化的重要指标。

捷联式惯性导航系统(SINS)主要是使用惯性器件(加速度计和陀螺仪)来测量载体相对于惯性空间的加速度和角速度，再根据初始条件和积分获得当前载体的导航信息。但是UUV在水下工作一段时间后，导航信息误差会随着时间的增加而不断累积变大，因此很难独自长时间进行工作，故无法满足小型UUV的导航精度。

此外，现有技术中UUV使用的普通UKF存在三个问题，第一，自适应问题。UKF相比较于EKF有较高精度，但是在实践过程中，当UKF滤波器在选取初始值时，若初始值存在误差干扰时，会影响最优的结果。第二，鲁棒性差。在实际的工作中，在噪声的驱使或干扰下，会造成滤波器的精度和稳定性下降。第三，对系统模型的结构问题，当系统模型存在误差较大时，滤波器通过状态最优估计消除噪声和使用自适应因子对协方差进行缩放，但是效果不理想。

发明内容

为解决上述现有技术中存在的问题，本发明提供基于小型UUV平台的多传感器信息融合方法，能够大幅提升小型UUV的导航精度和自适应能力，并能够明显消除惯性传感器的误差和水下复杂环境干扰对导航精度的影响。

为了达到上述目的，本发明采用如下技术方案：

基于小型UUV平台的多传感器信息融合方法，包含两阶段：

第一阶段：搭建SINS/DVL/GPS/MCP的组合导航系统模型，建立滤波的状态方程和测量方程；

第二阶段：使用改进的自适应AUKF对状态信息进行最优估计，得到准确的导航信息。

进一步地，所述第一阶段具体包含以下步骤：

步骤1：分别搭建SINS、DVL、MCP的误差模型；

步骤2：建立无迹卡尔曼滤波(AUKF)的状态方程和观测方程：

根据惯性传感器的误差模型，定义光纤惯导的状态变量为DVL的状态变量为X_DVL＝[δV_d,δΔ,δc]，取磁罗盘的航向角误差δψ_MCP为系统的状态变量，即X_MCP＝δψ_MCP；

SINS/DVL/GPS/MCP组合导航系统的状态方程为：

其中，X＝[X_INS,X_DVL,X_MCP]^T表示系统的状态变量，和G分别表示状态过渡矩阵和噪声输入矩阵；

测量方程表示为：Z＝HX+V

其中，