水下無(wú)人航行器同步定位構(gòu)圖與群體互定位研究.pdf

1、慣性導(dǎo)航和航位推算等方法存在導(dǎo)航誤差隨時(shí)間增長(zhǎng)而累積的問題，無(wú)法滿足水下無(wú)人航行器（Unmanned Underwater Vehicle，UUV）長(zhǎng)航時(shí)水下隱蔽作業(yè)的需求。在結(jié)構(gòu)化環(huán)境中，通過傳感器在線感知環(huán)境和UUV位姿測(cè)量實(shí)現(xiàn)UUV同步定位與地圖構(gòu)建（Simultaneous Localization and Mapping，SLAM），是近年來UUV自主導(dǎo)航的重要發(fā)展趨勢(shì)之一，對(duì)于UUV長(zhǎng)航時(shí)的水下安全隱蔽作業(yè)具有重要的理論意義

2、和實(shí)際應(yīng)用價(jià)值。
　　構(gòu)建SLAM系統(tǒng)模型，包括建立坐標(biāo)系統(tǒng)、UUV運(yùn)動(dòng)模型、特征模型、傳感器測(cè)量模型；
　　針對(duì)測(cè)距聲納環(huán)境感知信息，研究SLAM特征提取與數(shù)據(jù)關(guān)聯(lián)方法。針對(duì)最小二乘法以區(qū)域內(nèi)全部點(diǎn)作為待提取特征處理時(shí)，存在計(jì)算量大、易受邊緣干擾信息影響從而導(dǎo)致特征提取不準(zhǔn)確的問題，提出融合均值聚類與K-L變換的自校正線特征提取方法，采用主成分分析法確保所提取的線特征方向與主體數(shù)據(jù)點(diǎn)分布相一致，通過聚類中心計(jì)算和平行區(qū)域劃

3、分等操作去除邊緣干擾信息，提高線特征提取的準(zhǔn)確性；K-L變換求解速度較快，相比最小二乘法，實(shí)時(shí)性較好。針對(duì)數(shù)據(jù)關(guān)聯(lián)過程中所存在的關(guān)聯(lián)精度與計(jì)算效率之間的矛盾，提出ICNN與JCBB切換的混合數(shù)據(jù)關(guān)聯(lián)方法，基于數(shù)據(jù)關(guān)聯(lián)基本準(zhǔn)則評(píng)判ICNN數(shù)據(jù)關(guān)聯(lián)結(jié)果是否正確，判斷結(jié)果錯(cuò)誤時(shí)采用JCBB進(jìn)行數(shù)據(jù)關(guān)聯(lián)，提高關(guān)聯(lián)效率并保證關(guān)聯(lián)精度；
　　針對(duì)位置估計(jì)過程中EKF-SLAM存在計(jì)算量大的問題，分別研究基于UKF和CKF的SLAM方法。針對(duì)U

4、KF-SLAM方法在系統(tǒng)噪聲先驗(yàn)統(tǒng)計(jì)未知或時(shí)變情況下存在導(dǎo)航精度下降甚至發(fā)散的問題，提出自適應(yīng)UKF-SLAM方法。采用Sage-Husa系統(tǒng)噪聲估計(jì)方法實(shí)時(shí)修正系統(tǒng)噪聲，以協(xié)方差匹配判據(jù)評(píng)判濾波發(fā)散趨勢(shì)，通過漸消因子構(gòu)造自適應(yīng)加權(quán)系數(shù)修正誤差協(xié)方差，提高UUV導(dǎo)航和地圖構(gòu)建精度；針對(duì)CKF-SLAM在UUV系統(tǒng)模型與實(shí)際模型不一致時(shí)存在濾波精度下降的問題，提出強(qiáng)跟蹤C(jī)KF-SLAM方法，設(shè)計(jì)自適應(yīng)漸消因子實(shí)時(shí)修正誤差協(xié)方差，提高導(dǎo)航精

5、度；
　　針對(duì)標(biāo)準(zhǔn)FastSLAM方法中存在粒子濾波估計(jì)UUV位置、EKF估計(jì)特征狀態(tài)等估計(jì)精度較低的問題，提出容積FastSLAM（Cubature FastSLAM，CFastSLAM）方法，采用容積粒子濾波估計(jì)UUV的位置，引入CKF作為建議分布函數(shù)，將最新觀測(cè)量融入建議分布，降低粒子退化率，采用CKF估計(jì)特征狀態(tài)，避免計(jì)算雅克比矩陣，消除線性化誤差；基于抗差估計(jì)理論，提出自適應(yīng)抗差容積FastSLAM，設(shè)計(jì)抗差自適應(yīng)因子以