一个基于隐藏马尔科夫模型 (HMM) 和交叉噪音线性卡尔曼波器的电磁日志 (EML) 集成导航算法
Haosu Zhang1,2, Liang Yang1,2, Lei Zhang3
1Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519000, China.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了使用隐藏的马尔科夫模型 (HMM) 和卡尔曼波器的自动水下车辆 (AUV) 的集成导航算法. 与传统方法相比,新方法显著提高了定位精度和当前速度估计.
科学领域:
- 机器人技术和自主系统
- 导航和控制 导航和控制
- 海洋工程 海洋工程
背景情况:
- 自主水下车辆 (AUV) 需要强大的导航系统,用于各种应用.
- 压缩式惯性导航系统 (SINS) 容易漂移,需要与其他传感器集成.
- 电磁日志 (EML) 在尺寸,成本和功耗方面比多普勒速度日志 (DVL) 有优势.
研究的目的:
- 为小型至中型AUV开发先进的综合导航算法.
- 为了提高定位准确度和当前速度估计能力.
- 提高AUV导航在复杂的水下环境中的稳定性和适应性.
主要方法:
- 集成电磁日志 (EML),Strapdown惯性导航系统 (SINS) 和全球导航卫星系统 (GNSS) 数据.
- 隐藏马尔科夫模型 (HMM) 在EML数据预处理中的应用.
- 使用交叉噪声线性卡尔曼波器 (CNLKF) 进行SINS/EML融合.
- 使用修改自适应线性卡尔曼波器 (MALKF) 进行基于GNSS的校准和当前速度估计.
- 使用线性卡尔曼波器 (LKF) 实现反校正.
主要成果:
- 拟议的算法实现了终点定位误差20.5米,这与传统算法的712.1米误差相比是显著的改进.
- 证明了对水流速度的准确估计.
- 该算法显示出强大的反干扰能力,有效处理来自EML和GNSS数据的异常值.
- 高精度,适应性和工程实用性通过海上试验得到证实.
结论:
- 开发的基于HMM和CNLKF的集成导航算法为AUV提供了卓越的性能.
- 该算法为水下导航提供了强大而准确的解决方案,性能优于传统方法.
- 在AUV导航系统中,EML为DVL提供了具有成本效益和效率的替代方案.
