研究导航水下航行器导航及数据融合技术

论文导读：
摘要：水下航行器作为探讨海洋的重要手段，无论在军事上还是在民用上都得到了广泛的运用，同时随着海洋探讨的不断深入和军事需求的不断复杂化，多水下航行器协作系统已成为水下航行器领域探讨的一个新的热点。而高精度的导航定位是水下航行器安全、可靠地执行水下作业的技术保障，由此本论文分别以单体水下航行器导航定位和多水下航行器协同导航定位展开深入探讨。论文的主要工作有：1、以贝叶斯估计的观点出发，浅析了高斯域贝叶斯估计的基本原理，基于高斯域贝叶斯估计论述框架，推导了经典卡尔曼滤波算法，针对高斯域非线性系统，推导了传统的非线性近似滤波算法，包括扩展卡尔曼滤波算法和无迹卡尔曼滤波算法，然后以数值积分的观点，推导了最新提出的一种高斯域非线性滤波算法，即容积卡尔曼滤波算法。最后通过仿真实验对各种高斯域非线性滤波算法进行性能比较。2、基于欧拉平台误差角的概念，推导了捷联惯导系统非线性误差模型。针对水下航行器捷联惯导系统大初始失准角情况下的动基座初始对准，提出了采取多普勒计程仪速度辅助捷联惯导系统实现运动中对准。同时针对捷联惯导系统误差模型的非线性，提出了一种基于非线性预测滤波的容积卡尔曼滤波算法，并将其运用于水下航行器动基座初始对准中，最后进行了仿真实验，验证了该策略的有效性。3、对水下航行器组合导航技术进行探讨，建立了SINS/DVL组合导航数学模型，浅析了各种组合校正方式的优缺点，提出了一种适合于SINS/DVL组合导航的混合校正滤波策略。探讨了Sage-Husa自适应滤波算法和强跟踪卡尔曼滤波算法，针对实际工作环境下，多普勒计程仪有着量测噪声未知或时变的情况，提出了量测噪声时变的强跟踪自适应滤波算法，并将其运用于SINS/DVL组合导航滤波解算中，最后通过试验数据对其进行仿真验证。4、为了进一步提升水下航行器的导航定位精度，探讨了多水下导航传感器信息融合技术。论述推导和浅析了联邦滤波算法，建立了水下航行器组合导航数学模型，针对常规联邦滤波器中局部滤波器对量测噪声未知或时变的敏感性，设计了一个将量测噪声时变的强跟踪自适应滤波算法作为局部滤波器估计算法的自适应联邦滤波器，并将其运用于水下航行器多导航传感器信息融合中，最后进行仿真实验与浅析。5、针对多水下航行器协同作业的需求，探讨了多水下航行器协同导航定位技术。首先浅析了多领航者协同导航定位的基本原理，建立了相应的数学模型，提出了基于扩展卡尔曼滤波的协同导航定位算法，并进行了一系列的仿真实验。为了进一步简化系统结构，探讨了单领航者协同导航定位技术，浅析了单领航者协同导航定位原理，建立了单领航者协同导航定位数学模型，基于非线性系统可观测性论述，在直角坐标系下对单领航者协同导航定位系统进行可观测性浅析，给出了单领航者协同导航系统可观性条件，最后通过仿真实验对单领航者协同导航定位算法的有效性进行验证。关键词：捷联惯性导航系统论文组合导航论文初始对准论文协同导航论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-7
ABSTRACT7-12
第1章 绪论12-24

1.1 课题探讨的背景及作用12-13

1.2 水下航行器导航技术及其进展情况13-18

1.2.1 海洋地球物理学导航14-15

1.2.2 惯性导航15-16

1.2.3 声学导航16-17

1.2.4 协同导航17-18

1.3 水下航行器导航定位关键技术及其进展近况18-22

1.3.1 初始对准技术18-20

1.3.2 滤波技术20-21

1.3.3 信息融合技术21-22

1.4 论文的探讨内容22-24

第2章 高斯域贝叶斯估计及其近似算法24-44

2.1 最优贝叶斯估计24-26

2.2 高斯域贝叶斯估计26-28

2.3 高斯域贝叶斯线性最优滤波算法28-30

2.4 高斯域贝叶斯非线性近似滤波算法30-39

2.4.1 扩展卡尔曼滤波31-32

2.4.2 无迹卡尔曼滤波32-34

2.4.3 容积卡尔曼滤波34-39

2.5 各种非线性滤波算法比较39-43

2.5.1 一维非线性系统实例39-41

2.5.2 多维非线性系统例子41-43

2.6 本章小结43-44

第3章 水下航行器动基座对准技术探讨44-论文导读：
58

3.1 捷联惯导系统误差模型45-50

3.

1.1 欧拉平台误差角微分方程45-46

3.

1.2 姿态误差方程46-48

3.

1.3 速度误差方程48

3.

1.4 位置误差方程48-49

3.

1.5 惯性仪表误差方程49

3.

1.6 捷联惯导系统误差模型49-50

3.2 水下航行器海上对准50-57
3.

2.1 非线性预测滤波50-53

3.

2.2 基于 NPF-CKF 的动基座初始对准53-54

3.

2.3 海上对准数值仿真54-57

3.3 本章小结57-58
第4章 水下航行器组合导航技术探讨58-87

4.1 水下航行器导航传感器58-65

4.

1.1 捷联惯性导航系统58-61

4.

1.2 多普勒计程仪61-64

4.

1.3 磁航向仪64-65

4.

1.4 地形辅助导航系统65

4.2 SINS/DVL 组合导航数学模型65-67
4.

2.1 状态方程65-66

4.

2.2 量测方程66-67

4.3 SINS/DVL 组合校正方式67-75
4.

3.1 输出校正与反馈校正68-70

4.

3.2 SINS/DVL 组合的混合校正70-71

4.

3.3 不同校正方式仿真验证71-75

4.4 自适应滤波算法在组合导航中的运用75-85

4.1 Sage-Husa 自适应滤波算法76-77

4.2 强跟踪卡尔曼滤波算法77-80

4.3 量测噪声时变的强跟踪自适应滤波算法80-82

4.4 试验验证82-85

4.5 本章小结85-87

第5章 水下航行器信息融合技术探讨87-105

5.1 联邦滤波器87-98

5.

1.1 联邦滤波器的结构87-89

5.

1.2 各子滤波器不相关时的联邦滤波算法89-91

5.

1.3 各子滤波器相关时的联邦滤波算法91-95

5.

1.4 联邦滤波器的信息分配算法95-98

5.2 水下航行器组合导航系统数学模型的建立98-100
5.

2.1 SINS/DVL 子滤波器98

5.

2.2 SINS/MCP 子滤波器98-99

5.

2.3 SINS/TAN 子滤波器99-100

5.3 自适应联邦滤波器在水下航行器导航定位中的运用100-103
5.

3.1 基于自适应滤波算法的局部滤波器100

5.

3.2 自适应联邦滤波器的实现100-101

5.

3.3 仿真验证101-103

5.4 本章小结103-105
第6章 水下航行器协同导航定位技术探讨105-121

6.1 基于多领航者的协同导航定位技术105-112

6.

1.1 多领航者协同导航定位原理105-106

6.

1.2 多领航者协同导航定位模型106-108

6.

1.3 基于 EKF 的多领航者协同导航定位算法108-109

6.

1.4 多领航者协同导航定位仿真浅析109-112

6.2 基于单领航者的协同导航定位技术112-120
6.

2.1 单领航者协同导航定位原理113-114

6.

2.2 单领航者协同导航定位模型114-115

6.

2.3 可观测性浅析115-118

6.

2.4 单领航者协同导航定位仿真验证118-120

6.3 本章小结120-121
结论121-124
参考文献124-132
攻读博士学位期间发表的论文和取得的科研成果132-133
致谢133-134