论文部分内容阅读
本文针对某型实验水池用遥控水下机器人(特种ROV),设计一种利用特种ROV上安装的多个测距声纳进行位置和航向测定的定位系统。同时,为了提高定位精度,减小由于传感器测量噪声、各种误差和其他因素所引起的不确定性干扰,应用多传感器数据融合理论中的估计滤波方法进行多种传感器数据的融合处理。由于根据特种ROV建立的滤波方程均为非线性方程,而通常采用的扩展卡尔曼滤波方法(EKF)在线性化处理过程中会引入误差,进而影响估计效果。因此,本文研究了一种称为Unscented卡尔曼滤波方法(UKF)的非线性估计方法,其特点在于可以直接利用非线性模型,避免引入线性化误差,且计算量与EKF相当。论文首先从运动学和动力学两方面系统的分析了一般水下机器人的运动模型,并根据特种ROV的设计参数和水动力系数,利用矢量化建模思想建立特种ROV运动模型,并对其予以验证。运动模型的建立为后续定位方法的研究提供了必要条件。其次,在比较、分析一般陆地和水下移动机器人常用导航定位方法的基础之上,根据特种ROV特殊的工作环境和功能要求,设计了一种利用多测距声纳进行位置解算的方法。考虑到特种ROV仍处于设计阶段,文中通过定位解算方法的逆运算来模拟测距声纳的测量数据,以此进行定位算法的可行性验证。再次,在考虑测量噪声等不确定性因素并结合特种ROV定位系统最终要实现对位置和航向状态测量的目标,文中着重对估计方法中的卡尔曼滤波方法(KF)、扩展卡尔曼滤波方法(EKF)、Unscented卡尔曼滤波方法(UKF)的原理和算法进行分析和研究。之后,结合特种ROV运动学方程对EKF和UKF方法中非线性变换对状态变量估计值的影响进行比较研究。最后,根据特种ROV运动方程和传感器系统建立相应的估计滤波模型,并利用模拟的传感器测量数据分别对基于EKF、UKF滤波方法的特种ROV定位算法进行验证。结果表明,该方法可以实现预期的定位要求并具有较高精度。