自主水下航行器導航方法綜述

黃玉龍,張勇剛,趙玉新

(哈爾濱工程大學 自動化學院,黑龍江 哈爾濱,150001)

0 引言

海洋中蘊含著大量的礦產資源、海水化學資源、海洋生物資源、海洋能和海洋空間資源。隨著陸地能源緊張與人口激增這一矛盾的日益突出,

海洋探索與開發成為國際各領域炙手可熱的研究方向,也是未來發展的必然趨勢[1]。我國也將海洋開發和海洋安全提升到了前所未有的高度,并提出了海洋強國等戰略。對海洋的探索和開發離不開先進海洋科學技術的支撐。水下機器人是探索和開發海洋的重要運載平臺之一,亦是建設海洋強國、捍衛國家安全和實現可持續發展的國之重器。相比于有纜控制的水下機器人,自主水下航行器(autonomous undersea vehicle,AUV)不需要母船支持,具有更廣闊的應用前景。AUV綜合了水聲通信、智能控制、能量存儲、多傳感器測量與信息融合等先進技術,以其自主性好、靈活性強、體積小、質量輕、活動范圍廣及隱蔽性好等優點,在海洋探索與開發中發揮著重要作用[2]。

文中回顧了現有主流的 AUV水下導航關鍵技術,包括DVL測速技術、LBL/SBL/USBL水聲定位導航技術、地形輔助導航技術、地磁輔助導航技術、重力輔助導航技術及協同導航技術,介紹了相關導航技術的基本原理及發展狀況,分析并歸納了各技術在水下自主導航中存在的關鍵問題和技術難點,最后對 AUV水下導航技術的未來發展方向進行了展望。

1 基于SINS/聲學的AUV自主導航

1.1 基于SINS/DVL的AUV自主導航技術

DVL是基于聲吶多普勒效應的測速設備,能提供較高精度的載體速度信息,且其誤差不隨時間積累,抗干擾能力強。因此在AUV自主導航中,DVL可作為抑制 SINS積累誤差的重要輔助手段。DVL測速的配置分為3種:單波束配置、雙波束Janus配置和四波束Janus配置,其配置的測速原理如圖1所示。

圖1 3種多普勒速度計程儀測速配置示意圖Fig.1 Speed measurement configurations of three kinds of Doppler velocity logs(DVLs)

由圖中可以看出,采用四波束 Janus配置方式的 DVL能夠同時測定載體的橫向和縱向的速度信息,更能滿足 AUV的導航需求。SINS/DVL組合導航系統主要有松、緊2種組合方式。原理示意圖如圖2所示。DVL的原始數據是每個波束方向測量的相對速度,SINS/DVL松組合和緊組合的原理及其特點如表1所示[7-8]。

針對實際應用中可能出現的 DVL只有部分原始數據可用的情況,目前有很多相關研究。文獻[8]提出了一種擴展松組合方法,該方法利用外部輔助信息與DVL部分原始數據來估計AUV速度,再與 SINS輸出的速度信息進行數據融合,從而得出載體精確的位置、速度及姿態等導航信息。文獻[9]通過考慮相關噪聲和量測噪聲的互協方差矩陣,改進了擴展松組合方法性能。文獻[10]提出一種基于SINS/DVL緊組合導航的部分DVL波束可用方法。為了提高復雜水下環境導航系統的性能,文獻[11]提出了一種基于SINS/DVL組合導航混合交互多模型,并針對DVL波束量測的異常值提出了一種自適應選擇模型描述環境變化的算法。文獻[12]采用了緊組合的方法來減少對底部鎖定的需求,當少于3個波束可用時,濾波器仍能吸收有價值的信息。

圖2 捷聯慣性導航系統/多普勒速度計程儀組合原理示意圖Fig.2 Schematic diagram of strap-down inertial navigation system(SINS)/Doppler velocity log(DVL)combination

表1 SINS/DVL組合原理及其特點Table 1 Principle and characteristics of SINS-DVL combination

目前,丹麥 Maridan A/S公司和美國 Kearfott公司聯合研制的MARPOS型SINS/DVL水下組合導航系統,在距離海底深度不超過200 m的條件下,導航精度可以達到航程的 0.03%[13];挪威 Kongsberg Simead公司開發的HUGIN 3000型AUV以及在此基礎上開發的HUGIN 1000也都是以SINS和DVL作為主要的導航設備[14]。此外,美國 Woods Hole海洋研究所、美國海軍研究生院、美國BluefinRobotics公司、加拿大 International Submarine Engineering公司和英國國家海洋中心等都已經將SINS/DVL組合導航技術應用于AUV中[15]。

DVL測速精度與射程呈相反關系,當 DVL聲波發射的頻率越高時其測速精度越高,射程越短。RDI公司生產的 DVL的聲波發射頻率、測速精度和有效射程之間對應關系如表2所示[14]?？紤]到DVL的射程范圍,DVL通常有2種工作模式:一種是在DVL的有效射程之內,可以測得其相對海底的速度,稱為底跟蹤;另一種是超出了DVL的有效射程,只能測得其相對于海水層的速度,稱為水跟蹤[14]。

表2 RDI公司生產的 DVL的聲波發射頻率、測速精度和有效射程之間對應關系Table 2 Relationship among acoustic emission frequency,velocity measurement accuracy,and effective range of DVL from RDI company

SINS/DVL組合導航系統所涉及的關鍵技術主要有以下 5個方面:數據融合技術、異步信息融合技術、標定技術、DVL數據失效處理和故障檢測技術。

1)數據融合技術

SINS/DVL組合導航系統使用導航濾波器進行數據融合。卡爾曼濾波器是一種有效的最優估計算法,自20世紀70年代以來已廣泛應用于組合導航系統,丹麥生產的 MARIDAN150型 AUV[7]和挪威生產的 HUGIN 1000型 AUV[16]均使用卡爾曼濾波器。針對 DVL測速易受到復雜的水下環境影響,文獻[17]將改進后的Sage-Husa自適應卡爾曼濾波算法引入 SINS/DVL組合導航系統中,仿真結果表明,該算法具有較高的導航精度和魯棒性。針對SINS/DVL組合導航系統的非線性狀態模型,文獻[18]利用 5階球面最簡相徑容積卡爾曼濾波算法來改善SINS/DVL組合導航精度。

卡爾曼濾波器假設系統噪聲和量測噪聲的概率密度函數服從高斯分布,但在實際工程應用中,常難以滿足上述條件,SINS/DVL組合導航的量測噪聲可能呈現厚尾非高斯分布。因此,通過魯棒卡爾曼濾波算法來改善組合導航系統在復雜環境下的精度是重要且緊迫的[19]。文獻[20]提出基于學生t分布噪聲建模的魯棒高斯近似濾波器來對狀態向量和未知分布參數進行聯合估計,在理論上,該濾波器能消除水下復雜環境給 SINS/DVL組合導航帶來的影響,以提高SINS/DVL組合導航精度。

2)異步信息融合技術

實際應用中,由于SINS和DVL采樣頻率不同,而且數據融合中心接收到的 SINS的導航信息與DVL的速度信息可能存在不同時長的滯后,故需要研究異步多傳感器的信息融合算法。針對多傳感器網絡系統的異步狀態融合估計問題,文獻[21]推導了遞歸形式的線性最小均方誤差估計器,該估計器將數據融合時間段所間隔收集的異步量測值轉換為融合時刻組合等效的量測值,從而得出最優異步估計融合算法。文獻[22]利用線性最小方差意義下的矩陣加權融合估計算法,給出了分布式最優融合估計,仿真實例驗證了算法的有效性。文獻[23]針對組合導航系統的傳感器采樣頻率不同且存在量測滯后的問題,提出一種基于多尺度數據分塊的組合導航異步信息融合算法,仿真結果表明該算法可有效提高 SINS/DVL組合導航的定位精度。

3)標定技術

DVL誤差主要包括了失準角誤差及比例因子誤差等。關于 DVL誤差標定問題已有許多研究,最早的標定只針對航向失準角誤差標定。隨著研究的深入,完成了對三軸失準角誤差及其他誤差的標定。失準角標定問題通常轉化為兩點集之間變換矩陣的估計問題,這些方法需要一個可以提供準確定位信息的外部輔助傳感器。估計技術包括最小二乘估計、求解Wahba's問題、剛體旋轉組的自適應辨識等。其中:文獻[24]利用INS/GPS積分的導航解和 DVL測量值構造了 2個點集,該方法基于奇異值分解的最小二乘估計方法作為Wahbar's問題最穩定的解,并完成了對失準角誤差及比例因子誤差的補償;文獻[25]在DVL測速原理的基礎上,分析了誤差來源,建立了基于比例因子及INS與DVL失準角的誤差模型,并以速度誤差為觀測值設計卡爾曼濾波器,采用可觀測性分析的方法對失準角及比例因子進行估計,并在設定的 3種運動情況下對標定參數進行可觀測分析,最后通過綜合試驗驗證了算法的可靠性,與傳統標定方法相比,該標定方法縮短了標定時間和標定距離;文獻[26]同樣基于可觀測性的觀點分析了在某些運動軌跡下部分失準角不可標定的原因,并提出了一種INS和DVL的三點在線標定方法,該方法通過水下航行器浮上水面 2次接收到全球導航衛星系統(global navigation satellite system,GNSS)信號去改善導航系統的可觀測性,最后完成失準角及比例因子的標定;文獻[27]從控制系統的角度研究了IMU/DVL組合水下導航,分析表明在中等運動條件下組合系統是可觀測的,因此 DVL失準角及比例尺因子誤差可以在不依賴額外的外部 GPS或聲學信標的情況下進行現場校準。同時在 DVL測量的輔助下,還可以有效估計IMU的偏置誤差。與上述方法相比,文獻[28]充分利用了 INS導航參數,該方法利用速度與加速度參數完成了對 DVL與姿態傳感器之間的對準旋轉矩陣在線標定,消除了對外部輸入條件的依賴性,其主要優點是不需要依靠額外的外部導航信息,因此適用于水下航行的長時導航。

4)DVL數據失效處理

DVL需要接收外界的反射波束,其接收的聲學信號與周圍聲學環境有很大關系。DVL在底跟蹤工作模式下,遇到海洋生物阻擋、海底強吸聲地質、深溝和載體大角度運動等情況下會出現 DVL數據失效,這直接影響其導航性能。解決DVL數據失效的方法主要有2種:一種為隔離法,即直接隔離掉 DVL失效的數據;另一種為替換法,即替換掉DVL的測速數據。隔離法本質是將SINS/DVL組合導航系統變成純慣性導航系統,導航精度會降低。目前研究熱點為替換法,該方法是設計一個載體相對地的速度估計器來替換掉 DVL測速信息。文獻[29]在DVL數據失效時,利用DVL水跟蹤量測作為DVL速度量測,為SINS提供速度輔助。文獻[30]基于一種偏最小二乘回歸(partial least squares regression,PLSR)和支持向量回歸(support vector regression,SVR)相結合的方法建立了PLSRSVR預測器,有效延長DVL數據失效的容錯時間,從而提高了導航精度和可靠性。文獻[31]提出了在線估計導航任務的海流參數模型,其對海流的平均速度進行嵌入式實時估計,利用模型輔助有效提高系統自主性和魯棒性。文獻[32]結合實時海流估計,提出了模型輔助慣性導航系統,在 DVL數據失效時,提高了導航系統的自主性和魯棒性。

5)故障檢測技術

針對由聲散射、漁群和海底沖溝引起的DVL中的突變噪聲會產生水平姿態誤差,并累積為位置誤差的問題,文獻[33]提出了一種基于2χ規則的故障診斷方法,當噪聲發生突變時,采用模型中的速度時間更新來進行數據融合,而不是用DVL中的速度進行數據融合。研究SINS/DVL組合導航系統故障檢測方法,對提高組合導航系統的可靠性有重大意義。文獻[34]利用小波技術對傳感器輸出信號進行故障診斷,并進行故障隔離和系統重構,再采用聯邦式濾波器進行信息融合得出導航參數。組合導航系統中應用最廣泛的故障檢測方法即為卡方檢測法。文獻[35]提出了一種多傳感器冗余導航系統的故障檢測算法,該算法根據序列概率比檢驗(sequential probability ratio test,SPRT)和卡方檢驗監測到的故障等級以及SPRT監測到的故障趨勢,對故障進行綜合診斷。

SINS/DVL組合導航方法是AUV當前主流使用的水下自主導航技術。盡管在上述的關鍵技術上獲得了較大成果,但 DVL只能輸出速度信息,而不能輸出位置信息,進而 SINS/DVL組合導航系統的位置不可觀測,從而使得位置隨著時間推移仍然發散。相比于DVL,水聲定位技術或地球物理輔助導航技術可以提供 AUV位置信息,因此,可利用以上 2種技術進一步提高導航精度。

1.2 基于SINS/水聲定位的AUV自主導航技術

相對于電磁波而言,聲波在海水中傳播的衰減效應要小的多。因此,水聲定位技術在AUV自主導航中扮演著重要的角色。水聲定位系統按基線長度分類可分為LBL、SBL和USBL 3種。LBL的基線長度可與海深相比擬,基陣由多個分布于海床上的應答器組成,定位精度高,適合在大面積作業區域內使用;但其數據更新率較低,應答器的布放、校準以及回收、維護都異常繁瑣,作業成本高[36]。SBL的基線長度一般為幾米到幾十米之間,各基元分布在船底或船舷上。受基線長度限制,SBL的精度介于LBL和USBL之間,且其跟蹤范圍較小,更適合于在母船附近的 AUV導航定位。USBL的基陣可以集成于一個緊湊的整體單元內,基線長度為分米級或小于等于半波長,其體積尺寸最小,可方便地安置于流噪聲和結構噪聲均較弱的某個有利位置,且布放、回收極為便捷,因此,USBL受到了越來越廣泛的關注和應用。但USBL的精度低于LBL和SBL,且定位精度非常依賴于深度傳感器、姿態傳感器等外圍設備,如何提高USBL的定位精度成為該領域研究的熱點問題。3種水聲定位系統的示意圖見圖3,性能對比如表3所示。

圖3 3種水聲定位系統示意圖Fig.3 Schematic diagram of three kinds of underwater acoustic positioning systems

表3 3種水聲定位系統性能對比Table 3 Performance comparison of three kinds of underwater acoustic positioning systems

USBL的定位原理依賴于對斜矩和入射角的求解。如果獲得了目標應答器到基陣坐標原點的斜矩R,以及斜矩與x軸和y軸的夾角θmx和θmy,即可確定出目標在基陣坐標系下的位置,再通過基陣坐標系與載體坐標系之間的轉換關系,進而求解出目標的絕對位置,其中入射角θmx和θmy可通過波程差與相位差的關系進行求解。USBL的定位原理示意圖如圖4所示。

圖4 超短基線定位原理示意圖Fig.4 Positioning principle of ultra-short baseline(USBL)

USBL因其體積小巧、安裝方便、成本低廉等優勢,在 AUV導航與定位中發揮著不可替代的作用。挪威Kongsberg公司1996年開始推出第一代USBL,目前在售的主要有HiPAP和μPAP 2個系列產品,前者適用于 AUV 深水和海底探測,該系列中的HiPAP502型產品,工作范圍達到50 000 m,定位精度0.15%D(D表示作用距離),開角覆蓋范圍200°,20 dB 信噪比下角精度可達到 0.06°[36]。μPAP系列則適用于 AUV淺水探測,并且部分型號內置有姿態傳感器,該系列中的μPAP200型號產品,作用距離4 000 m,開角覆蓋范圍160°,淺水定位精度達到 0.45%D。法國 IXBlue公司主要推出了POSIDONIA II和 GAPS-USBL[37-38]2種型號的USBL產品,其突出的立體四腳外形,通過簡單的結構布局達到了高水準的性能。POSIDONIA II是一款長程USBL型號,作用距離超過10 000 m,工作深度可達600 m,在該水深處的最高定位精度能達到0.2%D。GAPS-USBL最大的特征是集成了聲學定位系統、高精度慣性導航系統和GPS定位系統,從而免去了聲學設備和慣導器件間的安裝誤差校準步驟,進一步降低了 AUV的定位誤差。GAPSUSBL的作用距離超過4 000 m,工作深度25 m,定位精度達 0.06%D,角度精度為 0.01°。此外,英國的BluePrint公司推出的SeaTrac系列USBL產品是目前世界上尺寸最小的超短基線設備,只有16 cm高,空氣中質量為 708 g,作用距離超過 2 000 m,可同時定位14個目標,定位精度1.5%D,并且內置有 MEMS陀螺儀和加速度計[39-40],其輕巧的體量和出色的性能,為AUV的搭載提供了便利。

國內在USBL水聲定位技術方面雖然起步較晚,但近年也取得了較大進步,已經達到了應用階段。哈爾濱工程大學從2002年開始進行相關研究,2006年成功研發出國內首臺深海USBL定位系統樣機,2013年成功研發出國內首臺定位系統產品。其研制的水下AUV的USBL僅適用于近程的特殊場合[41],相關設備已在某型號 AUV和向陽紅 09號船上進行了試驗。中海達推出的iTrackUB系列USBL水聲定位系統是唯一市場化的國產 USBL水下定位系統,目前有2款型號:iTrack-UB1000 和iTrack-UB3000。該系統融入了高精度差分 RTK-GPS定位技術,可滿足各種高精度的 AUV水下定位導航應用的需求,可同時對 5個水下目標進行精確定位,其中 iTrack-UB3000的量程可達3 000 m,工作深度2 000 m,測量精度可達 0.45%D[42]。各國主要水聲定位系統產品對比如表4所示。

表4 USBL水聲定位系統產品性能對比Table 4 Performance comparison of products for USBL acoustic positioning system

USBL的優點是體積小巧、方便AUV搭載,其缺點是定位精度有限,因此,一系列圍繞提高USBL定位精度的工作得以展開。比如從誤差源出發,針對水下聲速變化、聲音傳播模型不確定等問題提出了一系列的聲線修正方法;針對水聲基陣安裝誤差導致定位精度下降提出了一系列的標定方法。此外,現有研究還從組合導航、定位原理改進等角度提出了一些改善USBL定位精度的方法。

1)聲線修正

聲線修正對提高USBL定位精度具有重大意義,文獻[43]提出了一種基于最小二乘法的水下測距與定位方法具有較高的定位精度,但在處理大量復雜的水下數據時計算量大、迭代耗時。文獻[44]提出的聲線修正迭代法比傳統方法計算速度快,但只適用于深水區,在拓展到 USBL作用的淺水區時,易忽略淺水區中聲音傳播的特征。文獻[45]提出了一種基于最大偏移量法的聲線跟蹤快速定位算法,該方法既能精簡聲速剖面以提升計算效率,又能忠實于原始聲速剖面以避免各類誤差對有效數據的掩蓋。文獻[46]針對淺水環境提出一種結合式射線追蹤法來對水下聲速傳播模型進行修正,該方法能在恒聲速射線跟蹤法和等梯度射線追蹤法之間自適應切換,從而有效降低了USBL中的斜矩誤差和相位誤差。

2)姿態標定

在USBL定位系統中,由于航向/姿態傳感器和聲學基陣通常是分離式安裝,從而導致聲學基陣坐標系與船體坐標系間存在旋轉角偏差,進而降低了USBL的定位精度,該誤差必須通過海上標定試驗加以校正。文獻[47]以2014年蛟龍號對USBL定位系統南海海上標定試驗為例,詳細探討了海上標定試驗的技術方法。標定數據采集測線同樣影響著安裝誤差標定準確度,但目前關于測線規劃的研究較少,文獻[48]對聲學基陣的安裝誤差標定測線進行了規劃。試驗表明,以直線測線和圓測線相結合的組合測線,在不能嚴格保證對稱重合測量的實際情況下標定結果更準確、一致性更好。為消除安裝誤差角對USBL的定位精度的影響,文獻[49]提出了一種基于增量迭代的動態標定算法,當迭代次數大于10次時,該算法能在線、精準地估計出安裝誤差角。

3)與高精度方法組合

USBL定位精度較低,但其定位誤差不隨時間發散。將USBL與具有短時高精度的SINS、視覺等方法相組合是提高其定位精度的重要方式。文獻[50]分別對 SINS/USBL松組合和緊組合進行了建模與分析,通過仿真分析發現,2種方法均能有效抑制 SINS隨時間積累誤差,其中緊組合方法的導航參數估計精度相對松組合提高30%以上。文獻[51]提出了一種基于相對測量信息的SINS/USBL組合導航算法,該方法直接利用USBL輸出的高度角、方位角和斜距等相對測量信息與SINS進行組合,從而避免了將USBL輸出信息首先轉換到地理坐標系下這一步驟,在一定程度上提高了定位精度。針對水下復雜環境易誘發水聲量測野值這一問題,為保證 AUV導航的精度和可靠性,文獻[52]提出一種基于卡方檢驗的 SINS/USBL組合導航容錯方法,首先對量測異常值進行剔除,從而保證了導航系統的可靠性。此外,針對AUV入塢問題,文獻[53]提出一種 USBL/視覺組合導航方法,在入塢初始階段采用USBL引導AUV靠近塢站,在末段則采用具有更高精度的視覺進行精確引導,試驗驗證了所提出方法的可行性。

4)定位原理改進

除了對誤差源進行修正以及與高精度導航方法相組合外,還可以從USBL定位原理上進行改進以提高定位精度。文獻[54]提出一種基于數據融合的定位方法,將平面陣對目標獨立定位的結果進行有效融合即可得到最終的定位結果,該方法可以有效地提高在低信噪比情況下USBL的定位精度和可靠性。文獻[55]提出了一種基于夾角幾何關系的USBL定位方法來提高遠距離目標的定位精度。文獻[56]則引入了 Sage-Husa自適應卡爾曼對量測噪聲方差陣和系統噪聲方差陣進行實時估計,從而提高USBL系統的定位精度。

得益于聲波在海水中的良好傳播特性,SINS/水聲定位組合導航方法已在 AUV自主導航與定位中得到了成熟而廣泛的應用。該方法能提供多種不同精度的位置信息,且定位誤差不隨時間累積,從而能夠對捷聯慣導的輸出誤差進行修正,尤其是 SINS/USBL組合導航方式,近年來更是得到了廣泛的關注。但所有基于聲學的定位技術都需要向外發射聲波,這使得該定位方法隱蔽性較差,在軍事行動中無法使用。此外,聲學定位往往只能在母船周圍有限海域內作用,這也為該方法的實用性帶來了挑戰。而基于地形、地磁及重力的地球物理模型定位方法,以其隱蔽性好和區域適應性強等特點,將為聲學定位方法提供較佳的補充和輔助。

2 地球物理場導航技術

2.1 地形輔助導航

地形輔助導航是一種自主性強、隱蔽性好的水下導航方法,其基本原理如圖 5所示。該方法的實現首先需要對任務海域的水下地形進行勘測,并依據測繪標準構建出該海域的水下三維基準數字地形圖數據庫[57]。在執行任務時,將 AUV獲得的當前海域實時地形信息與數據庫中的基準數字地形圖進行匹配運算,從而確定出 AUV的當前位置,并利用獲得的位置信息對 SINS的誤差進行修正和補償[58]。從理論上講,該方法與AUV的航行時間和航行距離沒有關系,可以保證AUV在水下長時間航行之后,能夠準確地到達任務部署水域,并順利完成任務[59]。

圖5 地形輔助導航原理示意圖Fig.5 Principle of terrain-aided navigation

因為基于海底地形輔助的導航系統大多與武器裝備、軍事作戰息息相關,所以針對水下軍事裝備地形輔助導航系統的發展及相關技術指標都是嚴格保密的。但相關學術會議及報道表明,各國目前正致力于該技術的研發與試驗[60]。表5展示了目前地形輔助導航系統的發展現狀。

地形匹配算法種類繁多,傳統的地形匹配算法可以分為地形高度匹配(terrain elevation matching,TEM)算法和景象匹配區域相關器(scene matching area correlator,SMAC)算法2大類。同時,根據估計準則的不同,TEM算法可以分為地形相關匹配算法、基于擴展卡爾曼濾波的匹配算法和基于直接概率準則的匹配算法 3類。但是 TEM算法易受 SINS精度、數字地形圖精度及雷達高度表測量精度的影響。相比之下,SMAC 算法雖然定位精度高,但由于對設備和地形數據要求較高,實際中較少采用。近年來,為了改進匹配導航算法性能,諸多學者又提出很多新的改進匹配算法,文獻[61]提出一種迭代最近等值線算法,其主要思路是,將測得的航跡水深值連接起來構成曲線,與已存在的水深等值線圖進行匹配。文獻[62]提出一種地形匹配的快速收斂濾波,縮短了收斂時間。文獻[63]提出一種線面組合的水下地形匹配算法,其定位精度明顯提高,且穩健性更強。文獻[64]提出基于不規則三角網(triangulated irregular network,TIN)模型的水下地形匹配定位算法,該算法可以用海圖的原始水深直接構建TIN模型作為匹配基準圖進行匹配定位,其定位精度明顯高于基于規則格網模型的經典TERCOM算法,并且可以有效地降低誤匹配的發生。各匹配方法對比如表6所示[61-66]。

表5 地形輔助導航系統發展現狀Table 5 Development status of terrain-aided navigation system

表6 地形匹配算法關鍵技術Table 6 Key technologies of various terrain matching algorithms

在復雜水下環境中,測深聲吶的波束寬度、工作頻率等性能指標限制了對海底地形的測量精度,進而降低了地形匹配的準確性。此外,水下平臺姿態的穩定性受洋流擾動影響會出現不穩定的情況,進而導致測量誤差。針對以上情況,一般將潮汐周期隨經緯度變化等各種海洋水文信息與海洋地形信息相結合,形成有特色的海洋地理信息系統,以減輕復雜水下環境帶來的負面影響。

近年來,基于連續遞推濾波和批相關處理算法的地形匹配導航技術得到了不斷提升和改進。為了更準確、快速、穩定地對 SINS的誤差進行修正和補償,現有研究方向可以歸結為以下幾類:水下地形匹配算法研究、水下地形測量和基準水下數字地形圖的制作、水下地形特征分析和數字地圖分辨率的定性定量分析。

2.2 地磁輔助導航

與上述地形輔助導航類似,水下地磁導航首先需要獲取任務海域的地磁場數據并提取出磁場特征值,繪制成參考圖存儲在導航計算機中。當AUV經過任務海域時,根據SINS實時輸出的位置信息,對預先存儲在導航計算機中的參考地磁圖進行索引,得到當前位置處的地磁參考值,并通過地磁輔助導航算法將該地磁參考值與實際地磁場數值進行匹配得到準確位置信息,進而對SINS誤差進行實時修正[67]。地磁輔助導航原理示意圖如圖6所示。

圖6 地磁輔助導航原理示意圖Fig.6 Principle of geomagnetism-aided navigation

對地磁導航技術的研究開始于上世紀 60年代,美國、英國、俄羅斯及日本等國都積極參與研制,表 7所示主要是以水面艦船、水下航行器為應用背景的地磁場輔助導航,其主要采用地磁圖、地磁場等值線匹配等方法[68-70]。我國地磁導航的研究初始于 21世紀初,主要研究單位有中國航天科工集團三院、哈爾濱工程大學、哈爾濱工業大學、國防科技大學、海軍裝備研究院、西北工業大學、海軍工程大學及中船第707所等。目前我國研究現狀基本處于半物理平臺仿真階段,大部分水下地磁完成的是探測任務,例如目前我國研制的蛟龍二號水下航行器,潛深4 500 m,搭載有水下地磁探測器,用于海底磁測分析。

表7 水下地磁輔助導航技術發展列表Table 7 Development of underwater geomagnetismaided navigation technologies

在地磁輔助導航中,導航方式分為緊組合和松組合 2種算法。在緊組合中,測量磁場值是一個以位置坐標為參數的非線性函數,通常采用擴展卡爾曼濾波實現磁場值與 SINS輸出信息的融合,進而對SINS誤差進行修正。該算法實時性強,計算復雜度低,但對噪聲敏感[71-73]。在松組合中,首先根據 SINS輸出信息確定待匹配航跡線并從導航計算機中提取出預存地磁圖中相對應的地磁值;然后通過相關的匹配算法與測量的地磁“序列”進行匹配,得到最近匹配位置;最后將匹配位置作為卡爾曼濾波器的量測輸入,對 SINS的誤差進行估計補償。該算法需要利用地磁序列來匹配精確的位置,使得其實時性較差,計算復雜度高,但是其對磁場噪聲的抗干擾性強[74-75]。圖7展示了松組合與緊組合的算法示意圖。獲取精確的匹配位置信息是地磁導航的主要目標之一,而利用地磁場進行輔助導航存在的技術難點主要有以下幾個方面。

1)研制高性能磁力計及磁干擾誤差補償技術

精確測量水下地磁場數據是實現準確水下地磁導航的第一步。地磁場屬于弱磁場,幅值范圍在30 000～70 000 nT之間,其梯度隨空間位置變化很小,信號頻率較低。與此同時,在磁測量時,水下環境存在的固定磁場、感應磁場和雜散磁場等干擾磁場影響了磁場測量的準確性[76]。基于此,一方面要研發高性能的弱磁場磁測設備,使其具有高分辨率、強實時性、強抗干擾性及磁場可分辨性等優點;另一方面,結合現有的磁場測試設備,從數據信號處理的角度對磁場數據進行處理,并對干擾磁場產生的影響進行算法補償。因此磁測設備的改進及誤差補償仍是未來的發展方向。

圖7 地磁輔助導航組合算法示意圖Fig.7 Combination algorithm of geomagnetism-aided navigation

2)建立精確的地磁場模型及地磁圖制備技術

精確的地磁場模型及地磁圖制備技術是實現精確水下地磁導航的基礎。地磁場模型可以分為全球磁場模型和區域磁場模型,前者表征地磁場長期的地磁特征,誤差較大,不適用于高精度導航,而后者具有更高的精度。目前,權威的全球地磁場模型主要包括國際參考地磁場模型(international geomagnetic reference field,IGRF)[77]、世界地磁場模型(world magnetic model,WMM)[78],其中,IGRF模型是目前國際通用地磁場的標準。我國針對地磁場模型及地磁圖的制備技術研究較晚,其精度尚無法適應現代水下導航精度的需求,因此建立高精度的地磁場模型及完善地磁圖制備技術仍是發展地磁輔助導航的難點與方向之一。

3)地磁匹配導航算法研究

地磁匹配導航算法是地磁輔助導航技術的核心。由于地磁場數據較為固定,磁測設備無法得到局部區域的完整地磁場數據。因此,通常采用以下兩類線圖匹配的算法[79]:磁輪廓匹配(magnetic contour matching,MAGCOM)算法和迭代最近等值線點(iterative closest contour point,ICCP)算法。傳統的導航匹配算法精度在很大程度上依賴于先驗信息,受初始值誤差的影響,并且當匹配區域中有相似的匹配特征量,會嚴重影響地磁輔助導航的精度[80-81]。文獻[82]提出了只依賴于實時磁測量數據、不需要先驗信息的改進算法。該算法采用模擬退火技術計算出相應的最優目標函數,仿真結果驗證了算法的有效性。針對磁異常干擾問題,文獻[83]提出多目標進化算法,通過行為約束策略解決 AUV在地磁異常區域中出現的局部最小值問題,該方法可以有效克服地磁異常的干擾。針對算法匹配度低問題,文獻[84]中提出了一種新型多目標人工蜂群算法,該算法采用多目標搜索與匹配策略,將磁異常與重力異常的平均絕對差作為研究對象,并通過仿射變換將序列匹配轉換為單點匹配,進而提高了算法的匹配性。因此具有高精度、強魯棒性、實時性強的匹配算法是未來地磁輔助導航算法的發展方向。

4)地磁圖的適配性研究

在地磁導航中,導航精度不僅與匹配區域基準圖精度、匹配序列長度、環境背景噪聲相關,還與匹配區域地磁特征有關。地磁適配性是指正確匹配概率與匹配區域特征的關系,反映了匹配區域地磁場特征中包含的導航信息程度,以及表征地理位置的能力[85-86]。在地磁適配性的研究中,地磁基準圖預存于導航計算機中,候選匹配區作為基本分析的對象,為選取地磁基準圖中的小塊矩形區域,該區域的選取主要問題包括特征提取、匹配特征系統的構建、匹配適宜性的分析與預測以及匹配適宜性的評價等[87]。高效智能地建立地磁圖的適配性可以有效提高導航匹配速度和實時性。因此地磁圖的適配性研究也是未來地磁輔助導航的發展方向及難點之一。

2.3 重力輔助導航

重力輔助導航是利用地球重力特征信息匹配出載體位置,并對SINS的導航誤差進行修正,從而實現自主導航的技術。它具有自主性強、隱蔽性好、不受地域和時間限制、定位精度高等特點。重力輔助導航目前已被廣泛應用于水下航行器導航,但是重力儀及重力梯度儀的質量和體積都比較大,無法滿足AUV的安裝要求。隨著重力測量設備儀器小型化的發展,未來可以考慮在 AUV上應用重力匹配導航。

如圖8所示,重力輔助導航系統由SINS、重力參考數據庫、重力測量傳感器、匹配算法和卡爾曼濾波器5部分組成。當AUV執行任務時,首先利用 SINS提供的位置在重力基準圖上搜索重力參考值,同時海洋重力傳感器實時提供重力測量值,然后將重力參考值和測量值發送到匹配算法,確定出載體位置,利用獲得的載體位置和卡爾曼濾波器對 SINS輸出的導航結果進行修正。中國科學院大地測量與地球物理研究所大地測量與地球動力學國家重點試驗室在海南進行了重力輔助慣性導航的試驗[88],其中重力數據是通過重力儀實時測量的,試驗所用的是實船而不是AUV,最終試驗驗證了重力輔助慣性導航是一種可行且有前景的海上或水下導航方法。

圖8 重力輔助導航系統示意圖Fig.8 Flow chart of gravity-aided navigation system

重力輔助導航方法的關鍵技術主要包括重力圖構建、重力實時測量和重力匹配。

1)重力圖構建

將重力匹配導航技術應用于 AUV自主導航的前提是建立精確的、滿足要求的海洋重力數據庫。近年來,由于對海洋經濟及軍事方面的需求逐漸提高,各國不斷通過海洋測繪獲得大量海洋數據,并依據衛星測高、航空重力測量和海洋重力測量等技術來獲得重力圖[89]。例如美國已通過以上技術構建了大部分海洋重力圖[90],精度優于1 mGal,分辨率優于 1′×1′;我國目前已建立近海范圍重力背景圖,但精度和分辨率都有待提高。

2)重力實時測量

近50多年,我國海洋重力測量系統發展迅速,在理論創新、硬件研制及數據處理方面獲得長足進步。在重力輔助導航中,重力儀[91]和重力梯度儀[92]是必不可少的關鍵設備,重力儀是測量重力加速度的儀器,其基本原理是彈性體在重力作用下發生形變,彈性體的彈性力與重力平衡時,彈性體處于某一平衡位置。彈性體的平衡位置隨重力變化而改變,觀測 2次平衡位置的改變量,即可測定2點的重力差。重力梯度儀是測定重力場垂直梯度的儀器,它是基于差分加速度的思想來測量重力的變化率,由于它能夠反映重力場局部特征的細微變化,所以具有比重力本身更高的分辨率,由于重力梯度測量不受厄特弗斯效應的影響,因此可實時測量重力梯度和重力矢量。表 8介紹了目前常見的重力儀與重力梯度儀的型號與技術指標。

表8 重力輔助導航設備技術指標Table 8 Specifications of gravity-aided navigation facilities

國內在該領域的研究成果有,中船重工第 707所研制的第一代擁有完整自主產權的重力儀[93],已完成了船載海洋重力測量試驗;中國科學院測量與地球物理研究所研制的 CHZ-II?？罩亓x[94]先后完成了安裝及地面試車、海空重力儀的飛行試驗,成功獲取有效數據,CHZ-II海空重力儀的成功研制打破了我國高精度重力儀長期依賴進口的局面。

3)重力匹配算法

匹配算法是重力輔助導航系統中的關鍵技術。TERCOM算法利用群組關系來限制匹配誤差[95-96]。ICCP算法采用剛性變換對多邊弧進行匹配,但是當初始位置誤差超出算法允許的范圍時,容易引起失配[97-98]。桑地亞慣性地形輔助導航(Sandia inertial terrain aided navigation,SITAN)算法是典型的重力匹配算法,其本質是擴展卡爾曼濾波,它利用隨機線性化技術建立線性觀測模型,具有較高的實時性[99]。表9給出了3種基礎算法的優缺點比較。

表9 重力匹配基本算法比較Table 9 Basic algorithms of gravity matching

近年來,為了追求更好的實時性能、更高的定位精度和更少的計算負擔,國內外學者針對上述匹配算法做了大量改進工作[100-104]。同時提出相關組合導航算法[85,101-102,105-107]。文獻[100]基于重力匹配的算法進行了大量研究,所提出的基于最短路徑的思想改進了傳統的TERCOM算法,

通過最短路徑的方法提高了更新頻率,使得定位誤差受到限制,仿真結果顯示其具有較好的實時性、定位精度和計算量。文獻[103]提出了矢量匹配算法,它在匹配算法中加入了相鄰SINS的采樣點間的位置相關性,解決了部分匹配區域匹配結果不穩定的問題。文獻[104]提出一種水下重力慣性導航的相對位置約束模式匹配方法,重力輔助導航中軌跡的形狀不受類似傳統TERCOM算法的限制,匹配成功率和位置精度都得到了很大提高,可有效應用于實際導航。文獻[85]將重力異常和磁異常信息融合,提出一種改進的多目標人工蜂群算法,該算法特別適用于長距離水下航行任務,提高了收斂速度,獲得了較高的匹配成功率,在長距離水下航行任務中表現可靠。文獻[105]提出一種基于點質量濾波器(point mass filter,PMF),它結合了相關分析原理和遞歸狀態的估計過程,仿真結果表明,該匹配算法的實時性優于相關分析匹配算法。該方法也是一種能避免非線性觀測模型線性化誤差的非線性濾波器。文獻[106]將ICCP算法和PMF兩者結合,PMF可降低大初始位置誤差對ICCP的影響,提高了單點匹配算法的準確性,并且通過組合的方式保證了實時性和可靠性。文獻[107]提出了一種新的重力輔助導航旋轉擬合重力匹配算法,仿真結果顯示該算法優于常用的TERCOM算法和SITAN算法,展現了其在重力輔助AUV導航中的可靠性和定位精度的優勢。

3 協同導航技術

3.1 基本原理及研究背景

AUV通過相互通信共享信息進行協同導航,可以提高AUV的水下導航精度[2,108]。然而,AUV的水下協同導航仍然受通信帶寬、傳輸延遲、洋流、水下干擾及擴展受限等問題的挑戰,是當前海洋工程領域的研究熱點[2,6]。AUV協同導航的工作示意圖如圖9所示。

圖9 AUV協同導航工作原理示意圖Fig.9 Working principle of AUV cooperative navigation

領航艇按照預設的時間間隔發送一定頻率的聲波信號,接著在間隔一段時間后(5～6 s),廣播自身位置信息(包括領航艇的位置、深度、航向及時間戳)。跟隨AUV通過水聲通信設備接收領航艇發送的聲波信號和位置信息,并計算其相對于領航艇的相對距離,然后根據領航艇自身位置信息與相對距離信息進行協同導航,以獲得更高的導航定位精度。

2006年,歐盟組織了德、意、法等國家聯合開展了歐盟 GREX項目,其主要解決多 UUV的協同導航及編隊控制、通信等問題[109]。2008～2009年,該項目成功進行了2次海試,完成了多AUV協作下的海洋環境繪圖任務。美國的新澤西大陸架觀測系統由水面雷達、水下滑翔機、空中飛機及衛星組成。該系統利用多個 AUV進行了長期的海洋調查工作,在沿海生態評估和物理化學要素分析方面發揮了重要作用。同年,美國麻省理工學院海洋機器人實驗室公開了其研制的“自主協同的分散偵察與探測系統”,該系統主要利用3種無人平臺進行協同導航與控制,以完成偵察與探測任務[110]。歐盟第七科技框架計劃(FP7)致力于UUV的技術研究,并于2014年開展了“自主認知潛水協同作業項目”[111]。該項目致力于開發能夠輔助人類潛水者在危險區域內進行科研、考古或商業探索活動的高效作業的水下航行器領航跟蹤系統。中科院沈陽自動化所展開了多AUV協同導航系統及海洋特征場跟蹤研究,設計了多AUV隊形的中心跟蹤和特征等線值的策略以及控制率[112]。哈爾濱工程大學開展了多AUV協同導航算法研究,設計了相關狀態估計算法,解決水下通信延遲、多徑效應等帶來的定位誤差大的問題[113-116]。西北工業大學劉明雍團隊[117-118]開展了多AUV協同導航體系、移動LBL協同導航,編隊構型及洋流干擾下的協同導航方法研究。

3.2 協同導航關鍵技術

3.2.1 協同導航編隊構型設計方法

協同導航的編隊構型直接影響協同導航的可觀測性,進而影響協同定位精度,因此很有必要進行編隊構型研究[119]。針對單領航艇協同導航,若領航艇與跟隨艇之間沒有相對位置變化,則系統近似不可觀,因此領航艇或跟隨艇需要調整運動軌跡。通常跟隨艇需要執行相應任務,而領航艇只需完成領航任務,因此只需領航艇調整運動軌跡即可?，F有的最優編隊構型包括Z字形機動和環形機動2種[6],如圖10所示。

針對雙領航艇協同導航,研究表明 2組主從AUV間的相對距離相互垂直時,相對運動的隊形最優[120],見圖 11。為確保執行任務的 AUV能夠在通信范圍內,通信AUV應該針對工作AUV的工作路徑實時規劃新的路徑,文獻[121]以工作AUV定位誤差最小為優化準則,設計了路徑在線規劃方法。針對多AUV分布式協同導航,各AUV間不分領航艇和跟隨艇,互相定位、互相修正、其編隊構型更為復雜,是未來值得研究的方向之一。

圖10 單領航艇編隊構型Fig.10 Formation configuration with single leader AUV

圖11 雙領航艇編隊構型Fig.11 formation configuration with dual leader AUVs

3.2.2 協同導航濾波算法

協同導航算法主要分為基于優化理論的導航算法和基于卡爾曼濾波的導航算法2大類。基于優化理論的導航算法有極大似然估計[122]、最大后驗估計[123-124]、二次約束二次規劃[125]和非線性最小二乘法優化[126]等?；诳柭鼮V波的導航算法有:自適應擴展卡爾曼濾波[127]、信息濾波器[128-130]、無跡卡爾曼濾波[131]和粒子濾波[132]。針對分布式協同導航相互測量產生的相關性問題,文獻[133]受通信傳輸頻帶限制只傳輸協方差矩陣主對角線上元素,忽略了交叉協方差項。文獻[134]在每個AUV濾波器更新之前,將每個AUV的航跡推算信息分配給每個AUV,從而減小了當前時刻協方差矩陣的傳輸問題帶來的影響。隨著協同導航傳感器的多樣化、協同任務復雜化以及多AUV協同可擴展能力的發展,協同導航對導航算法的要求將更加嚴格,且考慮多AUV通信量和計算量大的問題,現有的算法性能還需要進一步提升。

3.2.3 協同導航誤差建模與補償方法

受水下環境特殊性的影響,聲波在水中的傳播行為十分復雜,另外還受到未知洋流的影響,使得AUV協同導航模型不準確,因此需要進行誤差建模與補償。針對時間延遲,文獻[135]利用增廣擴展卡爾曼濾波處理具有時滯的量測的多AUV協同導航問題。文獻[129]和[134]基于分布式框架提出了帶延遲狀態的信息濾波器,該方法能實現與集中式協同導航算法一致的性能。文獻[136]將水聲通信時間延遲建模為主從式AUV量測方程中的測量偏差,設計了誤差估計方法來處理動態模型帶量測偏差的問題,從而抑制時間延遲對導航精度的影響。針對未知洋流的干擾,文獻[137]研究了基于單固定信標的多AUV路徑跟蹤與協同導航,利用EKF估計洋流誤差。文獻[138]和[139]通過區域海洋模式系統直接預測洋流,但該方法需要通過機器學習方法提前建立對應海域的洋流模型。西北工業大學劉明雍團隊[117-118],將洋流干擾問題從距離量測擴展到基于移動矢徑測量的協同導航中,并對其可觀測性進行了分析。該團隊還針對通信丟包的情況,提出了改進的擴展卡爾曼濾波協同導航算法[118]。針對多徑效應的影響,文獻[116]和[140]提出了基于學生t分布的魯棒濾波協同導航算法。為了處理此類多徑效應引起的厚尾量測噪聲,文獻[114]將最大相關熵應用到協同導航中。文獻[141]～[143]在無 DVL或 DVL受限情況下建立了協同導航的動態過程模型,通過海試試驗驗證了所建立的動態過程模型相比傳統運動學模型在速度測量受限情況下的優勢。在此基礎上,文獻[144]還研究了基于動態過程模型的聯合控制和協同導航方法。文獻[145]將常規地區的協同導航拓展至極區特定的導航坐標系下,通過仿真驗證了協同導航系統在極區應用的有效性和可行性。未來多AUV協同導航必然會朝著高精度方向發展,水下復雜環境帶來的通信受限、時間延遲、洋流干擾的補償精度還需要進一步提高。表10為誤差建模與補償方法的歸類總結。

表10 誤差建模與補償方法總結Table 10 Summary of error modeling and compensation methods

4 總結和展望

水下環境復雜多變,AUV在不同的工作環境下需要不同的組合導航方法。在淺海域中,SINS/DVL組合導航系統和 SINS/USBL組合導航系統可以實現高精度導航任務。在數據庫(地磁、地形、重力)范圍之內,利用地球物理特性作為輔助導航的組合導航系統可以通過測量數據與數據庫快速匹配來在全部海域實現導航定位。多 AUV通過共享方位和位置等信息進行協同導航,有效抑制了水下導航誤差發散的問題。

同樣,面對復雜多變的水下環境,AUV在選擇不同的組合導航方法時也面臨了各種問題,給科研工作帶來了巨大挑戰?；诼晠鹊膶Ш蕉ㄎ环椒y免會受到水聲多徑效應、聲速時變等因素的影響。此外,水下洋流、潮汐等效應會對AUV的穩定性造成擾動,這都會導致水下噪聲的時變和不確定性,以及建模誤差較大和量測野值等現象。因此,如何綜合利用多種海洋信息,抵消或者降低海洋特殊水下環境所導致的影響,將是進一步提高AUV自主導航定位精度的重要研究方向。

綜上可知,未來研究方向主要有:1)輔助導航信息融合時,改善匹配算法的快速性和準確性;2)利用地球物理特性作為輔助導航時,數據庫的構建方法;3)在保持導航精度的前提下,降低導航成本;4)在軍事領域中,提高AUV的隱蔽性。

隨著處理器制造技術和制作工藝的發展,計算能力與日俱增,這使得 AUV以慣性導航為主,以 DVL、水聲定位系統、地形輔助導航、地磁輔助導航以及重力輔助導航等多種導航手段為輔助的組合導航系統的實現成為可能。多種組合導航技術和多AUV協同導航對比如表11所示。

表11 AUV導航方法比較Table 11 Comparison of AUV navigation methods

5 結束語

縱觀當今的國際形勢,加快海洋強國建設,推進海洋事業的迅猛發展勢在必行,而 AUV導航定位技術的發展作為其中一環至關重要。文中從實際需求出發,討論了目前主流的 AUV水下導航定位技術,包以DVL、LSL/SBL/USBL為代表的水聲測速與定位系統;以地形匹配、地磁匹配以及重力匹配為代表的地球物理模型導航系統,

協同導航等多種水下導航定位方式。結合近年來國內外最新的研究進展,總結了各種導航技術的關鍵問題和目前存在的技術難點,并針對性的給出相應的解決思路?？傮w來說,未來AUV水下導航與定位技術仍將以慣導為主、多種導航技術為輔,向著智能化、全源化、高精度、強魯棒性及實時性等方向發展,在軍事和民用領域都將發揮更強大的作用。