水下滑翔機導航技術發展現狀與展望

吳尚尚, 李閣閣, 蘭世泉, 楊紹瓊, 3*, 張連洪, 3

水下滑翔機導航技術發展現狀與展望

吳尚尚1, 2, 李閣閣1, 2, 蘭世泉1, 楊紹瓊1, 2, 3*, 張連洪1, 2, 3

(1. 天津大學 機械工程學院 機構理論與裝備設計教育部重點實驗室, 天津, 300350; 2. 天津大學 青島海洋技術研究院, 山東 青島, 266237; 3. 青島海洋科學與技術試點國家實驗室 海洋觀測與探測聯合實驗室, 山東 青島, 266237)

水下滑翔機水下導航定位精度的提高對于滑翔機完成海洋環境觀測、資源探測、海洋目標識別與定位等任務至關重要。現有的水下滑翔機導航技術以航位推算搭配全球定位系統(GPS)為主。隨著導航技術的進步, 慣性導航、聲學導航、海洋地球物理導航和組合導航等技術將更多地應用于水下滑翔機。基于此, 文中簡要介紹了水下導航技術原理、分類以及常用算法, 綜述了水下滑翔機導航相關技術研究與應用的國內外現狀, 探討了水下滑翔機冰下導航的技術難點和發展趨勢。文中的工作可為水下滑翔機導航技術的深入研究與試驗應用提供依據。

水下滑翔機; 導航技術; 冰下導航

0 引言

水下滑翔機依靠調節浮力實現升沉, 借助機翼產生水動力進行滑翔運動, 具有低噪聲、長航程、大潛深等特點, 可對海洋信息進行長時序、大范圍的觀測與探測[1]。作為認識海洋、經略海洋、保護海洋的一種重要工具, 水下滑翔機在海洋科學探索、海洋資源開發以及海洋國防安全方面具有廣泛的應用前景。

為了完成觀測與探測任務, 水下滑翔機需沿預設路徑航行, 為此需要進行水下導航。導航定位技術對保障水下滑翔機的工作效能和航行安全至關重要[2], 此外, 導航定位精度也是水下滑翔機重要的技術指標[3-5]。水下滑翔機的導航包括水面和水下導航, 其中, 水下導航是一種將無人水下航行器由起始點引導到目標點的技術, 基本參數為其位置、速度和航向[6]。

目前較為常見的水下導航方法有: 航位推算法、慣性導航、聲學導航、海洋地球物理導航和組合導航技術[7-8]。航位推算法憑借小能耗和低成本的優點, 被廣泛使用于水下滑翔機; 慣性導航系統(inertial navigation system, INS)不依賴于外部信息源, 是自主導航中的一種, 常作為組合導航中的主導航系統; 聲學導航可分為長基線(long baseline, LBL)、短基線(short baseline, SBL)和超短基線(ultra short baseline, USBL)3種; 海洋地球物理導航利用地球本身物理特征進行導航, 主要分為地磁輔助導航、地形輔助導航和重力輔助導航, 具有自主性強、隱蔽性好、不受地域和時間限制等優點; 組合導航技術是指將多種導航方式結合在一起, 它是水下導航未來的重要發展方向。基于狀態空間分析的以卡爾曼濾波為代表的最優估計法是水下組合導航的關鍵技術。

為明晰水下滑翔機導航技術發展現狀, 文中從以下幾方面對其進行梳理:

1) 簡要闡述導航技術原理及常用的導航算法;

2) 介紹水下導航相關的技術研究與應用情況的國內外現狀;

3) 分析水下滑翔機在冰下導航的技術難點和發展情況。

1 水下導航技術原理

1.1 航位推算

航位推算過程是內部控制系統結合深度計、電子羅盤等各來源的導航信息通過數學綜合來估算水下位置的一種導航方法, 必要時輔以聲學多普勒流速剖面儀(acoustic Doppler current profiler, ADCP)和多普勒測速儀(Doppler velocity log, DVL)等其他設備。航位推算所需硬件質量輕、能耗小、成本低, 因此在水下滑翔機中應用最為廣泛。航位推算具體過程為: 利用深度傳感器得到水下滑翔機的深度變化率, 由電子羅盤測量出姿態和航向角, 再計算出水下滑翔機的水平運動速度, 運動速度對時間的積分值即為水下滑翔機的水平相對位移, 再結合水下滑翔機在水面時的獲取的精確定位信息, 最終得到在水下的相對位置。

航位推算存在一定的弊端: 它沒有將海流影響引入推算過程, 在海流速度較大的海域, 航位推算的導航精度不高; 電子羅盤在姿態和航向角度測算過程中也存在固有測量誤差, 導致位置誤差不斷累積, 使滑翔機導航估計精度變差[9-10]。在工程應用中, 通常將航位推算與其他的導航技術結合, 從而修正推算結果。

1.2 慣性導航

INS是一種自主導航系統, 核心是陀螺儀(測量角速度和姿態方位角)和加速度計(測量載體加速度), 具有精度高, 穩定性好, 抗干擾能力強等優點。由于慣性導航元件固有的物理特性, INS誤差會隨時間不斷累積, 為了進一步提高導航定位精度, 必須在使用INS過程中定時對其校正。

水下滑翔機體積小, 質量輕, 工作時幾乎沒有噪音, 具備良好的水下隱蔽性。但是水下滑翔機一旦浮出水面試圖通信或定位, 就可能暴露自身。隨著水下滑翔機在海洋國防中的應用日益增加, 常規的衛星導航系統可能無法使用,而在冰層覆蓋的海域, 水下滑翔機無法利用全球定位系統(global position system, GPS)獲取精確定位信息。因此, 以INS為主的自主導航顯得尤為重要。

圖1 捷聯式慣性導航系統原理框圖

1.3 聲學導航

低頻聲波在水下的衰減相對較低, 是目前水下遠距離傳輸信息的最有效載體。向海底發射超聲波產生的多普勒效應, 可用來測量航行器的運動速度, 這就是DVL等聲學設備的基本原理。在海流速度較大的海域, 利用DVL測量水下滑翔機相對于海底的速度, 能夠克服航位推算方法中未考慮海流影響的缺陷, 提高水下滑翔機航行速度的測算精度, 改善導航效果。

聲學導航尚存在以下技術難點:

1) 中小尺度時間和空間范圍內, 多種海洋物理層參數的變化對聲波傳播影響的問題;

2) 水下聲學傳播的多途效應問題;

3) 海洋背景噪聲問題;

4) 相對水下滑翔機負載能力, 聲學設備的能耗普遍較高的問題。

為了克服這些問題, 在導航控制上, 應優化電源管理, 以盡量低的能耗發揮其作用, 例如, 當使用DVL設備進行水下導航時, 若探測到前一個剖面航位推算與衛星定位之間的誤差量超過預設漂移閾值, 則開啟DVL, 反之則不開啟。

1.4 海洋地球物理導航

海洋地球物理導航是一種基于海洋地磁場、海洋重力地圖、海洋高程模型和海底地形分布特征獲取水下航行器定位信息的自主導航方法。其基本思路是: 預先將航行海域的地球物理模型存入控制系統, 在航行過程中, 航行器實時采集周圍的地球物理信息并與預存模型進行比對, 從而推算當前定位信息。海洋地球物理導航能夠用來校正INS的時間累積誤差[12], 常用作INS的輔助導航技術, 主要分為地形輔助導航(terrain aided navigation, TAN)、地磁輔助導航和重力輔助導航。

TAN利用數字高程模型(digital elevation mo- del, DEM)和海底地形分布特征實現水下導航, 導航誤差不隨時間累加。TAN需要科研人員提前知悉該地區詳細的DEM, 并對模型進行大量的預先設計與編程工作, 以適應特定平臺的算法。大多數的TAN算法使用已有的DEM, 通過與水下滑翔機的水深估計進行比較, 確定水下滑翔機的位置誤差, 生成位置估計, 再將其集成到導航系統中。由DVL輔助的慣性傳感器可以直接用于TAN的濾波器中。水下無人平臺使用的慣性元件和聲學傳感器的功率受載體供電能力限制, 探測范圍和精度不高, 故增加了位置估計的不確定性, 一些研究嘗試通過適應性變化或采用一系列統計一致性檢驗來克服這些困難[13]。

地磁輔助導航基于海洋地磁場模型, 地磁信息可以全天候測量, 不受時空間約束, 但目前的磁測量精度和地磁場模型精度較低, 導航效果比較差。

重力輔助導航由重力測量儀、重力地圖、重力匹配算法和卡爾曼濾波器組成[14], 利用重力異常值或重力梯度值等輔助信息來修正慣性導航隨時間積累的定位誤差, 提高航行器的導航精度[15], 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。重力輔助導航原理如圖2所示, 首先利用SINS提供的位置在重力地圖上搜索重力參考值, 同時重力測量儀實時提供重力測量值, 然后將重力參考值和測量值輸入到重力匹配算法中, 確定出載體位置, 利用獲得的載體位置和卡爾曼濾波器對輸出的導航結果進行修正。重力輔助導航依賴于實測的重力地圖, 由于全海域高精度的重力數據尚未完全獲得, 致使這種導航技術的適用區域受限, 同時重力測量儀的造價昂貴, 也不利于技術的普及。

圖2 重力輔助導航系統原理框圖

1.5 組合導航

人們對水下導航精度要求日益增加, 單獨使用一種導航技術很難滿足未來的工程應用需求。將不同的導航技術結合在一起的組合導航是提高系統導航性能, 有效降低定位誤差的解決方案之一。組合導航利用多傳感器同時測量位置信息, 再將各傳感器采集的信息加以融合并進行最優化處理, 從而實現導航定位目的。目前, SINS作為主導航設備的組合導航系統主要有GPS/SINS和DVL/SINS。

組合導航的核心思想是信息融合與最優估計, 即先對多傳感器的數據進行預處理, 再將多源輸入數據通過坐標變換和單位變換, 轉換到同一坐標系中, 進而根據載體系統狀態方程及量測量物理性質的數學模型進行濾波處理, 獲得狀態向量的最優估計值。自1960年Kalman[16]在系統狀態空間模型的基礎上提出線性卡爾曼濾波器(Kal- man filter, KF)之后, 濾波技術取得了顯著的進步。針對非線性系統和非線性觀測信息, 相繼發展出了擴展卡爾曼濾波(extended Kalman filter, EKF)算法[17]、無跡卡爾曼濾波(unscented Kalman filter, UKF)算法[18]、異步直接卡爾曼濾波(asyn- chronous direct Kalman filter, ADKF)算法[19], 以及異步自適應直接卡爾曼濾波(asynchronous ada- ptive direct Kalman filter, AADKF)算法[20]等。

EKF的非線性模型通過泰勒級數展開和高階項的去除實現近似的線性化, 但是會帶來截斷誤差[21]; UKF能夠克服EKF的缺點, 不過計算量較大[22], 同時由于硬件本身的不穩定性及外部環境的時變特性, 很難準確描述系統噪聲和觀測噪聲的統計特性, 從而使得UKF不具備很好的收斂性、穩定性和魯棒性[23]。目前, 非線性濾波理論仍在不斷發展之中, 實際應結合具體研究對象, 為組合導航方式選擇適當的濾波方法。

2 水下滑翔機導航技術發展現狀

相較于其他類型的無人水下航行器, 水下滑翔機的體積更小, 質量更輕, 但相應的負載能力有限。水下滑翔機需要在水下長期工作, 同時又要保證導航精度的前提下, 對其所攜帶導航設備的體積、質量和能耗提出了更嚴格的要求。

2.1 水下航位推算技術

簡單的航位推算形式只需電子羅盤和深度傳感器的組合即可實現水下導航。例如, Scripps海洋研究所(Scripps institution of oceanography)研制的Spray水下滑翔機[24]在水面獲得定位信息后, 通過搭載的TCM2電子羅盤以及211-38型深度計, 就能夠推算出向目標點位置運動的目標航向、姿態角度等航行參數。

華盛頓大學的Seaglider水下滑翔機[25]根據水下的推算位置在水面的投影與期望位置之間的差值, 利用KF進行定位估計。如果海流速度與Seaglider的水平滑翔速度相當, 則根據KF算法, 用深度平均流來建立海流模型, 基于海流模型參數推算向目標航點前進的最優航向與速度。Seaglider水下滑翔機浮出水面時利用Garmin 25 HVS型GPS模塊進行導航誤差修正。如果海流速度超過航速, Seaglider會選擇使目標距離增加最小的方向作為目標航向。

計入從上一個出水位置到當前出水位置之間沿滑翔機軌跡得出的平均流速估計值, 融合到航位推算中, 對提高導航精度有一定效果[26]。但這種估計方法沒有考慮流場的時空變化, 與實際流速存在較大偏差, 導航精度改善有限。Webb Research Corp研制的Slocum水下滑翔機[27]將航位推算與多普勒測速結合, 利用DVL實測海流數據, 提高航位推算精度。

采用數據同化調整模型[28], 融合衛星、船只、浮標和滑翔機的實時或遠程觀測數據, 可進一步提高海流預測模型的準確性。Szwaykowska等[29]研究了基于海洋模型的真實環境并模擬水下航行器位置誤差增長的界限, 這種誤差分析方法可用于提高海洋模型的精度和導航算法的性能。Hart 等[30]開發了一種基于A*算法的最優路徑規劃算法。該算法結合區域海洋模型, 通過對滑翔機運動軌跡的預測, 生成仿真滑翔機運動軌跡模型。由于沒有對算法的估計流速與滑翔機的觀測流速進行比較, 無法驗證模型的正確性[31]。Chang等[32]提出一種由海洋模型預測輔助的Slocum實時導航算法, 并于2012~2013年底在美國南卡羅萊納附近海域進行海試, 試驗結果驗證了海流預測模型可提高滑翔機的導航性能[33]。Szwaykowska等[29]聚焦于較小海域的水下滑翔機工作情況, 根據多架滑翔機的測量數據作為反饋, 對模型進行實時調整, 從而提高水下滑翔機在海洋中的導航性能。這種方法相比基于航位推算和水下流速估計的導航方法擁有更高的導航性能, 當存在明顯時空變化的流場時, 具有更好的可靠性。

2.2 慣性導航技術

INS可為水下滑翔機提供較精確的定位信息。現階段, INS在質量、精度和能耗等多方面存在應用瓶頸, 導致這種方法未在水下滑翔機中得到廣泛應用, Huang等[34-35]展示了微型機電系統(micro electro mechanical system, MEMS)在水下滑翔機中的試驗性應用。Jenkins等[36]提出一種應用于水下滑翔機的緊湊型慣導系統——iXSEA U-phins, 其重約2.14 kg, 體積2 100 cm3, 功耗為3 W(見圖3)。

圖3 iXSEA U-phins慣性導航系統

慣性測量元件的精度直接決定了SINS的精度水平。當前SINS常用的陀螺儀類型有激光陀螺儀、光纖陀螺儀及微機電陀螺儀等。國外的陀螺儀已進入光學和微機電時代, 精度不斷提高, 環形激光陀螺、干涉型光纖陀螺和MEMS陀螺等固態陀螺儀逐漸成熟。受制造工藝和專用集成電路水平的制約, 目前國產陀螺儀的精度不高, 總體上和以美國為代表的世界先進水平有一定的差距。近幾十年, 國內的一些高校和科研單位基于不同種類的陀螺儀自主研制了多種SINS, 如激光陀螺SINS、光纖陀螺SINS和 MEMS陀螺SINS等, 已經被陸續應用于陸海空等領域。就全球發展現狀而言, 現有慣性測量元件不足以滿足當前各種不同導航任務的指標要求, 未來的主要目標是提高精確性、連續性和可靠性, 降低器件的成本及功耗等。

慣性傳感器元件的定常誤差模型難以建立, 提高導航精度十分困難。針對這個問題, Huang 等[34-35]根據不同的誤差模型設計合適的濾波器, 將多模型方法與EKF相結合, 給出狀態的最優估計。同時利用具有高精度預測優勢的融和Adams的多模型擴展卡爾曼濾波算法(multi-model EKF fusing Adams explicit formula algorithm, MEKFA), 使姿態估計精度得到較大的提高。理論分析證明了該算法的收斂性和穩定性, 并通過“海翔”號水下滑翔機湖泊試驗進行了驗證。結果表明, MEKFA方法與單EKF和乘性擴展卡爾曼濾波(multiplicative EKF, MEKF)相比, 姿態估計性能有顯著提高。

Kim等[37]結合平均海流速度模型, 實現了INS對海流速度的測量。經過計算, 受海流影響的加速度增量是INS中加速度計測量精度的1/10,加速度計無法直接感覺到海流的影響, 這些微弱的海流效應將完全被傳感器噪聲和外部干擾所阻斷。然而, 海流對滑翔路徑的影響是在若干小時的滑翔中累積起來的。通過將滑翔機內置的INS輸出數據與平均海流速度模型的先驗信息結合, 校正海流加速度測量, 完成加速度計偏差的誤差修正就能夠獲得水下滑翔機位置估計。對于沒有海流信息的情況, 仍然可以根據每次滑翔結束后測量到的位置誤差估計海流數據, 再遞歸反饋到平均海流模型中, 從而提高定位精度。

2.3 聲學導航技術

聲學導航主要是利用固定或移動聲學信標通過水聲通信來完成水下導航。Techy[44]和Van Uffelen等[45]中提出一種應用于Seaglider水下滑翔機的LBL聲學導航系統。該系統由3個位于水面并配備有GPS導航模塊的移動聲學信標作為參考, 通過測量聲波往返行程的時間, 再利用EKF算法將水下滑翔機的運動狀態融入到估計算法中, 得出簡單的幾何定位估計值, 通過仿真和試驗驗證了此聲學系統在具有多徑效應和強海流的淺海環境下, 能夠有效提供高精度的定位估計。2010~2011年初, Van Uffelen等[46-47]在菲律賓海域部署了4架Seaglider水下滑翔機, 利用水下滑翔機接收到聲波時刻與預測值之間的傳輸時間偏移量來估計距離的誤差值, 從而提高滑翔機在水下收集數據時的定位估計, 驗證了滑翔機作為傳感器搭載平臺的實用性。整個工作過程記錄了滑翔機超過2 000次的水聲數據傳輸, 距離系泊聲源最遠達到700 km。與以上方案不同, Sun等[48]提出以聲學信標為環境特征, 根據海底信標到滑翔機的距離來估計滑翔機的位置, 實現水下滑翔機在三維空間的導航定位的導航方法。基于EKF-SLAM(simultaneous localization andmappi- ng)算法, 在信標位置未知情況下, 能夠同步估計滑翔機和信標的位置。這種算法的優勢在于將滑翔機的速度估計納入導航定位系統中, 進一步降低了導航定位誤差。

Woithe等[49]探討了利用DVL來改善Slocum電能滑翔機航位推算算法中位置估計方法的可行性, 提出通過安裝DVL的輔助航位推算導航算法, 并在新澤西海岸進行為期12天的滑翔機部署, 初步顯示了良好的試驗效果。

硬件方面, 低功耗聲學調制解調器是聲學導航的核心器件。美國Teledyne Benthos公司為美海軍Seaweb海底網絡開發了一種名為Telesonar的聲學調制解調器。Teledyne Webb提供的Sloc- um滑翔機和Teledyne Benthos提供的調制解調器組合形成的導航定位和數據傳輸網絡見圖4[50]。

圖4 水下滑翔機/聲學調制解調器數據傳輸示意圖

2.4 組合導航技術

2.4.1 GPS/SINS/DVL組合導航

SINS結合DVL是目前水下組合導航中比較常用的方法, 并在多種水下航行器中得到廣泛應用[51-53]。季龍[54]和黃海洋[55]先后對在水下滑翔機上搭建低成本、高精度的GPS/SINS組合導航系統進行了探索。在水面上時, 使用GPS提供整機系統需要的位置坐標信息。在水下運動時, 由電子羅盤或SINS和深度傳感器相結合獲取滑翔機的姿態信息, 再通過卡爾曼濾波進行數據融合實現水下的位置解算。李輝[56]提出了一種水下滑翔機的水面/水下導航定位算法: 在水面上通過GPS獲取位置, 在水下利用姿態航向參考系統提供信息, 再利用EKF方法進行導航信息融合, 最后利用MATLAB軟件進行算法仿真, 結果符合預期。對于水下滑翔機編隊的協同導航算法, Paley[57]和Tang等[58]提出了自適應EKF, 通過聲學廣播的方式, 解決了水下滑翔機的編隊協作組網導航定位問題。Huang等[59]基于慣性導航和航位推算的組合導航, 提出一種分裂基快速傅里葉變換和UKF的混合算法。分裂基快速傅里葉變換是將radix-2和radix-4快速傅里葉變換的優點結合起來的一種方法[60], 計算量較小, 擁有較大的漸進復雜度。試驗結果表明, 該算法在估計精度和計算成本方面具有較好的優勢。周吉雄[61]將UKF與聯邦卡爾曼濾波(federated Kalman filtering, FKF)技術集合起來, 通過仿真驗證了這種基于局部反饋校正的UKF在組合導航系統中具有較高的精度和魯棒性。呂志剛[62]提出一種SINS/ GPS和DVL組合導航的方法, 為自主式水下航行器(autonomous underwatervehicle, AUV)平臺提供高精度的連續導航信息, 并對此組合導航系統的標定方法和誤差分析進行了系統性的研究。針對SINS/DVL組合導航問題, Xu等[63]以導航需求為導向, 設計基于改進Sage-Husa自適應卡爾曼濾波算法的導航系統, 仿真結果表明, 該系統具有較高的容錯性。

2.4.2 海洋地球物理輔助慣性導航技術

1) 地磁輔助導航

20世紀70年代, 美國就已經完成了全球磁力矢量分布圖的測繪, 并研制出了適用于AUV平臺的地磁定位系統。美國西屋電器公司提出了利用己知靜止磁異常對水下航行器進行導航的方法[64]; 美國雷神公司提出了利用磁場進行水下導航定位的方法, 并進行了試驗驗證[65]。2009年, Kato[66]提出了基于地磁圖和等深線圖的AUV導航定位算法, 并采用相關海域的地磁場數據和水深數據進行了仿真試驗。NASA Goddard空間中心對水下地磁導航進行了研究, 并進行了大量的試驗[67]。

在國內, 余樂[68]以提高地磁匹配導航系統航跡規劃效率和精度為目的, 對航跡規劃算法和地磁適配區選擇原則進行了理論研究和仿真驗證。Lin[69]對水下地磁導航進行了研究, 在渤海海域進行了地磁測量與水下地磁輔助導航試驗, 取得了400 m左右的精度。國防科學技術大學科研人員[70-72]成功研制出慣性/地磁匹配組合導航系統樣機, 并分別于2008年、2009年、2011年進行了岸基車載試驗、水面船試驗和水下試驗, 驗證了地磁/慣性組合導航系統的可行性。劉明雍等[73]提出受地磁異常影響的水下航行器導航方法, 將最近點迭代算法運用到水下地磁匹配導航中, 通過多次迭代匹配來減小慣性導航的累積誤差。

2) 地形輔助導航

在全球衛星導航出現之前, 洲際巡航導彈的遠程導航系統是利用高度計數據與預先存儲地圖的地面高程進行比較, 從而實現精確長期的定位估計。定位精度取決于地形圖的分辨率和測量高程的精度。在建立GPS之后, 這個系統顯得多余, 但其在GPS定位失效時仍能發揮作用。由此, 利用地形信息進行水下導航也是可行的, 但由于水深圖分辨率較低, 限制了其在水下航行器中的使用。

在國外, Stuntz等[74]研究了在沿海地區精確定位滑翔機軌跡所需的最小數據集, 分析了地形跟蹤算法的定位性能, 首先對壓力傳感器和高度計的采集數據進行平滑處理以消除噪聲, 然后將其與局部測深值進行比較, 從而生成位置修正值。在加州沿海進行的Slocum滑翔機的試驗結果表明, 地形輔助慣性導航方法比單獨使用慣性導航更加精確。

通過其他的地球物理參數, 如采用地球磁場和地球重力場來增強地形輔助算法, 以提高其魯棒性的研究也被提出, 但是這些試驗的效果還未得到充分證明[75]。

3 冰下導航技術展望

冰下任務提供了非常有價值的科學信息。自20世紀70年代, Francois和Nodland在北冰洋邊緣的波弗特海部署無人水下航行器時起, 許多AUV都陸續開展了冰下觀測。在冰層覆蓋地區持續觀測對氣候變化研究和極地勘探工作尤為重要。在冰下, 衛星導航系統失效, 水下滑翔機的導航與定位尤其困難, 慣性導航失去定時校準條件, 在現有水下導航方法中, 只有聲學導航和地球物理導航方法能夠在冰下為滑翔機提供有限的定位估計。

3.1 冰下聲學導航

利用聲學設備進行導航的水下無人航行器, 多依賴于固定的聲源進行機載導航或在船上和陸地上來進行位置估計。Rossby等[76]為Seaglider開發了適用于冰下環境的聲學導航系統, 并于2006~2014年在戴維斯海峽部署了14架次滑翔機, 對六自由度EKF后處理導航結果進行了驗證。試驗中的定位信息是由系泊在固定位置的RAFOS浮標[76]搭載的聲學導航源提供的。美國海軍研究辦公室(office of naval research, ONR)邊緣冰區(marginal ice zone, MIZ)項目開發的實時聲學導航系統在南極洲對Slocum水下滑翔機的冰下聲學導航定位能力進行了驗證[77]。

最常用的冰下聲學導航策略是LBL系統導航和USBL導航相結合的導航策略[78-79]。另外, 還有一些LBL的新應用[80]以及基于視覺的用于超短距離的歸航算法。Hugin[81]和Theseus[82]等水下機器人使用單信標導航來擴展它們的LBL系統。此外, Gavia水下航行器[83]創新地向上安裝DVL來測量航行器相對于冰層的速度, 以實現水下導航。

由于導航源不能穿越冰層預先部署在海底, 只能部署在冰面上, 所以, 當探測區域的冰層漂移時, 導航源不能對滑翔機提供精確實時的定位信息。聲學導航源需同時傳輸它們所在的位置。隨時間傳輸導航源位置信息的概念并不新鮮, GPS信號和低速率遙測數據已經被用于小型水下移動導航網絡[84-86]。華盛頓大學在北極的試驗中首次使用這種方法搭建了完整的導航系統[87], 但由于導航源和水下滑翔機之間的通信過程產生的時鐘漂移將導致距離測量存在一定誤差。

3.2 冰下地形輔助導航

美國伍茲霍爾海洋研究所[88]對水下滑翔機在冰下的地形輔助導航方法進行了系統的研究, 評估了可用于水下滑翔機在經歷季節性海冰海洋中全年使用的可行性。該試驗基于Slocum 200 m水下滑翔機, 結合深度和海流估計的水深模型[89], 使用單波束高度計和航位推算方法進行導航信息更新。試驗結果十分樂觀, 但對算法使用地區具有局限性。

紐芬蘭紀念大學的Claus 等[90]通過一種離線試驗方案, 將在線定位估計方法分別與常規航位推算方法、包含GPS校正的航位推算方法以及離線地形輔助的定位估計方法進行比較, 驗證了水下滑翔機平臺基于抖動自舉粒子濾波器的地形輔助導航算法的準確性。這種方法被應用在冰下進行持久的導航定位測量。在紐芬蘭赫里路德冰川峽灣, 科研人員分別在2010年和2012年對水下滑翔機進行了距離為12 km和91 km的室外導航試驗, 試驗結果表明, 該算法能夠在2次試驗中分別保持33 m和50 m的誤差。2014年6月10日~11日在加拿大紐芬蘭省的康賽普申海灣, 進行了水下滑翔機地形輔助導航的進一步測試, 在由10 km和90 km直線段的2組離線試驗中, 該方法的誤差分別為25 m和50 m, 驗證了冰下導航算法在淺海地區的有效性。但這些試驗還存在以下問題: 1) 水下滑翔機的定位坐標系位于磁北, 而地形輔助導航處理器坐標位于真北, 導致相對于滑翔機坐標系存在一定的磁偏角誤差; 2) 試驗海域較淺, 水下滑翔機仍能接收到GPS的定位信息, 這些信息會將地形輔助算法的初始值重新復位, 因此不能驗證水下滑翔機在較深海域進行長時間持續導航情況下該算法的有效性。

4 結束語

水下滑翔機作為探索海洋、執行水下任務的重要工具, 在我國海洋資源勘探與開發方面具有重要作用。高精度、高可靠性的導航系統是水下滑翔機成功完成任務并安全返航的保證之一。文中對水下滑翔機平臺常見導航系統的原理、分類與關鍵技術進行了說明, 最后對水下滑翔機冰下導航發展情況進行了展望。

隨著水下滑翔機工作范圍向邊遠海域逐步擴大, 水下導航技術也將面臨更多未知的挑戰。為搭建水下滑翔機海洋網絡, 實現海洋信息實時交互傳遞, 未來, 水下滑翔機導航技術將向著高精度、強魯棒性、實時性及協同組網等方向發展。并以慣性導航技術為主, 多種導航技術為輔, 實現多種導航傳感器, 多種導航方式的組合導航, 進一步提高水下導航技術的準確性、靈活性與可靠性, 構建智能化的組合導航方式, 不斷提高水下滑翔機的海洋觀測能力。

[1] 沈新蕊, 王延輝, 楊紹瓊, 等. 水下滑翔機技術發展現狀與展望[J]. 水下無人系統學報, 2018, 26(2): 89-106.Shen Xin-rui, Wang Yan-hui, Yang Shao-qiong, et al. Dev- elopment of Underwater Gliders: An Overview and Pros- pect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.

[2] 尹偉偉, 郭士犖. 非衛星水下導航定位技術綜述[J]. 艦船電子工程, 2017, 37(3): 8-11. Yin Wei-wei, Guo Shi-luo. Survey on Non-satellite Unde- rwater Navigation and Positioning Technology[J]. Ship Electronic Engineering, 37(3): 8-11.

[3] Yan Z, Peng S, Zhou J, et al. Research on an Improved Dead Reckoning for AUV Navigation[C]//IEEE 2010 Ch- inese Control and Decision Conference (CCDC). Xuzhou, China: IEEE, 2010.

[4] 張愛軍. 水下潛器組合導航定位及數據融合技術研究[D]. 南京: 南京理工大學, 2009.

[5] 趙輝. 基于水下航行器導航定位及信息融合技術研究[D]. 南京: 南京理工大學, 2007.

[6] 張紅梅, 趙建虎, 楊鯤, 等. 水下導航定位技術[M]. 武漢: 武漢大學出版社, 2010.

[7] Stutters L, Liu H, Tiltman C, et al. Navigation Technologies for Autonomous Underwater Vehicles[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2008, 38(4): 581-589.

[8] Paull L, Saeedi S, Seto M, et al. AUV Navigation and Localization: A Review[J]. IEEE Journal of Oceanic Engineering, 2014, 39(1): 131-149.

[9] Jalving B, Gade K, Svartveit K, et a1. DVL Velocity Aiding in the HUGIN 1000 Integrated Inertial Navigation Sy- stem[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

[10] Hegren?s ?, Ramstad A, Pedersen T, et al. Validation of a New Generation DVL for Underwater Vehicle Navigation[C]//2016 IEEE/OES Autonomous Underwater Vehicles(AUV). Richardson, US: IEEE, 2016: 342-348.

[11] 張磊. 船用捷聯式慣性/天文組合導航方法的研究[D]. 哈爾濱: 哈爾濱工程大學, 2012.

[12] 彭富清, 霍立業. 海洋地球物理導航[J]. 地球物理學進展, 2007, 22(3): 759-764. Peng Fu-qing, Huo Li-ye. Marine Geophysical Navigation. Progress in Geophysics[J]. Progress in Geophysics, 2007, 22(3): 759-764.

[13] Fallon M F, Papadopoulos G, Leonard J J, et al. Cooperative AUV Navigation Using a Single Maneuvering Surf- ace Craft[J]. The International Journal of Robotics Rese- arch, 2010, 29(12): 1461-1474.

[14] 姚劍奇. 水下重力輔助導航定位方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2015.

[15] 李姍姍. 水下重力輔助慣性導航的理論與方法研究[D]. 鄭州: 解放軍信息工程大學, 2010.

[16] Kalman R E. A New Approach to Linear Filtering and Prediction Problems[J]. Journal of Basic Engineering, 1960, 82(1): 35-45.

[17] Chowdhury G, Johnson E N, Magree D, et a1. GPS-denied Indoor and Outdoor Monocular Vision Aided Navigation and Control of Unmanned Aircraft[J]. Journal of Field Robotics, 2013, 30(3): 415-438.

[18] Julier S J, Uhlmann J K. Unscented Filtering and Nonlinear Estimation[J]. Proceedings of the IEEE, 2004, 92(3): 401-422.

[19] Shabani M, Gholami A, Davari N. Asynchronous Direct Kalman Filtering Approach for Underwater Integrated Navigation System[J]. Nonlinear Dynamics, 2014, 80(1-2): 71-85.

[20] Davari N, Gholami A. An Asynchronous Adaptive Direct Kalman Filter Algorithm to Improve Underwater Navigation System Performance[J]. IEEE Sensors Journal, 2017, 17(4): 1061-1068.

[21] Noureldin A, Karamat T B, Eberts M D, et al. Performance Enhancement of MEMS-Based INS/GPS Integration for Low-Cost Navigation Applications[J]. IEEE Transactions on Vehicular Technology, 2009, 58(3): 1077- 1096.

[22] Wan E A, Van Der Merwe R. The Unscented Kalman Filter for Nonlinear Estimation[C]//Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium(Cat. No. 00EX373). Lake Louise, Alberta, Canada: IEEE, 2000: 153-158.

[23] Huang H Q, Chen X Y, Liu H, et al. Study on the Design and Algorithm of INS/MCP/DR Integrated Navigation Method for Underwater Glider[C]//2012 Third International Conference on Digital Manufacturing & Automation.NW Washington, DC: IEEE, 2012: 843-846.

[24] Sherman J, Davis R E, Owens W B, et al. The Autonomous Underwater Glider “Spray”[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 437-446.

[25] Eriksen C C, Osse T J, Light R D, et al. Seaglider: A Long-Range Autonomous Underwater Vehicle for Oceanographic Research[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 424-436.

[26] Merckelbach L M, Briggs R D, Smeed D A, et al. Current Measurements from Autonomous Underwater Gliders[C]// 2008 IEEE/OES 9th Working Conference on Current Measurement Technology. Charleston, SC, USA: IEEE, 2008: 61-67.

[27] Webb D C, Simonetti P J, Jones C P. SLOCUM: An Underwater Glider Propelled by Environmental Energy[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 447- 452.

[28] Wikle C K. Atmospheric Modeling, Data Assimilation, and Predictability[J]. Technometrics, 2002, 47(4): 521- 521.

[29] Szwaykowska K, Zhang F. Trend and Bounds for Error Growth in Controlled Lagrangian Particle Tracking[J]. IEEE Journal of Oceanic Engineering, 2013, 39(1): 10-25.

[30] Hart P E, Nilsson N J, Raphael B. Correction to “A Formal Basis for the Heuristic Determination of Minimum Cost Paths”[J]. ACM SIGART Bulletin, 1972, 37(37): 28-29.

[31] Fernández-Perdomo E, Cabrera-Gámez J, Hernández-Sosa D, et al. Path Planning for Gliders Using Regional Ocean Models: Application of Pinzón Path Planner with the ESEOAT Model and the RU27 Trans-Atlantic Flight Data[C]// Oceans’10 IEEE.Sydney, Australia: IEEE, 2010: 1-10.

[32] Chang D, Zhang F, Edwards C R. Real-Time Guidance of Underwater Gliders Assisted by Predictive Ocean Models[J]. Journal of Atmospheric & Oceanic Technology, 2015, 32(3): 562-578.

[33] Chang D, Liang X, Wu W, et al. Real-time Modeling of Ocean Currents for Navigating Underwater Glider Sensing Networks[M]. Berlin, Heidelberg: Springer, 2014: 61-75.

[34] Huang H, Chen X, Zhang B, et al. High Accuracy Navigation Information Estimation for Inertial System Using the Multi-model EKF Fusing Adams Explicit Formula Applied to Underwater Gliders[J]. ISA transactions, 2017, 66: 414-424.

[35] Huang H, Zhou J, Zhang J, et al. Attitude Estimation Fusing Quasi-Newton and Cubature Kalman Filtering for Inertial Navigation System Aided with Magnetic Sensors[J]. IEEE Access, 2018, 6: 28755-28767.

[36] Jenkins S A, Humphreys D E, Sherman J, et al. Underwater glider system study[R]. Scripps Institution of Oceanography Technical Report, 2003.

[37] Kim J, Park Y, Lee S, et al. Underwater Glider Navigation Error Compensation Using Sea Current Data[J]. IFAC Proceedings Volumes, 2014, 47(3): 9661-9666.

[38] Durbin J, Koopman S J. Time Series Analysis of Non Gaussian Observations Based on State Space Models from Both Classical and Bayesian Perspectives[J]. Journal of the Royal Statistical Society: Series B(Statistical Methodology), 2000, 62(1): 33-34.

[39] Boyd S, El Ghaoui L, Feron E, et al. Linear Matrix Inequalities in System and Control Theory[M]. Pennsylvania, PA, USA: Society for Industrial and Applied Mathematics, 1994.

[40] Chung D, Park C G, Lee J G. Observability Analysis of Strapdown Inertial Navigation System Using Lyapunov Tr- ansfomation[C]//35th IEEE Conference on Decision and Co- ntrol. Kobe, Japan: IEEE, 1996: 23-28.

[41] Wang L X, Guo L. Multi-objective Control in Integrated Navigation System Based on LMI[J]. Acta Aeronautical et Astronautica Sinica, 2008, 29: 102-106.

[42] Yu M J, Lee S W. A Robust Extended Filter Design for SDINS In-flight Alignment[J]. International Journal of Control, Automation, and Systems, 2003, 1(4): 520-526.

[43] Cao S, Guo L. Multi-objective Robust Initial Alignment Algorithm for Inertial Navigation System with Multiple Disturbances[J]. Aerospace Science and Technology, 2012, 21(1): 1-6.

[44] Techy L, Morganseny K A, Wolsey C A. Long-baseline Acoustic Localization of the Seaglider Underwater Glider[C]//2011 American Control Conference. California, USA: IEEE, 2011: 3990-3995.

[45] Van Uffelen L J, Howe B M, Nosal E M, et al. Long-range Glider Localization Using Broadband Acoustic Signals and a Linearized Model of Glider Motion[C]//2013 OCEANS. San Diego. US: IEEE, 2013: 1-4.

[46] Van Uffelen L J, Nosal E M, Howe B M, et al. Estimating Uncertainty in Subsurface Glider Position Using Transmissions from Fixed Acoustic Tomography Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(4): 3260-3271.

[47] Van Uffelen L J, Howe B, Nosal E M, et al. Acoustic Loc- alization of Seagliders in the Philippine Sea Using Br- oadband Transmissions from Moored Acoustic Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(5): 3983.

[48] Sun J, Yu J, Zhang A, et al. Navigation Positioning Algorithm for Underwater Gliders in Three-dimensional Sp- ace[C]//2015 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER). Shenyang, China: IEEE, 2015: 1269- 1274.

[49] Woithe H C, Boehm D, Kremer U. Improving Slocum Glider Dead Reckoning Using a Doppler Velocity Log[C] //OCEANS'11. Kona: IEEE, 2011: 1-5.

[50] Green D. Underwater Modem-based Navigation Aids[C]// 2010 7th International Symposium on Wireless Communication Systems. York, United Kingdom: IEEE, 2010: 606-610.

[51] Dinc M, Hajiyev C. Integration of Navigation Systems for Autonomous Underwater Vehicles[J]. Journal of Marine Engineering & Technology, 2015, 14(1): 32-43.

[52] Larsen M B. High Performance Doppler-inertial Navigation-experimental Results[C]//OCEANS 2000 MTS/IEEE Conference and Exhibition. Conference Proceedings (Cat. No. 00CH37158). Providence, RI, USA: IEEE, 2000: 1449- 1456.

[53] Jalving B, Gade K, Svartveit K, et a1. DVL Velocity Aiding in the HUGIN 1000 Integrated Inertial Navigation System[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

[54] 季龍. 水下滑翔機定位導航系統及實驗研究[D]. 杭州: 浙江大學, 2006.

[55] 黃海洋. 水下滑翔機GPS/SINS組合導航系統研究[D]. 哈爾濱: 哈爾濱工程大學, 2009.

[56] 李輝. 水下滑翔機的系統設計與導航方法研究[D]. 青島: 中國海洋大學, 2014.

[57] Paley D A. Cooperative Control of Collective Motion for Ocean Sampling with Autonomous Vehicles[M]. Princeton: Princeton University, 2007.

[58] Tang K H, Jiang M M, Weng J. Design of SINS/Phased Array DVL Integrated Navigation System for Underwater Vehicle Based on Adaptive Filtering[J]. Journal of Chinese Inertial Technology, 2013, 21(1): 65-70.

[59] Huang H, Chen X, Lv C, et al. A Novel Hybrid Algorithm of Split-radix Fast Fourier Transform and Unscented Kalman Filter for Navigation Information Estimation[C]//2015 IEEE Metrology for Aerospace (Metro Aerospace). Florence, Italy: IEEE, 2015: 93-97.

[60] Bouguezel S, Ahmad M O, Swamy M N S. Arithmetic Complexity of the Split-radix FFT Algorithms[C]//2005 IEEE International Conference on Acoustics, Speech, and Signal Processing. Philadelphia, Pennsylvania, USA: IEEE, 2005.

[61] 周吉雄. 自主式水下航行器導航算法研究[D]. 哈爾濱:哈爾濱工程大學, 2018.

[62] 呂志剛. 基于 SINS/DVL/GPS 的 AUV 組合導航標定方法的研究及其誤差分析[J]. 艦船電子工程, 2018, 38 (6): 33-36. Lü Zhi-gang. Research on SINS/DVL/GPS Integrated Navigation System Calibration Method and the Error Analysis of AUV[J]. Ship Electronic Engineering, 2018, 38(6): 33-36.

[63] Xu X S, Pan Y F, Zou H J. SINS/DVL Integrated Navigation System Based on Adaptive Filtering[J]. Journal of Huazhong University of Science and Technology (Nature Science Edition), 2015, 43(3): 95-99.

[64] Polvani D. Magnetic Guidance of Autonomous Vehicles (part2) [C]//1987 5th International Symposium on Unmanned Untethered Submersible Technology. Shanghai, China: IEEE, 1987: 257-264.

[65] Davis C. GPS-like Navigation Underground[C]//IEEE/ ION Position, Location and Navigation Symposium. Tianjin, China: IEEE, 2010: 1108-1111.

[66] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomagnetic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[67] 蔡兆云, 魏海平, 任志新. 水下地磁導航技術研究綜述[J]. 尖端科技, 2007(3): 28-30.

[68] 余樂. 水下地磁導航航跡規劃算法研究[D]. 南京: 東南大學, 2017.

[69] Lin Y. Hausdorff-based RC and IESIL Combined Positioning Algorithm for Underwater Geomagnetic Navigation[J]. EURASIP Journal on Advances in Signal Processing, 2010(1): 1-12.

[70] 胡小平, 吳美平, 穆華, 等. 水下地磁導航技術[M]. 北京: 國防工業大學出版社, 2013.

[71] 穆華, 吳志添, 吳美平. 水下地磁/慣性組合導航試驗分析[J]. 中國慣性技術學報, 2013, 21(3): 386-391. Mu Hua, Wu Zhi-tian, Wu Mei-ping. Experimental Analysis of Underwater Geomagnetic Field/inertial Integrated Navigation[J]. Journal of Chinese Inertial Technology, 2013, 21(3): 386-391.

[72] Wu Z, Hu X, Wu M, et a1. An Experimental Evaluation of Autonomous Underwater Vehicle Localization on Geomagnetic Map[J]. Applied Physics Letters, 2013, 103(10): 104102(1)-104102(4).

[73] 劉明雍, 李紅, 劉坤, 等. 地磁異常影響下的AUV仿生導航方法研究[J]. 西北工業大學學報, 2015, 33(4): 627- 632.

Liu Ming-yong, Li Hong, Liu Kun, et al. Navigation Method of Autonomous Underwater Vehicle with Disturbance Due to Geomagnetic Anomaly Considered[J]. Journal of Northwestern Polytechnical University, 2015, 33 (4): 627-632.

[74] Stuntz A, Liebel D, Smith R N. Enabling Persistent Autonomy for Underwater Gliders Through Terrain Based Navigation[C]//OCEANS 2015, Genova, Italy: IEEE, 2015.

[75] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomag- netic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[76] Rossby T, Dorson D, Fontaine J. The RAFOS System[J]. Journal of Atmospheric and Oceanic Technology, 1986, 3 (4): 672-679.

[77] Jones C, Allsup B, DeCollibus C. Slocum Glider: Expanding Our Understanding of the Oceans[C]//2014 Oceans. St. John’s: IEEE, 2014: 1-10.

[78] Deffenbaugh M, Schmidt H, Bellingham J G. Acoustic Navigation for Arctic Under-ice AUV Missions[C]//OCE- ANS'93. Victoria, BC, Canada: IEEE, 1993: I204-I209.

[79] Kukulya A, Plueddemann A, Austin T, et al. Under-ice Operations with a REMUS-100 AUV in the Arctic[C]//2010 IEEE/ OES Autonomous Underwater Vehicles. Monterey, California, USA: IEEE, 2010: 1-8.

[80] Jakuba M V, Roman C N, Singh H, et al. Long-Baseline Acoustic Navigation for Under-Ice Autonomous Underwater Vehicle Operations[J]. Journal of Field Robotics, 2008, 25(11-12): 861-879.

[81] Hegren?s ?, Gade K, Hagen O K, et al. Underwater Transponder Positioning and Navigation of Autonomous Underwater Vehicles[C]//OCEANS 2009. Biloxi, MS, USA: IEEE, 2009: 1-7.

[82] Kaminski C, Crees T, Ferguson J, et al. 12 Days Under Ice—an Historic AUV Deployment in the Canadian High Arctic[C]//2010 IEEE/OES Autonomous Underwater Vehicles. Monterey, CA, USA: IEEE, 2010: 1-11.

[83] Doble M J, Wadhamsi P, Forrest A L, et al. Experiences from Two-years’ Through-ice AUV Deployments in the High Arctic[C]//2008 IEEE/OES Autonomous Underwater Vehicles. Woods Hole, MA, USA: IEEE, 2008: 1-7.

[84] Walls J M, Eustice R M. An Origin State Method for Communication Constrained Cooperative Localization with Robustness to Packet Loss[J]. The International Journal of Robotics Research, 2014, 33(9): 1191-1208.

[85] Bahr A, Walter M R, Leonard J J. Consistent Cooperative Localization[C]//2009 IEEE International Conference on Robotics and Automation. Kobe, Japan: IEEE, 2009: 3415-3422.

[86] Vaganay J, Leonard J J, Curcio J A, et al. Experimental Validation of the Moving Long Base-line Navigation Concept[C]//2004 IEEE/OES Autonomous Underwater Vehicles(IEEE Cat. No. 04CH37578). Sebasco, ME, USA, USA: IEEE, 2004: 59-65.

[87] Webster S E, Freitag L E, Lee C M, et al. Towards Real- time Under-ice Acoustic Navigation at Mesoscale Ranges[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). Seattle, WA: IEEE, 2015: 537- 544.

[88] Claus B, Bachmayer R. Towards Navigation of Underwater Gliders in Seasonal Sea Ice[C]//2014 Oceans. St. Joh- n’s: IEEE, 2014: 1-8.

[89] Claus B, Bachmayer R. Terrain Aided Navigation for an Underwater Glider[J]. Journal of Field Robotics, 2015, 32(7): 935-951.

[90] Claus B, Bachmayer R. Towards Online Terrain Aided Navigation of Underwater Gliders[C]//2014 IEEE/OES Autonomous Underwater Vehicles (AUV). Oxford, MS, USA: IEEE, 2014: 1-5.

Present Situation and Prospect of Navigation Technologies for Underwater Glider

WU Shang-shang1, 2, LI Ge-ge1, 2, LAN Shi-quan1, YANG Shao-qiong1, 2, 3*, ZHANG Lian-hong1, 2,3

(1. Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, School of Mechanical Engineering, Tianjin University, Tianjin 300350, China; 2. Qingdao Institute for Ocean Engineering, Tianjin University, Qingdao 266237, China; 3. The Joint Laboratory of Ocean Observing and Detection, Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China)

Improvement of underwater navigation positioning accuracy is crucial for underwater glider to complete missions, including marine environment observation, resource detection and identification or location of marine target. Most of the existing underwater glider navigation methods are based on dead reckoning supplemented by global position system(GPS). With the advancement of navigation technology, technologies such as inertial navigation, acoustic navigation, marine geophysical navigation and integrated navigation will be applied to underwater gliders increasingly. This paper briefly introduces the principle, classification and familiar algorithms of underwater navigation technology, and summarizes the domestic and abroad status of research and application of navigation technology for underwater gliders. Then the technical difficulties and development trends of under-ice navigation are discussed. The purpose of this paper is to provide reference for in-depth research and innovative application of underwater glider navigation technology.

underwater glider; navigation technology; under-ice navigation

TJ630.33; U674.941; TN967.2

R

2096-3920(2019)05-0529-12

10.11993/j.issn.2096-3920.2019.05.008

吳尚尚, 李閣閣, 蘭世泉, 等. 水下滑翔機導航技術發展現狀與展望[J]. 水下無人系統學報, 2019, 27(5): 529-540.

2019-07-24;

2019-08-20.

國家重點研發計劃(2016YFC0301100, 2017YFC0305902)和深圳市投資控股有限公司資金; 國家自然科學基金(51722508, 11902219); 天津市自然科學基金(18JCQNJC05100, 18JCJQJC46400); 青島海洋科學與技術國家實驗室主任基金(QNLM201705)和“鰲山人才”培養計劃(2017ASTCP-OS05, 2017ASTCP-OE01); 山東省支持青島海洋科學與技術試點國家實驗室重大科技專項(2018SDKJ0205).

*楊紹瓊(1986-), 男, 博士, 講師, 主要研究方向為深海智能裝備、水下機器人和實驗流體力學等. 吳尚尚、李閣閣對本文貢獻相同, 為共同第一作者.

(責任編輯: 楊力軍)