《表1 0 误差建模与补偿方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自主水下航行器导航方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

受水下环境特殊性的影响，声波在水中的传播行为十分复杂，另外还受到未知洋流的影响，使得AUV协同导航模型不准确，因此需要进行误差建模与补偿。针对时间延迟，文献[135]利用增广扩展卡尔曼滤波处理具有时滞的量测的多AUV协同导航问题。文献[129]和[134]基于分布式框架提出了带延迟状态的信息滤波器，该方法能实现与集中式协同导航算法一致的性能。文献[136]将水声通信时间延迟建模为主从式AUV量测方程中的测量偏差，设计了误差估计方法来处理动态模型带量测偏差的问题，从而抑制时间延迟对导航精度的影响。针对未知洋流的干扰，文献[137]研究了基于单固定信标的多AUV路径跟踪与协同导航，利用EKF估计洋流误差。文献[138]和[139]通过区域海洋模式系统直接预测洋流，但该方法需要通过机器学习方法提前建立对应海域的洋流模型。西北工业大学刘明雍团队[117-118]，将洋流干扰问题从距离量测扩展到基于移动矢径测量的协同导航中，并对其可观测性进行了分析。该团队还针对通信丢包的情况，提出了改进的扩展卡尔曼滤波协同导航算法[118]。针对多径效应的影响，文献[116]和[140]提出了基于学生t分布的鲁棒滤波协同导航算法。为了处理此类多径效应引起的厚尾量测噪声，文献[114]将最大相关熵应用到协同导航中。文献[141]～[143]在无DVL或DVL受限情况下建立了协同导航的动态过程模型，通过海试试验验证了所建立的动态过程模型相比传统运动学模型在速度测量受限情况下的优势。在此基础上，文献[144]还研究了基于动态过程模型的联合控制和协同导航方法。文献[145]将常规地区的协同导航拓展至极区特定的导航坐标系下，通过仿真验证了协同导航系统在极区应用的有效性和可行性。未来多AUV协同导航必然会朝着高精度方向发展，水下复杂环境带来的通信受限、时间延迟、洋流干扰的补偿精度还需要进一步提高。表10为误差建模与补偿方法的归类总结。