详情

原文传递 AUV组合导航系统容错关键技术研究

论文题名：	AUV组合导航系统容错关键技术研究
关键词：	自主水下航行器;组合导航;容错滤波;故障检测;高斯过程回归
摘要：	自主水下航行器(Autonomous Underwater Vehicle，AUV)作为人类探索和开发海洋的重要工具，在我国海洋发展战略中起重要作用。AUV导航系统为其提供位置、速度、姿态等信息，准确可靠的导航信息是AUV成功执行任务的保证之一。本文以AUV组合导航系统容错技术为主题，对AUV容错组合导航系统建模、多传感器异步信息融合、故障检测技术、导航传感器短时失效处理方法、AUV组合导航系统容错滤波算法等关键技术进行了研究。具体研究内容和结论如下: 　　1.针对AUV导航系统较高的可靠性需求，设计了基于无反馈联邦滤波的AUV容错组合导航系统结构。为每个局部滤波器设置故障检测模块和故障隔离决策模块，有利于及时检测故障并做出应对处理，以避免故障交叉感染。分析AUV常用导航传感器/系统的工作原理，建立以捷联惯性导航系统(Strapdown Inertial Navigation System，SINS)为参考系统的组合导航系统误差模型。　　2.针对AUV多传感器组合导航系统中由于各传感器采样频率不同而造成的异步信息融合问题，提出基于多尺度的异步信息融合算法。在不考虑量测滞后的情况下，利用数学归纳法递推得到基于多尺度的系统模型，并针对有＼无辅助量测信息的时刻分别推导融合估计算法;在考虑量测滞后的情况下，通过状态和观测的分块和扩维得到基于多尺度的系统模型，利用不同尺度上的观测信息对目标状态进行估计，推导以数据块为单位的融合估计算法。在异步量测的SINS、DVL和TAN构成的AUV组合导航系统中，分别针对不考虑和考虑量测滞后的两种情况进行仿真，结果表明基于多尺度的信息融合算法与基于单一尺度的信息融合算法相比提高了异步信息融合精度，从而有利于提高AUV组合导航系统多传感器异步量测情况下的定位精度。　　3.AUV工作环境中许多不确定因素会影响导航传感器量测的稳定性和准确性，甚至可能导致传感器发生故障，针对渐变故障不易检测的问题，提出基于高斯过程回归的故障检测方法。利用粒子群优化算法辅助求取高斯过程回归模型的最优超参数，将训练好的高斯过程回归模型用于预测滤波新息，并基于此构建新颖的故障检测函数，有效增大了系统无故障和有故障时故障检测函数值的差异，从而增强了该故障检测方法对渐变故障的敏感度。通过基于跑车数据的半物理仿真实验进行验证，结果表明基于高斯过程回归的故障检测方法能及时检测突变故障和渐变故障，尤其在检测渐变故障时，与残差卡方故障检测法相比具有明显的快速性。基于高斯过程回归故障检测方法的提出有利于AUV组合导航系统在导航传感器发生故障时及时做出隔离处理，从而有助于保证复杂工作条件下AUV导航结果的准确性。　　4.针对AUV导航传感器DVL易发生短时失效的情况，提出基于偏最小二乘回归和支持向量回归的双模型复合处理方法，利用复合量测估计器的预测结果代替DVL量测信息用于组合导航。为克服失效时刻偶然因素对估计结果带来的不良影响，采用失效时刻及其前期时刻的SINS解算信息作为训练输入，针对该自变量具有多重相关性的情况，采用偏最小二乘回归建立估计器模型，以保证所建模型的稳健性。为进一步提高估计精度，引入支持向量回归这一非线性回归模型建立估计器以预测偏最小二乘回归预测后的残余部分。通过数学仿真和半物理仿真验证了所提复合量测估计器可有效提高传感器短时失效情况下的系统导航结果精度，从而有利于保障恶劣工作环境下AUV组合导航系统的可靠性。　　5.针对AUV组合导航系统高精度高可靠性的需求，提出基于模糊逻辑的智能容错滤波算法。考虑量测噪声先验知识不充分的问题，利用模糊逻辑实现量测噪声方差阵的自适应调整。在故障检测的基础上，引入量测可信度这一变量，通过模糊推理确定量测可信度的取值，并以此调节对量测信息的利用率。综合自适应局部滤波、故障检测算法和故障隔离算法，设计基于模糊逻辑的AUV组合导航系统容错滤波算法流程。通过基于SINS/MCP/DVL/TAN的组合导航系统进行仿真验证，结果表明模糊容错滤波算法可有效避免突变故障和渐变故障引起的导航精度下降问题，从而有利于提高AUV组合导航系统的容错性能。　　基于上述研究，AUV组合导航系统的准确性和容错性得到较大提高，从而有利于增强AUV的可靠性和安全性。
作者：	朱倚娴
专业：	控制科学与工程；导航、制导与控制
导师：	程向红
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2018
正文语种：	中文