水下SINS/DVL組合導航技術綜述

趙俊波, 葛錫云, 馮雪磊, 周宏坤

水下SINS/DVL組合導航技術綜述

趙俊波, 葛錫云, 馮雪磊, 周宏坤

(中國船舶科學研究中心, 江蘇 無錫, 214082)

基于捷聯慣性導航系統(SINS)與多普勒計程儀(DVL)相結合的組合導航技術近年來在自主水下航行器(AUV)導航上得到了廣泛應用。文中簡要介紹了水下SINS/DVL組合導航的基本原理、耦合方式和系統應用研究現狀; 詳細論述了數據融合處理技術、標定技術和DVL數據失效處理技術等3個關鍵技術及其研究現狀; 最后, 探討了水下SINS/DVL組合導航技術的發(fā)展趨勢及其將要面臨的技術問題。文中的研究可為水下高精度組合導航研究提供參考。

自主水下航行器; 組合導航; 捷聯慣性導航系統/多普勒計程儀; 卡爾曼濾波; DVL數據失效

0 引言

水下航行器在人類利用和開發(fā)海洋的過程中發(fā)揮了至關重要的作用, 無論是在軍事上還是在國民經濟領域都有著廣泛的應用[1]。水下導航技術對自主水下航行器(autonomous undersea vehi- cle, AUV)安全而有效地完成使命任務至關重要。由于電磁波在水中快速衰減, 故陸地上常用的全球衛(wèi)星導航系統在水下無法使用, 因此AUV水下導航研究極具挑戰(zhàn)性[2]。

現有的水下導航方法主要分為3類[3-4]: 航位推算及慣性導航、聲學導航和地球物理導航。這些不同的導航方法既可獨立使用, 也能聯合使用, 實現組合導航, 提高導航精度。在水下組合導航中, 當前流行的方式主要是捷聯慣性導航系統(strap- down inertial navigation system, SINS)與多普勒計程儀(Doppler velocity log, DVL)結合的組合導航[5-10], 該技術自本世紀初在丹麥的MARIDAN AUV上成功應用后[8], 經過十多年的快速發(fā)展, 已在多個關鍵技術方向取得了豐碩的研究成果。

1 系統概述

1.1 基本原理

1) 慣性導航, 簡稱慣導, 是航位推算方法的一種。慣性導航系統(inertial navigation system, INS)是以陀螺和加速度計為敏感器件的導航參數解算系統, 該系統根據陀螺的輸出建立起導航坐標系, 并根據加速度計輸出解算出運載體的速度和位置[11]。

慣性導航系統是自主導航, 具有隱蔽性好、數據率高及導航參數全面等優(yōu)點, 但是其導航定位誤差會隨著時間推移而不斷增大。隨著微型計算機技術和光學陀螺的發(fā)展, 傳統的平臺式INS逐漸向捷聯式過渡, 使得SINS應用日益廣泛。

2) DVL是根據潛水器發(fā)射超聲波至海底(或者其他目標)產生多普勒效應的原理來進行工作的。DVL能提供載體相對于聲學反向散射源的速度矢量信息, 但是該聲吶設備的測量距離是有限的, 其最大測量距離與其聲學換能器的工作頻率有關[2]。

3) 組合導航系統是將2種或2種以上的導航設備有機地結合在一起, 利用信息處理技術對各種導航信息進行綜合處理, 以獲得整體性能優(yōu)于單一導航設備的系統[12]。就水下SINS/DVL而言, 組合導航技術就是將SINS與DVL耦合起來, 主要利用卡爾曼濾波技術對位置、速度等導航參數進行綜合處理, 以達到提高慣性導航精度的目的, 其基本原理如圖1所示。

1.2 系統耦合方式

水下SINS/DVL組合導航的耦合方式主要有松耦合和緊耦合2種。松耦合方式是將DVL提供的載體速度測量信息與SINS給出的位置、速度等導航參數做融合處理; 而緊耦合方式是將DVL原始數據與SINS給出的位置、速度等導航參數做融合處理[13]。其中, DVL原始數據是指多普勒聲吶每個波束方向上的相對速度信息, 該信息與載體速度信息有一個轉換關系。2種耦合方式的基本結構如圖2所示。

由于目前商用DVL大多都只提供載體速度信息, 并不給出原始數據, 因此當前水下SINS/ DVL組合導航系統采用的組合方式基本上都是松耦合方式。近年來, Tal和Klein等[13]提出了一種擴展松耦合方式, 通過融合外部輔助信息與DVL部分原始測量信息來估算載體速度, 進而與慣性導航系統給出的位置、速度等導航參數做數據融合處理。

1.3 系統研究現狀

當前水下組合導航系統設計的主流是SINS/ DVL組合導航, 美國Woods Hole海洋研究所、美國海軍研究生院、美國Bluefin Robotics公司、加拿大International Submarine Engineering公司、英國國家海洋中心、挪威Kongsberg Maritime公司以及丹麥Maridan A/S公司等AUV研究機構都已將SINS/DVL組合導航技術應用于AUV設計中。

在高精度組合導航系統研究方面, 美國Blue- fin Robotics公司針對2種不同慣導設備的組合導航系統于2010年在Boston做了大量的海上試驗[14]。這2種組合導航系統分別裝配在不同型號的Blue- fin AUV上, 在同樣配置Teledyne RDI公司的DVL和Veleport公司的聲速傳感器的前提下, 分別采用了Kearfott公司的T-24型激光慣導和IXSEA公司的PHINS Ⅲ型光纖慣導。在航跡方面, 前者主要是直線往返, 后者主要是直線與圓的混合。多次試驗的統計結果表明[14], 這2種組合導航系統都具備很高的導航精度, 分別達到了航程的0.05%(CEP)和0.07%(CEP)。

2 關鍵技術

2.1 數據融合處理

水下航行器導航系統的數據處理主要包括數據預處理和數據融合處理兩部分。其中, 數據預處理一般只針對單個設備進行數據處理, 而數據融合處理是針對多個設備的多源信息融合處理。數據融合處理技術是水下航行器SINS/DVL組合導航技術的核心部分, 所用到的基本方法是基于時域的卡爾曼濾波法。

1) 基于不同濾波原理的卡爾曼濾波

卡爾曼濾波(Kalman filter, KF)是一種基于貝葉斯濾波理論的方法類型, 包含了一系列方法。在水下SINS/DVL組合導航中, 常用的方法主要有KF、自適應卡爾曼濾波法(adaptive Kalman filter, AKF)、擴展卡爾曼濾波法(extended Kalman filter, EKF)、無跡卡爾曼濾波法(unscented Kalman filter, UKF)和容積卡爾曼濾波法(cubature Kalman filter, CKF), 其中, 后4種都是非線性的方法。

KF是最常用的一種濾波方法, 已成熟應用于水下SINS/DVL組合導航中, 丹麥的MARIDAN 150 AUV及挪威的HUGIN 1000 AUV的組合導航系統用的都是KF[8-9]。然而, 在SINS/DVL組合導航系統中, 由于導航器件的誤差漂移、運載體機動產生的動態(tài)誤差以及水中復雜環(huán)境的影響, 系統模型很難完全準確, 噪聲的統計特性也具有不確定性, 因而有學者提出了AKF[15-16], 其理論基礎是Sage- Husa自適應濾波法。徐曉蘇等[15]根據實際導航系統的濾波需要, 對原算法進行了改進, 設計出基于改進Sage-Husa自適應濾波算法的SINS/DVL組合導航系統, 仿真結果表明該系統具有較高的精度和一定的抗外界干擾能力。

EKF是對非線性模型進行線性化處理, 濾波過程中需要反復計算Jacobian矩陣, 本質上是線性的方法; 而UKF是基于UT變換的方法, 本質上是非線性的。Karimi等[17]針對SINS/DVL組合導航問題, 將上述2種方法做了仿真對比研究, 結果表明EKF具有更高的估計精度。

CKF是一種新型非線性濾波方法, 通過一組等權值的容積點集解決貝葉斯濾波的積分問題。自2009年加拿大Arasaratnam等[18]提出該方法以來, 已有學者在水下航行器組合導航領域做過方法改進與應用研究[19-20]。王宏健等[20]將高斯混合密度模型與CKF相結合, 設計了基于高斯混合容積卡爾曼濾波(Gaussian mixture cubature Kalman filter, GM-CKF)的水下航行器導航定位算法, 通過湖試驗證了GM-CKF方法相對于EKF、UKF和CKF的優(yōu)越性。

2) 基于不同狀態(tài)類型的卡爾曼濾波

除了按照濾波原理來分類之外, KF還有另外一種分類方法。它根據所估計狀態(tài)變量類型的不同, 主要分為直接法和間接法。其中, 直接濾波方式是將各導航設備的導航參數直接作為狀態(tài)變量進行濾波處理, 間接濾波方式是將各自導航參數的誤差量作為狀態(tài)變量來進行濾波處理。2種濾波方式在水下SINS/DVL組合導航中均有過應用研究, 其中, 間接濾波方式實際應用相對較多[5-10, 13-17], 已積累了大量的應用經驗。

直接濾波方式研究得相對較少。近年來, Shabani等[21]針對SINS/DVL組合導航問題提出了異步直接卡爾曼濾波(asynchronous direct Kalman filter, ADKF)方法, 并首次通過湖試驗證了該方法相對于誤差狀態(tài)KF方法的優(yōu)越性; Davari等[22]又在此基礎上做了改進, 提出了異步自適應直接卡爾曼濾波(asynchronous adaptive direct Kalman filter, AADKF)方法, 試驗結果表明, AADKF比ADKF有更高的位置估計精度。

2.2 標定技術

1) 安裝誤差的標定

由于設備安裝誤差的存在, 慣導系統、DVL的坐標系與導航坐標系并不完全重合。為盡可能地減少誤差累計, 需要對慣導系統、DVL的安裝誤差進行對準標定。慣導系統可以通過初始對準技術實現坐標系對準, 而DVL需要通過標定技術實現坐標系誤差標定。慣導的初始對準一般分為粗對準和精對準兩步實現, 該技術經過數十年的發(fā)展, 目前已有大量的技術成果可供參考[23-28], 技術發(fā)展較為成熟。

實現DVL安裝誤差標定的方法主要包括光學標定法、約束最小二乘法、旋轉矩陣自適應辨識法、旋轉矢量辨識法和KF等[29-35]。其中, 光學標定法是一種人工離線標定的方法[29], 而后面4種均屬于在線標定方法。人工標定費時費力并且誤差較大, 故目前研究熱點主要是在線標定。

約束最小二乘法是最小二乘法的變形, 是將待辨識的矩陣約束為旋轉矩陣求解, Kinsey等[30]首次將該方法應用到多普勒導航系統的原位標定上, 并以JHUROV和SeaBED AUV為水下載體分別進行了水池試驗和海試, 驗證了該方法的有效性?？紤]到約束最小二乘法需要借助于外部傳感器信息來校準, 為消除對外部輸入條件的依賴性, Troni等[31-33]提出了基于自身導航系統信息的校準方法, 充分利用慣導的導航參數, 提出基于速度的AVE-SV方法和基于加速度的ACC-NL方法。

旋轉矩陣自適應辨識法是一種遞推估計方法, Kinsey等[34]首次將該方法應用于水下導航對準標定, 應用Lyapunov方法給出了穩(wěn)定性證明, 并以SeaBED AUV為載體進行海試, 通過與約束最小二乘法對比, 驗證了該方法的有效性和優(yōu)越性。

由于旋轉矩陣自適應辨識法存在增益矩陣手動調節(jié)的繁瑣、方法幾何意義不明確以及額外的預處理負擔等諸多問題, 為便于理解和應用, Stanway等[35]從幾何代數學的角度提出了旋轉矢量辨識法, 該方法將旋轉矩陣辨識問題轉化為旋轉矢量辨識問題, 只需要通過給定旋轉矢量初值和調整一個參數增益就能實現穩(wěn)定的遞推估計。

另外, KF也是解決標定問題的有效方法, 朱春云等[29]將DVL相對于載體的3個姿態(tài)角作為狀態(tài)變量, 應用KF技術實現了安裝角的在線估計。

2) 刻度系數的標定

考慮到DVL在水中由于受水溫、鹽度和環(huán)境噪聲的影響, 而且本身聲信號存在衰減及散射等情況, 其測量的速度與真實值存在差異, 因此, 需要引入一個刻度系數, 通過對該系數進行標定, 實現對DVL速度的誤差修正[36]。

目前解決這一標定問題的方法主要有KF和基于奇異值分解的最小二乘法等[36-40]。Pan等[39]將DVL安裝誤差角和刻度系數一起看作狀態(tài)變量增加到導航系統誤差模型狀態(tài)變量中, 給出了系統狀態(tài)觀測性理論分析結果, 通過EKF方法實現了系統狀態(tài)估計?；谄娈愔捣纸獾淖钚《朔ㄊ荳ahba問題的一種穩(wěn)定解法, Li等[40]應用該方法實現了DVL安裝誤差角和刻度系數的在線標定。

2.3 DVL數據失效處理

2.3.1 原因分析

DVL與慣性設備雖然同為無源設備, 都可實現自主導航, 但是DVL有一個特點: 該聲吶設備是主動聲吶, 需要接收外界的反射聲波, 其接收到的聲學信號與周圍聲學環(huán)境有很大關系。

就對底工作模式而言, 會出現如下典型工況[41-42]: 1) 當水下航行器航行過程中遭遇海洋生物阻擋時, DVL發(fā)射出的聲波不能到達海底; 2) 當海底存在強吸聲地質(比如淤泥)時, DVL發(fā)射出的聲波無法反射回來; 3) 當水下航行器航行過程中遇到深溝, 載體與深溝的距離超過了DVL的測量范圍, 參見圖3; 4) 當水下航行器進行大角度運動(比如大俯仰)時, 部分波束無法收到反射信號。

在水下SINS/DVL組合導航系統中, DVL一般工作在對底模式, 如果出現上述4種工況, DVL或將信號短期中斷, 這樣直接影響導航性能。

2.3.2 解決辦法

解決水下SINS/DVL組合導航系統DVL對底測速短期中斷問題, 主要有2種解決辦法: 一種為隔離法, 即直接隔離掉數據失效的DVL; 另一種為替換法, 即替換掉DVL的測速數據。若采用隔離法, 組合導航將直接變成慣性導航, 導航精度會降低。為盡量減少精度損失, 很多學者重點研究了替換法, 該方法的技術核心是設計一個載體相對于水底的速度估計器來替換掉DVL測速信息。Zhu等[41]通過采用線性的偏最小二乘回歸(partial least squares regression, PLSR)估計器和基于神經網絡的支持向量回歸(support vector re- gression, SVR)估計器相結合的方法, 建立了慣導速度輸出與DVL速度輸出的映射關系, 在DVL失效后實時估計載體對地速度, 通過仿真驗證了該方法的有效性?；谀Ｐ偷臓顟B(tài)估計方法可以有效輔助慣導[43-45], Hegreneas等[43]提出了DVL對流輔助慣導(Doppler velocity log water-track aided INS, DVLWT-INS)方法, 通過模型估算流速, 結合DVL對流速度信息來估算DVL對地(Doppler velocity log bottom-track, DVLBT)速度, 通過海試驗證了DVLWT-INS的有效性和魯棒性。

3 發(fā)展趨勢及面臨的技術問題

由于AUV正朝著遠程化、小型化及商業(yè)化等方向發(fā)展[46], 高精度、小型化和低成本化將成為水下SINS/DVL組合導航的發(fā)展趨勢, 未來將要面臨的技術問題主要有如下幾個方面。

3.1 一體化集成技術

由于體積大、質量大的設備不便于AUV攜帶, 因此, 設備小型化是一個發(fā)展趨勢。一方面, 小型化、低成本的微機電(micro electro mechanical system, MEMS)慣性器件的精度正逐漸提升, 易于大批量生產, 該類慣性技術已廣泛應用于軍民領域[47-48]; 另一方面, DVL也出現了相控陣形式, 相比于傳統的活塞式, 在相同波束寬度和工作頻率的情況下, 其換能器基陣的體積要小很多[49]。故水下SINS/DVL組合導航系統小型設備的一體化集成技術將成為今后研究方向之一。

3.2 流速信息輔助導航技術

隨著硬件技術進步, 當前的DVL既能測量水下航行器的對地速度, 也能測量其對流速度。初步研究結果已表明, DVL對流速度也能輔助導航, 并提高水下SINS/DVL組合導航的精度[50], 但理論研究尚不成熟。故從提升組合導航精度的角度考慮, 如何合理的使用流速信息, 在理論上值得進一步研究。

3.3 非線性濾波理論的應用技術

在實際應用中, 受系統本身及外部應用環(huán)境不確定因素的影響, 組合導航系統實際模型與建立的理論模型不能完全匹配, 這將增大導航誤差, 而非線性濾波理論是解決這一問題的基本方法。隨著理論的發(fā)展進步和微處理器計算能力的提升, 很多非線性濾波方法[51], 如粒子濾波、神經網絡算法及交互式多模型濾波等, 將逐漸應用于組合導航工程實踐。新的非線性濾波理論在水下SINS/DVL組合導航上的應用將成為未來研究熱點。

3.4 與聲學定位的融合技術

水聲定位精度不會隨著時間發(fā)散, 故水下SINS/DVL組合導航系統與水聲定位融合有助于提高其長周期導航精度。水下SINS/DVL組合導航技術目前已在與長基線定位組合和與超短基線定位組合這2個方面出現了部分研究成果[52-55], 但需盡快實現工程化應用。

近年來出現了單信標定位技術, 該技術很大程度上降低了聲學定位設備的硬件復雜度和安裝復雜性, 同時也能達到米級的定位精度[56]。因此, 與單信標定位組合是提高水下SINS/DVL組合導航系統長周期導航精度的有效手段。從目前已有的初步研究成果來看, 組合方式局限于利用單信標的測距信息來與SINS、DVL組合[57]。而單信標定位比單信標測距有著更全面的導航參數信息, 基于單信標定位信息的組合方式值得深入研究。

3.5 與地球物理導航的融合技術

地球物理導航有3種, 包括地形匹配導航、地磁匹配導航和重力匹配導航, 其基本原理大致相同, 導航精度都不會隨時間發(fā)散, 因而能作為慣性導航的輔助導航手段。隨著聲吶探測技術的進步, 地形匹配輔助導航技術得到了快速的發(fā)展, 出現了較多的應用研究成果[58-60], 挪威KongsbergMaritime公司已研發(fā)出專門的地形輔助導航模塊[60],該技術正逐漸發(fā)展成熟。

重力匹配導航和地磁匹配導航已有豐富的理論研究成果[61-62], 但由于受到測量設備性能不高、場模型精度較低及特征數據庫信息不夠豐富等因素的制約, 實際應用還相對較少。重力匹配導航和地磁匹配導航由于是自主導航, 隱蔽性好, 長期精度高, 能實現全海域導航, 故非常適用于大航程水下航行器, 因此, 水下SINS/DVL組合導航技術與重力匹配導航、地磁匹配導航融合也是未來的研究重點。

4 結束語

導航是水下航行器完成任務使命的技術保障, 而組合導航是提高水下航行器導航精度的主要手段。SINS/DVL組合導航是當前水下航行器組合導航系統的設計主流, 并且已在數據融合處理技術、標定技術和DVL數據失效處理技術等關鍵技術上取得了重大進展?？梢灶A見, 水下SINS/DVL組合導航系統將朝著高精度、小型化和低成本化方向發(fā)展, 未來需要在一體化集成技術、流速信息輔助導航技術、非線性濾波理論的應用技術、與聲學定位的融合技術以及與地球物理導航的融合技術等方面尋求突破。

[1] 尹偉偉, 郭士犖. 非衛(wèi)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 Underwater Navigation and Positioning Technology[J]. Ship Electronic Engineering, 2017, 37(3): 8-11.

[2] Leonard J J, Bahr A. Autonomous Underwater Vehicle Navigation[M]. Springer: Handbook of Ocean Engineering, 2016.

[3] Kinsey J C, Eustice R M, Whitcomb L L. A Survey of Un- derwater Vehicle Navigation: Recent Advances and New Challenges[C]//Proceeding Conference Maneuvering Con- trol Marine Craft. Lisbon, Portugal: IST&ISR, 2006: 1-12.

[4] Paull L, Saeedi S, Seto M, et a1. AUV Navigation and Localization: A Review[J]. IEEE Journal of Oceanic Engineering, 2014, 39(1): 131-149.

[5] 李亮. SINS/DVL組合導航技術研究[D]. 哈爾濱: 哈爾濱工程大學, 2009.

[6] 朱忠軍. 未知海底環(huán)境下AUV組合導航技術研究[D]. 哈爾濱: 哈爾濱工程大學, 2013.

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

[8] Larsen M B. High Performance Doppler-inertial Navigation-experimental Results[C]//Ocean 2000 MTS/IEEE Co- nference and Exhibition. RI, USA: IEEE, 2000.

[9] 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.

[10] Hegren?s ?, Ramstad A, Pedersen T, et a1. Validation of a New Generation DVL for Underwater Vehicle Navigation[C]//2016 IEEE/OES Autonomous Underwater Vehicles(AUV). Tokyo, Japan: IEEE, 2016: 342-348.

[11] 秦永元. 慣性導航[M]. 第4版. 北京: 科學出版社, 2014.

[12] 趙琳, 楊曉東, 程建華, 等. 現代艦船導航系統[M]. 北京: 國防工業(yè)出版社, 2015.

[13] Tal A, Klein I, Katz R. Inertial Navigation System/Dop- pler Velocity Log(INS/DVL) Fusion with Partial DVL Measurements[J]. Sensors, 2017, 17(2): 415.

[14] Panish R, Taylor M. Achieving High Navigation Accuracy Using Inertial Navigation Systems in Autonomous Underwater Vehicles [C]//Proceedings of the OCEANS′11 IEEE. Santander, Spain: IEEE, 2011.

[15] 徐曉蘇, 潘永飛, 鄒海軍. 基于自適應濾波的SINS/ DVL組合導航系統[J]. 華中科技大學學報(自然科學版), 2015, 43(3): 95-99.

Xu Xiao-su, Pan Yong-fei, Zou Hai-jun. 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.

[16] 唐康華, 江明明, 翁炬. 基于自適應濾波的水下SINS/相控陣DVL組合導航算法設計[J]. 中國慣性技術學報, 2013, 21(1): 65-70.

Tang Kang-hua, Jiang Ming-ming, Weng Ju. 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.

[17] Karimi M, Bozorg M, Khayatian A R. A Comparison of DVL/INS Fusion by UKF and EKF to Localize an Au- tonomous Underwater Vehicle[C]//Proceeding of the 2013 RSI/ISM International Conference on Robotics and Mech- atronics. Tehran, Iran: IEEE, 2013.

[18] Arasaratnam I, Haykin S. Cubature Kalan Filters[J]. IEEE Transactions on Automatic Control, 2009, 54(6): 1254- 1269.

[19] 徐曉蘇, 董亞, 童金武, 等. 基于5階球面最簡相徑的改進型容積卡爾曼濾波在SINS/DVL組合導航中的應用[J]. 中國慣性技術學報, 2017, 25(3): 343-348.

Xu Xiao-su, Dong Ya, Tong Jin-wu, et al. Improved Fifth- degree Spherical Simplex Sadial Cubature Kalman Filter in SINS/DVL Integrated Navigation[J]. Journal of Chinese Inertial Technology, 2017, 25(3): 343- 348.

[20] 王宏健, 李村, 么洪飛, 等. 基于高斯混合容積卡爾曼濾波的UUV自主導航定位算法[J]. 儀器儀表學報, 2015, 36(2): 254-261.

Wang Hong-jian, Li Cun, Yao Hong-fei, et al. Gaussian Mixture Cubature Kalman Filter Based Autonomous Nav- igation and Localization Algorithm for UUV [J]. Chinese Journal of Scientific Instrument, 2015, 36(2): 254-261.

[21] Shabani M, Gholami A, Davari N. Asynchronous Direct Kalman Filtering Approach for Underwater Integrated Navigation System[J]. Nonlinear Dyn, 2015, 80(1-2): 71-85.

[22] 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.

[23] He H, Xu J, Li J, et al. Improved Fast Backtracking Ali- gnment Approach for Strapdown Inertial Navigation System[J]. Journal of Chinese Inertial Technology, 2015, 23 (2): 179-183.

[24] Malakar B, Roy B K. A Novel Application of Adaptive Filtering for Initial Alignment of Strapdown Inertial Navigation System[C]//2014 International Conference on Circuits, Systems, Communication and Information Technology Applications IEEE. Mumbai, India: IEEE, 2014: 189-194.

[25] 王新龍. 捷聯式慣導系統動、靜基座初始對準[M]. 西安: 西北工業(yè)大學出版社, 2013.

[26] 鄒海軍. 光纖陀螺捷聯慣導系統初始對準技術研究[D]. 南京: 東南大學, 2015.

[27] Liu X, Xu X, Liu Y, et a1. A Fast and High-accuracy Tr- ansfer Alignment Method Between M/S INS for Ship Bas- ed on Iterative Calculation[J]. Measurement, 2014, 51(1): 297-309.

[28] 梅春波, 秦永元, 游金川. SINS基于非線性量測的大失準角初始對準算法[J]. 宇航學報, 2016, 37(3): 291-297.

Mei Chun-bo, Qin Yong-yuan, You Jin-chuan. Nonlinear Measurement Based SINS Initial Alignment Algorithm Under Large Misalignment Angle[J]. Journal of Astronautics, 2016, 37(3): 291-297.

[29] 朱春云, 莊廣琛, 宋雅蘭, 等. DVL安裝角估計方法在水下組合導航系統中的應用[J]. 中國慣性技術學報, 2011, 19(1): 75-78. Zhu Chun-yun, Zhuang Guang-chen, Song Ya-lan, et al. DVL Installation Angle Estimation and Application in Underwater Integrated Navigation System[J]. Journal of Chinese Inertial Technology, 2011, 19(1): 75-78.

[30] Kinsey J C, Whitcomb L L. In Situ Alignment Calibration of Attitude and Doppler Sensors for Precision Underwater Vehicle Navigation: Theory and Experiment[J]. IEEE Jo- urnal of Oceanic Engineering, 2007, 32(2): 286-299.

[31] Troni G, Whitcomb L L. Experimental Evaluation of New Methods for Insitu Calibration of Attitude and Doppler Sensors for Underwater Vehicle Navigation[C]//Intelligent Robots and Systems IEEE/RSJ International Conference. San Francisco, CA: IEEE, 2011.

[32] Troni G, Kinsey J C, Yoerger D R, et al. Field Performance Evaluation of New Methods for In-Situ Calibration of Attitude and Doppler Sensors for Underwater Vehicle Navigation[C]//In Robotics and Automation IEEE International Conference. St. Paul, Minnesota: IEEE, 2012.

[33] Troni G, Whitcomb L L. Advances in In Situ Alignment Calibration of Doppler and High/Low-end Attitude Sensors for Underwater Vehicle Navigation: Theory and Experimental Evaluation[J]. Journal of Field Robotics, 2015, 32(5): 655-674.

[34] Kinsey J C, Whitcomb L L. Adaptive Identification on the Group of Rigid-body Rotations and Its Application to Underwater Vehicle Navigation[J]. IEEE Transactions on Robotics, 2007, 23(1): 124-136.

[35] Stanway M J, Kinsey J C. Rotation Identification in Geometric Algebra: Theory and Application to the Navigation of Underwater Robots in the Field[J]. Journal of Field Robotics, 2015, 32(2): 632–654.

[36] 于玖成, 何昆鵬, 王曉雪. SINS/DVL組合導航系統的標定[J]. 智能系統學報, 2015, 10(1): 143-148.

Yu Jiu-cheng, He Kun-peng, Wang Xiao-xue. Calibration for Strapdown Inertial Navigation/Doppler Velocity Log Integrated Navigation System[J]. CAAI Transactions on Intelligent Systems, 2015, 10(1): 143-148.

[37] Li W, Wang J, Lu L, et al. A Novel Scheme for DVL-aided SINS In-Motion Alignment Using UKF Techniques[J]. Sensors, 2013, 13(1): 1046-1063.

[38] Li W, Wu W, Wang J, et al. A Novel Backtracking Navigation Scheme for Autonomous Underwater Vehicles[J]. Measurement, 2014, 47(47): 496-504.

[39] Pan X, Wu Y. Underwater Doppler Navigation with Self- calibration[J]. The Journal of Navigation, 2016, 69(2): 295-312.

[40] Li W, Zhang L, Sun F, et a1. Alignment Calibration of IMU and Doppler Sensors for Precision INS/DVL Integrated Navigation[J]. Optik, 2015, 126(23): 3872-3876.

[41] Zhu Y, Cheng X, Hu J, et a1. A Novel Hybrid Approach to Deal with DVL Malfunctions for Underwater Integrated Navigation Systems[J]. Journal of Applied Sciences, 2017, 7(8): 759.

[42] Zhao L, Liu X, Wang L, et a1. A Pretreatment Method for the Velocity of DVL Based on the Motion Constraint for the Integrated SINS/DVL[J]. Journal of Applied Sciences, 2016, 6(3): 79.

[43] Hegren?s ?, Berglund E. Doppler Water-track Aided Inertial Navigation for Autonomous Underwater Vehicle [C]//Proceedings of the IEEE Oceans Conference and Exhibition. Bremen, Germany: IEEE, 2009.

[44] Hegrenaes ?, Hallingstad ?. Model-aided INS with Sea Current Estimation for Robust Underwater Navigation[J]. IEEE Journal of Oceanic Engineering, 2011, 36(2): 316-337.

[45] Martinez A, Hernandez L, Sahli H, et a1. Model-aided Navigation with Sea Current Estimation for an Autonom- ous Underwater Vehicle[J]. International Journal of Adva- nced Robotic Systems, 2015, 12(7): 103.

[46] 馬偉鋒, 胡震. AUV的研究現狀與發(fā)展趨勢[J]. 火力指揮與控制, 2008, 33(6): 10-13.

Ma Wei-feng, Hu Zhen. Current Researches and Development Trend on AUV[J]. Fire Control and Command Control, 2008, 33(6): 10-13.

[47] 薛連莉, 陳少春, 陳效真. 2016年國外慣性技術發(fā)展與回顧[J]. 導航與控制, 2017, 16(3): 105-112.

Xue Lian-li, Chen Shao-chun, Chen Xiao-zhen. Development and Review of Foreign Inertial Technology in 2016[J]. Navigation and Control, 2017, 16(3): 105-112.

[48] 陳尚, 張世軍, 穆星科, 等. MEMS陀螺技術國內外發(fā)展現狀簡述[J]. 傳感器世界, 2016, 22(4): 19-23.

Chen Shang, Zhang Shi-jun, Mu Xing-ke, et al. A Brief Review on the Development of MEMS Gyroscopes at Home and Abroad[J]. Sensor World, 2016, 22(4): 19-23.

[49] 劉國勤, 彭東立. 相控陣多普勒計程儀的相控波束形成[J]. 聲學技術, 2015, 34(4): 374-379.

Liu Guo-qin, Peng Dong-li. Beam-forming of Phased- array Doppler Velocity Log[J]. Technical Acoustics, 2015, 34(4): 374-379.

[50] 張福斌, 鮑鴻杰, 段小偉, 等. 一種考慮洋流影響的AUV組合導航算法[J]. 計算機測量與控制, 2012, 20(2): 513-515.

Zhang Fu-bin, Bao Hong-jie, Duan Xiao-wei, et al. An AUV Integrated Navigation Algorithm Considering the Effect of Ocean Current[J]. Computer Measurement & Control, 2012, 20(2): 513-515.

[51] 趙琳, 王小旭, 丁繼成, 等. 組合導航系統非線性濾波算法綜述[J]. 中國慣性技術學報, 2009, 17(1): 46-52.

Zhao Lin, Wang Xiao-xu, Ding Ji-cheng, et al. Overview of Nonlinear Filter Methods Applied in Integrated Navigation System[J]. Journal of Chinese Inertial Technology, 2009, 17(1): 46-52.

[52] Zhang T, Chen L, Li Y. AUV Underwater Positioning Algorithm Based on Interactive Assistance of SINS and LBL [J]. Sensors, 2016, 16(1): 42.

[53] 張濤, 胡賀慶. 一種改進的水下三陣元輔助慣導系統的定位算法[J]. 中國慣性技術學報, 2017, 25(2): 192-196.

Zhang Tao, Hu He-qing. Improved Positioning Algorithm of Inertial Navigation System with Aiding of Underwater Three-element Array[J]. Journal of Chinese Inertial Tech- nology, 2017, 25(2): 192-196.

[54] 徐博, 郝芮, 王超, 等. 水下潛航器的慣導/超短基線/多普勒測速信息融合及容錯驗證[J]. 光學精密工程, 2017, 25(9): 2508-2515.

Xu Bo, Hao Rui, Wang Chao, et al. INS/USBL/DVL Information Fusion and Fault-tolerant Verification for Underwater Vehicles[J]. Optics and Precision Engineering, 2017, 25(9): 2508-2515.

[55] 張亞文, 莫明崗, 馬小艷, 等. 一種基于集中濾波的SINS/DVL/USBL水下組合導航算法[J]. 導航定位與授時, 2017, 4(1): 25-31.

Zhang Ya-wen, Mo Ming-gang, Ma Xiao-yan, et al. An Algorithm of Underwater SINS/DVL/USBL Integrated Navigation Based on Concentrated Filtering[J]. Navigation Positioning and Timing, 2017, 4(1): 25-31.

[56] 曹俊, 鄭翠娥, 孫大軍, 等. AUV直線航跡下的單信標測距定位[J]. 哈爾濱工程大學學報, 2017, 38(5): 733-738.

Cao Jun, Zheng Cui-e, Sun Da-jun, et al. AUV Positioning Based on Single-beacon Ranging in Straight-line Trajectory[J]. Journal of Harbin Engineering University, 2017, 38(5): 733-738.

[57] 王彬, 翁海娜, 梁瑾, 等. 一種慣性/水聲單應答器距離組合導航方法[J]. 中國慣性技術學報, 2017, 25(1): 86-90.

Wang Bin, Weng Hai-na, Liang Jin, et al. Inertial/Acoustic Range Integrated Navigation with Single Transponder[J]. Journal of Chinese Inertial Technology, 2017, 25(1): 86-90.

[58] 張靜遠, 諶劍, 李恒, 等. 水下地形輔助導航技術的研究與應用進展[J]. 國防科技大學學報, 2015, 37(3): 128-135.

Zhang Jing-yuan, Chen Jian, Li Heng, et al. Research and Application Progress on Underwater Terrain-aided Navigation Technology[J]. Journal of National University of Defense Technology, 2015, 37(3): 128-135.

[59] Melo J, Matos A. Survey on Advances on Terrain Based Navigation for Autonomous Underwater Vehicles[J]. Oc- ean Engineering, 2017, 139(1): 250-264.

[60] Anonsen K B, Hagen O K, Hegren?s ?, et a1. The HUGIN AUV Terrain Navigation Module[C]//OCEANS 2013 IEEE MTS Conference. San Diego, CA, USA: IEEE, 2013: 1966-1973.

[61] Teixeira F C, Quintas J, Pascoal A. Experimental Validation of Magnetic Navigation of Marine Robotic Vehicles[J]. IFAC-Papers On Line, 2016, 49(23): 273-278.

[62] 付夢印, 劉飛, 袁書明, 等. 水下慣性/重力匹配自主導航綜述[J]. 水下無人系統學報, 2017, 25(1): 31-43.

Fu Meng-yin, Liu Fei, Yuan Shu-ming, et al. Review of Undersea Autonomous Inertial-Gravity Matching Navigation[J]. Journal of Unmanned Undersea Systems, 2017, 25(1): 31-43.

(責任編輯: 楊力軍)

A Review of Underwater SINS/DVL Integrated Navigation Technology

ZHAO Jun-bo, GE Xi-yun, FENG Xue-lei, ZHOU Hong-kun

(China Ship Scientific Research Center, Wuxi 214082, China)

In recent years, the integrated navigation technology based on strapdown inertial navigation system(SINS) and Doppler velocity log(DVL) has been widely applied to autonomous undersea vehicle(AUV) navigation. This paper introduces the basic principle, coupling pattern, and application researches of the underwater SINS/DVL integrated navi- gation system, discusses three key technologies in detail, including data fusion, calibration, and DVL data failure processing, and predicts the developing tendency of underwater SINS/DVL integrated navigation technology and some technical problems. The purpose of this paper is to provide a reference for the research of underwater high-precision integrated navigation.

autonomous undersea vehicle(AUV); integrated navigation; strapdown inertial navigation system(SINS)/ Doppler velocity log(DVL); Kalman filtering; DVL data failure

TJ630.2; U666; TN967.7

A

2096-3920(2018)01-0002-08

10.11993/j.issn.2096-3920.2018.01.001

趙俊波, 葛錫云, 馮雪磊, 等. 水下SINS/DVL組合導航技術綜述[J]. 水下無人系統學報, 2018, 26(1): 2-9.

2017-10-27;

2017-12-20.

趙俊波(1990-), 男, 碩士, 主要研究方向為水下組合導航技術.