SVR輔助SINS-DVL的水下機(jī)器人組合導(dǎo)航方法

魏奧博，鄭 榮

(1. 中國科學(xué)院沈陽自動化研究所機(jī)器人學(xué)國家重點(diǎn)實(shí)驗(yàn)室，遼寧 沈陽 110016；2. 中國科學(xué)院機(jī)器人與智能制造創(chuàng)新研究院，遼寧 沈陽 110016；3. 中國科學(xué)院大學(xué)，北京 100049)

0 引 言

隨著人類對海洋的開發(fā)日益增多，水下機(jī)器人越來越多被用來執(zhí)行水下任務(wù)，如海洋礦產(chǎn)勘探，海洋數(shù)據(jù)收集等。精確可靠的導(dǎo)航系統(tǒng)是水下機(jī)器人成功完成任務(wù)不可或缺的部分[1]。

由于捷聯(lián)慣導(dǎo)（SINS）具有高可靠性和完全獨(dú)立等優(yōu)點(diǎn)，SINS被廣泛應(yīng)用在水下機(jī)器人導(dǎo)航中。SINS通過慣導(dǎo)計(jì)算機(jī)采集的慣性測量單元（IMU）的輸出信息，進(jìn)行數(shù)值積分求解水下機(jī)器人的姿態(tài)、速度和位置等導(dǎo)航參數(shù)。隨著時間推移，IMU中的陀螺和加速度計(jì)的誤差會逐漸增加，這將導(dǎo)致SINS的導(dǎo)航誤差會逐漸增大。為了提高導(dǎo)航性能，有必要引入輔助傳感器來限制誤差增長。目前水下機(jī)器人導(dǎo)航系統(tǒng)多采用由多個導(dǎo)航傳感器組成的綜合導(dǎo)航系統(tǒng)[2]。多普勒計(jì)程儀（DVL）是一種高精度的速度測量儀器。由SINS和DVL結(jié)合的組合導(dǎo)航系統(tǒng)，于20世紀(jì)初在丹麥的MARIDAN AUV上成功應(yīng)用后，在水下機(jī)器人領(lǐng)域的應(yīng)用越來越廣泛[3]。

DVL是根據(jù)多普勒效應(yīng)，測量出水下機(jī)器人相對于海底或者海流的速度。通過卡爾曼濾波器（KF）采用集中濾波的方式將DVL提供的高精度的速度數(shù)據(jù)和SINS的數(shù)據(jù)進(jìn)行融合能夠有效抑制導(dǎo)航系統(tǒng)的累計(jì)誤差。由于DVL數(shù)據(jù)的更新頻率相對于SINS較低，會影響AUV的組合導(dǎo)航精度[4]。對于DVL處在對底工作模型的情況，由于DVL對海底環(huán)境的依賴會使DVL在使用過程中出現(xiàn)以下問題[4]：

1）由于海底地形變化導(dǎo)致DVL返回?cái)?shù)據(jù)頻率不固定。

2）由于海底存在強(qiáng)烈的吸波物質(zhì)，導(dǎo)致DVL發(fā)出的聲波無法被返回。

3）當(dāng)海底存在海溝超出了DVL的量測范圍，導(dǎo)致DVL信號丟失。

當(dāng)上述情況發(fā)生時，濾波器無法得到頻率穩(wěn)定、精度可靠的DVL數(shù)據(jù)，情況嚴(yán)重時會導(dǎo)致AUV測速數(shù)據(jù)無效，這不僅會影響濾波器的穩(wěn)定，同時會帶來較大的導(dǎo)航誤差。解決上述問題主要有2種方法：1種為隔離法，即直接隔離數(shù)據(jù)失效的DVL；第2種方法為替換法，即替換掉DVL的測速數(shù)據(jù)[4]。采用第1種方法，組合導(dǎo)航系統(tǒng)將變?yōu)閼T性導(dǎo)航，導(dǎo)航精度會大大降低。第2種方法是目前大部分學(xué)者采用的?？紤]到硬件成本，一般不采用通過增加傳感器的方式解決上述問題。目前大多數(shù)情況下，通過設(shè)計(jì)一個估計(jì)器的方式來處理頻率不穩(wěn)以及數(shù)據(jù)失效等問題。Semeniuk和Noureldin等[5]提出了一種基于人工智能的分段預(yù)測器來克服GPS衛(wèi)星信號失效的問題。Hasan等[6]介紹了一種神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)，用于預(yù)測GPS信號失效時INS的誤差。這些方法均可以解決傳感器信號不穩(wěn)的問題，而不用了解傳感器的特性?；谏鲜鲋悄芊椒ㄔ贕PS/INS組合導(dǎo)航方面的廣泛使用，Zhu等[7]通過采用線性的偏最小二乘回歸估計(jì)器（PLSR）和支持向量（SVR）估計(jì)器相結(jié)合的方法，建立了慣導(dǎo)速度與多普勒速度輸出的映射關(guān)系，在DVL數(shù)據(jù)失效后實(shí)時估計(jì)水下機(jī)器人對底的速度。該方法通過仿真得到了較好的效果。該方法中PLSR算法隨著時間推移，當(dāng)新信息加入時新信息對于擬合的影響較小。對于SVR算法，在線性過程中和PLSR算法共同使用時增加了計(jì)算機(jī)負(fù)荷造成了資源的不必要浪費(fèi)。當(dāng)水下機(jī)器人運(yùn)動過程發(fā)生非線性過程時，如由勻速到加速的轉(zhuǎn)換過程，由于先前的訓(xùn)練的數(shù)據(jù)處于線性過程，在線性到非線性的轉(zhuǎn)換過程起始時SVR表現(xiàn)并不十分好。

針對DVL相對于SINS數(shù)據(jù)刷新頻率不穩(wěn)影響組合導(dǎo)航精度和由于一段時間內(nèi)DVL數(shù)據(jù)失效導(dǎo)致組合導(dǎo)航精度降低等問題，本文提出一種SVR輔助SINS/DVL組合導(dǎo)航方法，并針對組合導(dǎo)航過程中由于運(yùn)動變化引起的非線性問題，提出了一種動態(tài)改變SVR訓(xùn)練數(shù)據(jù)集尺度和樣本的方法解決該問題。

1 SINS/DVL組合導(dǎo)航系統(tǒng)

水下機(jī)器人組合導(dǎo)航系統(tǒng)是由SINS和一些輔助傳感器構(gòu)成，輔助傳感器是提高SINS精度必不可少的條件。水下機(jī)器人組合導(dǎo)航系統(tǒng)中常用的輔助傳感器包括DVL、深度計(jì)、全球定位系統(tǒng)（GPS）。由于GPS在水下無法使用，所以水下機(jī)器人在水下航行時無法通過GPS進(jìn)行校準(zhǔn)，長航程水機(jī)器人會定期浮上水面通過GPS對整個導(dǎo)航系統(tǒng)進(jìn)行校準(zhǔn)。深度計(jì)一般用來提供深度信息。多傳感器輔助的組合導(dǎo)航系統(tǒng)一般采用聯(lián)邦濾波算法[8]。本文主要討論SINS/DVL組合導(dǎo)航部分。

1.1 系統(tǒng)模型

組合導(dǎo)航一般有直接濾波算法和間接濾波算法。直接濾波具有簡單明了容易實(shí)現(xiàn)的特點(diǎn)，但該方法的系統(tǒng)方程一般為非線性，需要廣義濾波進(jìn)行處理，而且采用的狀態(tài)變量是導(dǎo)航的輸出參數(shù)，有時差值會比較大（如姿態(tài)角），給計(jì)算帶來一定困難，影響估計(jì)的準(zhǔn)確性，不適合有較高精度要求的場合。間接濾波算法以各子系統(tǒng)的誤差量作為系統(tǒng)狀態(tài)變量，即以導(dǎo)航輸出參數(shù)的誤差作為濾波估計(jì)對象。在間接法濾波中，卡爾濾波器接收導(dǎo)航子系統(tǒng)對同一導(dǎo)航輸出參數(shù)的差值，并經(jīng)濾波計(jì)算得到誤差量的最優(yōu)估計(jì)[9]。本文采用間接濾波算法，算法示意圖如圖1所示。

圖1 間接濾波算法Fig. 1 Indirect filtering algorithm

考慮建立慣性導(dǎo)航系統(tǒng)模型，采用狀態(tài)參數(shù)為17維，包括8個導(dǎo)航解誤差（經(jīng)緯度、速度、姿態(tài)誤差）、3個陀螺漂移誤差、3個加速度誤差、DVL對地速度、偏流角、刻度系數(shù)誤差。

系統(tǒng)變量：

式中的變量是基于導(dǎo)航坐標(biāo)系n系下建立的。

狀態(tài)方程：

式中F為系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣W為系統(tǒng)噪聲矩陣。本文取SINS和DVL的東向和北向速度的差值：

量測方程：

式中：H為系統(tǒng)量測方程，V為觀測噪聲并滿足高斯白噪聲特性。本文的濾波方法采用卡爾曼濾波。

從式（1）可以看出，濾波器的狀態(tài)量均為微小量，濾波過程中傳感器數(shù)據(jù)刷新頻率發(fā)生變化或傳感器數(shù)據(jù)在一段時間內(nèi)無效均會造成濾波器不穩(wěn)定，發(fā)生誤差過大，濾波不收斂等現(xiàn)象，造成一段時間內(nèi)導(dǎo)航誤差過大。

2 變訓(xùn)練數(shù)據(jù)集的SVR預(yù)測方法

2.1 支持向量回歸（SVR）原理

SVR是在Vapnik提出的支持向量機(jī)的概念的基礎(chǔ)上拓展而來的[10]。給出樣本訓(xùn)練集為：D={(xi,yi)}，i=1,2,...,n。其中n為樣本數(shù)目，xi為輸入指標(biāo)，yi為輸出指標(biāo)。SVR回歸的基本思想是利用非線性函數(shù)將輸入空間的數(shù)據(jù)映射到高維空間中去并在該高維空間進(jìn)行回歸，回歸方程為：

式中：ω為權(quán)值矢量；b為偏差；φ(x)為將輸入映射到高維空間的非線性函數(shù)。以不敏感損失函數(shù)參數(shù)ε作為結(jié)構(gòu)風(fēng)險最小化的估計(jì)問題，并引入非負(fù)松弛變量δ和δ*和懲罰因子C，C控制對超出誤差樣本的懲罰程度，則需要優(yōu)化的目標(biāo)函數(shù)為：

綜合目標(biāo)函數(shù)和約束條件，建立拉格朗日方程，引入核函數(shù)和二次規(guī)劃求解拉格朗日方程的SVR回歸模型為：

其中核函數(shù)

2.2 SINS/DVL組合導(dǎo)航訓(xùn)練集的構(gòu)造

根據(jù)DVL在數(shù)據(jù)有效時的速度數(shù)據(jù)和慣導(dǎo)相同時刻的速度數(shù)據(jù)建立訓(xùn)練樣本

對于通過SVR回歸曲線而言，如果擬合曲線的時間序列過長，會導(dǎo)致在在當(dāng)前時刻擬合精度較低并影響濾波器穩(wěn)定。所以在SVR回歸過程中采用隨時間移動的窗口，隨著時間的移動，窗口的右邊不斷有新數(shù)據(jù)加入，窗口的左邊不斷有數(shù)據(jù)剔除。

由于在AUV運(yùn)動過程中，AUV變速時會存在一個非線性過程。當(dāng)AUV發(fā)生變速時由于當(dāng)前時刻SVR訓(xùn)練集中的數(shù)據(jù)大部分屬于AUV平穩(wěn)運(yùn)動的過程，并且集中的數(shù)據(jù)存在一定的噪聲，所以SVR回歸無法快速跟蹤AUV變速這一過程。由于物理原因和傳感器的極限不能提高DVL數(shù)據(jù)的刷新頻率，不能使這一段時間內(nèi)訓(xùn)練集的數(shù)據(jù)迅速變化為變速過程中的數(shù)據(jù)。根據(jù)上述原因，提出一種改變訓(xùn)練集大小的方法來解決這一問題。該方法在檢測到水下機(jī)器人存在突然變速的行為時，迅速減小訓(xùn)練集的大小，快速剔除平穩(wěn)運(yùn)動過程中的訓(xùn)練數(shù)據(jù)，使變速后的數(shù)據(jù)樣本快速充滿訓(xùn)練集，更快速回歸變速后的曲線。

設(shè)數(shù)據(jù)集的大小為N，引入訓(xùn)練集尺度因子βt，βt表示當(dāng)前時刻計(jì)算得到的尺度因子。經(jīng)過仿真分析，給出βt的表達(dá)式：

式中：Δt表示相對于AUV平穩(wěn)運(yùn)動持續(xù)時間的比值，Δv 表示速度變化率，Δa表示加速度變化率。

設(shè)穩(wěn)定時間單位時間長度為t0，tΔ為當(dāng)Δa＜Δa0時持續(xù)的時間，當(dāng)Δa＞Δa0時tΔ=0，由于數(shù)據(jù)存在噪聲所以Δa0為根據(jù)水下機(jī)器人變加速能力大小設(shè)定的一個小值。

式中μ＞1為比例系數(shù)。

此時尺度因子為：

式中：ρ和η均為比例系數(shù)ρ＜1，η＞1，η可以根據(jù)水下機(jī)器人的機(jī)動能力選取，如果機(jī)器人機(jī)動能力強(qiáng)η相應(yīng)的增大，反之η取小。θ為比例系數(shù)，0.5＜θ＜1。

此時訓(xùn)練集的大?。?/p>

2.3 判斷DVL數(shù)據(jù)失效

本文提到的DVL數(shù)據(jù)失效是指DVL數(shù)據(jù)較短時間內(nèi)DVL無數(shù)據(jù)上傳和DVL數(shù)據(jù)存在野值的情況。若DVL長時間無數(shù)據(jù)或DVL數(shù)據(jù)長時間錯誤則視為DVL故障，為避免造成不必要的損失，水下機(jī)器人應(yīng)立即進(jìn)行相關(guān)應(yīng)急處理，如拋載上浮等。

DVL數(shù)據(jù)野值檢驗(yàn)：

式中：vdef為給定的速度誤差值，設(shè)置值的大小可以根據(jù)DVL的精度進(jìn)行選取，vsvr為SVR算法估計(jì)的速度值，vdvl為多普勒量測的速度值。式（17）成立時則認(rèn)為該值為野值，若不成立則為正常值。

2.4 SVR輔助的SINS/DVL組合導(dǎo)航流程

DVL正常運(yùn)行時，由于多普勒數(shù)據(jù)刷新頻率低，通過SVR回歸預(yù)測DVL的速度值，將預(yù)測值的頻率相對DVL數(shù)據(jù)頻率提高，協(xié)調(diào)SINS和預(yù)測數(shù)據(jù)頻率后，將預(yù)測值作為量測值給入濾波器進(jìn)行濾波處理。處理流程如圖2所示。

由于DVL數(shù)據(jù)無效時間較為短暫，DVL數(shù)據(jù)無效時，認(rèn)為水下機(jī)器人不進(jìn)行較大幅度的加速減速等機(jī)動行為。通過前一段時間訓(xùn)練的SINS速度和DVL速度的對應(yīng)關(guān)系預(yù)測當(dāng)前時刻的速度關(guān)系，此時不在計(jì)算訓(xùn)練數(shù)據(jù)集大小，訓(xùn)練數(shù)據(jù)集的大小不再進(jìn)行變化，處理流程如圖3所示。

圖2 DVL正常工作情況下程序流程圖Fig. 2 The program flow chart of DVL under normal working condition

圖3 DVL不正常工作情況下程序流程圖Fig. 3 The program flow chart of DVL under abnormal working condition

3 仿真分析

為了驗(yàn)證上述算法的有效性，進(jìn)行仿真試驗(yàn)，將變訓(xùn)練集大小的SVR算法，用于SNS/DVL組合導(dǎo)航系統(tǒng)。表1給出了各傳感器的規(guī)格，仿真時間為960 s，圖4顯示了水下機(jī)器人運(yùn)行的軌跡包括經(jīng)緯度、深度。

仿真中水下機(jī)器人按照圖4中箭頭的指向運(yùn)動。為了驗(yàn)證充分，水下機(jī)器人設(shè)定的運(yùn)動過程：100 s的靜止，10 s的勻加速，100 s的勻速，70 s的下潛，20 s左轉(zhuǎn)彎，300 s勻速，20 s右轉(zhuǎn)彎，100 s的勻速，70 s的上浮，100 s的勻速，10 s減速，60 s靜止，仿真結(jié)束。仿真中設(shè)置SINS數(shù)據(jù)的刷新周期為0.1 s，DVL工作周期為2 s，仿真過程中對于DVL數(shù)據(jù)的刷新周期，設(shè)置在1.2～0.8 s之間隨機(jī)變化。

表1 傳感器精度Tab. 1 Sensor accuracy

圖4 水下機(jī)器人運(yùn)動路徑Fig. 4 The sailing trajectory of the underwater vehicle.

3.1 DVL正常工作時SVR輔助的SINS/DVL組合導(dǎo)航

DVL正常工作時海底地形不平坦，導(dǎo)致DVL返回?cái)?shù)據(jù)頻率不穩(wěn)定，通過SVR回歸得到的曲線預(yù)測DVL速度值，使DVL數(shù)據(jù)穩(wěn)定，并協(xié)調(diào)SINS和DVL的數(shù)據(jù)頻率，小幅度的提升DVL數(shù)據(jù)頻率。

圖5和圖6中的曲線1為SVR輔助情況下的SINS/DVL組合導(dǎo)航曲線，曲線2為不加SVR輔助情況下的SINS/DVL組合導(dǎo)航曲線?？梢钥闯鯯VR輔助情況下，東向、北向速度及經(jīng)緯度誤差下降較為明顯。

圖5 東向速度誤差和經(jīng)度誤差Fig. 5 Eastward velocity error and longitude error

圖6 北向速度誤差和緯度誤差Fig. 6 North velocity error and latitude error

表2 速度及距離誤差數(shù)據(jù)Tab. 2 Speed and distance error data

從上述圖形和數(shù)據(jù)中可以看出在SVR輔助的情況下，速度誤差和誤差波動幅度明顯降低，由于路徑規(guī)劃過程中航行的方向在不斷變化，位置誤差屬于速度的累積誤差，經(jīng)度誤差出現(xiàn)了變大的情況也較為合理，經(jīng)緯度誤差的波動情況也明顯下降，所以穩(wěn)定DVL數(shù)據(jù)頻率，通過SVR預(yù)測的方法小幅度提升數(shù)據(jù)頻率對提升導(dǎo)航精度是有效的。在仿真中發(fā)現(xiàn)水下機(jī)器人的機(jī)動行為越少，在SVR輔助的情況下提升精度越高。航行情況如文中所示的情況時東向速度誤差減少65.48%，誤差均方差減少96.65%。北向速度誤差減少29.51%，誤差均方差減少98.10%。SVR回歸對速度有明顯的平滑性，使誤差收斂幅度較大。經(jīng)緯度誤差是速度誤差的累計(jì)，從圖像中看經(jīng)緯度誤差具有明顯的收斂性，經(jīng)度誤差收斂性提高37.59%，緯度誤差收斂性提升52.9%。從上述數(shù)據(jù)可以看出，變訓(xùn)練集的SVR算法對導(dǎo)航經(jīng)度提升幅度明顯。同時發(fā)現(xiàn)預(yù)測數(shù)據(jù)的頻率提升較少時精度會有所提高，但隨著頻率提升的越高誤差將會急劇增大，所以提升頻率的幅度大小與精度的關(guān)系還需要進(jìn)一步研究。

3.2 DVL數(shù)據(jù)無效時SVR輔助的SINS/DVL組合導(dǎo)航

在上述仿真運(yùn)動規(guī)劃中，水下機(jī)器人在350～550 s為勻速運(yùn)動，在該時間段內(nèi)DVL數(shù)據(jù)無效。DVL數(shù)據(jù)無效即人為的去掉該時間段內(nèi)的DVL數(shù)據(jù)。仿真情況如圖8所示。

圖7和圖8中的曲線1為SVR輔助情況下的SINS/DVL組合導(dǎo)航曲線，曲線2為不加SVR輔助情況下的SINS/DVL組合導(dǎo)航曲線。當(dāng)DVL數(shù)據(jù)無效時，單純比較誤差大小是看不出效果的，應(yīng)該在基礎(chǔ)誤差（即DVL數(shù)據(jù)無效前一刻的誤差），觀察誤差的波動情況（即觀察誤差在這一段時間內(nèi)的方差），可以看出相對的誤差增長幅度。圖中曲線1的波動幅度明顯小于曲線2。

圖7 DVL速度無效時的東向速度和經(jīng)度誤差曲線Fig. 7 The eastward velocity and longitude error curves of DVL when the speed is invalid

圖8 DVL速度無效時的北向速度和緯度誤差曲線Fig. 8 The northern velocity and latitude error curves of DVL when the speed is invalid

從表3中可以看出，當(dāng)DVL數(shù)據(jù)失效時，東向速度誤差收斂性提升64.81%，北向速度收斂性提升37.4%，經(jīng)度誤差收斂性提升57.88%，緯度誤差收斂性提升54.29%。SVR輔助的SINS/DVL組合導(dǎo)航系統(tǒng)，在DVL數(shù)據(jù)失效時對于導(dǎo)航誤差具有明顯的抑制。

表3 速度及距離誤差均方差Tab. 3 Mean square error of velocity and distance

4 實(shí)航數(shù)據(jù)驗(yàn)證

為了更加充分地驗(yàn)證本文提出算法的有效性，采用2017年12月AUV湖上航行試驗(yàn)的部分導(dǎo)航數(shù)據(jù)。該AUV長9.5 m，直徑534 mm，空氣中凈重1.5 t，最大下潛深度為200 m。選取數(shù)據(jù)為前向速度不變AUV先轉(zhuǎn)彎再勻速的一段數(shù)據(jù)（航向角由240°～69°并且在轉(zhuǎn)彎過程中深度值和pitch角有小范圍的波動）。

數(shù)據(jù)有效時的DVL東向和北向速度曲線如圖9和圖10所示。

圖9 DVL數(shù)據(jù)正常時的東向速度Fig. 9 Eastward speed when DVL data is normal

圖10 DVL數(shù)據(jù)正常時東向速度Fig. 10 Northward speed when DVL data is normal

圖9和圖10為SVR回歸的情況，可以看出跟蹤效果較好，在東向速度和北向速度完成變速后東向速度收斂性提升33.47%，北向速度收斂性提升27.99%。在平穩(wěn)運(yùn)行的過程中，SVR回歸對曲線具有一定的平滑性，這同時也驗(yàn)證了仿真過程中經(jīng)過SVR回歸并適當(dāng)提高數(shù)據(jù)頻率會在一定程度上提高導(dǎo)航精度。

在AUV平穩(wěn)運(yùn)行過程中，一般DVL數(shù)據(jù)無效時間較短僅為數(shù)秒，并且未在AUV數(shù)據(jù)中找到連續(xù)多次上傳數(shù)據(jù)均為野值的情況，所以在轉(zhuǎn)彎階段（15～20 s）和（100～110 s）分別去掉一段DVL速度數(shù)據(jù)，通過去掉部分?jǐn)?shù)據(jù)當(dāng)作DVL數(shù)據(jù)無效的情況。在去掉DVL速度數(shù)據(jù)時，通過比較SVR估計(jì)數(shù)據(jù)和真實(shí)量測數(shù)據(jù)來分析算法的有效性。

圖11中在DVL數(shù)據(jù)無效階段相對于量測值的誤差均值為0.053 m，為量測值的6.17%。圖12中數(shù)據(jù)誤差值為0.031 m，為量測值的6.10%?？梢钥闯鲈贒VL數(shù)據(jù)無效時，SVR回歸能夠較好預(yù)測出DVL的數(shù)據(jù)值，且預(yù)測值相對于DVL真實(shí)量測誤差較小，并且預(yù)測值誤差的數(shù)量級已經(jīng)達(dá)到了量測噪聲的量級。

圖11 15～20 s數(shù)據(jù)無效時的東向速度Fig. 11 15～20 s Eastward speed when data is invalid

圖12 100～110 s數(shù)據(jù)無效時的北向速度Fig. 12 100～110 s Northward speed when data is invalid

由于SINS數(shù)據(jù)記錄的不夠充分，并且圖9～圖12中SVR=預(yù)測的DVL數(shù)據(jù)已經(jīng)能夠說明算法的有效性，所以不再進(jìn)行經(jīng)緯度數(shù)據(jù)的驗(yàn)證和分析。

5 結(jié) 語

本文通過研究水下機(jī)器人航行過程中由于海底地形等外部環(huán)境的變化帶來的DVL數(shù)據(jù)頻率變化及失效等問題，提出了一種變訓(xùn)練集的SVR輔助SINS/DVL組合導(dǎo)航的方法。通過變換訓(xùn)練集大小提高在水下機(jī)器人機(jī)動時速度曲線的跟蹤速度，解決了水下機(jī)器人運(yùn)動時帶來的非線性變化，并通過仿真和實(shí)際航行數(shù)據(jù)驗(yàn)證了該方法能夠解決數(shù)據(jù)頻率變化和數(shù)據(jù)無效等問題，增強(qiáng)了導(dǎo)航系統(tǒng)的穩(wěn)定性，為后續(xù)的水下機(jī)器人試驗(yàn)打下基礎(chǔ)。對于變換數(shù)據(jù)集的方法，確定尺度因子參數(shù)的數(shù)值是有難度的，仿真中確定了參數(shù)的大致范圍，后續(xù)將會嘗試一些優(yōu)化方法確定優(yōu)化參數(shù)具體值，將繼續(xù)考慮在DVL數(shù)據(jù)失效的同時水下機(jī)器人機(jī)動的情況下，改進(jìn)該算法并達(dá)到抑制導(dǎo)航誤差的目的。