UUV多源自主导航关键技术研究

孟凡琛,曹宇鹏,张宇飞,于 航,王虹阳,符 聪

（1.北京航天控制仪器研究所,北京 100039; 2.崂山实验室,青岛 266237;3.中国人民解放军91039 部队,北京 102401; 4.昆船智能技术股份有限公司,昆明 650041）

随着现代海上战争朝着强对抗、非线性、多样化的信息时代发展,水下战场空间在形态演变上也展现出“无人化” 的趋势[1]。其中,以水下无人潜航器（Unmanned Underwater Vehicle,UUV）为代表的无人作战系统将给水下战争形态带来革命性变化。UUV 作为一种智能化程度高、自主导航能力强的海洋装备,相比传统水面舰艇和潜艇,可应用的任务海域范围更广,同时在风险承受力、生存力、隐蔽性、使用灵活性、战斗稳定性、可持续性和建造使用成本等诸多方面也拥有更大优势。近年来,围绕大型UUV “联得上、带得多、跑得远、回得来” 等卡脖子难题,美、俄等国启动了多个大排量水下无人潜航器（直径超过1.4m）研发项目,覆盖了水下自主导航、定位与通信、集群协同、能源动力等多项关键技术,以期进一步提升其水下作战效能。可见,UUV 作为多种技术的“复合体”,如能充分发挥其“众智集群” 的技术优势,未来应用前景广阔。

在大排量UUV 的多个关键技术研究中,其导航系统需要提供高精度的导航定位功能以保证安全到达作业位置,同时需要兼顾到水下环境多样性、时变性等环境变量,为了实现上述目标,自主导航技术就成了UUV 执行任务过程中实现自动化、智能化运行的核心[2-3]。因此,充分利用UUV搭载的多种导航感知与在线量测设备设计出一套精度高、容错性好、鲁棒性强的水下自主导航系统,具有重要的战略意义。国内外重点发展的水下自主导航技术目前分为四类: 全球卫星导航系统（Global Navigation Satellite System,GNSS）、航位推算/惯性导航系统（Inertial Navigation System,INS）、声学导航系统和地球物理场辅助导航系统[4-6]。四类水下导航技术均存在固有缺陷,任何单一导航系统的导航精度和可靠性均无法满足大排量无人潜航器长航时、远航程、高精度的任务需求。基于此,可采取的解决方案即是将两种或两种以上的导航系统融合起来,开发出具备多源信息和自主性相融合的组合导航技术,从而实现各导航系统之间的优势互补,有效提高导航精度和可靠性。

目前,水下自主导航技术主要以惯性基组合导航为主流技术方案,譬如捷联惯性导航系统（Strap-down Inertial Navigation System,SINS） /多普勒测速仪（Doppler Velocity Log,DVL） /GNSS 组合导航系统等[7-8]。目前,已有学者[9]研究分析了在近海与深远海条件下水下航行器的长航时复合导航方案及关键技术,并指出了绝对标校是实现陆地-海面基准向海底基准传递的一个重要环节。也有学者[10]针对水下DVL/SINS 组合导航技术进行了深入的介绍,譬如DVL/SINS 传感器误差建模与在线标定补偿技术、水下初始对准技术和DVL/SINS卡尔曼滤波数据融合等。此外,在潜航器定位通信研究方面,大排量UUV 上浮至水面过程中需要与GNSS 系统（如北斗） 进行组合导航定位。有学者[11]提出,一方面,可以直接利用北斗进行导航定位,获取更加准确的导航信息;另一方面,可以利用北斗的短报文通信功能,收发岸基指控中心的作业任务指令。部分研究成果关注到了水下自主导航装备作战效能评估体系的构建[12],深入分析了无人潜航器的作战效能。有些学者[13]分析了潜航器在螺旋下潜、抛载过渡、定角爬升、稳定至水面航行状态下的水下运动全过程,包括运动学方程、动力学方程、流体动力参数设计等。此外,还有学者[14]对无人潜航器上浮过程进行受力分析,设计了潜航器停车后的运动模型以及对潜航器运动过程试验设计进行了分析等。

本文以大排量UUV 为载体平台,首先以整体战技指标为需求牵引,提出了总体性能、总体结构、能源供电、动力推进、导航控制等核心模块内在耦合联系;其次,基于外部辅助导航模块（北斗导航浮标、水声收发机等）、内嵌辅助导航模块（SINS 模块、GNSS 模块、地球物理场辅助导航、DVL 和深度传感器等） 构建了水下惯性基多源自主导航总体架构以及扩展卡尔曼滤波模型;最后,提出了未来大排量无人潜航器的技术发展趋势。

水下大型UUV 设计过程中,需要结合无人作战体系中的战术指标和技术指标,对总体性能、总体结构、能源供电、动力推进、导航控制等任务进行分解。具体来说,需要结合UUV 快速性、机动性、装载性等要求,设计潜航器高效低阻外形,包括线形、鳍舵布局等;按照衡重参数和承压要求,设计耐压壳体和总体附属结构件;按照强弱动力供电和信号传输以及电磁兼容要求,设计潜航器动力电路网及信息电路网。此外,按照潜航器航行性能要求,对潜航器进行自主导航数字仿真计算和姿态控制半实物仿真测试,确定全艇路径规划及多源自主导航方案。

UUV 在水下多源自主导航信息融合过程中,由于导航传感器数量众多,种类不一,输出量覆盖了位置、深度、姿态、航向、时间、速度等多种导航状态变量,必须归纳整理各种可用传感器特征信息。为了收集上述信息,需要布局实现水下惯性基多源自主导航系统,该系统主要分为卫星导航GNSS 模块、捷联惯导模块、辅助导航（地球物理场、水底地形匹配、声学导航等） 传感器、DVL 和深度传感器等。其中,卫星导航GNSS 模块可兼容北斗、GPS、Galielo 和GLONASS 等,用于潜航器布放回收过程中的水面姿态校准以及高精度组合导航定位解算;惯导信息采集模块主要采集三轴高精度光纤陀螺仪、石英挠性加速度计信息,并进行在线误差补偿标校处理;辅助导航传感器通过采集水底重力场、水底磁场、水底地形匹配数据等,增加水下多源自主导航信息融合的辅助观测量;声学导航传感器主要包括LBL、SBL、USBL 等,需要结合具体的UUV 工作场景进行布放;DVL 传感器根据多普勒效应利用超声换能器进行UUV 速度测量;深度传感器利用海水压力进行深度测量。

在对多源信息融合算法中所需的姿态、速度、位置、航向、钟差等进行观测量输入后,需要研究并筛选出可用于自主导航的传感器与信号源,梳理其工作原理和适应的工作环境,架构其功能特征和性能指标,完成对水下多源自主导航场景信号特征的抽象建模和多属性的传感器数据处理。因此,需要通过搭建外部辅助导航模块（北斗导航浮标、水声收发机）以及内嵌辅助导航模块（捷联惯导、卫星导航、DVL、深度传感器、桨速传感器等）信号处理功能聚类总体技术架构,构建多维场景快速配置与重构的自主导航软硬件一体化模型,实现基于多源信息融合的UUV 水下长航时自主导航。具体来说,SINS/GNSS/DVL/深度计/辅助导航多源信息融合主要是通过收集各个传感器信息,并依据最优估计理论进行组合导航扩展卡尔曼滤波解算,其基本原理框图如图1所示。

在导航解算过程中,UUV 在水面和水下时采用不同的信息导航方法,具体情况如下:

1）在水面工作时,UUV 可以借助外部导航浮标,也可采用SINS/GNSS 组合导航方式。多模卫星导航GNSS 接收机模块通过天线下变频预处理射频信号获取的GNSS 导航信号PN 码与本地码进行相关运算,实现卫星导航信号的捕获、跟踪、比特和帧同步运算,最终提取出多模卫星导航信号伪距和伪距率观测量;惯导信息采集模块通过三轴陀螺仪和加速度计进行内部误差补偿,获取角速度和比力信息;SINS/GNSS 自适应鲁棒融合模块基于卫星信号幅值的俯仰角运算估计获取修正后的伪距和伪距率,并结合外部传感器信息、捷联惯导信息进行组合导航卡尔曼滤波器设计、过程噪声和量测噪声估计,同时反馈校正惯导误差漂移,采用扩展卡尔曼导航滤波器进行PVT 信息及姿态融合解算。

2）在水下工作时,UUV 由于无法接收到GNSS卫星导航电磁波信号,故需要进行SINS/DVL/深度计/辅助匹配传感器等多源信息融合,通过DVL 提供的高精度测速信息、深度计提供的高精度深度信息以及辅助导航提供的地球物理场信息构建组合导航观测向量,同时抑制SINS 的误差累积,构成传统意义上的SINS/DVL/深度计/辅助匹配导航系统。具体将根据UUV 所处的深度位置,分为中层水域导航以及近海底导航两种情况。

2.1 UUV 多源自主导航系统基本工作流程

大排量UUV 上浮下潜及定深直航作业过程中,首先执行各个舱段内设备的测试自检工作;其次,在自主导航系统工作过程中需要载入使命信息,校验成功后才能选择发送速度指令、航向指令和深度指令信息,同时判断离散事件类型并进行相应的执行工作。其自主导航基本流程如图2所示,具体分为以下9 种状态:

图2 UUV 水下自主导航基本工作流程Fig.2 Basic flowchart of UUV underwater autonomous navigation

1）当检测到漏水或者能量不足状态时,进行事件控制并重新规划指令信息,并发布导航结束指令。

2）当检测到搁浅状态时,进行事件控制并发送停车指令信息,发送成功后进行浮态调整操作并发布导航结束指令。

3）当检测到超深状态时,进行事件控制并发送停车指令信息,发送成功后进行配重抛载操作并发布导航结束指令。

4）当检测到故障状态时,进行事件控制并发送故障控制信息,发送成功后发布控制结束指令。

5）当检测到避碰状态时,进行事件控制并发送任务挂起指令信息,挂起成功后进行避碰状态检测。如果避碰成功,则继续恢复原有的导航任务;如果避碰失败,则继续进行避碰操作以及状态检测,直至检测到避碰成功状态,并恢复原有导航任务,继续执行导航作业。

6）当检测到航向调整状态时,进行事件控制并发送新航向指令信息,发送成功后发布调整结束指令。

7）当检测到GNSS 导航校准状态时,进行事件控制并发送潜航器浮出水面指令信息,发送成功后进行GNSS 组合导航校准,并恢复导航任务,发布恢复成功指令。

8）当检测到时间窗预警状态时,进行事件控制并发送调整速度信息,发送成功后发布调整结束指令。

9）当检测到到达使命点状态时,进行事件控制并发送探测载荷传感器上电信息,载入探测载荷模式,载入成功后进行预备数据采集或者执行特殊任务,使命操作结束后发送导航结束指令。

2.2 UUV 多源自主导航系统滤波模型设计

SINS/GNSS/DVL/深度计/辅助导航信息融合的过程可用如下步骤1～步骤6 的数学模型表达,通过初始化先验估计协方差矩阵和过程噪声矩阵进行迭代求解组合导航系统状态向量,并实时反馈校正至捷联惯导系统,循环重复上述步骤1～步骤6,从而实现水下多源自主导航信息融合解算。

步骤1: 计算状态偏差一步预测值

步骤2: 计算状态偏差估计值

步骤3: 计算系统方程一步预测均方误差矩阵

步骤4: 计算滤波增益矩阵

步骤5: 计算系统估计均方误差矩阵

步骤6: 计算状态估计值

式（1） 中,Xk为惯性基自主导航系统状态矩阵,为状态变量在k时刻的扩展卡尔曼滤波状态估计值,f为水下组合导航系统状态转移函数。式（2）中,Zk为组合导航系统观测矩阵,h为组合导航系统观测方程。式（3） 中,Γk-1为系统输入噪声矩阵;多源信息融合过程中,根据不同传感器测量值,需要进行在线误差标定及校准,Pk为扩展卡尔曼滤波误差协方差矩阵,Qk为多源自主导航系统误差协方差矩阵。式（4）中,Rk为组合导航系统观测误差矩阵;Kk为扩展卡尔曼滤波增益,其结果依托于运动系统动力学模型的系统传递函数解算。

UUV 多源自主导航误差模型主要由SINS 误差模型和多普勒计程仪DVL 误差模型两部分组成,根据捷联惯导系统长期工作时的特点以及运动体动力学模型特征,选择位置误差、速度误差、失准角、陀螺漂移作为系统状态量。其中,陀螺漂移模型采用一阶马尔科夫过程描述;对于多普勒计程仪,它测量载体相对海底的速度和偏流角,测量误差主要由速度偏移误差、偏流角误差和刻度系数误差组成。速度偏移误差和偏流角误差采用一阶马尔科夫过程描述,刻度系数误差为随机误差。UUV 多源自主导航系统状态方程如下:

（1）系统状态方程

式（7）中,系统状态向量和系统噪声分别如下

系统状态转移矩阵A和系统噪声矩阵B形式如下

式（8）中,δL为地理纬度误差,δλ为地理经度误差,δvE和δvN为导航坐标系下东向和北向速度偏差,α、β、γ为运载体误差角,εE、εN、εU为运载体漂移量,δvd为速度偏移误差,δΔ 为偏移角误差,δC为刻度系数误差。式（9）中,wE、wN、wU为运载体漂移率,wd为速度偏移率,wD为偏移角偏移率。式（10）中,ASINS为捷联惯性导航系统状态转移矩阵,AGyro为陀螺漂移反相关时间矩阵,ADVL为多普勒计程仪误差反相关矩阵。

（2）系统量测方程

取SINS 解算速度和多普勒计程仪测量速度之差作为观测量,得到系统量测方程

式（11）中,有

式（12）中,Kd为考虑偏流角的航迹项。

由于惯性导航系统的短时航向精度高,DVL的航速精度相对较高,UUV 水下场景中利用多源自主导航方式,结合扩展卡尔曼滤波算法融合SINS 和DVL 传感器的测量数据,实时估计UUV 的位置和姿态等信息,并通过导航控制与能源供电系统实现定期的上浮下潜操作,进行水面任务指令收发与导航误差在线修正,进而实现UUV 的长航时自主导航。

受到水下无人装备强约束适装条件以及高海况复杂海洋环境影响,大型UUV 在实现导航的自主性、隐蔽性、高精度和长航时过程中面临着诸多挑战。水下大型UUV 技术主要聚焦总体、材料、动力、通信、导航、智能等方面: 总体涉及外形、结构、能源、推进、布局、控制等多个学科优化设计技术;材料和动力涉及高比功率推进电机设计以及轻量化结构材料选材等;通信包括高通量宽频带指令收发、远距离数据回传及遥控、大范围精确示位等;导航包括水下大潜深、长航时、高精度自主导航定位以及路径跟踪等;智能包括精准稳定、可信安全、内嵌动力学机理的的集群协同导航、自主避障、自动目标识别等。

本文从当前的现实需求出发,重点分析了目前主流的UUV 水下导航定位技术,总结了自主导航技术目前存在的关键问题和技术难点,并针对性地设计了水下惯性基多源自主导航总体架构以及扩展卡尔曼滤波模型。总体来说,未来大型UUV 水下自主导航仍将以惯性导航为主,以其他导航为辅,向着全源化、集群化、智能化等趋势发展,在军事和民用领域都将发挥更大的作用。

猜你喜欢 导航系统卡尔曼滤波指令 听我指令：大催眠术科普童话·神秘大侦探(2023年1期)2023-05-30说说“北斗导航系统”中学生数理化·八年级物理人教版(2020年11期)2020-12-14ARINC661显控指令快速验证方法测控技术(2018年5期)2018-12-09LED照明产品欧盟ErP指令要求解读电子测试(2018年18期)2018-11-14“北斗”导航系统是怎样炼成的中学生数理化·八年级物理人教版(2018年4期)2018-06-27基于递推更新卡尔曼滤波的磁偶极子目标跟踪北京航空航天大学学报(2017年9期)2017-12-18一种GNSS/SINS容错深组合导航系统设计中国惯性技术学报(2017年1期)2017-06-09解读全球第四大导航系统百科探秘·航空航天(2016年9期)2016-12-01基于模糊卡尔曼滤波算法的动力电池SOC估计电源技术(2016年9期)2016-02-27基于扩展卡尔曼滤波的PMSM无位置传感器控制电源技术(2015年1期)2015-08-22