自主水下航行器导航方法综述

黄玉龙,张勇刚,赵玉新

(哈尔滨工程大学 自动化学院,黑龙江 哈尔滨,150001)

0 引言

海洋中蕴含着大量的矿产资源、海水化学资源、海洋生物资源、海洋能和海洋空间资源。随着陆地能源紧张与人口激增这一矛盾的日益突出,

海洋探索与开发成为国际各领域炙手可热的研究方向,也是未来发展的必然趋势[1]。我国也将海洋开发和海洋安全提升到了前所未有的高度,并提出了海洋强国等战略。对海洋的探索和开发离不开先进海洋科学技术的支撑。水下机器人是探索和开发海洋的重要运载平台之一,亦是建设海洋强国、捍卫国家安全和实现可持续发展的国之重器。相比于有缆控制的水下机器人,自主水下航行器(autonomous undersea vehicle,AUV)不需要母船支持,具有更广阔的应用前景。AUV综合了水声通信、智能控制、能量存储、多传感器测量与信息融合等先进技术,以其自主性好、灵活性强、体积小、质量轻、活动范围广及隐蔽性好等优点,在海洋探索与开发中发挥着重要作用[2]。

文中回顾了现有主流的 AUV水下导航关键技术,包括DVL测速技术、LBL/SBL/USBL水声定位导航技术、地形辅助导航技术、地磁辅助导航技术、重力辅助导航技术及协同导航技术,介绍了相关导航技术的基本原理及发展状况,分析并归纳了各技术在水下自主导航中存在的关键问题和技术难点,最后对 AUV水下导航技术的未来发展方向进行了展望。

1 基于SINS/声学的AUV自主导航

1.1 基于SINS/DVL的AUV自主导航技术

DVL是基于声呐多普勒效应的测速设备,能提供较高精度的载体速度信息,且其误差不随时间积累,抗干扰能力强。因此在AUV自主导航中,DVL可作为抑制 SINS积累误差的重要辅助手段。DVL测速的配置分为3种:单波束配置、双波束Janus配置和四波束Janus配置,其配置的测速原理如图1所示。

图1 3种多普勒速度计程仪测速配置示意图Fig.1 Speed measurement configurations of three kinds of Doppler velocity logs(DVLs)

由图中可以看出,采用四波束 Janus配置方式的 DVL能够同时测定载体的横向和纵向的速度信息,更能满足 AUV的导航需求。SINS/DVL组合导航系统主要有松、紧2种组合方式。原理示意图如图2所示。DVL的原始数据是每个波束方向测量的相对速度,SINS/DVL松组合和紧组合的原理及其特点如表1所示[7-8]。

针对实际应用中可能出现的 DVL只有部分原始数据可用的情况,目前有很多相关研究。文献[8]提出了一种扩展松组合方法,该方法利用外部辅助信息与DVL部分原始数据来估计AUV速度,再与 SINS输出的速度信息进行数据融合,从而得出载体精确的位置、速度及姿态等导航信息。文献[9]通过考虑相关噪声和量测噪声的互协方差矩阵,改进了扩展松组合方法性能。文献[10]提出一种基于SINS/DVL紧组合导航的部分DVL波束可用方法。为了提高复杂水下环境导航系统的性能,文献[11]提出了一种基于SINS/DVL组合导航混合交互多模型,并针对DVL波束量测的异常值提出了一种自适应选择模型描述环境变化的算法。文献[12]采用了紧组合的方法来减少对底部锁定的需求,当少于3个波束可用时,滤波器仍能吸收有价值的信息。

图2 捷联惯性导航系统/多普勒速度计程仪组合原理示意图Fig.2 Schematic diagram of strap-down inertial navigation system(SINS)/Doppler velocity log(DVL)combination

表1 SINS/DVL组合原理及其特点Table 1 Principle and characteristics of SINS-DVL combination

目前,丹麦 Maridan A/S公司和美国 Kearfott公司联合研制的MARPOS型SINS/DVL水下组合导航系统,在距离海底深度不超过200 m的条件下,导航精度可以达到航程的 0.03%[13];挪威 Kongsberg Simead公司开发的HUGIN 3000型AUV以及在此基础上开发的HUGIN 1000也都是以SINS和DVL作为主要的导航设备[14]。此外,美国 Woods Hole海洋研究所、美国海军研究生院、美国BluefinRobotics公司、加拿大 International Submarine Engineering公司和英国国家海洋中心等都已经将SINS/DVL组合导航技术应用于AUV中[15]。

DVL测速精度与射程呈相反关系,当 DVL声波发射的频率越高时其测速精度越高,射程越短。RDI公司生产的 DVL的声波发射频率、测速精度和有效射程之间对应关系如表2所示[14]。考虑到DVL的射程范围,DVL通常有2种工作模式:一种是在DVL的有效射程之内,可以测得其相对海底的速度,称为底跟踪;另一种是超出了DVL的有效射程,只能测得其相对于海水层的速度,称为水跟踪[14]。

表2 RDI公司生产的 DVL的声波发射频率、测速精度和有效射程之间对应关系Table 2 Relationship among acoustic emission frequency,velocity measurement accuracy,and effective range of DVL from RDI company

SINS/DVL组合导航系统所涉及的关键技术主要有以下 5个方面:数据融合技术、异步信息融合技术、标定技术、DVL数据失效处理和故障检测技术。

1)数据融合技术

SINS/DVL组合导航系统使用导航滤波器进行数据融合。卡尔曼滤波器是一种有效的最优估计算法,自20世纪70年代以来已广泛应用于组合导航系统,丹麦生产的 MARIDAN150型 AUV[7]和挪威生产的 HUGIN 1000型 AUV[16]均使用卡尔曼滤波器。针对 DVL测速易受到复杂的水下环境影响,文献[17]将改进后的Sage-Husa自适应卡尔曼滤波算法引入 SINS/DVL组合导航系统中,仿真结果表明,该算法具有较高的导航精度和鲁棒性。针对SINS/DVL组合导航系统的非线性状态模型,文献[18]利用 5阶球面最简相径容积卡尔曼滤波算法来改善SINS/DVL组合导航精度。

卡尔曼滤波器假设系统噪声和量测噪声的概率密度函数服从高斯分布,但在实际工程应用中,常难以满足上述条件,SINS/DVL组合导航的量测噪声可能呈现厚尾非高斯分布。因此,通过鲁棒卡尔曼滤波算法来改善组合导航系统在复杂环境下的精度是重要且紧迫的[19]。文献[20]提出基于学生t分布噪声建模的鲁棒高斯近似滤波器来对状态向量和未知分布参数进行联合估计,在理论上,该滤波器能消除水下复杂环境给 SINS/DVL组合导航带来的影响,以提高SINS/DVL组合导航精度。

2)异步信息融合技术

实际应用中,由于SINS和DVL采样频率不同,而且数据融合中心接收到的 SINS的导航信息与DVL的速度信息可能存在不同时长的滞后,故需要研究异步多传感器的信息融合算法。针对多传感器网络系统的异步状态融合估计问题,文献[21]推导了递归形式的线性最小均方误差估计器,该估计器将数据融合时间段所间隔收集的异步量测值转换为融合时刻组合等效的量测值,从而得出最优异步估计融合算法。文献[22]利用线性最小方差意义下的矩阵加权融合估计算法,给出了分布式最优融合估计,仿真实例验证了算法的有效性。文献[23]针对组合导航系统的传感器采样频率不同且存在量测滞后的问题,提出一种基于多尺度数据分块的组合导航异步信息融合算法,仿真结果表明该算法可有效提高 SINS/DVL组合导航的定位精度。

3)标定技术

DVL误差主要包括了失准角误差及比例因子误差等。关于 DVL误差标定问题已有许多研究,最早的标定只针对航向失准角误差标定。随着研究的深入,完成了对三轴失准角误差及其他误差的标定。失准角标定问题通常转化为两点集之间变换矩阵的估计问题,这些方法需要一个可以提供准确定位信息的外部辅助传感器。估计技术包括最小二乘估计、求解Wahba's问题、刚体旋转组的自适应辨识等。其中:文献[24]利用INS/GPS积分的导航解和 DVL测量值构造了 2个点集,该方法基于奇异值分解的最小二乘估计方法作为Wahbar's问题最稳定的解,并完成了对失准角误差及比例因子误差的补偿;文献[25]在DVL测速原理的基础上,分析了误差来源,建立了基于比例因子及INS与DVL失准角的误差模型,并以速度误差为观测值设计卡尔曼滤波器,采用可观测性分析的方法对失准角及比例因子进行估计,并在设定的 3种运动情况下对标定参数进行可观测分析,最后通过综合试验验证了算法的可靠性,与传统标定方法相比,该标定方法缩短了标定时间和标定距离;文献[26]同样基于可观测性的观点分析了在某些运动轨迹下部分失准角不可标定的原因,并提出了一种INS和DVL的三点在线标定方法,该方法通过水下航行器浮上水面 2次接收到全球导航卫星系统(global navigation satellite system,GNSS)信号去改善导航系统的可观测性,最后完成失准角及比例因子的标定;文献[27]从控制系统的角度研究了IMU/DVL组合水下导航,分析表明在中等运动条件下组合系统是可观测的,因此 DVL失准角及比例尺因子误差可以在不依赖额外的外部 GPS或声学信标的情况下进行现场校准。同时在 DVL测量的辅助下,还可以有效估计IMU的偏置误差。与上述方法相比,文献[28]充分利用了 INS导航参数,该方法利用速度与加速度参数完成了对 DVL与姿态传感器之间的对准旋转矩阵在线标定,消除了对外部输入条件的依赖性,其主要优点是不需要依靠额外的外部导航信息,因此适用于水下航行的长时导航。

4)DVL数据失效处理

DVL需要接收外界的反射波束,其接收的声学信号与周围声学环境有很大关系。DVL在底跟踪工作模式下,遇到海洋生物阻挡、海底强吸声地质、深沟和载体大角度运动等情况下会出现 DVL数据失效,这直接影响其导航性能。解决DVL数据失效的方法主要有2种:一种为隔离法,即直接隔离掉 DVL失效的数据;另一种为替换法,即替换掉DVL的测速数据。隔离法本质是将SINS/DVL组合导航系统变成纯惯性导航系统,导航精度会降低。目前研究热点为替换法,该方法是设计一个载体相对地的速度估计器来替换掉 DVL测速信息。文献[29]在DVL数据失效时,利用DVL水跟踪量测作为DVL速度量测,为SINS提供速度辅助。文献[30]基于一种偏最小二乘回归(partial least squares regression,PLSR)和支持向量回归(support vector regression,SVR)相结合的方法建立了PLSRSVR预测器,有效延长DVL数据失效的容错时间,从而提高了导航精度和可靠性。文献[31]提出了在线估计导航任务的海流参数模型,其对海流的平均速度进行嵌入式实时估计,利用模型辅助有效提高系统自主性和鲁棒性。文献[32]结合实时海流估计,提出了模型辅助惯性导航系统,在 DVL数据失效时,提高了导航系统的自主性和鲁棒性。

5)故障检测技术

针对由声散射、渔群和海底冲沟引起的DVL中的突变噪声会产生水平姿态误差,并累积为位置误差的问题,文献[33]提出了一种基于2χ规则的故障诊断方法,当噪声发生突变时,采用模型中的速度时间更新来进行数据融合,而不是用DVL中的速度进行数据融合。研究SINS/DVL组合导航系统故障检测方法,对提高组合导航系统的可靠性有重大意义。文献[34]利用小波技术对传感器输出信号进行故障诊断,并进行故障隔离和系统重构,再采用联邦式滤波器进行信息融合得出导航参数。组合导航系统中应用最广泛的故障检测方法即为卡方检测法。文献[35]提出了一种多传感器冗余导航系统的故障检测算法,该算法根据序列概率比检验(sequential probability ratio test,SPRT)和卡方检验监测到的故障等级以及SPRT监测到的故障趋势,对故障进行综合诊断。

SINS/DVL组合导航方法是AUV当前主流使用的水下自主导航技术。尽管在上述的关键技术上获得了较大成果,但 DVL只能输出速度信息,而不能输出位置信息,进而 SINS/DVL组合导航系统的位置不可观测,从而使得位置随着时间推移仍然发散。相比于DVL,水声定位技术或地球物理辅助导航技术可以提供 AUV位置信息,因此,可利用以上 2种技术进一步提高导航精度。

1.2 基于SINS/水声定位的AUV自主导航技术

相对于电磁波而言,声波在海水中传播的衰减效应要小的多。因此,水声定位技术在AUV自主导航中扮演着重要的角色。水声定位系统按基线长度分类可分为LBL、SBL和USBL 3种。LBL的基线长度可与海深相比拟,基阵由多个分布于海床上的应答器组成,定位精度高,适合在大面积作业区域内使用;但其数据更新率较低,应答器的布放、校准以及回收、维护都异常繁琐,作业成本高[36]。SBL的基线长度一般为几米到几十米之间,各基元分布在船底或船舷上。受基线长度限制,SBL的精度介于LBL和USBL之间,且其跟踪范围较小,更适合于在母船附近的 AUV导航定位。USBL的基阵可以集成于一个紧凑的整体单元内,基线长度为分米级或小于等于半波长,其体积尺寸最小,可方便地安置于流噪声和结构噪声均较弱的某个有利位置,且布放、回收极为便捷,因此,USBL受到了越来越广泛的关注和应用。但USBL的精度低于LBL和SBL,且定位精度非常依赖于深度传感器、姿态传感器等外围设备,如何提高USBL的定位精度成为该领域研究的热点问题。3种水声定位系统的示意图见图3,性能对比如表3所示。

图3 3种水声定位系统示意图Fig.3 Schematic diagram of three kinds of underwater acoustic positioning systems

表3 3种水声定位系统性能对比Table 3 Performance comparison of three kinds of underwater acoustic positioning systems

USBL的定位原理依赖于对斜矩和入射角的求解。如果获得了目标应答器到基阵坐标原点的斜矩R,以及斜矩与x轴和y轴的夹角θmx和θmy,即可确定出目标在基阵坐标系下的位置,再通过基阵坐标系与载体坐标系之间的转换关系,进而求解出目标的绝对位置,其中入射角θmx和θmy可通过波程差与相位差的关系进行求解。USBL的定位原理示意图如图4所示。

图4 超短基线定位原理示意图Fig.4 Positioning principle of ultra-short baseline(USBL)

USBL因其体积小巧、安装方便、成本低廉等优势,在 AUV导航与定位中发挥着不可替代的作用。挪威Kongsberg公司1996年开始推出第一代USBL,目前在售的主要有HiPAP和μPAP 2个系列产品,前者适用于 AUV 深水和海底探测,该系列中的HiPAP502型产品,工作范围达到50 000 m,定位精度0.15%D(D表示作用距离),开角覆盖范围200°,20 dB 信噪比下角精度可达到 0.06°[36]。μPAP系列则适用于 AUV浅水探测,并且部分型号内置有姿态传感器,该系列中的μPAP200型号产品,作用距离4 000 m,开角覆盖范围160°,浅水定位精度达到 0.45%D。法国 IXBlue公司主要推出了POSIDONIA II和 GAPS-USBL[37-38]2种型号的USBL产品,其突出的立体四脚外形,通过简单的结构布局达到了高水准的性能。POSIDONIA II是一款长程USBL型号,作用距离超过10 000 m,工作深度可达600 m,在该水深处的最高定位精度能达到0.2%D。GAPS-USBL最大的特征是集成了声学定位系统、高精度惯性导航系统和GPS定位系统,从而免去了声学设备和惯导器件间的安装误差校准步骤,进一步降低了 AUV的定位误差。GAPSUSBL的作用距离超过4 000 m,工作深度25 m,定位精度达 0.06%D,角度精度为 0.01°。此外,英国的BluePrint公司推出的SeaTrac系列USBL产品是目前世界上尺寸最小的超短基线设备,只有16 cm高,空气中质量为 708 g,作用距离超过 2 000 m,可同时定位14个目标,定位精度1.5%D,并且内置有 MEMS陀螺仪和加速度计[39-40],其轻巧的体量和出色的性能,为AUV的搭载提供了便利。

国内在USBL水声定位技术方面虽然起步较晚,但近年也取得了较大进步,已经达到了应用阶段。哈尔滨工程大学从2002年开始进行相关研究,2006年成功研发出国内首台深海USBL定位系统样机,2013年成功研发出国内首台定位系统产品。其研制的水下AUV的USBL仅适用于近程的特殊场合[41],相关设备已在某型号 AUV和向阳红 09号船上进行了试验。中海达推出的iTrackUB系列USBL水声定位系统是唯一市场化的国产 USBL水下定位系统,目前有2款型号:iTrack-UB1000 和iTrack-UB3000。该系统融入了高精度差分 RTK-GPS定位技术,可满足各种高精度的 AUV水下定位导航应用的需求,可同时对 5个水下目标进行精确定位,其中 iTrack-UB3000的量程可达3 000 m,工作深度2 000 m,测量精度可达 0.45%D[42]。各国主要水声定位系统产品对比如表4所示。

表4 USBL水声定位系统产品性能对比Table 4 Performance comparison of products for USBL acoustic positioning system

USBL的优点是体积小巧、方便AUV搭载,其缺点是定位精度有限,因此,一系列围绕提高USBL定位精度的工作得以展开。比如从误差源出发,针对水下声速变化、声音传播模型不确定等问题提出了一系列的声线修正方法;针对水声基阵安装误差导致定位精度下降提出了一系列的标定方法。此外,现有研究还从组合导航、定位原理改进等角度提出了一些改善USBL定位精度的方法。

1)声线修正

声线修正对提高USBL定位精度具有重大意义,文献[43]提出了一种基于最小二乘法的水下测距与定位方法具有较高的定位精度,但在处理大量复杂的水下数据时计算量大、迭代耗时。文献[44]提出的声线修正迭代法比传统方法计算速度快,但只适用于深水区,在拓展到 USBL作用的浅水区时,易忽略浅水区中声音传播的特征。文献[45]提出了一种基于最大偏移量法的声线跟踪快速定位算法,该方法既能精简声速剖面以提升计算效率,又能忠实于原始声速剖面以避免各类误差对有效数据的掩盖。文献[46]针对浅水环境提出一种结合式射线追踪法来对水下声速传播模型进行修正,该方法能在恒声速射线跟踪法和等梯度射线追踪法之间自适应切换,从而有效降低了USBL中的斜矩误差和相位误差。

2)姿态标定

在USBL定位系统中,由于航向/姿态传感器和声学基阵通常是分离式安装,从而导致声学基阵坐标系与船体坐标系间存在旋转角偏差,进而降低了USBL的定位精度,该误差必须通过海上标定试验加以校正。文献[47]以2014年蛟龙号对USBL定位系统南海海上标定试验为例,详细探讨了海上标定试验的技术方法。标定数据采集测线同样影响着安装误差标定准确度,但目前关于测线规划的研究较少,文献[48]对声学基阵的安装误差标定测线进行了规划。试验表明,以直线测线和圆测线相结合的组合测线,在不能严格保证对称重合测量的实际情况下标定结果更准确、一致性更好。为消除安装误差角对USBL的定位精度的影响,文献[49]提出了一种基于增量迭代的动态标定算法,当迭代次数大于10次时,该算法能在线、精准地估计出安装误差角。

3)与高精度方法组合

USBL定位精度较低,但其定位误差不随时间发散。将USBL与具有短时高精度的SINS、视觉等方法相组合是提高其定位精度的重要方式。文献[50]分别对 SINS/USBL松组合和紧组合进行了建模与分析,通过仿真分析发现,2种方法均能有效抑制 SINS随时间积累误差,其中紧组合方法的导航参数估计精度相对松组合提高30%以上。文献[51]提出了一种基于相对测量信息的SINS/USBL组合导航算法,该方法直接利用USBL输出的高度角、方位角和斜距等相对测量信息与SINS进行组合,从而避免了将USBL输出信息首先转换到地理坐标系下这一步骤,在一定程度上提高了定位精度。针对水下复杂环境易诱发水声量测野值这一问题,为保证 AUV导航的精度和可靠性,文献[52]提出一种基于卡方检验的 SINS/USBL组合导航容错方法,首先对量测异常值进行剔除,从而保证了导航系统的可靠性。此外,针对AUV入坞问题,文献[53]提出一种 USBL/视觉组合导航方法,在入坞初始阶段采用USBL引导AUV靠近坞站,在末段则采用具有更高精度的视觉进行精确引导,试验验证了所提出方法的可行性。

4)定位原理改进

除了对误差源进行修正以及与高精度导航方法相组合外,还可以从USBL定位原理上进行改进以提高定位精度。文献[54]提出一种基于数据融合的定位方法,将平面阵对目标独立定位的结果进行有效融合即可得到最终的定位结果,该方法可以有效地提高在低信噪比情况下USBL的定位精度和可靠性。文献[55]提出了一种基于夹角几何关系的USBL定位方法来提高远距离目标的定位精度。文献[56]则引入了 Sage-Husa自适应卡尔曼对量测噪声方差阵和系统噪声方差阵进行实时估计,从而提高USBL系统的定位精度。

得益于声波在海水中的良好传播特性,SINS/水声定位组合导航方法已在 AUV自主导航与定位中得到了成熟而广泛的应用。该方法能提供多种不同精度的位置信息,且定位误差不随时间累积,从而能够对捷联惯导的输出误差进行修正,尤其是 SINS/USBL组合导航方式,近年来更是得到了广泛的关注。但所有基于声学的定位技术都需要向外发射声波,这使得该定位方法隐蔽性较差,在军事行动中无法使用。此外,声学定位往往只能在母船周围有限海域内作用,这也为该方法的实用性带来了挑战。而基于地形、地磁及重力的地球物理模型定位方法,以其隐蔽性好和区域适应性强等特点,将为声学定位方法提供较佳的补充和辅助。

2 地球物理场导航技术

2.1 地形辅助导航

地形辅助导航是一种自主性强、隐蔽性好的水下导航方法,其基本原理如图 5所示。该方法的实现首先需要对任务海域的水下地形进行勘测,并依据测绘标准构建出该海域的水下三维基准数字地形图数据库[57]。在执行任务时,将 AUV获得的当前海域实时地形信息与数据库中的基准数字地形图进行匹配运算,从而确定出 AUV的当前位置,并利用获得的位置信息对 SINS的误差进行修正和补偿[58]。从理论上讲,该方法与AUV的航行时间和航行距离没有关系,可以保证AUV在水下长时间航行之后,能够准确地到达任务部署水域,并顺利完成任务[59]。

图5 地形辅助导航原理示意图Fig.5 Principle of terrain-aided navigation

因为基于海底地形辅助的导航系统大多与武器装备、军事作战息息相关,所以针对水下军事装备地形辅助导航系统的发展及相关技术指标都是严格保密的。但相关学术会议及报道表明,各国目前正致力于该技术的研发与试验[60]。表5展示了目前地形辅助导航系统的发展现状。

地形匹配算法种类繁多,传统的地形匹配算法可以分为地形高度匹配(terrain elevation matching,TEM)算法和景象匹配区域相关器(scene matching area correlator,SMAC)算法2大类。同时,根据估计准则的不同,TEM算法可以分为地形相关匹配算法、基于扩展卡尔曼滤波的匹配算法和基于直接概率准则的匹配算法 3类。但是 TEM算法易受 SINS精度、数字地形图精度及雷达高度表测量精度的影响。相比之下,SMAC 算法虽然定位精度高,但由于对设备和地形数据要求较高,实际中较少采用。近年来,为了改进匹配导航算法性能,诸多学者又提出很多新的改进匹配算法,文献[61]提出一种迭代最近等值线算法,其主要思路是,将测得的航迹水深值连接起来构成曲线,与已存在的水深等值线图进行匹配。文献[62]提出一种地形匹配的快速收敛滤波,缩短了收敛时间。文献[63]提出一种线面组合的水下地形匹配算法,其定位精度明显提高,且稳健性更强。文献[64]提出基于不规则三角网(triangulated irregular network,TIN)模型的水下地形匹配定位算法,该算法可以用海图的原始水深直接构建TIN模型作为匹配基准图进行匹配定位,其定位精度明显高于基于规则格网模型的经典TERCOM算法,并且可以有效地降低误匹配的发生。各匹配方法对比如表6所示[61-66]。

表5 地形辅助导航系统发展现状Table 5 Development status of terrain-aided navigation system

表6 地形匹配算法关键技术Table 6 Key technologies of various terrain matching algorithms

在复杂水下环境中,测深声呐的波束宽度、工作频率等性能指标限制了对海底地形的测量精度,进而降低了地形匹配的准确性。此外,水下平台姿态的稳定性受洋流扰动影响会出现不稳定的情况,进而导致测量误差。针对以上情况,一般将潮汐周期随经纬度变化等各种海洋水文信息与海洋地形信息相结合,形成有特色的海洋地理信息系统,以减轻复杂水下环境带来的负面影响。

近年来,基于连续递推滤波和批相关处理算法的地形匹配导航技术得到了不断提升和改进。为了更准确、快速、稳定地对 SINS的误差进行修正和补偿,现有研究方向可以归结为以下几类:水下地形匹配算法研究、水下地形测量和基准水下数字地形图的制作、水下地形特征分析和数字地图分辨率的定性定量分析。

2.2 地磁辅助导航

与上述地形辅助导航类似,水下地磁导航首先需要获取任务海域的地磁场数据并提取出磁场特征值,绘制成参考图存储在导航计算机中。当AUV经过任务海域时,根据SINS实时输出的位置信息,对预先存储在导航计算机中的参考地磁图进行索引,得到当前位置处的地磁参考值,并通过地磁辅助导航算法将该地磁参考值与实际地磁场数值进行匹配得到准确位置信息,进而对SINS误差进行实时修正[67]。地磁辅助导航原理示意图如图6所示。

图6 地磁辅助导航原理示意图Fig.6 Principle of geomagnetism-aided navigation

对地磁导航技术的研究开始于上世纪 60年代,美国、英国、俄罗斯及日本等国都积极参与研制,表 7所示主要是以水面舰船、水下航行器为应用背景的地磁场辅助导航,其主要采用地磁图、地磁场等值线匹配等方法[68-70]。我国地磁导航的研究初始于 21世纪初,主要研究单位有中国航天科工集团三院、哈尔滨工程大学、哈尔滨工业大学、国防科技大学、海军装备研究院、西北工业大学、海军工程大学及中船第707所等。目前我国研究现状基本处于半物理平台仿真阶段,大部分水下地磁完成的是探测任务,例如目前我国研制的蛟龙二号水下航行器,潜深4 500 m,搭载有水下地磁探测器,用于海底磁测分析。

表7 水下地磁辅助导航技术发展列表Table 7 Development of underwater geomagnetismaided navigation technologies

在地磁辅助导航中,导航方式分为紧组合和松组合 2种算法。在紧组合中,测量磁场值是一个以位置坐标为参数的非线性函数,通常采用扩展卡尔曼滤波实现磁场值与 SINS输出信息的融合,进而对SINS误差进行修正。该算法实时性强,计算复杂度低,但对噪声敏感[71-73]。在松组合中,首先根据 SINS输出信息确定待匹配航迹线并从导航计算机中提取出预存地磁图中相对应的地磁值;然后通过相关的匹配算法与测量的地磁“序列”进行匹配,得到最近匹配位置;最后将匹配位置作为卡尔曼滤波器的量测输入,对 SINS的误差进行估计补偿。该算法需要利用地磁序列来匹配精确的位置,使得其实时性较差,计算复杂度高,但是其对磁场噪声的抗干扰性强[74-75]。图7展示了松组合与紧组合的算法示意图。获取精确的匹配位置信息是地磁导航的主要目标之一,而利用地磁场进行辅助导航存在的技术难点主要有以下几个方面。

1)研制高性能磁力计及磁干扰误差补偿技术

精确测量水下地磁场数据是实现准确水下地磁导航的第一步。地磁场属于弱磁场,幅值范围在30 000～70 000 nT之间,其梯度随空间位置变化很小,信号频率较低。与此同时,在磁测量时,水下环境存在的固定磁场、感应磁场和杂散磁场等干扰磁场影响了磁场测量的准确性[76]。基于此,一方面要研发高性能的弱磁场磁测设备,使其具有高分辨率、强实时性、强抗干扰性及磁场可分辨性等优点;另一方面,结合现有的磁场测试设备,从数据信号处理的角度对磁场数据进行处理,并对干扰磁场产生的影响进行算法补偿。因此磁测设备的改进及误差补偿仍是未来的发展方向。

图7 地磁辅助导航组合算法示意图Fig.7 Combination algorithm of geomagnetism-aided navigation

2)建立精确的地磁场模型及地磁图制备技术

精确的地磁场模型及地磁图制备技术是实现精确水下地磁导航的基础。地磁场模型可以分为全球磁场模型和区域磁场模型,前者表征地磁场长期的地磁特征,误差较大,不适用于高精度导航,而后者具有更高的精度。目前,权威的全球地磁场模型主要包括国际参考地磁场模型(international geomagnetic reference field,IGRF)[77]、世界地磁场模型(world magnetic model,WMM)[78],其中,IGRF模型是目前国际通用地磁场的标准。我国针对地磁场模型及地磁图的制备技术研究较晚,其精度尚无法适应现代水下导航精度的需求,因此建立高精度的地磁场模型及完善地磁图制备技术仍是发展地磁辅助导航的难点与方向之一。

3)地磁匹配导航算法研究

地磁匹配导航算法是地磁辅助导航技术的核心。由于地磁场数据较为固定,磁测设备无法得到局部区域的完整地磁场数据。因此,通常采用以下两类线图匹配的算法[79]:磁轮廓匹配(magnetic contour matching,MAGCOM)算法和迭代最近等值线点(iterative closest contour point,ICCP)算法。传统的导航匹配算法精度在很大程度上依赖于先验信息,受初始值误差的影响,并且当匹配区域中有相似的匹配特征量,会严重影响地磁辅助导航的精度[80-81]。文献[82]提出了只依赖于实时磁测量数据、不需要先验信息的改进算法。该算法采用模拟退火技术计算出相应的最优目标函数,仿真结果验证了算法的有效性。针对磁异常干扰问题,文献[83]提出多目标进化算法,通过行为约束策略解决 AUV在地磁异常区域中出现的局部最小值问题,该方法可以有效克服地磁异常的干扰。针对算法匹配度低问题,文献[84]中提出了一种新型多目标人工蜂群算法,该算法采用多目标搜索与匹配策略,将磁异常与重力异常的平均绝对差作为研究对象,并通过仿射变换将序列匹配转换为单点匹配,进而提高了算法的匹配性。因此具有高精度、强鲁棒性、实时性强的匹配算法是未来地磁辅助导航算法的发展方向。

4)地磁图的适配性研究

在地磁导航中,导航精度不仅与匹配区域基准图精度、匹配序列长度、环境背景噪声相关,还与匹配区域地磁特征有关。地磁适配性是指正确匹配概率与匹配区域特征的关系,反映了匹配区域地磁场特征中包含的导航信息程度,以及表征地理位置的能力[85-86]。在地磁适配性的研究中,地磁基准图预存于导航计算机中,候选匹配区作为基本分析的对象,为选取地磁基准图中的小块矩形区域,该区域的选取主要问题包括特征提取、匹配特征系统的构建、匹配适宜性的分析与预测以及匹配适宜性的评价等[87]。高效智能地建立地磁图的适配性可以有效提高导航匹配速度和实时性。因此地磁图的适配性研究也是未来地磁辅助导航的发展方向及难点之一。

2.3 重力辅助导航

重力辅助导航是利用地球重力特征信息匹配出载体位置,并对SINS的导航误差进行修正,从而实现自主导航的技术。它具有自主性强、隐蔽性好、不受地域和时间限制、定位精度高等特点。重力辅助导航目前已被广泛应用于水下航行器导航,但是重力仪及重力梯度仪的质量和体积都比较大,无法满足AUV的安装要求。随着重力测量设备仪器小型化的发展,未来可以考虑在 AUV上应用重力匹配导航。

如图8所示,重力辅助导航系统由SINS、重力参考数据库、重力测量传感器、匹配算法和卡尔曼滤波器5部分组成。当AUV执行任务时,首先利用 SINS提供的位置在重力基准图上搜索重力参考值,同时海洋重力传感器实时提供重力测量值,然后将重力参考值和测量值发送到匹配算法,确定出载体位置,利用获得的载体位置和卡尔曼滤波器对 SINS输出的导航结果进行修正。中国科学院大地测量与地球物理研究所大地测量与地球动力学国家重点试验室在海南进行了重力辅助惯性导航的试验[88],其中重力数据是通过重力仪实时测量的,试验所用的是实船而不是AUV,最终试验验证了重力辅助惯性导航是一种可行且有前景的海上或水下导航方法。

图8 重力辅助导航系统示意图Fig.8 Flow chart of gravity-aided navigation system

重力辅助导航方法的关键技术主要包括重力图构建、重力实时测量和重力匹配。

1)重力图构建

将重力匹配导航技术应用于 AUV自主导航的前提是建立精确的、满足要求的海洋重力数据库。近年来,由于对海洋经济及军事方面的需求逐渐提高,各国不断通过海洋测绘获得大量海洋数据,并依据卫星测高、航空重力测量和海洋重力测量等技术来获得重力图[89]。例如美国已通过以上技术构建了大部分海洋重力图[90],精度优于1 mGal,分辨率优于 1′×1′;我国目前已建立近海范围重力背景图,但精度和分辨率都有待提高。

2)重力实时测量

近50多年,我国海洋重力测量系统发展迅速,在理论创新、硬件研制及数据处理方面获得长足进步。在重力辅助导航中,重力仪[91]和重力梯度仪[92]是必不可少的关键设备,重力仪是测量重力加速度的仪器,其基本原理是弹性体在重力作用下发生形变,弹性体的弹性力与重力平衡时,弹性体处于某一平衡位置。弹性体的平衡位置随重力变化而改变,观测 2次平衡位置的改变量,即可测定2点的重力差。重力梯度仪是测定重力场垂直梯度的仪器,它是基于差分加速度的思想来测量重力的变化率,由于它能够反映重力场局部特征的细微变化,所以具有比重力本身更高的分辨率,由于重力梯度测量不受厄特弗斯效应的影响,因此可实时测量重力梯度和重力矢量。表 8介绍了目前常见的重力仪与重力梯度仪的型号与技术指标。

表8 重力辅助导航设备技术指标Table 8 Specifications of gravity-aided navigation facilities

国内在该领域的研究成果有,中船重工第 707所研制的第一代拥有完整自主产权的重力仪[93],已完成了船载海洋重力测量试验;中国科学院测量与地球物理研究所研制的 CHZ-II海空重力仪[94]先后完成了安装及地面试车、海空重力仪的飞行试验,成功获取有效数据,CHZ-II海空重力仪的成功研制打破了我国高精度重力仪长期依赖进口的局面。

3)重力匹配算法

匹配算法是重力辅助导航系统中的关键技术。TERCOM算法利用群组关系来限制匹配误差[95-96]。ICCP算法采用刚性变换对多边弧进行匹配,但是当初始位置误差超出算法允许的范围时,容易引起失配[97-98]。桑地亚惯性地形辅助导航(Sandia inertial terrain aided navigation,SITAN)算法是典型的重力匹配算法,其本质是扩展卡尔曼滤波,它利用随机线性化技术建立线性观测模型,具有较高的实时性[99]。表9给出了3种基础算法的优缺点比较。

表9 重力匹配基本算法比较Table 9 Basic algorithms of gravity matching

近年来,为了追求更好的实时性能、更高的定位精度和更少的计算负担,国内外学者针对上述匹配算法做了大量改进工作[100-104]。同时提出相关组合导航算法[85,101-102,105-107]。文献[100]基于重力匹配的算法进行了大量研究,所提出的基于最短路径的思想改进了传统的TERCOM算法,

通过最短路径的方法提高了更新频率,使得定位误差受到限制,仿真结果显示其具有较好的实时性、定位精度和计算量。文献[103]提出了矢量匹配算法,它在匹配算法中加入了相邻SINS的采样点间的位置相关性,解决了部分匹配区域匹配结果不稳定的问题。文献[104]提出一种水下重力惯性导航的相对位置约束模式匹配方法,重力辅助导航中轨迹的形状不受类似传统TERCOM算法的限制,匹配成功率和位置精度都得到了很大提高,可有效应用于实际导航。文献[85]将重力异常和磁异常信息融合,提出一种改进的多目标人工蜂群算法,该算法特别适用于长距离水下航行任务,提高了收敛速度,获得了较高的匹配成功率,在长距离水下航行任务中表现可靠。文献[105]提出一种基于点质量滤波器(point mass filter,PMF),它结合了相关分析原理和递归状态的估计过程,仿真结果表明,该匹配算法的实时性优于相关分析匹配算法。该方法也是一种能避免非线性观测模型线性化误差的非线性滤波器。文献[106]将ICCP算法和PMF两者结合,PMF可降低大初始位置误差对ICCP的影响,提高了单点匹配算法的准确性,并且通过组合的方式保证了实时性和可靠性。文献[107]提出了一种新的重力辅助导航旋转拟合重力匹配算法,仿真结果显示该算法优于常用的TERCOM算法和SITAN算法,展现了其在重力辅助AUV导航中的可靠性和定位精度的优势。

3 协同导航技术

3.1 基本原理及研究背景

AUV通过相互通信共享信息进行协同导航,可以提高AUV的水下导航精度[2,108]。然而,AUV的水下协同导航仍然受通信带宽、传输延迟、洋流、水下干扰及扩展受限等问题的挑战,是当前海洋工程领域的研究热点[2,6]。AUV协同导航的工作示意图如图9所示。

图9 AUV协同导航工作原理示意图Fig.9 Working principle of AUV cooperative navigation

领航艇按照预设的时间间隔发送一定频率的声波信号,接着在间隔一段时间后(5～6 s),广播自身位置信息(包括领航艇的位置、深度、航向及时间戳)。跟随AUV通过水声通信设备接收领航艇发送的声波信号和位置信息,并计算其相对于领航艇的相对距离,然后根据领航艇自身位置信息与相对距离信息进行协同导航,以获得更高的导航定位精度。

2006年,欧盟组织了德、意、法等国家联合开展了欧盟 GREX项目,其主要解决多 UUV的协同导航及编队控制、通信等问题[109]。2008～2009年,该项目成功进行了2次海试,完成了多AUV协作下的海洋环境绘图任务。美国的新泽西大陆架观测系统由水面雷达、水下滑翔机、空中飞机及卫星组成。该系统利用多个 AUV进行了长期的海洋调查工作,在沿海生态评估和物理化学要素分析方面发挥了重要作用。同年,美国麻省理工学院海洋机器人实验室公开了其研制的“自主协同的分散侦察与探测系统”,该系统主要利用3种无人平台进行协同导航与控制,以完成侦察与探测任务[110]。欧盟第七科技框架计划(FP7)致力于UUV的技术研究,并于2014年开展了“自主认知潜水协同作业项目”[111]。该项目致力于开发能够辅助人类潜水者在危险区域内进行科研、考古或商业探索活动的高效作业的水下航行器领航跟踪系统。中科院沈阳自动化所展开了多AUV协同导航系统及海洋特征场跟踪研究,设计了多AUV队形的中心跟踪和特征等线值的策略以及控制率[112]。哈尔滨工程大学开展了多AUV协同导航算法研究,设计了相关状态估计算法,解决水下通信延迟、多径效应等带来的定位误差大的问题[113-116]。西北工业大学刘明雍团队[117-118]开展了多AUV协同导航体系、移动LBL协同导航,编队构型及洋流干扰下的协同导航方法研究。

3.2 协同导航关键技术

3.2.1 协同导航编队构型设计方法

协同导航的编队构型直接影响协同导航的可观测性,进而影响协同定位精度,因此很有必要进行编队构型研究[119]。针对单领航艇协同导航,若领航艇与跟随艇之间没有相对位置变化,则系统近似不可观,因此领航艇或跟随艇需要调整运动轨迹。通常跟随艇需要执行相应任务,而领航艇只需完成领航任务,因此只需领航艇调整运动轨迹即可。现有的最优编队构型包括Z字形机动和环形机动2种[6],如图10所示。

针对双领航艇协同导航,研究表明 2组主从AUV间的相对距离相互垂直时,相对运动的队形最优[120],见图 11。为确保执行任务的 AUV能够在通信范围内,通信AUV应该针对工作AUV的工作路径实时规划新的路径,文献[121]以工作AUV定位误差最小为优化准则,设计了路径在线规划方法。针对多AUV分布式协同导航,各AUV间不分领航艇和跟随艇,互相定位、互相修正、其编队构型更为复杂,是未来值得研究的方向之一。

图10 单领航艇编队构型Fig.10 Formation configuration with single leader AUV

图11 双领航艇编队构型Fig.11 formation configuration with dual leader AUVs

3.2.2 协同导航滤波算法

协同导航算法主要分为基于优化理论的导航算法和基于卡尔曼滤波的导航算法2大类。基于优化理论的导航算法有极大似然估计[122]、最大后验估计[123-124]、二次约束二次规划[125]和非线性最小二乘法优化[126]等。基于卡尔曼滤波的导航算法有:自适应扩展卡尔曼滤波[127]、信息滤波器[128-130]、无迹卡尔曼滤波[131]和粒子滤波[132]。针对分布式协同导航相互测量产生的相关性问题,文献[133]受通信传输频带限制只传输协方差矩阵主对角线上元素,忽略了交叉协方差项。文献[134]在每个AUV滤波器更新之前,将每个AUV的航迹推算信息分配给每个AUV,从而减小了当前时刻协方差矩阵的传输问题带来的影响。随着协同导航传感器的多样化、协同任务复杂化以及多AUV协同可扩展能力的发展,协同导航对导航算法的要求将更加严格,且考虑多AUV通信量和计算量大的问题,现有的算法性能还需要进一步提升。

3.2.3 协同导航误差建模与补偿方法

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。

表10 误差建模与补偿方法总结Table 10 Summary of error modeling and compensation methods

4 总结和展望

水下环境复杂多变,AUV在不同的工作环境下需要不同的组合导航方法。在浅海域中,SINS/DVL组合导航系统和 SINS/USBL组合导航系统可以实现高精度导航任务。在数据库(地磁、地形、重力)范围之内,利用地球物理特性作为辅助导航的组合导航系统可以通过测量数据与数据库快速匹配来在全部海域实现导航定位。多 AUV通过共享方位和位置等信息进行协同导航,有效抑制了水下导航误差发散的问题。

同样,面对复杂多变的水下环境,AUV在选择不同的组合导航方法时也面临了各种问题,给科研工作带来了巨大挑战。基于声呐的导航定位方法难免会受到水声多径效应、声速时变等因素的影响。此外,水下洋流、潮汐等效应会对AUV的稳定性造成扰动,这都会导致水下噪声的时变和不确定性,以及建模误差较大和量测野值等现象。因此,如何综合利用多种海洋信息,抵消或者降低海洋特殊水下环境所导致的影响,将是进一步提高AUV自主导航定位精度的重要研究方向。

综上可知,未来研究方向主要有:1)辅助导航信息融合时,改善匹配算法的快速性和准确性;2)利用地球物理特性作为辅助导航时,数据库的构建方法;3)在保持导航精度的前提下,降低导航成本;4)在军事领域中,提高AUV的隐蔽性。

随着处理器制造技术和制作工艺的发展,计算能力与日俱增,这使得 AUV以惯性导航为主,以 DVL、水声定位系统、地形辅助导航、地磁辅助导航以及重力辅助导航等多种导航手段为辅助的组合导航系统的实现成为可能。多种组合导航技术和多AUV协同导航对比如表11所示。

表11 AUV导航方法比较Table 11 Comparison of AUV navigation methods

5 结束语

纵观当今的国际形势,加快海洋强国建设,推进海洋事业的迅猛发展势在必行,而 AUV导航定位技术的发展作为其中一环至关重要。文中从实际需求出发,讨论了目前主流的 AUV水下导航定位技术,包以DVL、LSL/SBL/USBL为代表的水声测速与定位系统;以地形匹配、地磁匹配以及重力匹配为代表的地球物理模型导航系统,

协同导航等多种水下导航定位方式。结合近年来国内外最新的研究进展,总结了各种导航技术的关键问题和目前存在的技术难点,并针对性的给出相应的解决思路。总体来说,未来AUV水下导航与定位技术仍将以惯导为主、多种导航技术为辅,向着智能化、全源化、高精度、强鲁棒性及实时性等方向发展,在军事和民用领域都将发挥更强大的作用。