水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀與展望

吳尚尚, 李閣閣, 蘭世泉, 楊紹瓊, 3*, 張連洪, 3

水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀與展望

吳尚尚1, 2, 李閣閣1, 2, 蘭世泉1, 楊紹瓊1, 2, 3*, 張連洪1, 2, 3

(1. 天津大學(xué) 機械工程學(xué)院 機構(gòu)理論與裝備設(shè)計教育部重點實驗室, 天津, 300350; 2. 天津大學(xué) 青島海洋技術(shù)研究院, 山東 青島, 266237; 3. 青島海洋科學(xué)與技術(shù)試點國家實驗室 海洋觀測與探測聯(lián)合實驗室, 山東 青島, 266237)

水下滑翔機水下導(dǎo)航定位精度的提高對于滑翔機完成海洋環(huán)境觀測、資源探測、海洋目標(biāo)識別與定位等任務(wù)至關(guān)重要?，F(xiàn)有的水下滑翔機導(dǎo)航技術(shù)以航位推算搭配全球定位系統(tǒng)(GPS)為主。隨著導(dǎo)航技術(shù)的進步, 慣性導(dǎo)航、聲學(xué)導(dǎo)航、海洋地球物理導(dǎo)航和組合導(dǎo)航等技術(shù)將更多地應(yīng)用于水下滑翔機?；诖? 文中簡要介紹了水下導(dǎo)航技術(shù)原理、分類以及常用算法, 綜述了水下滑翔機導(dǎo)航相關(guān)技術(shù)研究與應(yīng)用的國內(nèi)外現(xiàn)狀, 探討了水下滑翔機冰下導(dǎo)航的技術(shù)難點和發(fā)展趨勢。文中的工作可為水下滑翔機導(dǎo)航技術(shù)的深入研究與試驗應(yīng)用提供依據(jù)。

水下滑翔機; 導(dǎo)航技術(shù); 冰下導(dǎo)航

0 引言

水下滑翔機依靠調(diào)節(jié)浮力實現(xiàn)升沉, 借助機翼產(chǎn)生水動力進行滑翔運動, 具有低噪聲、長航程、大潛深等特點, 可對海洋信息進行長時序、大范圍的觀測與探測[1]。作為認識海洋、經(jīng)略海洋、保護海洋的一種重要工具, 水下滑翔機在海洋科學(xué)探索、海洋資源開發(fā)以及海洋國防安全方面具有廣泛的應(yīng)用前景。

為了完成觀測與探測任務(wù), 水下滑翔機需沿預(yù)設(shè)路徑航行, 為此需要進行水下導(dǎo)航。導(dǎo)航定位技術(shù)對保障水下滑翔機的工作效能和航行安全至關(guān)重要[2], 此外, 導(dǎo)航定位精度也是水下滑翔機重要的技術(shù)指標(biāo)[3-5]。水下滑翔機的導(dǎo)航包括水面和水下導(dǎo)航, 其中, 水下導(dǎo)航是一種將無人水下航行器由起始點引導(dǎo)到目標(biāo)點的技術(shù), 基本參數(shù)為其位置、速度和航向[6]。

目前較為常見的水下導(dǎo)航方法有: 航位推算法、慣性導(dǎo)航、聲學(xué)導(dǎo)航、海洋地球物理導(dǎo)航和組合導(dǎo)航技術(shù)[7-8]。航位推算法憑借小能耗和低成本的優(yōu)點, 被廣泛使用于水下滑翔機; 慣性導(dǎo)航系統(tǒng)(inertial navigation system, INS)不依賴于外部信息源, 是自主導(dǎo)航中的一種, 常作為組合導(dǎo)航中的主導(dǎo)航系統(tǒng); 聲學(xué)導(dǎo)航可分為長基線(long baseline, LBL)、短基線(short baseline, SBL)和超短基線(ultra short baseline, USBL)3種; 海洋地球物理導(dǎo)航利用地球本身物理特征進行導(dǎo)航, 主要分為地磁輔助導(dǎo)航、地形輔助導(dǎo)航和重力輔助導(dǎo)航, 具有自主性強、隱蔽性好、不受地域和時間限制等優(yōu)點; 組合導(dǎo)航技術(shù)是指將多種導(dǎo)航方式結(jié)合在一起, 它是水下導(dǎo)航未來的重要發(fā)展方向。基于狀態(tài)空間分析的以卡爾曼濾波為代表的最優(yōu)估計法是水下組合導(dǎo)航的關(guān)鍵技術(shù)。

為明晰水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀, 文中從以下幾方面對其進行梳理:

1) 簡要闡述導(dǎo)航技術(shù)原理及常用的導(dǎo)航算法;

2) 介紹水下導(dǎo)航相關(guān)的技術(shù)研究與應(yīng)用情況的國內(nèi)外現(xiàn)狀;

3) 分析水下滑翔機在冰下導(dǎo)航的技術(shù)難點和發(fā)展情況。

1 水下導(dǎo)航技術(shù)原理

1.1 航位推算

航位推算過程是內(nèi)部控制系統(tǒng)結(jié)合深度計、電子羅盤等各來源的導(dǎo)航信息通過數(shù)學(xué)綜合來估算水下位置的一種導(dǎo)航方法, 必要時輔以聲學(xué)多普勒流速剖面儀(acoustic Doppler current profiler, ADCP)和多普勒測速儀(Doppler velocity log, DVL)等其他設(shè)備。航位推算所需硬件質(zhì)量輕、能耗小、成本低, 因此在水下滑翔機中應(yīng)用最為廣泛。航位推算具體過程為: 利用深度傳感器得到水下滑翔機的深度變化率, 由電子羅盤測量出姿態(tài)和航向角, 再計算出水下滑翔機的水平運動速度, 運動速度對時間的積分值即為水下滑翔機的水平相對位移, 再結(jié)合水下滑翔機在水面時的獲取的精確定位信息, 最終得到在水下的相對位置。

航位推算存在一定的弊端: 它沒有將海流影響引入推算過程, 在海流速度較大的海域, 航位推算的導(dǎo)航精度不高; 電子羅盤在姿態(tài)和航向角度測算過程中也存在固有測量誤差, 導(dǎo)致位置誤差不斷累積, 使滑翔機導(dǎo)航估計精度變差[9-10]。在工程應(yīng)用中, 通常將航位推算與其他的導(dǎo)航技術(shù)結(jié)合, 從而修正推算結(jié)果。

1.2 慣性導(dǎo)航

INS是一種自主導(dǎo)航系統(tǒng), 核心是陀螺儀(測量角速度和姿態(tài)方位角)和加速度計(測量載體加速度), 具有精度高, 穩(wěn)定性好, 抗干擾能力強等優(yōu)點。由于慣性導(dǎo)航元件固有的物理特性, INS誤差會隨時間不斷累積, 為了進一步提高導(dǎo)航定位精度, 必須在使用INS過程中定時對其校正。

水下滑翔機體積小, 質(zhì)量輕, 工作時幾乎沒有噪音, 具備良好的水下隱蔽性。但是水下滑翔機一旦浮出水面試圖通信或定位, 就可能暴露自身。隨著水下滑翔機在海洋國防中的應(yīng)用日益增加, 常規(guī)的衛(wèi)星導(dǎo)航系統(tǒng)可能無法使用,而在冰層覆蓋的海域, 水下滑翔機無法利用全球定位系統(tǒng)(global position system, GPS)獲取精確定位信息。因此, 以INS為主的自主導(dǎo)航顯得尤為重要。

圖1 捷聯(lián)式慣性導(dǎo)航系統(tǒng)原理框圖

1.3 聲學(xué)導(dǎo)航

低頻聲波在水下的衰減相對較低, 是目前水下遠距離傳輸信息的最有效載體。向海底發(fā)射超聲波產(chǎn)生的多普勒效應(yīng), 可用來測量航行器的運動速度, 這就是DVL等聲學(xué)設(shè)備的基本原理。在海流速度較大的海域, 利用DVL測量水下滑翔機相對于海底的速度, 能夠克服航位推算方法中未考慮海流影響的缺陷, 提高水下滑翔機航行速度的測算精度, 改善導(dǎo)航效果。

聲學(xué)導(dǎo)航尚存在以下技術(shù)難點:

1) 中小尺度時間和空間范圍內(nèi), 多種海洋物理層參數(shù)的變化對聲波傳播影響的問題;

2) 水下聲學(xué)傳播的多途效應(yīng)問題;

3) 海洋背景噪聲問題;

4) 相對水下滑翔機負載能力, 聲學(xué)設(shè)備的能耗普遍較高的問題。

為了克服這些問題, 在導(dǎo)航控制上, 應(yīng)優(yōu)化電源管理, 以盡量低的能耗發(fā)揮其作用, 例如, 當(dāng)使用DVL設(shè)備進行水下導(dǎo)航時, 若探測到前一個剖面航位推算與衛(wèi)星定位之間的誤差量超過預(yù)設(shè)漂移閾值, 則開啟DVL, 反之則不開啟。

1.4 海洋地球物理導(dǎo)航

海洋地球物理導(dǎo)航是一種基于海洋地磁場、海洋重力地圖、海洋高程模型和海底地形分布特征獲取水下航行器定位信息的自主導(dǎo)航方法。其基本思路是: 預(yù)先將航行海域的地球物理模型存入控制系統(tǒng), 在航行過程中, 航行器實時采集周圍的地球物理信息并與預(yù)存模型進行比對, 從而推算當(dāng)前定位信息。海洋地球物理導(dǎo)航能夠用來校正INS的時間累積誤差[12], 常用作INS的輔助導(dǎo)航技術(shù), 主要分為地形輔助導(dǎo)航(terrain aided navigation, TAN)、地磁輔助導(dǎo)航和重力輔助導(dǎo)航。

TAN利用數(shù)字高程模型(digital elevation mo- del, DEM)和海底地形分布特征實現(xiàn)水下導(dǎo)航, 導(dǎo)航誤差不隨時間累加。TAN需要科研人員提前知悉該地區(qū)詳細的DEM, 并對模型進行大量的預(yù)先設(shè)計與編程工作, 以適應(yīng)特定平臺的算法。大多數(shù)的TAN算法使用已有的DEM, 通過與水下滑翔機的水深估計進行比較, 確定水下滑翔機的位置誤差, 生成位置估計, 再將其集成到導(dǎo)航系統(tǒng)中。由DVL輔助的慣性傳感器可以直接用于TAN的濾波器中。水下無人平臺使用的慣性元件和聲學(xué)傳感器的功率受載體供電能力限制, 探測范圍和精度不高, 故增加了位置估計的不確定性, 一些研究嘗試通過適應(yīng)性變化或采用一系列統(tǒng)計一致性檢驗來克服這些困難[13]。

地磁輔助導(dǎo)航基于海洋地磁場模型, 地磁信息可以全天候測量, 不受時空間約束, 但目前的磁測量精度和地磁場模型精度較低, 導(dǎo)航效果比較差。

重力輔助導(dǎo)航由重力測量儀、重力地圖、重力匹配算法和卡爾曼濾波器組成[14], 利用重力異常值或重力梯度值等輔助信息來修正慣性導(dǎo)航隨時間積累的定位誤差, 提高航行器的導(dǎo)航精度[15], 具有自主性強、隱蔽性好、不受地域和時間限制、定位精度高等特點。重力輔助導(dǎo)航原理如圖2所示, 首先利用SINS提供的位置在重力地圖上搜索重力參考值, 同時重力測量儀實時提供重力測量值, 然后將重力參考值和測量值輸入到重力匹配算法中, 確定出載體位置, 利用獲得的載體位置和卡爾曼濾波器對輸出的導(dǎo)航結(jié)果進行修正。重力輔助導(dǎo)航依賴于實測的重力地圖, 由于全海域高精度的重力數(shù)據(jù)尚未完全獲得, 致使這種導(dǎo)航技術(shù)的適用區(qū)域受限, 同時重力測量儀的造價昂貴, 也不利于技術(shù)的普及。

圖2 重力輔助導(dǎo)航系統(tǒng)原理框圖

1.5 組合導(dǎo)航

人們對水下導(dǎo)航精度要求日益增加, 單獨使用一種導(dǎo)航技術(shù)很難滿足未來的工程應(yīng)用需求。將不同的導(dǎo)航技術(shù)結(jié)合在一起的組合導(dǎo)航是提高系統(tǒng)導(dǎo)航性能, 有效降低定位誤差的解決方案之一。組合導(dǎo)航利用多傳感器同時測量位置信息, 再將各傳感器采集的信息加以融合并進行最優(yōu)化處理, 從而實現(xiàn)導(dǎo)航定位目的。目前, SINS作為主導(dǎo)航設(shè)備的組合導(dǎo)航系統(tǒng)主要有GPS/SINS和DVL/SINS。

組合導(dǎo)航的核心思想是信息融合與最優(yōu)估計, 即先對多傳感器的數(shù)據(jù)進行預(yù)處理, 再將多源輸入數(shù)據(jù)通過坐標(biāo)變換和單位變換, 轉(zhuǎn)換到同一坐標(biāo)系中, 進而根據(jù)載體系統(tǒng)狀態(tài)方程及量測量物理性質(zhì)的數(shù)學(xué)模型進行濾波處理, 獲得狀態(tài)向量的最優(yōu)估計值。自1960年Kalman[16]在系統(tǒng)狀態(tài)空間模型的基礎(chǔ)上提出線性卡爾曼濾波器(Kal- man filter, KF)之后, 濾波技術(shù)取得了顯著的進步。針對非線性系統(tǒng)和非線性觀測信息, 相繼發(fā)展出了擴展卡爾曼濾波(extended Kalman filter, EKF)算法[17]、無跡卡爾曼濾波(unscented Kalman filter, UKF)算法[18]、異步直接卡爾曼濾波(asyn- chronous direct Kalman filter, ADKF)算法[19], 以及異步自適應(yīng)直接卡爾曼濾波(asynchronous ada- ptive direct Kalman filter, AADKF)算法[20]等。

EKF的非線性模型通過泰勒級數(shù)展開和高階項的去除實現(xiàn)近似的線性化, 但是會帶來截斷誤差[21]; UKF能夠克服EKF的缺點, 不過計算量較大[22], 同時由于硬件本身的不穩(wěn)定性及外部環(huán)境的時變特性, 很難準(zhǔn)確描述系統(tǒng)噪聲和觀測噪聲的統(tǒng)計特性, 從而使得UKF不具備很好的收斂性、穩(wěn)定性和魯棒性[23]。目前, 非線性濾波理論仍在不斷發(fā)展之中, 實際應(yīng)結(jié)合具體研究對象, 為組合導(dǎo)航方式選擇適當(dāng)?shù)臑V波方法。

2 水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀

相較于其他類型的無人水下航行器, 水下滑翔機的體積更小, 質(zhì)量更輕, 但相應(yīng)的負載能力有限。水下滑翔機需要在水下長期工作, 同時又要保證導(dǎo)航精度的前提下, 對其所攜帶導(dǎo)航設(shè)備的體積、質(zhì)量和能耗提出了更嚴(yán)格的要求。

2.1 水下航位推算技術(shù)

簡單的航位推算形式只需電子羅盤和深度傳感器的組合即可實現(xiàn)水下導(dǎo)航。例如, Scripps海洋研究所(Scripps institution of oceanography)研制的Spray水下滑翔機[24]在水面獲得定位信息后, 通過搭載的TCM2電子羅盤以及211-38型深度計, 就能夠推算出向目標(biāo)點位置運動的目標(biāo)航向、姿態(tài)角度等航行參數(shù)。

華盛頓大學(xué)的Seaglider水下滑翔機[25]根據(jù)水下的推算位置在水面的投影與期望位置之間的差值, 利用KF進行定位估計。如果海流速度與Seaglider的水平滑翔速度相當(dāng), 則根據(jù)KF算法, 用深度平均流來建立海流模型, 基于海流模型參數(shù)推算向目標(biāo)航點前進的最優(yōu)航向與速度。Seaglider水下滑翔機浮出水面時利用Garmin 25 HVS型GPS模塊進行導(dǎo)航誤差修正。如果海流速度超過航速, Seaglider會選擇使目標(biāo)距離增加最小的方向作為目標(biāo)航向。

計入從上一個出水位置到當(dāng)前出水位置之間沿滑翔機軌跡得出的平均流速估計值, 融合到航位推算中, 對提高導(dǎo)航精度有一定效果[26]。但這種估計方法沒有考慮流場的時空變化, 與實際流速存在較大偏差, 導(dǎo)航精度改善有限。Webb Research Corp研制的Slocum水下滑翔機[27]將航位推算與多普勒測速結(jié)合, 利用DVL實測海流數(shù)據(jù), 提高航位推算精度。

采用數(shù)據(jù)同化調(diào)整模型[28], 融合衛(wèi)星、船只、浮標(biāo)和滑翔機的實時或遠程觀測數(shù)據(jù), 可進一步提高海流預(yù)測模型的準(zhǔn)確性。Szwaykowska等[29]研究了基于海洋模型的真實環(huán)境并模擬水下航行器位置誤差增長的界限, 這種誤差分析方法可用于提高海洋模型的精度和導(dǎo)航算法的性能。Hart 等[30]開發(fā)了一種基于A*算法的最優(yōu)路徑規(guī)劃算法。該算法結(jié)合區(qū)域海洋模型, 通過對滑翔機運動軌跡的預(yù)測, 生成仿真滑翔機運動軌跡模型。由于沒有對算法的估計流速與滑翔機的觀測流速進行比較, 無法驗證模型的正確性[31]。Chang等[32]提出一種由海洋模型預(yù)測輔助的Slocum實時導(dǎo)航算法, 并于2012~2013年底在美國南卡羅萊納附近海域進行海試, 試驗結(jié)果驗證了海流預(yù)測模型可提高滑翔機的導(dǎo)航性能[33]。Szwaykowska等[29]聚焦于較小海域的水下滑翔機工作情況, 根據(jù)多架滑翔機的測量數(shù)據(jù)作為反饋, 對模型進行實時調(diào)整, 從而提高水下滑翔機在海洋中的導(dǎo)航性能。這種方法相比基于航位推算和水下流速估計的導(dǎo)航方法擁有更高的導(dǎo)航性能, 當(dāng)存在明顯時空變化的流場時, 具有更好的可靠性。

2.2 慣性導(dǎo)航技術(shù)

INS可為水下滑翔機提供較精確的定位信息?，F(xiàn)階段, INS在質(zhì)量、精度和能耗等多方面存在應(yīng)用瓶頸, 導(dǎo)致這種方法未在水下滑翔機中得到廣泛應(yīng)用, Huang等[34-35]展示了微型機電系統(tǒng)(micro electro mechanical system, MEMS)在水下滑翔機中的試驗性應(yīng)用。Jenkins等[36]提出一種應(yīng)用于水下滑翔機的緊湊型慣導(dǎo)系統(tǒng)——iXSEA U-phins, 其重約2.14 kg, 體積2 100 cm3, 功耗為3 W(見圖3)。

圖3 iXSEA U-phins慣性導(dǎo)航系統(tǒng)

慣性測量元件的精度直接決定了SINS的精度水平。當(dāng)前SINS常用的陀螺儀類型有激光陀螺儀、光纖陀螺儀及微機電陀螺儀等。國外的陀螺儀已進入光學(xué)和微機電時代, 精度不斷提高, 環(huán)形激光陀螺、干涉型光纖陀螺和MEMS陀螺等固態(tài)陀螺儀逐漸成熟。受制造工藝和專用集成電路水平的制約, 目前國產(chǎn)陀螺儀的精度不高, 總體上和以美國為代表的世界先進水平有一定的差距。近幾十年, 國內(nèi)的一些高校和科研單位基于不同種類的陀螺儀自主研制了多種SINS, 如激光陀螺SINS、光纖陀螺SINS和 MEMS陀螺SINS等, 已經(jīng)被陸續(xù)應(yīng)用于陸?？盏阮I(lǐng)域。就全球發(fā)展現(xiàn)狀而言, 現(xiàn)有慣性測量元件不足以滿足當(dāng)前各種不同導(dǎo)航任務(wù)的指標(biāo)要求, 未來的主要目標(biāo)是提高精確性、連續(xù)性和可靠性, 降低器件的成本及功耗等。

慣性傳感器元件的定常誤差模型難以建立, 提高導(dǎo)航精度十分困難。針對這個問題, Huang 等[34-35]根據(jù)不同的誤差模型設(shè)計合適的濾波器, 將多模型方法與EKF相結(jié)合, 給出狀態(tài)的最優(yōu)估計。同時利用具有高精度預(yù)測優(yōu)勢的融和Adams的多模型擴展卡爾曼濾波算法(multi-model EKF fusing Adams explicit formula algorithm, MEKFA), 使姿態(tài)估計精度得到較大的提高。理論分析證明了該算法的收斂性和穩(wěn)定性, 并通過“海翔”號水下滑翔機湖泊試驗進行了驗證。結(jié)果表明, MEKFA方法與單EKF和乘性擴展卡爾曼濾波(multiplicative EKF, MEKF)相比, 姿態(tài)估計性能有顯著提高。

Kim等[37]結(jié)合平均海流速度模型, 實現(xiàn)了INS對海流速度的測量。經(jīng)過計算, 受海流影響的加速度增量是INS中加速度計測量精度的1/10,加速度計無法直接感覺到海流的影響, 這些微弱的海流效應(yīng)將完全被傳感器噪聲和外部干擾所阻斷。然而, 海流對滑翔路徑的影響是在若干小時的滑翔中累積起來的。通過將滑翔機內(nèi)置的INS輸出數(shù)據(jù)與平均海流速度模型的先驗信息結(jié)合, 校正海流加速度測量, 完成加速度計偏差的誤差修正就能夠獲得水下滑翔機位置估計。對于沒有海流信息的情況, 仍然可以根據(jù)每次滑翔結(jié)束后測量到的位置誤差估計海流數(shù)據(jù), 再遞歸反饋到平均海流模型中, 從而提高定位精度。

2.3 聲學(xué)導(dǎo)航技術(shù)

聲學(xué)導(dǎo)航主要是利用固定或移動聲學(xué)信標(biāo)通過水聲通信來完成水下導(dǎo)航。Techy[44]和Van Uffelen等[45]中提出一種應(yīng)用于Seaglider水下滑翔機的LBL聲學(xué)導(dǎo)航系統(tǒng)。該系統(tǒng)由3個位于水面并配備有GPS導(dǎo)航模塊的移動聲學(xué)信標(biāo)作為參考, 通過測量聲波往返行程的時間, 再利用EKF算法將水下滑翔機的運動狀態(tài)融入到估計算法中, 得出簡單的幾何定位估計值, 通過仿真和試驗驗證了此聲學(xué)系統(tǒng)在具有多徑效應(yīng)和強海流的淺海環(huán)境下, 能夠有效提供高精度的定位估計。2010~2011年初, Van Uffelen等[46-47]在菲律賓海域部署了4架Seaglider水下滑翔機, 利用水下滑翔機接收到聲波時刻與預(yù)測值之間的傳輸時間偏移量來估計距離的誤差值, 從而提高滑翔機在水下收集數(shù)據(jù)時的定位估計, 驗證了滑翔機作為傳感器搭載平臺的實用性。整個工作過程記錄了滑翔機超過2 000次的水聲數(shù)據(jù)傳輸, 距離系泊聲源最遠達到700 km。與以上方案不同, Sun等[48]提出以聲學(xué)信標(biāo)為環(huán)境特征, 根據(jù)海底信標(biāo)到滑翔機的距離來估計滑翔機的位置, 實現(xiàn)水下滑翔機在三維空間的導(dǎo)航定位的導(dǎo)航方法。基于EKF-SLAM(simultaneous localization andmappi- ng)算法, 在信標(biāo)位置未知情況下, 能夠同步估計滑翔機和信標(biāo)的位置。這種算法的優(yōu)勢在于將滑翔機的速度估計納入導(dǎo)航定位系統(tǒng)中, 進一步降低了導(dǎo)航定位誤差。

Woithe等[49]探討了利用DVL來改善Slocum電能滑翔機航位推算算法中位置估計方法的可行性, 提出通過安裝DVL的輔助航位推算導(dǎo)航算法, 并在新澤西海岸進行為期12天的滑翔機部署, 初步顯示了良好的試驗效果。

硬件方面, 低功耗聲學(xué)調(diào)制解調(diào)器是聲學(xué)導(dǎo)航的核心器件。美國Teledyne Benthos公司為美海軍Seaweb海底網(wǎng)絡(luò)開發(fā)了一種名為Telesonar的聲學(xué)調(diào)制解調(diào)器。Teledyne Webb提供的Sloc- um滑翔機和Teledyne Benthos提供的調(diào)制解調(diào)器組合形成的導(dǎo)航定位和數(shù)據(jù)傳輸網(wǎng)絡(luò)見圖4[50]。

圖4 水下滑翔機/聲學(xué)調(diào)制解調(diào)器數(shù)據(jù)傳輸示意圖

2.4 組合導(dǎo)航技術(shù)

2.4.1 GPS/SINS/DVL組合導(dǎo)航

SINS結(jié)合DVL是目前水下組合導(dǎo)航中比較常用的方法, 并在多種水下航行器中得到廣泛應(yīng)用[51-53]。季龍[54]和黃海洋[55]先后對在水下滑翔機上搭建低成本、高精度的GPS/SINS組合導(dǎo)航系統(tǒng)進行了探索。在水面上時, 使用GPS提供整機系統(tǒng)需要的位置坐標(biāo)信息。在水下運動時, 由電子羅盤或SINS和深度傳感器相結(jié)合獲取滑翔機的姿態(tài)信息, 再通過卡爾曼濾波進行數(shù)據(jù)融合實現(xiàn)水下的位置解算。李輝[56]提出了一種水下滑翔機的水面/水下導(dǎo)航定位算法: 在水面上通過GPS獲取位置, 在水下利用姿態(tài)航向參考系統(tǒng)提供信息, 再利用EKF方法進行導(dǎo)航信息融合, 最后利用MATLAB軟件進行算法仿真, 結(jié)果符合預(yù)期。對于水下滑翔機編隊的協(xié)同導(dǎo)航算法, Paley[57]和Tang等[58]提出了自適應(yīng)EKF, 通過聲學(xué)廣播的方式, 解決了水下滑翔機的編隊協(xié)作組網(wǎng)導(dǎo)航定位問題。Huang等[59]基于慣性導(dǎo)航和航位推算的組合導(dǎo)航, 提出一種分裂基快速傅里葉變換和UKF的混合算法。分裂基快速傅里葉變換是將radix-2和radix-4快速傅里葉變換的優(yōu)點結(jié)合起來的一種方法[60], 計算量較小, 擁有較大的漸進復(fù)雜度。試驗結(jié)果表明, 該算法在估計精度和計算成本方面具有較好的優(yōu)勢。周吉雄[61]將UKF與聯(lián)邦卡爾曼濾波(federated Kalman filtering, FKF)技術(shù)集合起來, 通過仿真驗證了這種基于局部反饋校正的UKF在組合導(dǎo)航系統(tǒng)中具有較高的精度和魯棒性。呂志剛[62]提出一種SINS/ GPS和DVL組合導(dǎo)航的方法, 為自主式水下航行器(autonomous underwatervehicle, AUV)平臺提供高精度的連續(xù)導(dǎo)航信息, 并對此組合導(dǎo)航系統(tǒng)的標(biāo)定方法和誤差分析進行了系統(tǒng)性的研究。針對SINS/DVL組合導(dǎo)航問題, Xu等[63]以導(dǎo)航需求為導(dǎo)向, 設(shè)計基于改進Sage-Husa自適應(yīng)卡爾曼濾波算法的導(dǎo)航系統(tǒng), 仿真結(jié)果表明, 該系統(tǒng)具有較高的容錯性。

2.4.2 海洋地球物理輔助慣性導(dǎo)航技術(shù)

1) 地磁輔助導(dǎo)航

20世紀(jì)70年代, 美國就已經(jīng)完成了全球磁力矢量分布圖的測繪, 并研制出了適用于AUV平臺的地磁定位系統(tǒng)。美國西屋電器公司提出了利用己知靜止磁異常對水下航行器進行導(dǎo)航的方法[64]; 美國雷神公司提出了利用磁場進行水下導(dǎo)航定位的方法, 并進行了試驗驗證[65]。2009年, Kato[66]提出了基于地磁圖和等深線圖的AUV導(dǎo)航定位算法, 并采用相關(guān)海域的地磁場數(shù)據(jù)和水深數(shù)據(jù)進行了仿真試驗。NASA Goddard空間中心對水下地磁導(dǎo)航進行了研究, 并進行了大量的試驗[67]。

在國內(nèi), 余樂[68]以提高地磁匹配導(dǎo)航系統(tǒng)航跡規(guī)劃效率和精度為目的, 對航跡規(guī)劃算法和地磁適配區(qū)選擇原則進行了理論研究和仿真驗證。Lin[69]對水下地磁導(dǎo)航進行了研究, 在渤海海域進行了地磁測量與水下地磁輔助導(dǎo)航試驗, 取得了400 m左右的精度。國防科學(xué)技術(shù)大學(xué)科研人員[70-72]成功研制出慣性/地磁匹配組合導(dǎo)航系統(tǒng)樣機, 并分別于2008年、2009年、2011年進行了岸基車載試驗、水面船試驗和水下試驗, 驗證了地磁/慣性組合導(dǎo)航系統(tǒng)的可行性。劉明雍等[73]提出受地磁異常影響的水下航行器導(dǎo)航方法, 將最近點迭代算法運用到水下地磁匹配導(dǎo)航中, 通過多次迭代匹配來減小慣性導(dǎo)航的累積誤差。

2) 地形輔助導(dǎo)航

在全球衛(wèi)星導(dǎo)航出現(xiàn)之前, 洲際巡航導(dǎo)彈的遠程導(dǎo)航系統(tǒng)是利用高度計數(shù)據(jù)與預(yù)先存儲地圖的地面高程進行比較, 從而實現(xiàn)精確長期的定位估計。定位精度取決于地形圖的分辨率和測量高程的精度。在建立GPS之后, 這個系統(tǒng)顯得多余, 但其在GPS定位失效時仍能發(fā)揮作用。由此, 利用地形信息進行水下導(dǎo)航也是可行的, 但由于水深圖分辨率較低, 限制了其在水下航行器中的使用。

在國外, Stuntz等[74]研究了在沿海地區(qū)精確定位滑翔機軌跡所需的最小數(shù)據(jù)集, 分析了地形跟蹤算法的定位性能, 首先對壓力傳感器和高度計的采集數(shù)據(jù)進行平滑處理以消除噪聲, 然后將其與局部測深值進行比較, 從而生成位置修正值。在加州沿海進行的Slocum滑翔機的試驗結(jié)果表明, 地形輔助慣性導(dǎo)航方法比單獨使用慣性導(dǎo)航更加精確。

通過其他的地球物理參數(shù), 如采用地球磁場和地球重力場來增強地形輔助算法, 以提高其魯棒性的研究也被提出, 但是這些試驗的效果還未得到充分證明[75]。

3 冰下導(dǎo)航技術(shù)展望

冰下任務(wù)提供了非常有價值的科學(xué)信息。自20世紀(jì)70年代, Francois和Nodland在北冰洋邊緣的波弗特海部署無人水下航行器時起, 許多AUV都陸續(xù)開展了冰下觀測。在冰層覆蓋地區(qū)持續(xù)觀測對氣候變化研究和極地勘探工作尤為重要。在冰下, 衛(wèi)星導(dǎo)航系統(tǒng)失效, 水下滑翔機的導(dǎo)航與定位尤其困難, 慣性導(dǎo)航失去定時校準(zhǔn)條件, 在現(xiàn)有水下導(dǎo)航方法中, 只有聲學(xué)導(dǎo)航和地球物理導(dǎo)航方法能夠在冰下為滑翔機提供有限的定位估計。

3.1 冰下聲學(xué)導(dǎo)航

利用聲學(xué)設(shè)備進行導(dǎo)航的水下無人航行器, 多依賴于固定的聲源進行機載導(dǎo)航或在船上和陸地上來進行位置估計。Rossby等[76]為Seaglider開發(fā)了適用于冰下環(huán)境的聲學(xué)導(dǎo)航系統(tǒng), 并于2006~2014年在戴維斯海峽部署了14架次滑翔機, 對六自由度EKF后處理導(dǎo)航結(jié)果進行了驗證。試驗中的定位信息是由系泊在固定位置的RAFOS浮標(biāo)[76]搭載的聲學(xué)導(dǎo)航源提供的。美國海軍研究辦公室(office of naval research, ONR)邊緣冰區(qū)(marginal ice zone, MIZ)項目開發(fā)的實時聲學(xué)導(dǎo)航系統(tǒng)在南極洲對Slocum水下滑翔機的冰下聲學(xué)導(dǎo)航定位能力進行了驗證[77]。

最常用的冰下聲學(xué)導(dǎo)航策略是LBL系統(tǒng)導(dǎo)航和USBL導(dǎo)航相結(jié)合的導(dǎo)航策略[78-79]。另外, 還有一些LBL的新應(yīng)用[80]以及基于視覺的用于超短距離的歸航算法。Hugin[81]和Theseus[82]等水下機器人使用單信標(biāo)導(dǎo)航來擴展它們的LBL系統(tǒng)。此外, Gavia水下航行器[83]創(chuàng)新地向上安裝DVL來測量航行器相對于冰層的速度, 以實現(xiàn)水下導(dǎo)航。

由于導(dǎo)航源不能穿越冰層預(yù)先部署在海底, 只能部署在冰面上, 所以, 當(dāng)探測區(qū)域的冰層漂移時, 導(dǎo)航源不能對滑翔機提供精確實時的定位信息。聲學(xué)導(dǎo)航源需同時傳輸它們所在的位置。隨時間傳輸導(dǎo)航源位置信息的概念并不新鮮, GPS信號和低速率遙測數(shù)據(jù)已經(jīng)被用于小型水下移動導(dǎo)航網(wǎng)絡(luò)[84-86]。華盛頓大學(xué)在北極的試驗中首次使用這種方法搭建了完整的導(dǎo)航系統(tǒng)[87], 但由于導(dǎo)航源和水下滑翔機之間的通信過程產(chǎn)生的時鐘漂移將導(dǎo)致距離測量存在一定誤差。

3.2 冰下地形輔助導(dǎo)航

美國伍茲霍爾海洋研究所[88]對水下滑翔機在冰下的地形輔助導(dǎo)航方法進行了系統(tǒng)的研究, 評估了可用于水下滑翔機在經(jīng)歷季節(jié)性海冰海洋中全年使用的可行性。該試驗基于Slocum 200 m水下滑翔機, 結(jié)合深度和海流估計的水深模型[89], 使用單波束高度計和航位推算方法進行導(dǎo)航信息更新。試驗結(jié)果十分樂觀, 但對算法使用地區(qū)具有局限性。

紐芬蘭紀(jì)念大學(xué)的Claus 等[90]通過一種離線試驗方案, 將在線定位估計方法分別與常規(guī)航位推算方法、包含GPS校正的航位推算方法以及離線地形輔助的定位估計方法進行比較, 驗證了水下滑翔機平臺基于抖動自舉粒子濾波器的地形輔助導(dǎo)航算法的準(zhǔn)確性。這種方法被應(yīng)用在冰下進行持久的導(dǎo)航定位測量。在紐芬蘭赫里路德冰川峽灣, 科研人員分別在2010年和2012年對水下滑翔機進行了距離為12 km和91 km的室外導(dǎo)航試驗, 試驗結(jié)果表明, 該算法能夠在2次試驗中分別保持33 m和50 m的誤差。2014年6月10日~11日在加拿大紐芬蘭省的康賽普申海灣, 進行了水下滑翔機地形輔助導(dǎo)航的進一步測試, 在由10 km和90 km直線段的2組離線試驗中, 該方法的誤差分別為25 m和50 m, 驗證了冰下導(dǎo)航算法在淺海地區(qū)的有效性。但這些試驗還存在以下問題: 1) 水下滑翔機的定位坐標(biāo)系位于磁北, 而地形輔助導(dǎo)航處理器坐標(biāo)位于真北, 導(dǎo)致相對于滑翔機坐標(biāo)系存在一定的磁偏角誤差; 2) 試驗海域較淺, 水下滑翔機仍能接收到GPS的定位信息, 這些信息會將地形輔助算法的初始值重新復(fù)位, 因此不能驗證水下滑翔機在較深海域進行長時間持續(xù)導(dǎo)航情況下該算法的有效性。

4 結(jié)束語

水下滑翔機作為探索海洋、執(zhí)行水下任務(wù)的重要工具, 在我國海洋資源勘探與開發(fā)方面具有重要作用。高精度、高可靠性的導(dǎo)航系統(tǒng)是水下滑翔機成功完成任務(wù)并安全返航的保證之一。文中對水下滑翔機平臺常見導(dǎo)航系統(tǒng)的原理、分類與關(guān)鍵技術(shù)進行了說明, 最后對水下滑翔機冰下導(dǎo)航發(fā)展情況進行了展望。

隨著水下滑翔機工作范圍向邊遠海域逐步擴大, 水下導(dǎo)航技術(shù)也將面臨更多未知的挑戰(zhàn)。為搭建水下滑翔機海洋網(wǎng)絡(luò), 實現(xiàn)海洋信息實時交互傳遞, 未來, 水下滑翔機導(dǎo)航技術(shù)將向著高精度、強魯棒性、實時性及協(xié)同組網(wǎng)等方向發(fā)展。并以慣性導(dǎo)航技術(shù)為主, 多種導(dǎo)航技術(shù)為輔, 實現(xiàn)多種導(dǎo)航傳感器, 多種導(dǎo)航方式的組合導(dǎo)航, 進一步提高水下導(dǎo)航技術(shù)的準(zhǔn)確性、靈活性與可靠性, 構(gòu)建智能化的組合導(dǎo)航方式, 不斷提高水下滑翔機的海洋觀測能力。

[1] 沈新蕊, 王延輝, 楊紹瓊, 等. 水下滑翔機技術(shù)發(fā)展現(xiàn)狀與展望[J]. 水下無人系統(tǒng)學(xué)報, 2018, 26(2): 89-106.Shen Xin-rui, Wang Yan-hui, Yang Shao-qiong, et al. Dev- elopment of Underwater Gliders: An Overview and Pros- pect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.

[2] 尹偉偉, 郭士犖. 非衛(wèi)星水下導(dǎo)航定位技術(shù)綜述[J]. 艦船電子工程, 2017, 37(3): 8-11. Yin Wei-wei, Guo Shi-luo. Survey on Non-satellite Unde- rwater Navigation and Positioning Technology[J]. Ship Electronic Engineering, 37(3): 8-11.

[3] Yan Z, Peng S, Zhou J, et al. Research on an Improved Dead Reckoning for AUV Navigation[C]//IEEE 2010 Ch- inese Control and Decision Conference (CCDC). Xuzhou, China: IEEE, 2010.

[4] 張愛軍. 水下潛器組合導(dǎo)航定位及數(shù)據(jù)融合技術(shù)研究[D]. 南京: 南京理工大學(xué), 2009.

[5] 趙輝. 基于水下航行器導(dǎo)航定位及信息融合技術(shù)研究[D]. 南京: 南京理工大學(xué), 2007.

[6] 張紅梅, 趙建虎, 楊鯤, 等. 水下導(dǎo)航定位技術(shù)[M]. 武漢: 武漢大學(xué)出版社, 2010.

[7] Stutters L, Liu H, Tiltman C, et al. Navigation Technologies for Autonomous Underwater Vehicles[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2008, 38(4): 581-589.

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

[9] Jalving B, Gade K, Svartveit K, et a1. DVL Velocity Aiding in the HUGIN 1000 Integrated Inertial Navigation Sy- stem[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

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

[11] 張磊. 船用捷聯(lián)式慣性/天文組合導(dǎo)航方法的研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2012.

[12] 彭富清, 霍立業(yè). 海洋地球物理導(dǎo)航[J]. 地球物理學(xué)進展, 2007, 22(3): 759-764. Peng Fu-qing, Huo Li-ye. Marine Geophysical Navigation. Progress in Geophysics[J]. Progress in Geophysics, 2007, 22(3): 759-764.

[13] Fallon M F, Papadopoulos G, Leonard J J, et al. Cooperative AUV Navigation Using a Single Maneuvering Surf- ace Craft[J]. The International Journal of Robotics Rese- arch, 2010, 29(12): 1461-1474.

[14] 姚劍奇. 水下重力輔助導(dǎo)航定位方法研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2015.

[15] 李姍姍. 水下重力輔助慣性導(dǎo)航的理論與方法研究[D]. 鄭州: 解放軍信息工程大學(xué), 2010.

[16] Kalman R E. A New Approach to Linear Filtering and Prediction Problems[J]. Journal of Basic Engineering, 1960, 82(1): 35-45.

[17] Chowdhury G, Johnson E N, Magree D, et a1. GPS-denied Indoor and Outdoor Monocular Vision Aided Navigation and Control of Unmanned Aircraft[J]. Journal of Field Robotics, 2013, 30(3): 415-438.

[18] Julier S J, Uhlmann J K. Unscented Filtering and Nonlinear Estimation[J]. Proceedings of the IEEE, 2004, 92(3): 401-422.

[19] Shabani M, Gholami A, Davari N. Asynchronous Direct Kalman Filtering Approach for Underwater Integrated Navigation System[J]. Nonlinear Dynamics, 2014, 80(1-2): 71-85.

[20] 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.

[21] Noureldin A, Karamat T B, Eberts M D, et al. Performance Enhancement of MEMS-Based INS/GPS Integration for Low-Cost Navigation Applications[J]. IEEE Transactions on Vehicular Technology, 2009, 58(3): 1077- 1096.

[22] Wan E A, Van Der Merwe R. The Unscented Kalman Filter for Nonlinear Estimation[C]//Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium(Cat. No. 00EX373). Lake Louise, Alberta, Canada: IEEE, 2000: 153-158.

[23] Huang H Q, Chen X Y, Liu H, et al. Study on the Design and Algorithm of INS/MCP/DR Integrated Navigation Method for Underwater Glider[C]//2012 Third International Conference on Digital Manufacturing & Automation.NW Washington, DC: IEEE, 2012: 843-846.

[24] Sherman J, Davis R E, Owens W B, et al. The Autonomous Underwater Glider “Spray”[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 437-446.

[25] Eriksen C C, Osse T J, Light R D, et al. Seaglider: A Long-Range Autonomous Underwater Vehicle for Oceanographic Research[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 424-436.

[26] Merckelbach L M, Briggs R D, Smeed D A, et al. Current Measurements from Autonomous Underwater Gliders[C]// 2008 IEEE/OES 9th Working Conference on Current Measurement Technology. Charleston, SC, USA: IEEE, 2008: 61-67.

[27] Webb D C, Simonetti P J, Jones C P. SLOCUM: An Underwater Glider Propelled by Environmental Energy[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 447- 452.

[28] Wikle C K. Atmospheric Modeling, Data Assimilation, and Predictability[J]. Technometrics, 2002, 47(4): 521- 521.

[29] Szwaykowska K, Zhang F. Trend and Bounds for Error Growth in Controlled Lagrangian Particle Tracking[J]. IEEE Journal of Oceanic Engineering, 2013, 39(1): 10-25.

[30] Hart P E, Nilsson N J, Raphael B. Correction to “A Formal Basis for the Heuristic Determination of Minimum Cost Paths”[J]. ACM SIGART Bulletin, 1972, 37(37): 28-29.

[31] Fernández-Perdomo E, Cabrera-Gámez J, Hernández-Sosa D, et al. Path Planning for Gliders Using Regional Ocean Models: Application of Pinzón Path Planner with the ESEOAT Model and the RU27 Trans-Atlantic Flight Data[C]// Oceans’10 IEEE.Sydney, Australia: IEEE, 2010: 1-10.

[32] Chang D, Zhang F, Edwards C R. Real-Time Guidance of Underwater Gliders Assisted by Predictive Ocean Models[J]. Journal of Atmospheric & Oceanic Technology, 2015, 32(3): 562-578.

[33] Chang D, Liang X, Wu W, et al. Real-time Modeling of Ocean Currents for Navigating Underwater Glider Sensing Networks[M]. Berlin, Heidelberg: Springer, 2014: 61-75.

[34] Huang H, Chen X, Zhang B, et al. High Accuracy Navigation Information Estimation for Inertial System Using the Multi-model EKF Fusing Adams Explicit Formula Applied to Underwater Gliders[J]. ISA transactions, 2017, 66: 414-424.

[35] Huang H, Zhou J, Zhang J, et al. Attitude Estimation Fusing Quasi-Newton and Cubature Kalman Filtering for Inertial Navigation System Aided with Magnetic Sensors[J]. IEEE Access, 2018, 6: 28755-28767.

[36] Jenkins S A, Humphreys D E, Sherman J, et al. Underwater glider system study[R]. Scripps Institution of Oceanography Technical Report, 2003.

[37] Kim J, Park Y, Lee S, et al. Underwater Glider Navigation Error Compensation Using Sea Current Data[J]. IFAC Proceedings Volumes, 2014, 47(3): 9661-9666.

[38] Durbin J, Koopman S J. Time Series Analysis of Non Gaussian Observations Based on State Space Models from Both Classical and Bayesian Perspectives[J]. Journal of the Royal Statistical Society: Series B(Statistical Methodology), 2000, 62(1): 33-34.

[39] Boyd S, El Ghaoui L, Feron E, et al. Linear Matrix Inequalities in System and Control Theory[M]. Pennsylvania, PA, USA: Society for Industrial and Applied Mathematics, 1994.

[40] Chung D, Park C G, Lee J G. Observability Analysis of Strapdown Inertial Navigation System Using Lyapunov Tr- ansfomation[C]//35th IEEE Conference on Decision and Co- ntrol. Kobe, Japan: IEEE, 1996: 23-28.

[41] Wang L X, Guo L. Multi-objective Control in Integrated Navigation System Based on LMI[J]. Acta Aeronautical et Astronautica Sinica, 2008, 29: 102-106.

[42] Yu M J, Lee S W. A Robust Extended Filter Design for SDINS In-flight Alignment[J]. International Journal of Control, Automation, and Systems, 2003, 1(4): 520-526.

[43] Cao S, Guo L. Multi-objective Robust Initial Alignment Algorithm for Inertial Navigation System with Multiple Disturbances[J]. Aerospace Science and Technology, 2012, 21(1): 1-6.

[44] Techy L, Morganseny K A, Wolsey C A. Long-baseline Acoustic Localization of the Seaglider Underwater Glider[C]//2011 American Control Conference. California, USA: IEEE, 2011: 3990-3995.

[45] Van Uffelen L J, Howe B M, Nosal E M, et al. Long-range Glider Localization Using Broadband Acoustic Signals and a Linearized Model of Glider Motion[C]//2013 OCEANS. San Diego. US: IEEE, 2013: 1-4.

[46] Van Uffelen L J, Nosal E M, Howe B M, et al. Estimating Uncertainty in Subsurface Glider Position Using Transmissions from Fixed Acoustic Tomography Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(4): 3260-3271.

[47] Van Uffelen L J, Howe B, Nosal E M, et al. Acoustic Loc- alization of Seagliders in the Philippine Sea Using Br- oadband Transmissions from Moored Acoustic Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(5): 3983.

[48] Sun J, Yu J, Zhang A, et al. Navigation Positioning Algorithm for Underwater Gliders in Three-dimensional Sp- ace[C]//2015 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER). Shenyang, China: IEEE, 2015: 1269- 1274.

[49] Woithe H C, Boehm D, Kremer U. Improving Slocum Glider Dead Reckoning Using a Doppler Velocity Log[C] //OCEANS'11. Kona: IEEE, 2011: 1-5.

[50] Green D. Underwater Modem-based Navigation Aids[C]// 2010 7th International Symposium on Wireless Communication Systems. York, United Kingdom: IEEE, 2010: 606-610.

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

[52] Larsen M B. High Performance Doppler-inertial Navigation-experimental Results[C]//OCEANS 2000 MTS/IEEE Conference and Exhibition. Conference Proceedings (Cat. No. 00CH37158). Providence, RI, USA: IEEE, 2000: 1449- 1456.

[53] 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.

[54] 季龍. 水下滑翔機定位導(dǎo)航系統(tǒng)及實驗研究[D]. 杭州: 浙江大學(xué), 2006.

[55] 黃海洋. 水下滑翔機GPS/SINS組合導(dǎo)航系統(tǒng)研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2009.

[56] 李輝. 水下滑翔機的系統(tǒng)設(shè)計與導(dǎo)航方法研究[D]. 青島: 中國海洋大學(xué), 2014.

[57] Paley D A. Cooperative Control of Collective Motion for Ocean Sampling with Autonomous Vehicles[M]. Princeton: Princeton University, 2007.

[58] Tang K H, Jiang M M, Weng J. 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.

[59] Huang H, Chen X, Lv C, et al. A Novel Hybrid Algorithm of Split-radix Fast Fourier Transform and Unscented Kalman Filter for Navigation Information Estimation[C]//2015 IEEE Metrology for Aerospace (Metro Aerospace). Florence, Italy: IEEE, 2015: 93-97.

[60] Bouguezel S, Ahmad M O, Swamy M N S. Arithmetic Complexity of the Split-radix FFT Algorithms[C]//2005 IEEE International Conference on Acoustics, Speech, and Signal Processing. Philadelphia, Pennsylvania, USA: IEEE, 2005.

[61] 周吉雄. 自主式水下航行器導(dǎo)航算法研究[D]. 哈爾濱:哈爾濱工程大學(xué), 2018.

[62] 呂志剛. 基于 SINS/DVL/GPS 的 AUV 組合導(dǎo)航標(biāo)定方法的研究及其誤差分析[J]. 艦船電子工程, 2018, 38 (6): 33-36. Lü Zhi-gang. Research on SINS/DVL/GPS Integrated Navigation System Calibration Method and the Error Analysis of AUV[J]. Ship Electronic Engineering, 2018, 38(6): 33-36.

[63] Xu X S, Pan Y F, Zou H J. 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.

[64] Polvani D. Magnetic Guidance of Autonomous Vehicles (part2) [C]//1987 5th International Symposium on Unmanned Untethered Submersible Technology. Shanghai, China: IEEE, 1987: 257-264.

[65] Davis C. GPS-like Navigation Underground[C]//IEEE/ ION Position, Location and Navigation Symposium. Tianjin, China: IEEE, 2010: 1108-1111.

[66] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomagnetic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[67] 蔡兆云, 魏海平, 任志新. 水下地磁導(dǎo)航技術(shù)研究綜述[J]. 尖端科技, 2007(3): 28-30.

[68] 余樂. 水下地磁導(dǎo)航航跡規(guī)劃算法研究[D]. 南京: 東南大學(xué), 2017.

[69] Lin Y. Hausdorff-based RC and IESIL Combined Positioning Algorithm for Underwater Geomagnetic Navigation[J]. EURASIP Journal on Advances in Signal Processing, 2010(1): 1-12.

[70] 胡小平, 吳美平, 穆華, 等. 水下地磁導(dǎo)航技術(shù)[M]. 北京: 國防工業(yè)大學(xué)出版社, 2013.

[71] 穆華, 吳志添, 吳美平. 水下地磁/慣性組合導(dǎo)航試驗分析[J]. 中國慣性技術(shù)學(xué)報, 2013, 21(3): 386-391. Mu Hua, Wu Zhi-tian, Wu Mei-ping. Experimental Analysis of Underwater Geomagnetic Field/inertial Integrated Navigation[J]. Journal of Chinese Inertial Technology, 2013, 21(3): 386-391.

[72] Wu Z, Hu X, Wu M, et a1. An Experimental Evaluation of Autonomous Underwater Vehicle Localization on Geomagnetic Map[J]. Applied Physics Letters, 2013, 103(10): 104102(1)-104102(4).

[73] 劉明雍, 李紅, 劉坤, 等. 地磁異常影響下的AUV仿生導(dǎo)航方法研究[J]. 西北工業(yè)大學(xué)學(xué)報, 2015, 33(4): 627- 632.

Liu Ming-yong, Li Hong, Liu Kun, et al. Navigation Method of Autonomous Underwater Vehicle with Disturbance Due to Geomagnetic Anomaly Considered[J]. Journal of Northwestern Polytechnical University, 2015, 33 (4): 627-632.

[74] Stuntz A, Liebel D, Smith R N. Enabling Persistent Autonomy for Underwater Gliders Through Terrain Based Navigation[C]//OCEANS 2015, Genova, Italy: IEEE, 2015.

[75] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomag- netic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[76] Rossby T, Dorson D, Fontaine J. The RAFOS System[J]. Journal of Atmospheric and Oceanic Technology, 1986, 3 (4): 672-679.

[77] Jones C, Allsup B, DeCollibus C. Slocum Glider: Expanding Our Understanding of the Oceans[C]//2014 Oceans. St. John’s: IEEE, 2014: 1-10.

[78] Deffenbaugh M, Schmidt H, Bellingham J G. Acoustic Navigation for Arctic Under-ice AUV Missions[C]//OCE- ANS'93. Victoria, BC, Canada: IEEE, 1993: I204-I209.

[79] Kukulya A, Plueddemann A, Austin T, et al. Under-ice Operations with a REMUS-100 AUV in the Arctic[C]//2010 IEEE/ OES Autonomous Underwater Vehicles. Monterey, California, USA: IEEE, 2010: 1-8.

[80] Jakuba M V, Roman C N, Singh H, et al. Long-Baseline Acoustic Navigation for Under-Ice Autonomous Underwater Vehicle Operations[J]. Journal of Field Robotics, 2008, 25(11-12): 861-879.

[81] Hegren?s ?, Gade K, Hagen O K, et al. Underwater Transponder Positioning and Navigation of Autonomous Underwater Vehicles[C]//OCEANS 2009. Biloxi, MS, USA: IEEE, 2009: 1-7.

[82] Kaminski C, Crees T, Ferguson J, et al. 12 Days Under Ice—an Historic AUV Deployment in the Canadian High Arctic[C]//2010 IEEE/OES Autonomous Underwater Vehicles. Monterey, CA, USA: IEEE, 2010: 1-11.

[83] Doble M J, Wadhamsi P, Forrest A L, et al. Experiences from Two-years’ Through-ice AUV Deployments in the High Arctic[C]//2008 IEEE/OES Autonomous Underwater Vehicles. Woods Hole, MA, USA: IEEE, 2008: 1-7.

[84] Walls J M, Eustice R M. An Origin State Method for Communication Constrained Cooperative Localization with Robustness to Packet Loss[J]. The International Journal of Robotics Research, 2014, 33(9): 1191-1208.

[85] Bahr A, Walter M R, Leonard J J. Consistent Cooperative Localization[C]//2009 IEEE International Conference on Robotics and Automation. Kobe, Japan: IEEE, 2009: 3415-3422.

[86] Vaganay J, Leonard J J, Curcio J A, et al. Experimental Validation of the Moving Long Base-line Navigation Concept[C]//2004 IEEE/OES Autonomous Underwater Vehicles(IEEE Cat. No. 04CH37578). Sebasco, ME, USA, USA: IEEE, 2004: 59-65.

[87] Webster S E, Freitag L E, Lee C M, et al. Towards Real- time Under-ice Acoustic Navigation at Mesoscale Ranges[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). Seattle, WA: IEEE, 2015: 537- 544.

[88] Claus B, Bachmayer R. Towards Navigation of Underwater Gliders in Seasonal Sea Ice[C]//2014 Oceans. St. Joh- n’s: IEEE, 2014: 1-8.

[89] Claus B, Bachmayer R. Terrain Aided Navigation for an Underwater Glider[J]. Journal of Field Robotics, 2015, 32(7): 935-951.

[90] Claus B, Bachmayer R. Towards Online Terrain Aided Navigation of Underwater Gliders[C]//2014 IEEE/OES Autonomous Underwater Vehicles (AUV). Oxford, MS, USA: IEEE, 2014: 1-5.

Present Situation and Prospect of Navigation Technologies for Underwater Glider

WU Shang-shang1, 2, LI Ge-ge1, 2, LAN Shi-quan1, YANG Shao-qiong1, 2, 3*, ZHANG Lian-hong1, 2,3

(1. Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, School of Mechanical Engineering, Tianjin University, Tianjin 300350, China; 2. Qingdao Institute for Ocean Engineering, Tianjin University, Qingdao 266237, China; 3. The Joint Laboratory of Ocean Observing and Detection, Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China)

Improvement of underwater navigation positioning accuracy is crucial for underwater glider to complete missions, including marine environment observation, resource detection and identification or location of marine target. Most of the existing underwater glider navigation methods are based on dead reckoning supplemented by global position system(GPS). With the advancement of navigation technology, technologies such as inertial navigation, acoustic navigation, marine geophysical navigation and integrated navigation will be applied to underwater gliders increasingly. This paper briefly introduces the principle, classification and familiar algorithms of underwater navigation technology, and summarizes the domestic and abroad status of research and application of navigation technology for underwater gliders. Then the technical difficulties and development trends of under-ice navigation are discussed. The purpose of this paper is to provide reference for in-depth research and innovative application of underwater glider navigation technology.

underwater glider; navigation technology; under-ice navigation

TJ630.33; U674.941; TN967.2

R

2096-3920(2019)05-0529-12

10.11993/j.issn.2096-3920.2019.05.008

吳尚尚, 李閣閣, 蘭世泉, 等. 水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀與展望[J]. 水下無人系統(tǒng)學(xué)報, 2019, 27(5): 529-540.

2019-07-24;

2019-08-20.

國家重點研發(fā)計劃(2016YFC0301100, 2017YFC0305902)和深圳市投資控股有限公司資金; 國家自然科學(xué)基金(51722508, 11902219); 天津市自然科學(xué)基金(18JCQNJC05100, 18JCJQJC46400); 青島海洋科學(xué)與技術(shù)國家實驗室主任基金(QNLM201705)和“鰲山人才”培養(yǎng)計劃(2017ASTCP-OS05, 2017ASTCP-OE01); 山東省支持青島海洋科學(xué)與技術(shù)試點國家實驗室重大科技專項(2018SDKJ0205).

*楊紹瓊(1986-), 男, 博士, 講師, 主要研究方向為深海智能裝備、水下機器人和實驗流體力學(xué)等. 吳尚尚、李閣閣對本文貢獻相同, 為共同第一作者.

(責(zé)任編輯: 楊力軍)