1、近年來(lái),資源短缺問(wèn)題的日益加劇已經(jīng)成為人們關(guān)注的熱點(diǎn)問(wèn)題,而海洋由于蘊(yùn)藏著豐富的資源而成為人類(lèi)開(kāi)發(fā)的重點(diǎn)。自主水下航行器(Autonomous Underwater Vehicle,AUV)由于具有智能化、自主性強(qiáng)的特點(diǎn)而成為水下作業(yè)的重要輔助設(shè)備,在海洋技術(shù)領(lǐng)域得到了廣泛的軍事、民用應(yīng)用。面向長(zhǎng)航時(shí)水下隱蔽作業(yè)需求的自主導(dǎo)航及其誤差修正能力是保證AUV完成水下長(zhǎng)時(shí)間作業(yè)任務(wù)的關(guān)鍵技術(shù)之一。由于傳統(tǒng)的慣性導(dǎo)航累積誤差隨著AUV航行時(shí)間的

2、增加而增長(zhǎng),需要定期上浮水面借助其它手段(如GPS位置校正)完成導(dǎo)航誤差修正,不利于AUV的長(zhǎng)航時(shí)作業(yè),影響了任務(wù)的完成效果。而同步定位與構(gòu)圖(Simultaneous localization and mapping,SLAM)方法無(wú)需先驗(yàn)環(huán)境信息而僅依靠AUV自身傳感器感知環(huán)境,并實(shí)現(xiàn)自主導(dǎo)航與增量式環(huán)境地圖構(gòu)建,保證了AUV長(zhǎng)時(shí)間水下作業(yè)條件下的導(dǎo)航精度,有效地彌補(bǔ)了慣性導(dǎo)航的不足。SLAM技術(shù)的關(guān)鍵是基于環(huán)境特征提取的導(dǎo)航定位方

3、法,因此,本課題采用擴(kuò)展卡爾曼濾波(Extend Kalman Filter,EKF)方法研究SLAM的關(guān)鍵技術(shù),對(duì)于AUV長(zhǎng)航時(shí)下導(dǎo)航定位具有重要的研究意義。
　　本文主要從以下方面開(kāi)展了研究:
　　首先,針對(duì)AUV導(dǎo)航定位系統(tǒng)構(gòu)建了系統(tǒng)模型,主要包括:機(jī)械掃描成像聲納的探測(cè)模型和環(huán)境線(xiàn)中特征的測(cè)量模型;多普勒、羅盤(pán)、壓力傳感器等位置姿態(tài)傳感器的測(cè)量模型;建立了環(huán)境中的靜態(tài)特征模型;給出了AUV四自由度運(yùn)動(dòng)模型,建立了問(wèn)題

4、研究所需的坐標(biāo)系,并給出了不同坐標(biāo)系間的轉(zhuǎn)換關(guān)系;
　　其次,通過(guò)對(duì)機(jī)械掃描成像聲納的數(shù)據(jù)格式分析,完成了數(shù)據(jù)預(yù)處理;基于傳統(tǒng)的霍夫變換原理,設(shè)計(jì)了一種改進(jìn)的霍夫變換算法,以“多對(duì)一”的映射原則對(duì)算法進(jìn)行了改進(jìn),通過(guò)海試數(shù)據(jù)完成了對(duì)改進(jìn)霍夫變換算法的環(huán)境線(xiàn)特征提取試驗(yàn)驗(yàn)證,結(jié)果表明該改進(jìn)算法可以有效地提取結(jié)構(gòu)化港口環(huán)境的線(xiàn)特征;
　　再次,研究了基于EKF的AUV導(dǎo)航定位方法,給出了航位推算的基本原理及其在導(dǎo)航中存在的不足,