0 引言
自主水下航行器[1](autonomous underwater vehicle,AUV)作为一种可控的水下探索手段,在水下探测等领域起着至关重要的作用。AUV与无人遥控潜水器[2](remotely operated vehicle,ROV)相比,具有成本低、活动范围广泛、可进入海底狭窄空间、不怕电缆缠绕等优点;与载人潜水器[3](human occupied vehicle,HOV)相比,具有质量轻、尺寸小、结构简单、安全等优点,可以说,AUV具有多方面的优势,代表了未来水下航行器的发展方向。自20世纪50年代美国华盛顿大学研制世界上首台SUPV(self propelled underwater research vehicles)以来,AUV的发展经历了70多年的历史,美国国防部在2007年,提出了统一的无人系统总体发展战略规划,2019年,美国海军计划研发并采购大型水下无人航行器(unmanned underwater vehicle,UUV),并发布了智能自主系统科技战略,仅2022年上半年就开展了“黑鱼”和“虎鲸”2种大型UUV的下水测试,旨在以智能自主系统推动作战和科学领域的发展。中国近年来对海洋资源的重视和海洋强国战略的提出,同样推动了AUV技术的发展和应用。中科院沈阳自动化研究所研制的“潜龙三号”是潜龙系列中最新一代的水下航行器,实现了我国AUV首次在大西洋科考上的应用,西北工业大学以蝠鲼为仿生对象于2021年3月,在我国南海海域完成了具有应用能力的仿蝠鲼水下航行器在 1 025 m大深度的航行试验,哈尔滨工程大学研制的“悟空”号于2021年实现了10 896 m水深独立工作,与中科院等国内优势单位联合研制的HSU001-AUV,使我国在高性能航行器的研发和制造方面走在了世界前列。这些研究和规划预示着未来AUV将在海洋军事、资源勘探、环境保护等领域发挥重要作用。基于惯性传感器(陀螺和加速度计)测量机器相对惯性空间的线运动和角运动参数进行载体运动信息计算的惯性导航系统[4](inertial navigation system,INS),是实现现代精确导航、制导与控制的基础。惯性导航系统主要分为平台式和捷联式2种,平台式主要基于三轴惯性平台进行运载体运动测量;捷联式则是将加速计和陀螺仪直接固定在载体上,主要依赖于姿态矩阵的解算,随着微型计算机技术和光学陀螺的发展,传统的平台式惯性导航系统逐渐向捷联式过渡,这使得捷联惯性导航系统(strap-down inertial navigation system,SINS)应用日益广泛[5]。由于纯惯性导航系统误差随导航时间成发散趋势,为了提高导航精度,目前AUV的主流导航方法是以惯性导航系统为主,再配备其他辅助导航设备一起进行组合导航。本研究中面向AUV水下导航需求,基于近年来的最新研究进展,简述了水声测速、测距系统与捷联惯性导航系统进行组合导航的技术方案及关键问题。介绍了水下声学定位系统与惯性导航系统的组合,以及海底大地基准网的相关内容。介绍了地球物理场相关的辅助导航方法。此外,多AUV的协同导航及数据融合方法也被认为是AUV水下导航技术的重要解决方案,对于拓展AUV在未来海洋开发领域的应用前景具有重要意义。
1 基于水声测速系统与捷联惯性导航系统的组合导航
1.1 水声测速系统基本原理
多普勒速度计程仪(doppler velocity log,DVL)是基于声呐多普勒效应的测速设备,DVL不断向海底发送固定频率的超声波,在已知起始位置时,通过测量水下载体速度,运行方向和时延,可计算出水下载体的当前位置和运行轨迹。
如图1 (a)所示,在相关研究的早期,由于其简单的结构,将DVL提供的载体速度信息进行松耦合抑制SINS导航定位误差的发散被普遍采用。与之相对的是,近年来更多的利用了DVL数据中的可用信息的紧耦合技术,由于动态工作下的精度和可靠性更高,正被广泛研究,如图1 (b)所示。Wang等[6]提出了一种由SINS/DVL和压力传感器(PS)组成的新型紧密组合导航方法,该方法采用波束测量,无需将波束测量转换为三维速度。结果表明,在DVL数据不准确的复杂环境下,该方法能够连续提供更高精度的估计,明显优于传统的松散集成方法。与松散集成方法相比,该方法的定位精度提高了32.5%。
图1 水下SINS/DVL组合导航技术原理框图
Fig.1 Principle block diagram of underwater SINS/DVL integrated navigation technology
1.2 SINS/DVL组合导航算法
在组合导航系统算法研究中,对DVL的误差进行有效标定是提高AUV组合导航精度的关键步骤。DVL的误差来源主要有刻度系数误差和安装角误差。由于声波在不同的海域下传播速度不同,则DVL的速度也会不同,因此需要刻度系数误差来对DVL的速度进行一定的修正。同时,在解算SINS的测量速度时必须和DVL的测量速度在相同坐标系下,但在实际应用中两者的坐标系并不会完全重合。白龙等[7]分析了DVL标定中因GNSS测量值波动、侧向流影响、惯导对准失准角等因素对标定参数造成的影响,系统地提出了AUV组合导航系统的标定方法和试验流程。之后,通过跑船实航的方式对该标定方法进行了有效性验证。由于DVL的工作机制,需要接收外界的反射波束才能正常工作,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。Xu等[8]针对DVL波束测量中的异常值问题,提出了一种改进的鲁棒卡尔曼滤波器算法,该算法能够处理每个DVL光束的测量噪声方差,在部分DVL波束存在异常值的情况下,该算法可以避免正常测量信息的丢失,从而提高估计精度。Yona等[9]提出了一种深度学习方法来补偿部分光束测量丢失的情况。实验结果表明,所提出的方法能够准确地估计丢失的DVL光束,从而改进了对潜水器的速度估计,整体准确率提高了57%以上。
通常采用滤波的方法来处理DVL/SINS的量测信息,不断修正AUV的位置。Zhang等[10]提出了一种基于平方根容积信息滤波器(SR-CIF)的新型非线性姿态误差模型,将平方根容积卡尔曼滤波器中的协方差矩阵替换为信息矩阵,简化了滤波器的初始化。结果表明,所提出的DVL辅助对准滤波器在初始姿态误差较大的情况下是有效的。Yan等[11]提出了一种平方根无迹信息滤波器(SR-UIF)。结果表明,SR-UIF的估计精度高于EKF,与UKF相似;同时SR-UIF的计算复杂度低于UKF。
1.3 GPS/INS/DVL的组合导航算法
SINS/DVL的组合导航方法一定程度上解决了导航误差随时间积累的问题,但对于长航时导航任务通常将GPS系统与上述方法进行组合使用,通过AUV定期上浮以获得可靠GPS位置信息。Xiong等[12]提出了一种新的GPS/INS/DVL混合定位方法,引入DVL作为参考信息,辅助GPS模块修正INS的发散误差。同时提出了一种用于数据融合的新的鲁棒自适应联邦强跟踪卡尔曼滤波器(RAFSTKF)算法,该算法具有针对系统模型不确定性的鲁棒性优势。理论分析和仿真结果证明了所提出的基于RAFSTKF的GPS/INS/DVL混合定位方法的有效性。Mu等[13]提出了一种实用的INS/GPS/DVL组合导航算法,当AUV工作在GPS可以获取位置的表面时,导航系统采用自适应容错滤波器平滑GPS轨迹,将处理后的GPS信息用于校正INS。否则,采用变分贝叶斯来估计DVL的测量误差协方差,用于INS/DVL集成系统。压力传感器采用常规方法修正INS的高度误差。实验结果表明,所提出的算法能够提高导航精度和抵抗未知测量不确定性的鲁棒性。
基于SINS/DVL的组合导航在实际应用中,仍受限于SINS的安装误差、仪器精度以及对应的高昂成本等问题。当海底环境复杂时,DVL的测量误差也给该组合导航系统的准确性带来了挑战。在长航时等场景中仍需要定期利用GPS信息进行绝对位置校准,即要求AUV浮出水面进行数据接收与算法切换,对于水下工作带来不便。
2 基于水下声学定位系统的导航技术
2.1 水下声学定位系统基本原理
在水中,声波信号比电磁波信号传播的更远,水声定位系统通过声学单元的基线发射声波,在每个AUV上配备了相应的接受单元,通过测量声波传播时间来确定AUV与基线的距离、通过测量声波的相位差来确定AUV相对于基线的方向,最后几何运算实现AUV的定位。在进行导航定位前,需事先在海底、舰船底部或AUV上布置声线基阵,基于水下声学技术的定位系统可以在特定场景提供绝对位置信息,与惯性导航系统进行组合。水声定位系统按基线长度分类可分为长基线定位系统(long baseline positioning,LBL)、短基线定位系统(short baseline positioning,SBL)、超短基线定位系统(ultra-short baseline positioning,USBL)[14]。
基阵的分布方式对于对水声定位系统十分重要,在LBL系统中,应答器基阵通常分布在海底,如图2(a)所示;在SBL和USBL系统中,应答器基阵通常在母船或固定浮标上如图2 (b)(c)所示,在SBL系统中,测量接收阵列和参考声源之间的相对位置,单位为米级。在USBL系统中,位置由声学元件之间的相位差决定,单位为分米级[15]。LBL系统较为复杂,成本也较高,SBL系统操作优势不明显、性价比偏低,USBL系统由于体积小,方便安装、回收,且误差不随时间发散,在水声定位系统中得到了广泛的应用。
图2 水下声学定位系统的3种应答器基阵分布方式
Fig.2 Three kinds of transponder array distribution modes of underwater acoustic positioning system
2.2 水下声学定位系统的声线修正
声线修正是水下声学定位系统的重要方面。传统基线系统定位的基础是声音沿直线传播,声速是常数,但实际上水中声速是一个复杂的函数,随温度、盐度和深度而变化,因此,声音的传播路径是弯曲的[16],不断变化的。一般认为声速在水平方向上的变化较小,可以假设声速只随着深度的变化而变化,声速沿垂直深度的分布称为声速剖面,声速剖面一般比较复杂且随着海水介质改变。因此声速修正对于水下声学定位具有十分重要的意义。李建等[17]提出了一种超短基线定位中的快速声线跟踪算法研究,该方法基于最大偏移量法,可快速对实测剖面数据进行自动精简和优选,显著降低水下定位的计算量。李海鹏等[18]提出了一种利用声速修正技术降低测速误差改正的声线跟踪算法,结果表明,在声线入射的几何夹角较大的情况下,有效声速法能够在保持计算速度的同时,具有较高的精度;但是随着几何夹角的减小,有效声速法的角度估计误差逐渐增大,不再适用高精度的水声定位。Yang等[19]从定位残差中来拟合声速长期时域变化项、声速周期性变化项,结果表明,带有周期误差项的鲁棒观测模型很好地补偿了声学距离的系统误差。Zhao等[20]研究了利用声速剖面的先验信息反演声速进行定位解算的方法。张林虎等[21]针对目前局部海域小时间尺度声速场建模方法未顾及不同深度区间内声速变化规律的问题,研究了基于分层EOF函数的区域声速场模型构建方法。
2.3 应答器基阵布放方式
应答器的安装精度以及海底基阵的布局决定了海底应答器基阵之间的位置误差以及母船相对于每个应答器的位置误差,由于水下环境复杂多变,通常会存在位置误差,降低定位的精度。Tong等[22]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,该算法能精准地估计出安装误差角。张涛等[23]针对SINS/USBL一体化组合样机系统需要提前进行精确标定的问题,提出了基于量测信息滤波估计的误差标定方法,精确校正后无需重复标定。与其他的标定方法相比,该算法表现出更好的滤波性能,具体表现为更快的收敛速度、更高的估计精度和更平滑的滤波曲线,证明了提出算法的有效性和优越性。
2.4 基于SINS/USBL的组合导航算法
将短时高精度的SINS与误差不随时间发散的声学定位系统进行组合,通过滤波算法实现AUV的高精度定位与导航。Xu等[24]针对AUV中的USBL设计了一种基于AKF的新型定位系统,AKF可以利用最新的测量数据自适应调整测量协方差矩阵和过程噪声协方差矩阵。实验结果表明,该系统在定位精度上优于简单的USBL定位,但精度依然有限,现在的主流办法是将短时高精度的SINS与误差不随时间发散的声学定位系统进行组合,通过滤波算法实现AUV的高精度定位与导航,如图3所示,但是本方法主要受限于USBL的通讯距离。
图3 SINS/声学组合导航原理框图
Fig.3 SINS/Acoustic integrated navigation principle block diagram
Wang等[25]提出了一种用于SINS/USBL集成系统的鲁棒的基于Student t的卡尔曼滤波器,用于抑制由声学异常值引起的测量不确定性。还提出了一种改进的具有自由度参数的基于Student’s t的改进鲁棒卡尔曼滤波器,可以对由声学异常值引起的重尾测量噪声进行建模,通过进行数学仿真试验和现场试验,验证了该方法的可行性和优越性。Xu等[26]提出一种SINS/USBL组合导航滤波算法,以处理水声通信中的时变延迟,以及由异常值和测量噪声引起的非高斯噪声。该算法解决了通信延迟和非高斯噪声的问题,由于具有自适应调整功能,大大降低了计算复杂度。仿真和实验结果验证了滤波器改进的精度和鲁棒性。刘慧敏等[27]提出了一种USBL/SINS的紧组合滤波算法。紧组合模式较松组合模式在数学上更加严密。实验结果表明,紧组合虽然增加了一个滤波参数,但收敛后的位置、速度和估计误差都明显小于松组合方案,水平精度提高了0.7 m,明显提高了USBL/SINS组合导航定位精度。通过更加优良的算法模型来提高导航的准确性也是可行的办法,许多学者进行了相关研究,Zhang等[28]为了解决测量不确定性导致的定位性能下降问题,推导出了具有自适应性和鲁棒性的基于Student t的卡尔曼滤波器,处理基于Student’s t分布的测量异常值来实现稳健性。通过模拟和河流现场试验进行了证明。
2.5 GPS浮标与水声定位技术
基于水下声学系统的导航定位通常要求AUV每隔一段时间浮出水面来获取准确的位置信息,无法满足高精度长时间的导航要求,为了解决这个问题,一种新的“水下声学系统”方法应运而生,该方法通过放置在水面的浮标来接受GPS的信息,浮标将GPS信号调制为声波信号后发送,AUV接受信号后将其解调来确定当前的位置,基本原理如图4所示。
图4 GPS浮标定位原理
Fig.4 GPS buoy positioning principle
徐晓敏等[29]提出了一种基于多浮标的无源水下导航定位方法,结果表明,采用多浮标定位方法来实现水下无人潜航器定位,其定位精度与各浮标的伪距测量精度及浮标阵型布局有关。伪距测量精度在5 km传播距离内不大于20 m,选用相对水下无人潜航器分布均匀、几何结构最佳的3个浮标进行联合解算,得到的水下无人潜航器定位精度在60 m以内。
2.6 海底大地基准网
联合全球导航卫星系统和水下声学定位系统,可实现海底大地基准站的位置标定,可以将全球统一的时空基准传递到海底,满足AUV导航定位需求[30]。目前,我国已在南海 3 000 m水深的海域开展了海底大地基准网试验。海底大地基准站包含水下潜标和海床基2类,由于水下潜标技术难度大、位置精度低。海床基是主要的海底基准站布放方式,具有稳定性好、集成度高等优势[31]。赵建虎等[32]提出了基于绝对标校+相对测量的海底网平差思路,实现了海底大地基准网的整体解算。刘杨等[33]通过构建声速时变引起的水声垂向总时延,联合估计了声速时域变化和海底大地基准点位置,提高了海底大地基准点坐标的准确度。邝英才等[34]研究了联合解算船载换能器与海底大地基准点位置的方法。Tomita等[35]和Watanabe等[36]分别测试了静态、动态测量策略的海底大地基准站位置、声速时域变化和声速水平梯度参数联合估计方法。
基于超短基线的导航定位系统在海底石油勘探,海底电缆的铺设和维护等领域都有广泛的应用,虽然超短基线的误差不随时间发散,但是其精度有限,定位过程中依赖于其他传感器,对于安装精度也有较高的要求。GPS浮标的应用一定程度上解决了超短基线导航定位的弊端,但浮标的放置和回收比较繁琐,移动性较差,以及在恶劣天气下无法使用等,也限制了使用范围。同时声音的传播导致AUV隐蔽性较差,如何提高隐蔽性以用于军事领域也是可以研究的问题,而海底大地基准网在我国尚处于起步阶段。
综上所述,水声测速系统适用于海底平缓区域的短航时场景,或结合GPS/SINS进行定期校准,但因为其昂贵的价格,目前民用的水下航行器上很少有它的身影。与之对应的,水声定位系统受限于基线长度、传感器安装位置,适用于固定区域的探索工作,在未来的研究中,采用互补的多种传感器进行信息融合是扩大导航区域,提高导航精度的重要途径。而海底大地基准网则是海底观测网的重要组成,是国家大地基准网由陆域向海域的自然延伸,对推进我国海洋强国战略实施具有重要支撑作用。
3 基于地球物理场的自主水下导航系统
在军事领域中,AUV的长航时隐蔽性及定位精度是决定其导航性能的关键,水下声学系统特定频率的回声可能会导致隐蔽性较差,与之对应的地球物理场的探测技术可以实现较好的隐蔽性。在AUV中主要有重力辅助导航、地磁辅助导航及地形辅助导航几种方案。
3.1 重力辅助导航
3.1.1 重力辅助导航简介
重力辅助导航通常分为重力补偿和重力匹配2类,重力补偿方案利用更加精确的重力场信息以改善惯性导航编排,从而抑制惯性导航误差发散。由于地球表面重力异常量大于加速度计的测量误差,加速度的实际测量极限精度是由重力信息的精度决定,从而影响惯性导航系统定位精度。又由于重力仪只能测量重力扰动垂向分量,利用重力仪只能对惯导垂向通道进行校正,而无法实现惯导水平通道的校正。所以采用重力梯度仪代替重力仪进行补偿具有更高的实用价值。经典辅助导航方案将重力梯度信息、参考重力场引入滤波器,提升导航系统性能,但由于惯性器件的漂移和噪声,重力补偿方案仅能抑制惯性导航位置误差累积速度,不能校正已有的位置误差。重力匹配方案是将实时重力信息与重力基准图相结合,通过相关方法或最优估计方法确定最佳匹配位置。自20世纪80年代初,美国Lockheed Martin公司研制的重力敏感器系统通过实时估计垂线偏差,对重力扰动引起的惯导误差加以补偿。此后,又相继开发了无源重力辅助惯导系统和用于测量重力异常值的通用重力模块。1998年,Bell Aerospace 实验室研制的重力仪/重力梯度仪/惯性导航系统通过了实际水下试验。北京航天控制仪器研究所2013年完成了动基座重力测量系统的研制,目前已完成了超过15万海里的船载测量任务。重力基准图的构建也由先前通过海面船舶或者海底拖曳的测量方式转到由机载重力仪[37]和高精度定位技术[38]的测量方式。
3.1.2 重力匹配关键技术
在重力辅助惯性导航中,选择适当的重力匹配区域是至关重要的,因为导航精度与所在区域的重力场参数变化密切相关。针对在某重力场特征仅在一定方向范围内变化明显,Wang等[39]提出重力异常和向量差作为评价指标,提高了匹配精度。
传统的重力匹配算法根据采样方式可以分为序列匹配算法和单点匹配算法。序列匹配算法一般分为迭代最近等值线点(the iterative closest contour point,ICCP)算法和地形匹配(terrain contour matching,TERCOM)算法,依据匹配点集合之间的相关性进行分析路径偏离程度。这种序列匹配算法中匹配点的数量直接影响搜索速度和匹配精度,因此算法无法同时满足精度和实时性。如果初始位置误差较小,则ICCP算法可以实现高精度匹配。然而,当初始位置误差较大时,ICCP的匹配结果精度较差。TERCOM算法不考虑估计参数和观测数据的统计特性,无法保证估计结果全局最优。Han等[40]提出了一种将迭代最近轮廓点(ICCP)算法与点质量滤波器(PMF)相结合的匹配算法。基于航行器位置变量的点质量滤波可以在初始位置误差较大的情况下,实时获取给定的指导位置。然后使用带有滑动窗口的 ICCP 算法进行进一步匹配。结果表明,在高度和经度定位误差方面,该算法可以取得更好的结果,与单独使用 INS 相比误差可以降低56%到65%。Han等[41]针对重力匹配导航系统中的TERCOM算法,提出了一种基于RSOC算法的失配诊断方法。利用空间结构约束和变换误差约束来选择匹配序列中的异常值。 在重力异常图上对改进的TERCOM匹配算法进行了仿真测试。结果验证了该方法能够准确地检测出异常点,并且在剔除异常点后匹配的轨迹具有更好的可靠性。单点匹配算法将每个点都代入到滤波器中,进而得到最优匹配位置。Wang等[42]对于具有高度非线性性质和非高斯噪声源的系统中提出了一种嵌入粒子滤波器的粒子滤波器,计算真实位置的误差范围,并建立该位置的概率模型。结果表明,该方法具有较高的精度和较好的鲁棒性。非线性滤波计算复杂度通常随着被估计的状态向量的维度呈指数增长[43]。在重力匹配方法的研究过程中,受限于重力基准图的数据量等原因,无法给出精确模型,同时导致运算量极大。
除上述算法研究外,中科院测地所在南海开展了重力匹配实验,实验重力图精度为2′×2′,采用测量精度优于±2 mGal的自研传统重力测量仪,陀螺漂移速率为0.006(°)/h,在35 h的航程中表现优异,惯性导航系统最终定位误差为12.8～18.6海里[44],目前,我国在重力辅助惯性导航领域的研究还处于理论研究和试验阶段[45]。
3.2 地磁辅助导航
3.2.1 地磁辅助导航简介
地磁辅助导航系统由地磁传感器、地磁图和计算机组成,主要依赖于配备在AUV上的地磁传感器和相应海域的地磁图,在定位过程中,通过地磁图索引到当前位置处的地磁参考值,通过磁传感器得到当前位置处的地磁值,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AUV的准确位置信息。由于地磁检测过程中无需向外部发射能量,具有高度隐蔽性和无源性,在军用AUV领域得到了高度重视,且发展迅速。
3.2.2 地磁辅助导航关键技术
为了消除磁干扰误差和自身仪表误差的影响,使用磁传感器之前需要对各种误差进行校正。于向前等[46]提出基于椭圆拟合的补偿方法,具有精度高且鲁棒性强优点。针对基于参数估计算法收敛速度慢的问题,迟铖等[47]建立了包含灵敏度误差、零偏误差和非正交误差的目标函数,通过粒子群算法求解最优参数。
类比于重力匹配区域选择,选择地磁特征丰富的区域,同样有助于提高导航精度和稳定性,种洋等[48]提出基于主层分析和神经网络结合的适配区选择算法,首先通过主层分析提取特征参数,再利用神经网络完成映射关系,自动识别适配区。
地磁匹配在地磁辅助导航中扮演着关键的角色,它判断测量轨迹是否与磁力基准图正确匹配,从而直接影响导航的最终精度。SONG等[49]提出基于地磁矢量的地磁匹配算法,在匹配区域的地磁熵信息较小或地磁等高线的变化不明显的情况下,提高匹配概率和定位精度。Dai等[50]开发了一种改进的基于精英主义的多目标人工蜂群算法来融合重力异常和磁力异常信息。该算法采用多目标匹配策略和序列匹配策略,以减少错配的可能性。仿真结果表明,所提出的算法可以达到很高的匹配成功率,且在长航时水下导航任务中非常可靠。Zhang等[51]研究了在没有先验知识的情况下受趋磁行为启发的仿生导航方法。提出了远程水下导航的地磁梯度辅助进化算法。在正常地磁场区域、地磁异常区域和多个目的地的情况下对改进方法的性能进行了评估和验证。结果表明,搜索效率和导航路径的直线度都有很大提高。改进后的算法在地磁异常区域也有良好的表现,预示着未来的潜在应用。
3.3 地形辅助导航
3.3.1 地形辅助导航简介
相比于其他2种辅助导航方法,地形辅助导航研究更早。但在很长一段时间内,海底地形辅助导航的潜力并没有被充分挖掘,这是由于无法构建高精度的海底地形图。直到多波束测深系统和激光探测系统等的出现[52],海底的详细地形信息才得以获取并制成海图。
3.3.2 地形辅助导航关键技术
随着海洋测绘技术的不断发展,基于水下地形匹配的方法被广泛研究,针对地形量测数据存在野值问题,Peng等[53]提出基于Huber估计的粒子滤波算法,通过代价函数调整粒子权重,提高匹配的鲁棒性。马腾等[54]提出了一种海底地形匹配高效质点滤波导航方法,试验结果证明,所提出网格化插值方法可实现高精度、高效地形深度插值过程,所提出海底地形匹配高效质点滤波导航方法可为AUV在线提供精确导航结果,且实时导航圆概率误差小于3 m。马腾等[55]为解决海底地形未知条件下的海底地形辅助导航问题,提出了海底地形同步定位与建图技术。利用水深预测手段和地形匹配方法进行帧间数据关联构建和闭环检测,并通过图优化技术进行海底地形同步定位与建图问题求解。结果显示,在航行1 h后,建图结果中所有测深点定位误差均值约为13 m。
由于地形辅助惯性导航系统需要利用搭载的声呐设备对海底地形进行探测,声呐设备发射的声波信号容易被外界监测,隐蔽性不能得到很好地保证;海洋中具有电磁干扰性的物质也会对地磁场辅助导航造成干扰;重力匹配辅助导航系统作为一种集高精度、强抗干扰性和完全自主性于一体的辅助导航系统,属于目前最适合应用于水下导航的辅助导航系统之一。在重力匹配方案领域的现有研究中,普遍认为影响重力匹配算法效果的因素有以下几个方面:首先是重力基准图分辨率与精度;其次是用于匹配的数据序列长度;再次,匹配路径在重力基准图上的位置是否有充分的重力变化信息;最后,惯性导航系统的位置误差也直接影响重力匹配的效果。当前传统重力仪的匹配算法抑制了惯性导航系统的误差发散,初步验证了自主定位系统的效果,但由于器件精度、航迹附近重力变化不足等限制无法形成满足国防需求的水下自主定位系统。
综上所述,重力辅助导航仍存在误差积累问题,在民用领域受限于成本;重力匹配导航随着重力测量仪器精度的提升,将有更大的潜力;地磁辅助导航则在军用AUV领域得到了较多关注,此外,地形辅助导航对海底环境提出了要求,同重力匹配技术一样,需要测量建立高精度重力异常图、地形图,在民用领域则适用于海洋探索等较大范围的水下工作。随着相关测量仪器精度的不断提高,基于地球物理场的导航技术将会在未来大放异彩。
4 多AUV协同导航技术
4.1 多AUV协同导航技术的基本原理
多AUV协同导航意是指多个AUV可以通过声学通信共享自己的位置信息,将多个信息处理后进一步提高自身导航精度,进而提高整体的导航精度。2019年12月,中科院沈阳自动化研究所的12台“海翼”滑翔机首次完成了在印度洋的集群观测应用,2021年7月,西北工业大学利用3台“勇毅”号水下航行器实现了集群三角队形和一字队形的快速变换和高精度保持,为形成颠覆性的探测能力奠定了基础。目前多AUV协同导航主要分为主从式、并行式2种,在主从式结构中,主AUV配备高精度导航设备,从AUV配备低精度导航设备,外部均装备水声装置测量相对位置关系,从AUV通过水声测量确定相对距离和相对方位角,再辅以主AUV精确位置,提高从AUV导航定位能力。而在并行式结构中,所有AUV配置均相同,通常均为低精度导航设备。由于体积,价格等因素,并行式在未来会有更广阔的应用空间。
4.2 协同导航技术的编队方式
AUV排列方法会直接影响导航准确性,通过优化编队方式提升导航性能是协同导航领域重要的研究方向。针对双AUV的协同导航,Liang等[56]提出了一种基于间距配置的双AUV节能优化方法,以通过船体形状和螺旋桨相互作用实现最小阻力。Ren等[57]提出了一种单主-从AUV协同导航方法,主要是在从AUV的路径已经规划好的前提下,通过时差法规划主AUV的最优路径,有效减小协同定位误差,提高了导航精度。
针对于3个AUV的协同导航,一般有2种编队方式,如图5(a)所示,编队中有一个主AUV,2个从AUV,针对于这种编队方式,Matsuda等[58]提出了一种基于单个高性能AUV的多AUV导航方法,该方法可以在没有任何支持的情况下准确估计自身状态(位置和姿态)。通过使用实验数据进行后处理仿真,验证了包括子AUV在内的所有AUV都可以实现稳定状态估计。如图5(b)所示,该排列中有2个从AUV,一个主AUV,房新鹏等[59]提出了双领航者定位系统的最优队形为2个领航AUV与从AUV以90°分离角相对运动,且最优队形与AUV间的距离无关。
图5 3个AUV的2种编队方式
Fig.5 Two formation modes of three AUVs
针对于多AUV的协同导航,排列方式较多,Matsuda等[60]提出了一种针对多AUV的交替地标导航方法,其中每个AUV交替成为一个地标,它在海底保持静止,而其他AUV可以根据声学定位与地标AUV进行导航。Qu等[61]提出了一种多AUV最优编队配置的设计方法,通过仿真实验验证了所提方法的正确性和所提特殊编队配置的有效性。Wang等[62]提出了一种新的协调策略,使AUV舰队构建适合海底光学传感的几何图案。在使用6个AUV进行海上测试之前,这种新协调方法的性能在仿真环境中得到验证。仿真结果表明,这种新的协调方法具有良好的收敛性。Xia等[63]提出了一种结合共识理论和人工势场法(CMM-AUV)的分布式领导者跟随控制方法。在CMM-AUV中,采用人工势场法控制多AUV系统形成所需的圆形编队,并且相邻2台跟随AUV之间的夹角相等,还提供了一个模拟示例来说明所提出的编队控制器的有效性。
4.3 协同导航技术的算法和模型
针对于协同导航技术的算法和模型复杂多样。传统的是基于滤波的算法,Huang等[64]提出了一种用于协作定位的新型自适应扩展卡尔曼滤波器,该方法是基于在线期望最大化方法自适应地估计预测误差协方差矩阵和测量噪声协方差矩阵。结果表明,所提出的算法比现有算法具有更好的定位精度。Bai等[65]为了解决重尾、非平稳分布的随机噪声,提出了一种新的重尾混合(HTM)分布和一种新的基于HTM分布的鲁棒卡尔曼滤波器,经过实验验证,与前沿滤波器相比,所提出的滤波器在定位误差方面提高了50.27%,同时所需的计算时间不超过其2倍。
新型算法应用到协同导航中也是研究方向之一,Panda等[66]提出了一种混合灰狼优化(h-GWO)算法,用于多AUV的路径规划。根据计算时间、路径长度和路径成本对所得结果进行比较研究。混合算法的结果克服了遗传算法(GA)和灰狼优化(GWO)的缺点,并为对时间不敏感的操作提供了成本优化的路径。Li等[67]针对完全未知的三维(3D)水下环境中自主水下航行器(AUV)的目标搜索问题,本文中提出了一种基于自适应预测的多AUV协同目标搜索算法。仿真结果表明,该算法不仅可以处理静态目标和随机动态干扰目标搜索任务,还可以在一些随机AUV失效条件下执行目标搜索任务。
改善AUV协同导航模型也可以提高导航的精度,Zhu等[68]提出了一种改进的多AUV的自组织神经网络任务分配模型,考虑恒定洋流环境下的AUV任务分配问题,选择路径最短的AUV进行任务分配和路径规划,并给出了仿真结果。Harris等[69]进行了在没有DVL的情况下,利用合作导航算法中水下航行器的动态模型对低成本水下航行器的组合控制和合作导航进行研究,结果表明,在协作导航中使用动态过程模型进行组合控制和导航是可行的。
水下环境永远处在复杂的变换之中,根本无法进行准确的预测,仅仅使用单个AUV来完成众多的水下探测任务是不现实的,多AUV协同导航的出现不仅进一步提高了导航的精度,也增强了系统的稳定性,当其中某一个AUV因为特殊原因发生问题时,剩下的AUV依然可以去完成预定的任务。多AUV协同导航目前主要应用在深海作业,海洋科学调查以及军事勘探等相关领域。由于多AUV协同导航具有成本低,精度高等诸多优势,被认为是未来的热门方向,但这离不开强大算法的支撑,还有更多的难点要去解决,针对于多个AUV的排列方式,每个AUV在集群中的路径规划,以及相互通信时的信息融合处理等都可以进行更加深入的研究。
5 结论
1) DVL提供水下航行器的速度信息,基于SINS/DVL的组合导航方法仍存在误差积累,影响长航时导航系统的准确性。
2) 基于SINS/USBL的组合导航方法能准确定位出水下航行器的实时位置,有效提高了导航精度,但使用范围受限且隐蔽性较差。近年来联合全球导航卫星系统和水下声学定位系统建立的海底大地基准网将为民用领域的水下自主导航技术提供强有力支撑。
3) 基于地球物理场的辅助导航方案具有极高的自主性和隐蔽性,但其数据库的精确程度导航方案的可行性。其中重力匹配辅助导航方案具有更大的潜力,但需要更加精确的测量仪器,测量并建立更高精度的地球物理场模型。
4) 基于多AUV的协同导航方案,通过每个AUV共享信息,也有效提高了导航精度,但复杂的水下环境、不同的编队方式、不同的路径规划等,都会影响协同导航的准确性,这是目前水下航行器的热点和难点方向。
近年来,随着AUV的应用越来越广泛,对其导航和定位的要求也越来越高。然而,由于水下环境的特殊性,AUV的导航和定位依赖于多种因素,如水下地形、水流、水温、水压等,而这些因素的变化会严重影响AUV的导航和定位精度。因此,设计一种能够满足所有导航和定位要求的方案几乎是不可能的。在未来的AUV发展过程中,低成本、小型化、轻量化、协同操作和深海应用是发展趋势,同时亟需更加有效的算法,更加精准的传感器,以及基于场景的深入研究来采用更适合的组合导航方案,进一步提升水下航行器的可靠性。
[1]CHEN X,BOSE N,BRITO M,et al.A review of risk analysis research for the operations of autonomous underwater vehicles[J].Reliability Engineering &System Safety,2021,216:17.
[2]LUND-Hansen L C,JUUL T,ESKILDSEN T D,et al.A low-cost remotely operated vehicle (ROV) with an optical positioning system for under-ice measurements and sampling[J].Cold Regions Science and Technology,2018,151:148-155.
[3]RAMADASS G A,VEDACHALAM N,RAMESH S,et al.Challenges in developing deep-water human occupied vehicles[J].Current Science,2020,118:1687-1693.
[4]SUN W,WANG D X,XU L W,et al.Mems-based rotary strapdown inertial navigation system[J].Measurement,2013,46:2585-2596.
[5]赵俊波,葛锡云,冯雪磊,等.水下SINS/DVL组合导航技术综述[J].水下无人系统学报,2018,26:1-9.
ZHAO Junbo,GE Xiyun,FENG Xuelei,et al.Review of underwater SINS/DVL integrated navigation technology[J].Journal of Underwater Unmanned Systems,2018,26:1-9.
[6]WANG D,XU X S,YAO Y Q,et al.A novel SIND/DVL tightly integrated navigation method for complex environment[J].IEEE Transactions on Instrumentation and Measurement,2020,69:5183-5196.
[7]白龙,张淏酥,吴爽,等.AUV组合导航系统的DVL标定方法研究[J].舰船电子工程,2021,41:46-53.
BAI Long,ZHANG Haosu,WU Shuang,et al.Research on DVL calibration method of AUV integrated navigation system[J].Ship Electronic Engineering,2021,41:46-53.
[8]XU B,GUO Y,HU J M.An improved robust kalman filter for SINS/DVL tightly integrated navigation system[J].IEEE Transactions on Instrumentation and Measurement,2021,70:15.
[9]YONA M,KLEIN I.Compensating for partial doppler velocity log outages by using deep-learning approaches[C]//IEEE International Symposium on Robotic and Sensors Environments (ROSE).[S.l.]:[s.n.],2021.
[10]ZHANG L,WU W Q,WANG M S,et al.DVL-Aided SINS in-motion alignment filter based on a novel nonlinear attitude error model[J].IEEE Access,2019,7:62457-62464.
[11]GUO Y,WU M P,TANG K H,et al.Square-Root unscented information filter and its application in SINS/DVL integrated navigation[J].Sensors,2018,18(7):2069.
[12]XIONG H L,MAI Z Z,TANG J,et al.Robust GPS/INS/DVL navigation and positioning method using adaptive federated strong tracking filter based on weighted least square principle[J].IEEE Access,2019,7:26168-26178.
[13]MU X K,HE B,WU S Y,et al.A practical INS/GPS/DVL/PS integrated navigation algorithm and its application on autonomous underwater vehicle[J].Applied Ocean Research,2021,106(3):102441.
[14]JAMES H K,BRIAN C C,JAMES C K.A navigation solution using a mems imu,model-based dead-reckoning,and one-way-travel-time acoustic range measurements for autonomous underwater vehicles[J].IEEE Journal of Oceanic Engineering,2019,44:664-682.
[15]FAHAD J,FAIZAN N.Underwater navigation,localization and path planning for autonomous vehicles:a review[C]//2021 International Bhurban Conference on Applied Sciences and Technologies (IBCAST).2021:817-828.
[16]ABE K,ARAKAWA M,KANAI H.Estimation method for sound velocity distribution for high-resolution ultrasonic tomographic imaging[J].Journal of Medical Ultrasonics,2019,46:27-33.
[17]李建,顾琪.超短基线定位中的快速声线跟踪算法研究[C]//2018年全国声学大会.[S.l.]:[s.n.],2018:91-92.
LI Jian,Gu Qi.Research on fast sound ray tracking algorithm in ultra-short baseline positioning[C]//2018 National Acoustics Conference,2018:91-92.
[18]李海鹏,韩云峰,郑翠娥.声速修正技术在高精度水下定位系统中的应用[J].导航定位学报,2020,8(3):47-52.
LI Haipeng,HAN Yunfeng,ZHENG Cuie.Application of sound speed correction technology in highly precise underwater positioning system[J].Journal of Navigation and Positioning,2020,8(3):47-52.
[19]YANG Y X,QIN X P.Resilient observation models for seafloor geodetic positioning[J].Journal of geodesy,2021,95(7):79.
[20]ZHAO J,LIANG W,MA J,et al.A self-constraint underwater positioning method without the assistance of measured sound velocity profile[J].Marine Geodesy,2023,46(1):62-82.
[21]张林虎,刘杨,刘焱雄,等.基于分层EOF的深海声速剖面时变特征建模[J].海岸工程,2022,41(3):209-222.
ZHANG Linhu,LIU Yang,LIU Yanxiong,et al.Time-varying characteristics modeling of deep-sea sound velocity profile based on layered-EOF[J].Costal Engineering,2022,41(3):209-222.
[22]TONG J W,XU X S,ZHANG T,et al.Study on installation error analysis and calibration of acoustic transceiver array based on SINS/USBL integrated system[J].IEEE Access,2018,6:66923-66939.
[23]张涛,王健,张佳宇.复杂水下环境下高精度SINS/USBL误差标定技术[J].导航定位与授时,2021,8:42-50.
ZHANG Tao,WANG Jian,ZHANG Jiayu.High-precision SINS/USBL error calibration technology in complex underwater environment[J].Navigation Positioning and Timing,2021,8:42-50.
[24]XU Y L,LIU W Q,DING X,et al.USBL positioning system based adaptive kalman filter in AUV[C]//2018 OCEANS-MTS/IEEE Kobe Techno-Oceans (OTO).IEEE,2018:1-4.
[25]WANG J,ZHANG T,JIN B N,et al.Student’s T-based robust kalman filter for a SINS/USBL integration navigation strategy[J].IEEE Sensors Journal,2020,20:5540-5553.
[26]XU B,WANG X Y,ZHANG J,etal.Maximum correntropy delay kalman filter for SINS/USBL integrated navigation[J].ISA Transactions,2021,117:274-287.
[27]刘慧敏,王振杰,陆凯,等.顾及声速误差的USBL/SINS紧组合导航算法研究[J].海洋测绘,2021,41:14-18.
LIU Huimin,WANG Zhenjie,LU Kai,et al.Research on USBL/SINS compact integrated navigation algorithm considering sound speed error[J].Ocean Mapping,2021,41:14-18.
[28]ZHANG T,WANG J,ZHANG L,et al.A student’s t-based measurement uncertainty filter for SINS/USBL tightly integration navigation system[J].IEEE Transactions on Vehicular Technology,2021,70:8627-8638.
[29]徐晓敏,张爽娜,薛伟罗晨,等.一种基于多浮标的无源水下导航定位方法[C]//第十一届中国卫星导航年会.出版地不详:[出版社不详],2020:5.
XU Xiaoming,ZHANG Shuangna,XUE Weiluochen,et al.A passive underwater navigation and positioning method based on multiple buoys[C]//The 11th China Satellite Navigation Annual Conference.[S.l.]:[s.n.],2020:5.
[30]刘焱雄,李梦昊,刘杨,等.海底大地基准建设技术 及其研究进展[J].海洋科学进展,2022,40(4):684-700.
LIU Yanxiong,LI Menghao,LIU Yang,et al.Research progress of seafloor geodetic datum construction technology[J].Advances in Marine Science,2022,40(4):684-700.
[31]于凯本,刘珂.国外抗拖网海床基技术现状与进展[J].气象水文海洋仪器,2013,30(2):116-119.
YU Kaiben,LIU Ke.Technical status and develop-ment of trawl resistant bottom mount abroad[J].Meteorological,Hydrological and Marine Instruments,2013,30(2):116-119.
[32]赵建虎,陈鑫华,吴永亭,等.顾及波浪影响和深度约束的水下控制网点绝对坐标的精确确定[J].测绘学报,2018,47(3):413-421.
ZHAO Jianhu,CHEN XinHua,WU Yongting,et al.Determination of absolute coordinate of underwater control point taking waves and depth’s constraint into account[J].Acta Geodaetica et Cartographica Sinica,2018,47(3):413-421.
[33]LIU Y,LIU Y X,CHEN G X,et al.Seafloor single point positioning using GNSS-Acoustic technique with horizontal sound speed gradient estimation[C]//Scientific Assembly of the International Association of Geodesy.Beijing:2021.
[34]邝英才,吕志平,王方超,等.不同作业模式下的GNSS/声学联合定位模型[J].导航定位学报,2020,8(3):40-46,57.
KUANG Yingcai,LYU Zhiping,WANG Fangchao,et al.Study on GNSS/acoustic joint positioning model under different measurement schemes[J].Journal of Navigation and Positioning,2020,8(3):40-46,57.
[35]TOMITA F,KIDO M,HONSHO C,et al.Development of a kinematic GNSS-Acoustic positioning method based on a state-space model[J].Earth,Planets and Space,2019,71(1):1-24.
[36]WATANABE S,ISHIKAWA T,YOKOTA Y,et al.GARPOS:Analysis software for the GNSS—A seafloor positioning with simultaneous estimation of sound speed structure[J].Frontiers in Earth Science,2020,8:597532.
[37]SMOLLER Y L,YURIST S S,GOLOVAN A A,et al.Using a multi antenna GPS receiver in the airborne gravimeter GT-2a for surveys in polar areas[J].Gyroscopy Navigation,2015,6(4):299-304.
[38]WAN X Y,YU J H,LIANG L,et al.Analysis of limitationson recovery of gravity field based on satellite gravity gradient data[J].Geodesy and GeoDynamics,2021,12(1):31-42.
[39]WANG B,ZHOU M L,DENG Z H,et al.Sum vectordifference-based matching area selection method forunderwater gravity-aided navigation[J].IEEE Access,2019(7):123616-123624.
[40]HAN Y R,WANG B,DENG Z H,et al.A combined matching algorithm for underwater gravity-aided navigation[J].IEEE Transactions on Mechatronics,2018,23:233-241.
[41]HAN Y R,WANG B,DENG Z H,et al.A mismatch diagnostic method for tercom-based underwater gravity-aided navigation[J].IEEE Sensors Journal,2017,17:2880-2888.
[42]WANG B,ZHHU J W,MA Z X,et al.Improved particle filter-based matching method with gravity sample vector for underwater gravity-aided navigation[J].IEEE Transactions on Industrial Electronics,2021,68:5206-5216.
[43]WANG C L,WANG B,DENG Z H,et al.A delaunay triangulation-based matching area selection algorithm for underwater gravity-aided inertial navigation[J].IEEE Transactions on Mechatronics,2021,26:908-917.
[44]WANG H B,WU L,CHAI H,et al.Technology of gravity aided inertial navigation system and its trial in south china sea[J].IET Radar sonar and Navigation,2016,10:862-869.
[45]LIU F M,LI F M,LIN N,et al.Gravity aided positioning based on real-time iccp with optimized matching sequence length[J].IEEE Access,2019,7:97440-97456.
[46]于向前,刘斯,肖池阶.基于椭球拟合的三轴磁强计两步校准法[J].仪表技术与传感器,2021(4):52-56.
YU Xiangqian,LIU Si,XIAO Chijie.Two-step calibration of tri-axis magnetometer based on ellipsoid fitting[J].Instrument Technique and Sensors,2021(4):52-56.
[47]迟铖,王丹,吕俊伟,等.基于粒子群遗传算法的三轴磁通门误差校正[J].探测与控制学报,2021,43(3):98-102.
CHI Cheng,WANG Dan,LYU Junwei,et al.Three-axis fluxgate magnetometer error correction based on PSO-GA algorithm[J].Journal of Detection and Control,2021,43(3):98-102.
[48]种洋,柴洪洲,常宜峰,等.自组织优化分类的AUV地磁导航适配区选取[J].武汉大学学报(信息科学版),2022,47(5):722-730.
ZHONG Yang,CHAI Hongzhou,CHANG Yifeng,et al.Selection of adaptation zone for auv geomagnetic navigation based on self-organizing optimization classification[J].Journal of Wuhan University (Information Science Edition),2022,47(5),722-730.
[49]SONG Z G,ZHANG J S,ZHU W Q,et al.The vectormatching method in geomagnetic aiding navigation[J].Sensors,2016,16(7):1120-1132.
[50]DAI T,MIAO L J,SHAO H J.A robust underwater navigation method fusing data of gravity anomaly and magnetic anomaly[J].International Journal of Systems Science,2019,50:679-693.
[51]ZHANG J Y,ZHANG T,SHIN H S,et al.Geomagnetic gradient-assisted evolutionary algorithm for long-range underwater navigation[J].IEEE Transactions on Instrumentation and Measurement,2021,70:12.
[52]宋帅,周勇,张坤鹏,等.高精度和高分辨率水下地形地貌探测技术综述[J].海洋开发与管理,2019,36(6):74-79.
SONG Shuai,ZHOU Yong,ZHANG Kunpeng,et al.A review of high-precision and high-resolution techniques for submarine topography and geomorphology detection[J].Marine Development and Management,2019,36(6):74-79.
[53]PENG D D,ZHOU T,FOLKESSON J,et al.Robust particlefilter based on Huber function for underwater terrain-aidednavigation[J].IET Radar,Sonar &Navigation,2019,13(1):1867-1875.
[54]马腾,丁硕硕,范佳佳,等.海底地形匹配高效质点滤波导航方法[J].数字海洋与水下攻防,2021,4:439-445.
MA Teng,DING Shuoshuo,FAN Jiajia,et al.Efficient particle filter navigation method for seabed terrain matching[J].Digital Ocean and Underwater Attack and Defense,2021,4:439-445.
[55]马腾,李晔,赵玉新,等.AUV的图优化海底地形同步定位与建图方法[J].导航定位与授时,2020,7:42-49.
MA Teng,LI Ye,ZHAO Yuxin,et al.AUV’s map-optimized submarine terrain synchronous positioning and mapping method[J].Navigation Positioning and Timing,2020,7:42-49.
[56]LIANG X,DONG Z P,HOU Y H,et al.Energy-saving optimization for spacing configurations of a pair of self-propelled AUV based on hull form uncertainty design[J].Ocean Engineering,2020,218:13.
[57]REN R Z,ZHANG L C,LIU L,et al.Multi-AUV cooperative navigation algorithm based on temporal difference method[J].Journal of Marine Science and Engineering,2022,10(7):955.
[58]MATSUDA T,MAKI T,SAKAMAKI T.Multiple AUV navigation based on a single high-performance AUV for accurate and efficient seafloor survey:sea experiments with 3 AUVS[C]//OCEANS-MTS/IEEE Kobe Techno-oceans Conference (OTO).[S.l.]:[s.n.],2018.
[59]房新鹏,严卫生.双领航多自主水下航行器移动长基线定位最优队形研究[J].兵工学报,2012,33:1020-1024.
FANG Xinpeng,YAN Weisheng.Research on the optimal formation of dual-pilot multi-autonomous underwater vehicle moving long baseline positioning[J].Acta Armamentarii,2012,33:1020-1024.
[60]MATSUDA T,MAKIT,SAKAMAKI T.Experimental evaluation of accuracy and efficiency of alternating landmark navigation by multiple AUVs[J].IEEE Journal of Oceanic Engineering,2018,43:288-310.
[61]QU J Q,LI X G,SUN G W.Optimal formation configuration analysis for cooperative localization system of multi-AUV[J].IEEE Access,2021,9:90702-90714.
[62]WANG X M,ZERR B,THOMAS H,et al.Pattern formation of multi-AUV systems with the optical sensor based on displacement-based formation control[J].International Journal of Systems Science,2020,51:348-367.
[63]XIA G Q,ZHANG Y,YANG Y.Control method of multi-auv circular formation combining consensus theory and artificial potential field method[C]//32nd Chinese Control and Decision Conference (CCDC).[S.l.]:[s.n.],2020:3055-3061.
[64]HUANG Y L,ZHANG Y G,XU B,et al.A new adaptive extended Kalman filter for cooperative localization[J].IEEE Transactions on Aerospace and Electronic Systems,2017,54(1):353-368.
[65]BAI M M,HUANG Y L,ZHANG Y G,et al.A novel heavy-tailed mixture distribution based robust kalman filter for cooperative localization[J].IEEE Transactions on Industrial Informatics,2021,17:3671-3681.
[66]PAMDA M,DAS B,PATI B B.A hybrid approach for path planning of multiple AUVs[C]//1st International Conference on Innovation in Electrical Power Engineering,Communication,and Computing Technology (IEPCCT).[S.l.]:[s.n.],2019:327-338.
[67]LI J,ZHANG J X,ZHANG G S,et al.An adaptive prediction target search algorithm for multi-AUVS in an unknown 3d environment[J].Sensors,2018,18:23.
[68]ZHU D,QU Y Y,SIMON X.Multi-AUVsom task allocation algorithm considering initial orientation and ocean current environment[J].Frontiers of Information Technology &Electronic Engineering,2019,20:330-341.
[69]ZACHARY J H,LOUIS L W.Preliminary simulation study of combined control and cooperative navigation for underwater vehicles[J].IEEE,2018:1-5.