申请/专利权人：哈尔滨工业大学(威海)

申请日：2022-06-16

公开（公告）日：2024-04-23

公开（公告）号：CN115077530B

主分类号：G01C21/20

分类号：G01C21/20;G06F17/11;G06F17/16;G06F17/18;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明提出一种基于强跟踪扩维ECKF算法的多AUV协同导航方法及系统，涉及多自主水下航行器协同导航技术领域，用以解决主从式多AUV协同导航系统先验信息不准确或系统状态发生突变时定位失效的问题。本发明的技术要点包括：根据强跟踪滤波器StrongTrackingFilter,STF的原理，用STF对基于扩维ECKF的多AUV协同导航方法进行改进，提高多AUV协同导航系统的定位导航性能。本发明可应用于主从式多AUV协同导航之中。

主权项：1.一种基于强跟踪扩维ECKF算法的多AUV协同导航方法，其特征在于，包括以下步骤：步骤一、建立主从式多AUV协同导航系统的离散时间状态方程和量测方程；步骤二、采用扩维ECKF算法对跟随AUV进行状态预测和量测预测；其中，状态预测的具体过程包括：假设k时刻后验概率密度函数中上一时刻状态估计值以及误差协方差Pk-1|k-1已知，对Pk-1|k-1进行Cholesky分解得到过程变量Ck-1|k-1： 使用nw维过程噪声对状态变量进行扩维，得到过程变量以及 计算容积点Xi,k-1|k-1： 其中，i＝1,2,…,N,ξi表示容积点集；Qk-1表示k-1时刻的过程噪声协方差矩阵；根据ECKF算法中的嵌入式容积准则，替换容积点集ξi以及权值 式中，[0]i为维数为n的零向量；[δ]＝[s1σ2,s1σ2,…,s1σ2]T，σ＝1且s1＝±1；根据系统函数传播容积点Xi,k-1|k-1的状态变量分量以及过程噪声分量得到传播后的容积点 根据系统函数传播后的容积点计算k时刻的状态预测值 计算k时刻的状态误差协方差预测值Pk|k-1： 量测预测的具体过程包括：通过量测函数传播的状态变量分量 根据量测函数传播后的容积点计算k时刻的观测预测值 式中，rk＝Evk为vk的均值；计算k时刻的自相关协方差矩阵PZZ,k|k-1： 式中，表示量测噪声协方差矩阵；计算k时刻互相关协方差矩阵PXZ,k|k-1： 步骤三、在状态预测和量测预测中引入强跟踪算法中的渐消因子，以更新跟随AUV的状态估计值，保证每个时刻滤波残差的正交性；具体步骤包括：通过k时刻实际相对距离量测值Zk以及观测预测值计算残差γk： 计算滤波残差γk的协方差阵 式中，ρ表示遗忘因子；计算中间过程变量Nk和Mk： 式中，β表示弱化因子；计算自适应渐消因子λk： 在自相关协方差矩阵PZZ,k|k-1中引入渐消因子λk： 计算k时刻的卡尔曼滤波增益Kk： 计算k时刻状态估计值 计算k时刻的状态误差协方差估计值Pk|k：

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 一种基于强跟踪扩维ECKF算法的多AUV协同导航方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD