论文部分内容阅读
随着自主水下潜器(Autonomous Underwater Vehicle,AUV)的有效性和可靠性的提高,AUV被广泛应用于商业、科学和军事等领域。但是受到体积、能量和导航环境的限制,长时间、高精度的定位性能就成为AUV一项重要的技术挑战。多AUV协同定位作为一种新的水下定位技术,不仅能够提高定位精度,而且还具有单AUV所不具有的多种优势,已成为水下定位的一个研究热点。受限于复杂的水下环境,安全性和可靠性成为水下协同定位系统的技术难点。本文从提高系统的可靠性和安全性出发,主要围绕多AUV的协同定位算法及AUV协同定位过程中的故障诊断与容错控制技术展开研究。论文的主要工作有:1、基于传统二维笛卡尔坐标系下的AUV运动学方程,采用了一种距离加方位观测信息法对AUV进行协同定位。为评价该方法的性能,利用李导数对系统的可观测性进行了分析。针对AUV的曲线运动特点,提出了一种极坐标下的AUV协同定位算法,并利用李导数对系统的可观测性进行了分析。最后,鉴于AUV的空间运动特性,将AUV的运动学方程由平面扩展到空间,建立了球坐标系下的子AUV的运动学方程。2、分析了传统的多模型自适应估计(Multiple-Model Adaptive Estimation,MMAE)故障诊断技术的缺陷,详细介绍了扩展多模型自适应估计(Extended Multiple-Model Adaptive Estimation,EMMAE)故障诊断法,结合子AUV六自由度非线性动力学方程,将故障的执行器或传感器信息作为扩展的状态变量,设计了一种基于扩展多模型自适应无迹卡尔曼滤波(Extended Multiple-Model Adaptive Unscented Kalman Filter,EMMAUKF)的AUV协同定位中的非线性故障诊断算法。为进一步提高联合状态估计和故障诊断精度,在EMMAUKF的基础上,提出了一种基于扩展多模型自适应容积卡尔曼滤波(Extended Multiple-Model Adaptive Cubature Kalmam Filter,EMMACKF)的非线性故障诊断算法。3、针对扩展多模型自适应估计算法不能很好地处理模型切换时造成突变误差的缺陷,采用一种基于容积卡尔曼滤波(Cubature Kalmam Filter,CKF)的交互多模型非线性故障诊断算法。并在此基础上提出了一种基于扩展交互多模型强跟踪容积卡尔曼滤波算法(Extended Interacting Multiple-Model Strong Tracking Cubature Kalmam Filter,EIMM-STCKF)的故障诊断法来对AUV协同定位中的故障进行诊断。此外,考虑到多渐消因子在滤波算法的应用,本文进一步提出了一种基于扩展交互多模型的多渐消因子强跟踪容积卡尔曼滤波(Extended Interacting Multiple-Model Multiple Fading Factors Strong Tracking Cubature Kalmam Filter,EIMM-MSTCKF)算法来对 AUV 协同定位中的故障进行诊断,仿真结果验证了 EIMM-MSTCKF故障诊断算法的有效性。4、研究了基于EIMM-MSTCKF的AUV协同定位系统中的容错控制技术。从原理上证明了 AUV系统容错控制器的存在性,然后推导了 AUV系统的误差模型,并针对该误差模型的特点,提出了一种新的非线性容错控制器设计方案,此方案将系统的状态方程拆分为有输入项和无输入项,然后分别针对不同的子块设计其相应的反馈增益,进而得到系统整体的反馈增益,最后利用李雅普诺夫函数证明了闭环系统的稳定性。针对协同定位过程中出现的一种特殊的故障-遇移动障碍物时路线变更问题,提出了一种利用几何法对子AUV的路线进行重新规划的算法,即实现了子AUV的容错控制设计,并通过仿真对该算法的有效性与可行性进行验证。5、鉴于试验条件的限制,针对AUV协同定位系统的两类故障(包含DVL传感器故障,水声调制解调器故障),利用EIMM-MSTCKF对AUV协同定位中的故障进行诊断;并针对协同定位系统中的故障采用了冗余法进行容错控制系统设计。