论文部分内容阅读
随着海洋探索技术的发展，无人水下航行器（Unmanned Underwater Vehicle，UUV）逐渐成为勘测海洋环境的有效装备之一，其航行的效率和安全性备受关注，也是该领域的研究热点。在未知海域的航行过程中，UUV采用声学多普勒海流剖面仪（AcousticDoppler Current Profilers，ADCP）获取海流信息（流速和流向），该信息经过滤波后可辅助UUV选择适宜的航行路径。在航行路径选择过程中，主要考虑航行效率和横向流对路径选择的影响。本文主要对以下几个方面进行了研究：首先，建立大地坐标系、UUV船体坐标系、ADCP仪器坐标系及声纳波束坐标系，分析研究各坐标系间的转换关系，并基于该转换关系，将ADCP测得的海流信息转化为大地坐标系下的海流信息，得到海流模型。其次，针对海流信息和UUV的位姿数据设计滤波算法，并利用WinRiver和WinADCP可视化显示海流信息。考虑到UUV航行时获取的海流数据中含有噪声，本文利用改进的无色卡尔曼滤波方法对数据进行滤波处理，并利用试验数据验证该方法的可行性。最后，基于滤波后的海流信息开展航路自适应调节方法的研究，该方法设计的综合评价函数考虑了航行效率和横向流两个约束条件。通过恒定流场及时变流场环境下的仿真，验证该方法对于UUV依据海流信息选择合适航行路径的有效可行性。本文结合海流信息及UUV的位姿信息，设计了限制条件下基于动态规划的航路自适应调节方法，并通过不同的案例，验证了该方法的性能。仿真结果表明：本文设计的航路自适应调节方法适用于不同的流场环境，能够有效缩短航行时间并避免横向流对航行路径的不利影响，具有一定的应用可行性。