光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
3期
737-744
,共8页
自主水下航行器%组合导航%交互式多模型%期望模式修正
自主水下航行器%組閤導航%交互式多模型%期望模式脩正
자주수하항행기%조합도항%교호식다모형%기망모식수정
Autonomous Underwater Vehicle(AUV)%integrated navigation%interacting multiple model%expected-mode augmentation
针对复杂环境下自主水下航行器(AUV)组合导航系统中存在的模型不完全确定或者模型参数发生变化的情况,提出一种基于期望模式修正的交互式多模型(EMA-IMM)滤波算法.该算法利用滤波估计过程中所得到的模型概率完成决策.首先对固定结构的基础网格进行滤波,得到细化的修正模型集,接着对修正模型集进行滤波,得到与真实模型最为邻近的若干个修正模型网格共同构成的期望模型集,然后将系统真实的模型覆盖在精简的期望模型集范围之中,最后通过对期望模型集滤波,得到接近真实模型状态变量的估计结果.在AUV组合导航系统中的仿真结果表明,相对于传统Kalman滤波算法,改进的EMA-IMM使AUV的经度估计精度提高了97％,纬度估计精度提高了44％;相对于IMM算法,AUV的经度估计精度提高了22％,纬度估计精度提高了19％;得到的结果验证了提出的EMA-IMM算法的优越性.
針對複雜環境下自主水下航行器(AUV)組閤導航繫統中存在的模型不完全確定或者模型參數髮生變化的情況,提齣一種基于期望模式脩正的交互式多模型(EMA-IMM)濾波算法.該算法利用濾波估計過程中所得到的模型概率完成決策.首先對固定結構的基礎網格進行濾波,得到細化的脩正模型集,接著對脩正模型集進行濾波,得到與真實模型最為鄰近的若榦箇脩正模型網格共同構成的期望模型集,然後將繫統真實的模型覆蓋在精簡的期望模型集範圍之中,最後通過對期望模型集濾波,得到接近真實模型狀態變量的估計結果.在AUV組閤導航繫統中的倣真結果錶明,相對于傳統Kalman濾波算法,改進的EMA-IMM使AUV的經度估計精度提高瞭97％,緯度估計精度提高瞭44％;相對于IMM算法,AUV的經度估計精度提高瞭22％,緯度估計精度提高瞭19％;得到的結果驗證瞭提齣的EMA-IMM算法的優越性.
침대복잡배경하자주수하항행기(AUV)조합도항계통중존재적모형불완전학정혹자모형삼수발생변화적정황,제출일충기우기망모식수정적교호식다모형(EMA-IMM)려파산법.해산법이용려파고계과정중소득도적모형개솔완성결책.수선대고정결구적기출망격진행려파,득도세화적수정모형집,접착대수정모형집진행려파,득도여진실모형최위린근적약간개수정모형망격공동구성적기망모형집,연후장계통진실적모형복개재정간적기망모형집범위지중,최후통과대기망모형집려파,득도접근진실모형상태변량적고계결과.재AUV조합도항계통중적방진결과표명,상대우전통Kalman려파산법,개진적EMA-IMM사AUV적경도고계정도제고료97％,위도고계정도제고료44％;상대우IMM산법,AUV적경도고계정도제고료22％,위도고계정도제고료19％;득도적결과험증료제출적EMA-IMM산법적우월성.
