水下SINS/DVL组合导航误差抑制综述

doi:10.3969/j.issn.1009-086x.2023.04.004

摘要/Abstract

摘要：

为实现水下潜航器高精度长航时航行，基于SINS/DVL组合导航的误差抑制和校正技术是关键。对于DVL数据失效情况，介绍了不同的替代方法。比较了SINS/DVL组合数据融合常见滤波算法；从长航时导航误差抑制和校正角度，叙述了阻尼算法、地形辅助校正、重力匹配辅助定位、长基线系统辅助定位和重力扰动补偿等方法。可为水下潜航器SINS/DVL组合长航时导航误差抑制提供参考。

关键词: SINS/DVL组合导航, DVL数据失效, 数据融合, 长航时, 误差抑制

Abstract:

In order to achieve the high accuracy and long endurance of underwater vehicle， it is essential to apply the technique of error suppression and correction based on strap-down inertial navigation system/ Doppler velocity log （SINS/DVL） integrated navigation. This paper introduces different alternative methods when Doppler data fails， and discusses SINS/DVL data fusion filter techniques. It illustrates the damping algorithm， terrain assisted correction， gravity matching assisted positioning， long baseline system assisted positioning and gravity disturbance compensation to further suppress or correct the navigation errors accumulated over time. This paper provides reference for underwater autonomous navigation with high accuracy and long voyage time.

Key words: strap-down inertial navigation system/Doppler velocity log（SINS/DVL） integrated navigation, DVL data failure, data fusion, long endurance, error suppression

中图分类号:

TJ630.2

曾观林, 冯国虎. 水下SINS/DVL组合导航误差抑制综述[J]. 现代防御技术, 2023, 51(4): 25-35.

Guanlin ZENG, Guohu FENG. Review on the Error Suppression of Underwater SINS/DVL Integrated Navigation[J]. Modern Defense Technology, 2023, 51(4): 25-35.

图/表 6

图1 DVL失效情形

Fig. 1 DVL failure condition

图2 动力学模型

Fig. 2 Dynamical model

图3 神经网络结构图

Fig. 3 Neural network structure diagram

图4 “×”配置的DVL波束缺失的解决方案

Fig. 4 "×" configuration of the DVL beam missing solution

图5 自适应联邦IMM滤波器

Fig. 5 Schematic diagram of the adaptive federated IMM filter

图6 长基线水声定位系统

Fig. 6 LBL underwater acoustic positioning system

参考文献 48

1	刘沛佳. INS/DVL组合导航关键技术研究［D］. 北京：北京理工大学， 2018.
	LIU Peijia. Research on Key Technologies of INS/DVL Integrated Navigation ［D］. Beijing：Beijing Institute of Technology， 2018.
2	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）： 2-9.
	ZHAO Junbo， GE Xiyun， FENG Xuelei， et al. A Review of Underwater SINS/DVL Integrated Navigation Technology ［J］. Journal of Unmanned Undersea Systems， 2018， 26（1）： 2-9.
3	严恭敏，翁浚. 捷联惯导算法与组合导航原理［M］. 西安：西北工业大学出版社， 2019.
	YAN Gongmin， WENG Jun. Strapdown Inertial Navigation Algorithm and Integrated Navigation Principle ［M］. Xi'an： Northwestern Polytechnical University Press， 2019.
4	刘射德，张涛，张佳宇，等. 基于多普勒频移的SINS/DVL紧组合导航方法研究［C］∥惯性技术发展动态发展方向研讨会论文集——前沿技术与惯性技术的融合与应用，大连， 2021： 116-124.
	LIU Shede， ZHANG tao， ZHANG Jiayu， et al. Study on SINS/DVL Tight Integrated Navigation Method Based on Doppler Frequency Shift ［C］∥Proceedings of the Seminar on Dynamic Development Direction of Inertial Technology Development-Fusion and Application of Frontier Technology and Inertial Technology， Dalian， 2021： 116-124.
5	何波，吕鹏飞，郭佳，等. 基于动力学的速度模型辅助水下智能导航方法：中国，201910038062.4 ［P］. 2019-1-16.
	HE Bo， Pengfei LÜ， GUO Jia， et al. Dynamics-Based Velocity Model-Assisted Underwater Intelligent Navigation Method： China， 201910038062.4 ［P］. 2019-1-16.
6	宋金雪. 模型辅助和流估计下的UUV自主导航定位方法研究［D］. 哈尔滨：哈尔滨工程大学， 2018.
	SONG Jinxue. Model-Aided and Sea Current Estimation for UUV Autonomous Navigation Research ［D］. Harbin： Harbin Engineering University， 2018.
7	邓力榕. 模型辅助导航下海流与UUV航速估计方法研究［D］. 哈尔滨：哈尔滨工程大学， 2014.
	DENG Lirong. Research on SEA Current and UUV Velocity Estimation Methods Based on Model-Aided Navigation ［D］. Harbin： Harbin Engineering University， 2014.
8	谢连妮. 基于水下航行器的SINS/DVL组合导航技术研究［D］. 哈尔滨：哈尔滨工程大学， 2014.
	XIE Lianni. Research on Integrated Navigation Technology of SINS/DVL Based on Underwater Vehicles ［D］. Harbin： Harbin Engineering University，2014.
9	张勋，边信黔，严浙平，等. 基于海流剖面的UUV辅助导航方法［J］. 仪器仪表学报， 2013， 34（6）： 147-153.
	ZHANG Xun， BIAN Xinqian， YAN Zheping， et al. Aided Navigation Method for UUV Based on Current Profile ［J］. Chinese Journal of Scientific Instrument， 2013， 34（6）： 147-153.
10	毛健，赵红东，姚婧婧. 人工神经网络的发展及应用［J］. 电子设计工程， 2011， 19（24）： 62-65.
	MAO Jian， ZHAO Hongdong， YAO Jingjing. Application and Prospect of Artificial Neural Network ［J］. Electronic Design Engineering， 2011， 19（24）： 62-65.
11	LI Wanli， CHEN Mingjian， ZHANG Chao， et al. A Novel Neural Network-Based SINS/DVL Integrated Navigation Approach to Deal with DVL Malfunction for Underwater Vehicles ［J］. Mathematical Problems in Engineering， 2020， 2020： 1-14.
12	李万里，陈明剑，李军正，等. 一种捷联惯导/多普勒组合导航系统的导航方法：中国，202111123636.1［P］. 2021-12-28.
	LI Wanli， CHEN Mingjian， LI Zhengjun， al et， A Navigation Method of SINS/DVL Integrated Navigation System ： China， 202111123636.1 ［P］. 2021-12-28.
13	LI Ding， XU Jiangning， HE Hongyang， et al. An Underwater Integrated Navigation Algorithm to Deal with DVL Malfunctions Based on Deep Learning ［J］. IEEE Access，2021， 9（1）： 82010-82020.
14	EDOARDO T， ALBERTO T， MATTEO F， et al. LSTM-Based Dead Reckoning Navigation for Autonomous Underwater Vehicles ［C］∥Global Oceans 2020 Singapore-U.S. CoastGulf， Biloxi， MS， USA， October 05-30， 2020： 0197-7385.
15	WANG Bo， HUANG Liu， LIU Jingyang， et al. A Support Vector Regression-Based Integrated Navigation Method for Underwater Vehicles ［J］. IEEE Sensors Journal， 2020， 20（15）： 8875-8883.
16	SUN Jin， WANG Fu. An Effective LS-SVM/AKF Aided SINS/DVL Integrated Navigation System for Underwater Vehicles ［J］. Peer-to-Peer Networking and Applications， 2022， 15（3）： 1437-1451.
17	WANG Di， XU Xiaosu， YAO Yiqing， et al. Virtual DVL Reconstruction Method for an Integrated Navigation System Based on DS-LSSVM Algorithm ［J］. IEEE Transactions on Instrumentation and Measurement， 2021， 70： 1-13.
18	ZHU Yixian， CHENG Xianghong， HU Jie， et al. A Novel Hybrid Approach to Deal with DVL Malfunctions for Underwater Integrated Navigation Systems ［J］. Applied Sciences， 2017， 7（8）： 759.
19	LIU Shede， ZHANG Tao， ZHANG Jiayu， et al. A New Coupled Method of SINS/DVL Integrated Navigation Based on Improved Dual Adaptive Factors ［J］. IEEE Transactions on Instrumentation and Measurement， 2021，70： 1-11.
20	SAEED A R， MOJTABA H， HASSAN S. Pseudo DVL Reconstruction by an Evolutionary TS-Fuzzy Algorithm for Ocean Vehicles ［J］. Measurement， 2019， 147： 106831.
21	彭旭东. 基于M估计的SINS/DVL组合导航系统研究［D］. 哈尔滨：哈尔滨工程大学， 2017.
	PENG Xudong. Research on SINS/DVL Integrated Navigation System Based on M Estimation ［D］. Harbin： Harbin Engineering University， 2017.
22	王宏健，李村，么洪飞，等. 基于高斯混合容积卡尔曼滤波的UUV自主导航定位算法［J］. 仪器仪表学报， 2015， 36（2）： 254-261.
	WANG Hongjian， LI Cun， YAO Hongfei， et al， Gaussian Mixture Cubature Kalman Filter Based Autonomous Navigation and Localization Algorithm for UUV ［J］. Chinese Journal of Scientific Instrument， 2015， 36（2）： 254-261.
23	ZHAO Liye， LIU Xianjun， WANG Lei， et al. A Pretreatment Method for the Velocity of DVL Based on the Motion Constraint for the Integrated SINS/DVL ［J］. Applied Sciences， 2016， 6（3）： 79.
24	HOU Lanhua， XU Xiaosu， YAO Yiqing， et al. Improved Exponential Weighted Moving Average Based Measurement Noise Estimation for Strapdown Inertial Navigation System/Doppler Velocity Log Integrated System ［J］. Journal of Navigation， 2021， 74（2）： 467-487.
25	黄莺. 基于CKF的SINS/DVL组合导航系统设计与仿真［D］. 哈尔滨：哈尔滨工程大学， 2013.
	HUANG Ying. Design and Simulation of SINS/DVL Integrated Navigation System Based on CKF ［D］. Harbin： Harbin Engineering University， 2013.
26	王君婷. 水下AUV导航的非线性滤波算法研究［D］. 北京：中国石油大学， 2018.
	WANG Junting. Research on Nonlinear Filtering Algorithm for Underwater AUV Navigation ［D］. Beijing： China University of Petroleum， 2018.
27	徐晓苏，董亚，童金武，等. 基于5阶球面最简相径的改进型容积卡尔曼滤波在SINS/DVL组合导航中的应用［J］. 中国惯性技术学报， 2017， 25（3）： 343-348.
	XU Xiaosu， DONG Ya， TONG Jinwu， et al. Improved Fifth-Degree Spherical Simplex Sadial Cubature Kalman Filter in SINS/DVL Integrated Navigation ［J］. Journal of Chinese Inertial Technology， 2017， 25（3）： 343-348.
28	唐康华，江明明，翁炬. 基于自适应滤波的水下SINS/相控阵DVL组合导航算法设计［J］. 中国惯性技术学报， 2013， 21（1）： 65-70.
	TANG Kanghua， JIANG Mingming， WENG Ju. Design of SINS/ Phased Array DVL Integrated Navigation System for Underwater Vehicle Based on Adaptive Filtering ［J］. Journal of Chinese Inertial Technology， 2013， 21（1）： 65-70.
29	YAN Xiaozhen， YANG Yipeng， LUO Qinghua， et al. A SINS/DVL Integrated Positioning System Through Filtering Gain Compensation Adaptive Filtering ［J］. Sensors， 2019， 19（20）： 4576.
30	LIU Ruixin， LIU Fucheng， LIU Chunning， et al. Modified Sage-Husa Adaptive Kalman Filter-Based SINS/DVL Integrated Navigation System for AUV［J］. Journal of Sensors，2021（3）： 1-28.
31	SHI Wence， XU Jiangning， LI Ding， et al. Attitude Estimation of SINS on Underwater Dynamic Base with Variational Bayesian Robust Adaptive Kalman Filter ［J］. IEEE Sensors Journal， 2022， 22（11）： 10954-10964.
32	Weiwei LYU， CHENG Xianghong， WANG Jinling. Adaptive Federated IMM Filter for AUV Integrated Navigation Systems ［J］. Sensors， 2020， 20（23）： 6806.
33	臧新乐. 捷联惯性导航系统误差阻尼技术［D］. 哈尔滨：哈尔滨工程大学， 2017.
	ZANG Xinle. Error Damping Technique of Strapdown Inertial Navigation System ［D］. Harbin： Harbin Engineering University， 2017.
34	李倩. 横坐标系捷联惯导系统极区导航及其误差抑制技术研究［D］. 哈尔滨：哈尔滨工程大学， 2014.
	LI Qian. Research on Transversal Strapdown INS and Error Depression Technology in Polar Region ［D］. Harbin： Harbin Engineering University， 2014.
35	杨晓龙. 捷联惯性导航系统阻尼和重力辅助技术研究［D］. 哈尔滨：哈尔滨工程大学， 2015.
	YANG Xiaolong. The Research of SINS Damping and Gravity Aid Technology ［D］. Harbin： Harbin Engineering University， 2015.
36	刘潺，吴文启，冯国虎，等.基于虚拟圆球法向量的极区惯性导航算法［J］.中国惯性技术学报， 2020， 28（4）： 421-428.
	LIU Chan， WU Wenqi， FENG Guohu， et al. Polar Navigation Algorithm for INS Based on Virtual Sphere N-Vector ［J］. Journal of Chinese Inertial Technology， 2020， 28（4）： 421-428.
37	刘潺，吴文启，冯国虎，等.法向量位置模型下的水下长航时惯性导航阻尼算法［J］.中国惯性技术学报， 2021， 29（6）： 709-716.
	LIU Chan， WU Wenqi， FENG Guohu， et al. Damping Algorithm for Long-Endurance Underwater INS Based on N-Vector Model ［J］. Journal of Chinese Inertial Technology， 2021， 29（6）： 709-716
38	张静远，谌剑，李恒，等. 水下地形辅助导航技术的研究与应用进展［J］. 国防科技大学学报， 2015， 37（3）： 128-135.
	ZHANG Jingyuan， SHEN Jian， LI Heng， et al. Research and Application Progress on Underwater Terrain-Aided Navigation Technology［J］. Journal of National University of Defense Technology， 2015， 37（3）： 128-135.
39	LI Peijuan， SHENG Guoliang， ZHANG Xiaofei， et al. Underwater Terrain-Aided Navigation System Based on Combination Matching Algorithm ［J］. ISA Transactions， 2018， 78： 80-87.
40	张立华，刘现鹏，贾帅东，等. 一种线面组合的水下地形匹配算法［J］. 测绘学报， 2018， 47（10）： 1406-1414.
	ZHANG Lihua， LIU Xianpeng， JIA Shuaidong， et al. A Line-Surface Integrated Algorithm for Underwater Terrain Matching ［J］. Acta Geodaetica et Cartographica Sinica， 2018， 47（10）： 1406-1414.
41	XIONG Lu， SHEN Jian， BI Xiaowen. A New Method of Terrain Self-Adaptive Matching Algorithm for Autonomous Underwater Vehicle ［J］. Journal of Physics： Conference Series， 2019， 1237（2）： 022014.
42	于力. 水下运载体重力匹配算法研究［D］. 北京：北京理工大学， 2016.
	YU Li. Research of Underwater Vehicle Gravity Matching Algorithm［D］. Beijing： Beijing Institute of Technology， 2016.
43	付梦印，刘飞，袁书明，等. 水下惯性/重力匹配自主导航综述［J］. 水下无人系统学报， 2017， 25（2）： 31-43.
	FU Mengyin， LIU Fei， YUAN Shuming， et al. Review of Undersea Autonomous Inertial-Gravity Matching Navigation ［J］. Journal of Unmanned Undersea Systems， 2017， 25（2）： 31-43.
44	张同伟，秦升杰，唐嘉陵，等. 深海长基线定位系统现状及展望［J］. 测绘通报， 2018（10）： 75-78.
	ZHANG Tongwei， QIN Shengjie， TANG Jialing， et al. Technical Status and Development Trend of Deep Sea LBL ［J］. Bulletin of Surveying and Mapping， 2018（10）： 75-78.
45	陈立平. 基于SINS/LBL交互辅助定位的AUV导航技术研究［D］. 南京：东南大学， 2016.
	CHEN Liping. Research on Navigation Technology Based on SINS/LBL Interaction Assisted Positioning for AVU ［D］. Nanjing： Southeast University， 2016.
46	王皓. 高精度长航时惯导系统重力扰动补偿方法研究［D］. 北京：北京理工大学， 2015.
	WANG Hao， The Study of Gravity Disturbance Compensation Method of High-Accuracy Long-Time INS［D］. Beijing：Beijing Institute of Technology，2015.
47	WU Ruonan， WU Qiuping， HAN Fengtian， et al. Gravity Compensation Using EGM2008 for High-Precision Long-Term Inertial Navigation Systems ［J］. Sensors （Basel， Switzerland）， 2016， 16（12）： 2177.
48	翁海娜，李鹏飞，高峰，等. 高精度惯导系统重力扰动的阻尼抑制方法［J］. 中国惯性技术学报， 2017， 25（2）： 141-145.
	WENG Haina， LI Pengfei， GAO Feng， et al. Damping Suppression Method for Gravity Disturbance of High-Precision Inertial Navigation System ［J］. Journal of Chinese Inertial Technology， 2017， 25（2）： 141-145.

[1]	周春明, 甘祖旺, 何云昆, 赵敏. 基于作战使用样式的实航工作可靠度评估方法[J]. 现代防御技术, 2020, 48(6): 103-107.
[2]	刘标, 许腾, 李光. D-S证据理论改进算法提高水下目标识别准确性[J]. 现代防御技术, 2018, 46(1): 120-124.