作者：夏楠¹, 曾庆军¹, 包灵卉², 孙啸天¹, 许赫威¹

作者单位：1. 江苏科技大学电子信息学院，江苏 镇江212028;
2. 中船海洋探测技术研究院有限公司，江苏 无锡214142

关键词：回收对接;联邦滤波;异步融合;多尺度;UKF

摘要：

针对研发的自主水下机器人 (autonomous underwater vehicle，AUV)在回收对接过程中，由于采样频率不同而导致多传感器组合导航系统精度较低的问题，提出一种基于联邦滤波结构的多尺度无迹卡尔曼(unscented Kalman，UK)异步融合滤波算法。该算法依据采样率划分多尺度信息，建立基于联邦滤波的多尺度系统误差模型，并针对不同尺度信息采用UKF算法进行非等间隔异步融合，从而得到全局的最优状态估计。仿真实验表明，同基于卡尔曼滤波(Kalman filtering，KF)的单一尺度融合算法和基于UKF的多尺度融合算法相比，该算法对AUV回收对接导航系统中异步采样信息具有更高的融合精度，提升了导航系统的可靠度，为AUV的回收对接提供了安全保障。最后通过开阔水域实验验证了AUV对接导航系统的有效性。

AUV docking navigation system based on multi-sensor asynchronous fusion algorithm
XIA Nan¹, ZENG Qingjun¹, BAO Linghui², SUN Xiaotian¹, XU Hewei¹
1. School of Telecommunications, Jiangsu University of Science and Technology, Zhenjiang 212028, China;
2. China Shipbuilding Ocean Exploration Technology Research Institute Co., Ltd., Wuxi 214142, China
Abstract: In order to solve the problem of low accuracy of multi-sensor integrated navigation system due to different sampling frequencies during the recovery and docking process of the developed autonomous underwater vehicle (AUV), a multi-scale unscented Kalman (UK) asynchronous fusion filter algorithm based on the federated filter structure is proposed. The algorithm divides multi-scale information according to the sampling rate, establishes a multi-scale system error model based on federated filtering, and uses the UKF algorithm to perform non-equal interval asynchronous fusion for different scale information, so as to obtain the global optimal state estimation. Simulation experiments show that compared with the single-scale fusion algorithm based on Kalman filtering (KF) and the multi-scale fusion algorithm based on UKF, this algorithm has higher fusion accuracy for asynchronous sampling information in the AUV recovery docking navigation system. Improve the reliability of the navigation system, and provide a safety guarantee for the recovery and docking of the AUV. Finally, the open water experiment verified the effectiveness of the AUV docking navigation system.
Keywords: recycling docking;federated filtering;asynchronous fusion;multi-scale;UKF
2021, 47(11):34-40  收稿日期: 2021-07-02;收到修改稿日期: 2021-08-19
基金项目: 国家自然科学基金资助项目(11574120)；江苏省产业前瞻与共性技术项目(BE2018103)；江苏省研究生实践创新计划(SJCX21_1744)
作者简介: 夏楠（1995-），男，江苏盐城市人，硕士研究生，专业方向为水下机器人导航与控制
参考文献
[1] 张志慧, 赵洋, 姜成林, 等. 一种针对全海深载人潜水器的异步融合组合导航算法[J]. 机器人, 2020, 42(6): 71-77
[2] 杨毅. 无人船组合导航系统信息融合研究[D]. 大连: 大连海事大学, 2020.
[3] 高兵兵. 水下运载器SINS/USBL/DVL组合导航系统设计与高性能算法研究[D]. 西安: 西北工业大学, 2015.
[4] 刘磊, 林雪原, 周旻. 多传感器组合导航系统的多尺度异步信息融合算法[J]. 海军航空工程学院学报, 2012, 27(3): 276-280
[5] 朱倚娴, 程向红, 周玲, 等. 组合导航系统中异步多传感器信息融合算法[J]. 东南大学学报(自然科学版), 2018, 48(2): 195-200
[6] 刘丽丽, 林雪原, 陈祥光. 一种多传感器组合导航系统的改进异步融合算法[J]. 中国空间科学技术, 2021, 41(4): 77-84
[7] 唐宇舟. 基于联邦卡尔曼滤波的多源异类交通数据融合技术研究[D]. 浙江: 浙江工业大学, 2020.
[8] 周康. 非线性异步采样系统的序贯融合估计算法研究[D]. 杭州: 浙江工业大学, 2019.
[9] 陈万, 蔡艳平, 苏延召, 等. 基于改进粒子滤波的锂离子电池剩余寿命预测[J]. 中国测试, 2021, 47(7): 148-153
[10] 赫飞, 丁姚, 张永伟. SINS/GPS/SST/高度表组合导航系统异步融合算法[J]. 海军航空工程学院学报, 2015, 30(1): 17-22
[11] 林瑀, 陈日成, 金涛. 面向复杂信息系统的多源异构数据融合技术[J]. 中国测试, 2020, 46(7): 1-7+23
[12] 朱先秋. 基于神经网络的多传感器融合方法研究[D]. 南京: 南京理工大学, 2019.
[13] 李洋漾, 李雯, 易伟, 等. 基于DP-TBD的分布式异步粒子滤波融合算法[J]. 现代雷达, 2018, 40(10): 38-44
[14] 张海鹏, 李杰, 张波, 等. 自适应互补滤波水下高度测量技术[J]. 中国测试, 2019, 45(7): 46-50