CN112050808B - 一种水下无人航行器浮出水面检测方法 - Google Patents
一种水下无人航行器浮出水面检测方法 Download PDFInfo
- Publication number
- CN112050808B CN112050808B CN202010963840.3A CN202010963840A CN112050808B CN 112050808 B CN112050808 B CN 112050808B CN 202010963840 A CN202010963840 A CN 202010963840A CN 112050808 B CN112050808 B CN 112050808B
- Authority
- CN
- China
- Prior art keywords
- sensor
- formula
- temperature
- unmanned aircraft
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000007667 floating Methods 0.000 title claims description 11
- 150000003839 salts Chemical class 0.000 claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 9
- 239000001301 oxygen Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000010224 classification analysis Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
一种水下无人航行器浮出水面检测方法,通过采用FPGA采集分布在水下无人航行器不同位置的多个温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器的压力、光线、温度、盐度、运动、姿态等数据,对数据进行分类分析并通过卡尔曼滤波等算法进行数据融合与最优估计,估算出当前出水状态并不断更新估算结果,直到得到最优估算结果并检测确定是否浮出水面。采用卡尔曼滤波算法进行最优估计,结果可靠性较高采用大量传感器观测结果数据进行检测,消除因海面状况复杂导致的偶然误差。结构简单,实现容易,算法较简单,适合FPGA的并行处理结构及底层设计的特点,且运行速度较快。
Description
技术领域
本发明涉及水下无人航行器技术领域,具体涉及一种水下无人航行器浮出水面检测方法。
背景技术
AUV、水下滑翔机等水下无人航行器或浮标等水下仪器需要浮出水面进行卫星通信等操作时,有时需要准确检测是否浮出水面。由于海面情况复杂,且航行器上浮的姿态也存在较大不确定性,航行器浮出水面和离水面较近时传感器获取数据容易受到姿态、海况等较多干扰,数据存在较大不确定性,无法通过传统传感器检测是否确切出水,且目前也并没有准确的检测方法。
发明内容
本发明为了克服以上技术的不足,提供了一种消除因海面状况复杂导致的偶然误差的水下无人航行器浮出水面检测方法。
本发明克服其技术问题所采用的技术方案是:
一种水下无人航行器浮出水面检测方法,水下无人航行器中安装有温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器以及用于采集各个传感器数据的FPGA处理器,包括如下步骤:
a)当水下无人航行器上浮至离海面10米距离时,温盐深传感器测量深度值为d1;
b)无人航行器在t1时刻内上浮至离海面小于1米时,温盐深传感器测量深度值为d2,通过公式x1=10-at12计算无人航行器的位置估计值x1,式中a为无人航行器在t1时刻内上浮时的加速度;
c)通过公式计算位置估计值x1的概率分布x1′,式中N为正态分布,/>为位置方差,利用/>表示无人航行器的速度概率分布,v1为加速度a积分解算出的速度,/>为六轴陀螺仪加速度传感器的噪声方差;
d)在t1时刻后的t2时刻,通过公式计算位置估计值x1概率分布x2′,式中a=x1-v1,/>通过公式/>计算温盐深传感器测量的t2时刻的深度值h2的正态分布h2′,式中/>为温盐深传感器中的深度传感器噪声误差方差;
e)跟卡尔曼滤波算法利用公式计算最优估计的概率分布b2;
f)采用概率分布x2′和正态分布h2′的方差作为对数据的可相信权重,利用公式对概率分布b2进行加权处理得到无人航行器当前位置的最优估计的概率分布c2′
g)根据公式计算得到无人航行器当前位置的最优估计值c2;
h)以最优估计值c2作为当前位置,以nms为采样时间间隔,重复执行步骤d)至步骤g)对接下来的若干时刻进行迭代运算得到若干位置预测的最优估计值,根据六轴陀螺仪加速度传感器和温盐深传感器测得的Z轴位置与若干位置预测的最优估计值进行加权求和得到综合位置预测值dn;
i)当根据公式fn=p×dn+q1×k+q2×k+q3×k+q4×k计算fn,式中p=1-q1-q2-q3-q4,q1为红外传感器的权重,q2为氧含量传感器的权重,q3为温盐深传感器中的温度传感器的权重,q4为温盐深传感器中的盐度传感器的权重,k为常数,k≤10cm;
j)当-0.001≤fn<0时判定为无人航行器已浮出水面。
进一步的,步骤d)中t2时刻为t1时刻之后1ms的时刻。
进一步的,步骤h)中n取值为1。
本发明的有益效果是:通过采用FPGA采集分布在水下无人航行器不同位置的多个温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器的压力、光线、温度、盐度、运动、姿态等数据,对数据进行分类分析并通过卡尔曼滤波等算法进行数据融合与最优估计,估算出当前出水状态并不断更新估算结果,直到得到最优估算结果并检测确定是否浮出水面。采用卡尔曼滤波算法进行最优估计,结果可靠性较高采用大量传感器观测结果数据进行检测,消除因海面状况复杂导致的偶然误差。结构简单,实现容易,算法较简单,适合FPGA的并行处理结构及底层设计的特点,且运行速度较快。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图1对本发明做进一步说明。
一种水下无人航行器浮出水面检测方法,水下无人航行器中安装有温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器以及用于采集各个传感器数据的FPGA处理器,包括如下步骤:
a)当水下无人航行器上浮至离海面10米距离时,温盐深传感器测量深度值为d1;
b)无人航行器在t1时刻内上浮至离海面小于1米时,温盐深传感器测量深度值为d2,通过公式x1=10-at12计算无人航行器的位置估计值x1,式中a为无人航行器在t1时刻内上浮时的加速度;
c)通过公式计算位置估计值x1的概率分布x1′,式中N为正态分布,/>为位置方差,利用/>表示无人航行器的速度概率分布,v1为加速度a积分解算出的速度,/>为六轴陀螺仪加速度传感器的噪声方差;
d)在t1时刻后的t2时刻,通过公式计算位置估计值x1概率分布x2′,式中a=x1-v1,/>通过公式/>计算温盐深传感器测量的t2时刻的深度值h2的正态分布h2′,式中/>为温盐深传感器中的深度传感器噪声误差方差;
e)跟卡尔曼滤波算法利用公式计算最优估计的概率分布b2;
f)采用概率分布x2′和正态分布h2′的方差作为对数据的可相信权重,利用公式对概率分布b2进行加权处理得到无人航行器当前位置的最优估计的概率分布c2′
g)根据公式计算得到无人航行器当前位置的最优估计值c2;
h)以最优估计值c2作为当前位置,以nms为采样时间间隔,重复执行步骤d)至步骤g)对接下来的若干时刻进行迭代运算得到若干位置预测的最优估计值,根据六轴陀螺仪加速度传感器和温盐深传感器测得的Z轴位置与若干位置预测的最优估计值进行加权求和得到综合位置预测值dn;
i)当根据公式fn=p×dn+q1×k+q2×k+q3×k+q4×k计算fn,式中p=1-q1-q2-q3-q4,q1为红外传感器的权重,q2为氧含量传感器的权重,q3为温盐深传感器中的温度传感器的权重,q4为温盐深传感器中的盐度传感器的权重,k为常数,k≤10cm;
j)当-0.001≤fn<0时判定为无人航行器已浮出水面。
通过采用FPGA采集分布在水下无人航行器不同位置的多个温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器的压力、光线、温度、盐度、运动、姿态等数据,对数据进行分类分析并通过卡尔曼滤波等算法进行数据融合与最优估计,估算出当前出水状态并不断更新估算结果,直到得到最优估算结果并检测确定是否浮出水面。采用卡尔曼滤波算法进行最优估计,结果可靠性较高采用大量传感器观测结果数据进行检测,消除因海面状况复杂导致的偶然误差。结构简单,实现容易,算法较简单,适合FPGA的并行处理结构及底层设计的特点,且运行速度较快。
优选的,步骤d)中t2时刻为t1时刻之后1ms的时刻。
优选的,步骤h)中n取值为1。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种水下无人航行器浮出水面检测方法,水下无人航行器中安装有温盐深传感器、红外传感器、氧含量传感器、六轴陀螺仪加速度传感器以及用于采集各个传感器数据的FPGA处理器,其特征在于,包括如下步骤:
a)当水下无人航行器上浮至离海面10米距离时,温盐深传感器测量深度值为d1;
b)无人航行器在t1时刻内上浮至离海面小于1米时,温盐深传感器测量深度值为d2,通过公式x1=10-at12计算无人航行器的位置估计值x1,式中a为无人航行器在t1时刻内上浮时的加速度;
c)通过公式计算位置估计值x1的概率分布x1′,式中N为正态分布,/>为位置方差,利用/>表示无人航行器的速度概率分布,v1为加速度a积分解算出的速度,/>为六轴陀螺仪加速度传感器的噪声方差;
d)在t1时刻后的t2时刻,通过公式计算位置估计值x1概率分布x2′,式中a=x1-v1,/>通过公式/>计算温盐深传感器测量的t2时刻的深度值h2的正态分布h2′,式中/>为温盐深传感器中的深度传感器噪声误差方差;
e)跟卡尔曼滤波算法利用公式计算最优估计的概率分布b2;
f)采用概率分布x2′和正态分布h2′的方差作为对数据的可相信权重,利用公式对概率分布b2进行加权处理得到无人航行器当前位置的最优估计的概率分布c2′
g)根据公式计算得到无人航行器当前位置的最优估计值c2;
h)以最优估计值c2作为当前位置,以nms为采样时间间隔,重复执行步骤d)至步骤g)对接下来的若干时刻进行迭代运算得到若干位置预测的最优估计值,根据六轴陀螺仪加速度传感器和温盐深传感器测得的Z轴位置与若干位置预测的最优估计值进行加权求和得到综合位置预测值dn;
i)当根据公式fn=p×dn+q1×k+q2×k+q3×k+q4×k计算fn,式中p=1-q1-q2-q3-q4,q1为红外传感器的权重,q2为氧含量传感器的权重,q3为温盐深传感器中的温度传感器的权重,q4为温盐深传感器中的盐度传感器的权重,k为常数,k≤10cm;
j)当-0.001≤fn<0时判定为无人航行器已浮出水面。
2.根据权利要求1所述的水下无人航行器浮出水面检测方法,其特征在于:步骤d)中t2时刻为t1时刻之后1ms的时刻。
3.根据权利要求1所述的水下无人航行器浮出水面检测方法,其特征在于:步骤h)中n取值为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963840.3A CN112050808B (zh) | 2020-09-14 | 2020-09-14 | 一种水下无人航行器浮出水面检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963840.3A CN112050808B (zh) | 2020-09-14 | 2020-09-14 | 一种水下无人航行器浮出水面检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112050808A CN112050808A (zh) | 2020-12-08 |
CN112050808B true CN112050808B (zh) | 2023-11-03 |
Family
ID=73611561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010963840.3A Active CN112050808B (zh) | 2020-09-14 | 2020-09-14 | 一种水下无人航行器浮出水面检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112050808B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112782706B (zh) * | 2021-01-11 | 2022-05-10 | 山东新一代信息产业技术研究院有限公司 | 机器人超声波传感器障碍物检测方法及系统 |
CN113570832B (zh) * | 2021-07-28 | 2023-02-28 | 郑州海为电子科技有限公司 | 一种水下探测设备的出水报警装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131801A (zh) * | 2018-10-12 | 2019-01-04 | 上海工业自动化仪表研究院有限公司 | 全海深无人潜水器的自主回收装置及控制方法 |
CN110006433A (zh) * | 2019-04-22 | 2019-07-12 | 哈尔滨工程大学 | 海底油气管检测机器人的组合导航定位系统及方法 |
CN110231029A (zh) * | 2019-05-08 | 2019-09-13 | 西安交通大学 | 一种水下机器人多传感器融合数据处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105416530B (zh) * | 2016-01-04 | 2017-11-14 | 京东方科技集团股份有限公司 | 一种救生装置及救生控制方法 |
-
2020
- 2020-09-14 CN CN202010963840.3A patent/CN112050808B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109131801A (zh) * | 2018-10-12 | 2019-01-04 | 上海工业自动化仪表研究院有限公司 | 全海深无人潜水器的自主回收装置及控制方法 |
CN110006433A (zh) * | 2019-04-22 | 2019-07-12 | 哈尔滨工程大学 | 海底油气管检测机器人的组合导航定位系统及方法 |
CN110231029A (zh) * | 2019-05-08 | 2019-09-13 | 西安交通大学 | 一种水下机器人多传感器融合数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112050808A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Todd et al. | Absolute velocity estimates from autonomous underwater gliders equipped with Doppler current profilers | |
CN112050808B (zh) | 一种水下无人航行器浮出水面检测方法 | |
AU2014366523B2 (en) | Underwater vehicle and sensor | |
CN107990891B (zh) | 基于长基线和信标在线标定的水下机器人组合导航方法 | |
CN108562287A (zh) | 一种基于自适应采样粒子滤波的水下地形辅助导航方法 | |
US8371163B2 (en) | Techniques for monitoring storm conditions | |
Brown et al. | The use of autonomous vehicles for spatially measuring mean velocity profiles in rivers and estuaries | |
CN109562819B (zh) | 用于确定海船的对水速度的方法和传感器系统 | |
Meurer et al. | Differential pressure sensor speedometer for autonomous underwater vehicle velocity estimation | |
CN110706827A (zh) | 基于船舶ais大数据的通航水域水流信息的提取方法及系统 | |
CN110646574A (zh) | 基于无人船的水质电导率自主检测系统及方法 | |
Eiler et al. | Comparing autonomous underwater vehicle (AUV) and vessel-based tracking performance for locating acoustically tagged fish | |
Heyn et al. | Ice condition assessment using onboard accelerometers and statistical change detection | |
Bourras et al. | A new platform for the determination of air–sea fluxes (ocarina): Overview and first results | |
EP2876520B1 (en) | An altitude controlled profiler for use in coastal waters | |
Hasankhani et al. | Comparison of deep reinforcement learning and model predictive control for real-time depth optimization of a lifting surface controlled ocean current turbine | |
Lueck | The statistics of oceanic turbulence measurements. Part I: Shear variance and dissipation rates | |
Baruch et al. | Attitude estimation of AUVs based on a network of pressure sensors | |
JP6340067B2 (ja) | 表層流推定装置、表層流推定システム、海洋モデル推定装置、及び危険度判定装置 | |
Moum et al. | Flippin’χ SOLO, an Upper-Ocean Autonomous Turbulence-Profiling Float | |
Jung et al. | High temporal and spatial resolutions of sea surface current from low-altitude remote sensing | |
CN110191422A (zh) | 海洋水下传感器网络目标跟踪方法 | |
Diamant | Prediction of water current using a swarm of submerged drifters | |
Zhou et al. | Surveying a floating iceberg with the USV SEADRAGON | |
Gulati et al. | Toward autonomous scientific exploration of ice-covered lakes—Field experiments with the ENDURANCE AUV in an Antarctic Dry Valley |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230922 Address after: 250000 building S02, No. 1036, Gaoxin Inspur Road, Jinan, Shandong Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd. Address before: 250104 1st floor, R & D building, No. 2877, Suncun Town, Licheng District, Jinan City, Shandong Province Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |