CN112147712A - 一种水下振动源探测装置及方法 - Google Patents
一种水下振动源探测装置及方法 Download PDFInfo
- Publication number
- CN112147712A CN112147712A CN202011038638.6A CN202011038638A CN112147712A CN 112147712 A CN112147712 A CN 112147712A CN 202011038638 A CN202011038638 A CN 202011038638A CN 112147712 A CN112147712 A CN 112147712A
- Authority
- CN
- China
- Prior art keywords
- vibration source
- time
- pressure
- representing
- sensor
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种水下振动源探测装置及方法。探测装置包括外壳、多个压力传感器、多个流速传感器和内部电子舱体。其中多个压力传感器和多个流速传感器布置于外壳的表面,内部电子舱体位于外壳的内部。将多个压力传感器和多个流速传感器的输出端与内部电子舱体的输入端电连接,对采集得到的多个压力信息和多个流速信息进行处理融合,计算得到水下振动源的位置和大小估计值。本发明提出的水下振动源探测装置及方法,能够有效避免水质浑浊度、声学多径效应和各种环境干扰噪声对水下信息探测的干扰,实现水下振动源位置和大小的实时准确探测。
Description
技术领域
本发明涉及电子技术领域,具体涉及一种水下振动源探测装置及方法。
背景技术
水下目标探测技术是海洋开发和海洋权益保护的先决条件和技术保障,为了实现水下目标的探测,现有一般为水下光学探测方法和水下声学探测方法。然而,现有的上述两种方法存在以下缺陷:水下光学探测方法容易受到水质浑浊度的影响,无法准确获知水下振动源的具体信息,且该方法的图像处理过程繁琐,限制了其在浑浊黑暗环境中的水下信息感知能力。水下声学探测方法容易受到声学多径效应及各种环境干扰噪声的影响,导致该方法也无法精确感知水下环境中的信息。
因此,现有的水下光学探测方法和水下声学探测方法因受外部环境影响,并不能够实现水下振动源信息的精确探测。
发明内容
为了解决上述问题,本发明提出了一种水下振动源探测装置及方法,基于势流理论、采用容积卡尔曼滤波方法和自适应加权融合方法,将多个传感器采集的水下压力信息和流速信息融合,有效克服了水质浑浊度、声学多径效应和各种环境干扰噪声对水下振动源探测的影响,实现了水下振动源的位置和大小估计值的准确计算。
为了解决上述问题,本发明提供了如下方案:
一种水下振动源探测装置,包括:
外壳,起支撑作用;
所述外壳的表面布置有多个压力传感器和多个流速传感器;所述压力传感器用于采集水下的压力信息,所述流速传感器用于采集水下的流速信息;
所述外壳的内部固定有一内部电子舱体;所述内部电子舱体的输入端与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接,用于处理融合多个所述压力信息和多个所述流速信息;
所述内部电子舱体包括:
采集电路单元,其输入端作为所述内部电子舱体的输入端,与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接;
所述采集电路单元的内部包括CPU,用于处理融合多个所述压力信息和多个所述流速信息,得到水下振动源的位置和大小估计值;过程包括:
采用势流理论建立压力状态方程、压力观测方程、流速状态方程和流速观测方程;
基于建立的压力状态方程和压力观测方程,采用容积卡尔曼滤波方法,计算得到基于压力信息的水下振动源的位置和大小估计值;基于建立的流速状态方程和流速观测方程,采用容积卡尔曼滤波方法,计算得到基于流速信息的水下振动源的位置和大小估计值;
采用自适应加权融合方法,融合计算得到的基于压力信息的水下振动源的位置和大小估计值以及基于流速信息的水下振动源的位置和大小估计值,得到最终的水下振动源的位置和大小估计值。
本发明还提供了一种水下振动源探测方法,包括:
获取置于水下的多个压力传感器采集的多个压力信息以及多个流速传感器采集的多个流速信息;
采用势流理论建立压力状态方程、压力观测方程、流速状态方程和流速观测方程;
基于建立的压力状态方程和压力观测方程,采用容积卡尔曼滤波方法,计算得到基于压力信息的水下振动源的位置和大小估计值;基于建立的流速状态方程和流速观测方程,采用容积卡尔曼滤波方法,计算得到基于流速信息的水下振动源的位置和大小估计值;
采用自适应加权融合方法,融合计算得到的基于压力信息的水下振动源的位置和大小估计值以及基于流速信息的水下振动源的位置和大小估计值,得到最终的水下振动源的位置和大小估计值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1)由于水下振动源振动会导致水下流速参数和压力参数变化,基于此,仅需将本发明的水下振动源探测装置放到水下环境中,将压力传感器采集到的压力信息和流速传感器采集到的流速信息融合后作为探测装置的输入信息,即可通过探测装置内部的采集电路单元估计出水下振动源的具体位置和大小,操作简单,获取的水下振动源的位置和大小估计值较准确。
2)本发明还提出了一种水下振动源探测方法,该方法先基于压力传感器采集的压力信息和流速传感器采集的流速信息,分别基于势流理论建立状态方程和观测方程,然后均采用容积卡尔曼滤波方法得到基于压力信息的水下振动源位置和大小的估计值以及基于流速信息的水下振动源位置和大小的估计值,最后利用自适应加权融合方法,将基于压力信息的水下振动源位置和大小的估计值和基于流速信息的水下振动源位置和大小的估计值融合,得到最终的水下振动源的位置和大小估计值。该方法受水质浑浊度、声学多径效应和各种环境干扰噪声的影响很小,相比现有的水下光学探测方法和水下声学探测方法具有更高的水下振动源的位置和大小的估计精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中水下振动源探测装置的三维视图;
图2为本发明实施例1中水下振动源探测装置的左视图;
图3为本发明实施例1中水下振动源探测装置的左视剖切图;
图4为本发明实施例1中水下振动源探测装置的俯视图;
图5为本发明实施例1中内部电子舱体的结构示意图;
图6为本发明实施例1中采集电路单元的数据处理流程示意图;
图7为本发明实施例1中水下振动源探测方法的流程图;
符号说明:
1:外壳、2:压力传感器、3:流速传感器、4:内部电子舱体;
1-1:鱼形舱体、1-2:鱼尾体、1-3:支架、1-4:布放吊钩、1-5:小孔;
4-1:采集电路单元、4-2:数据存储单元、4-3:锂电池。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是解决现有的水下光学探测方法容易受到水质浑浊度影响;水下声学探测方法容易受到声学多径效应及各种环境干扰噪声的影响,无法保证对水下近场振动源精确感知的问题。为此,本发明提出了一种水下振动源探测装置及方法,用于解决上述现有问题,并保证更高的水下近场振动源位置和大小的估计精度。
本发明的工作原理是:
先将水下振动源探测装置放入水中,利用其表面的多个压力传感器分别采集多个压力信息,同时利用其表面的多个流速传感器分别采集多个流速信息。之后采用势流理论构建压力状态方程、压力观测方程、流速状态方程和流速观测方程。其中压力状态方程反映的是压力传感器估计出的每个时刻的水下振动源的位置坐标、半径、振幅和角速度值;流速状态方程反映的是流速传感器估计出的每个时刻的水下振动源的位置坐标、半径、振幅和角速度值。压力状态方程和流速状态方程为线性形式,而压力观测方程和流速观测方程均为非线性形式。
此时,采用容积卡尔曼滤波方法对两个非线性形式的方程进行求解和迭代更新:非线性形式的压力观测方程反映的是每一时刻压力传感器估计出的水下振动源的位置坐标、半径、振幅和角速度值与前一时刻的非线性函数关系;非线性形式的流速观测方程反映的是每一时刻流速传感器估计出的水下振动源的位置坐标、半径、振幅和角速度值与前一时刻的非线性函数关系。因此,设定一个压力传感器的观测初值以及一个流速传感器的观测初值,就可通过非线性函数关系计算出每一时刻基于压力信息的水下振动源的位置和大小估计值以及每一时刻基于流速信息的水下振动源的位置和大小估计值。
之后采用自适应加权融合方法,给每个压力传感器和每个流速传感器均设定一个权系数,将每个传感器在每一时刻估计的水下振动源的位置和大小估计值分别乘以与其对应的权系数,并将得到的值除以所有权系数的和,得到融合后的最终的水下振动源的位置和大小估计值。
利用本发明的上述方法能够保证较高的水下振动源位置和大小的估计精度,能够有效解决现有水下光学探测方法和水下声学探测方法不能准确感知水下振动源信息的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
如图1为本发明实施例1中水下振动源探测装置的三维视图。从图中可看出,水下振动源探测装置的整体结构为鱼形,从图1所示角度看出,该装置包括外壳1-1、鱼尾体1-2、多个支架1-3、至少一个布放吊钩1-4和内部电子舱体4。其中,外壳1-1为整体鱼形结构的鱼身部分,鱼尾体1-2为整体鱼形结构的鱼尾部分,多个支架1-3、至少一个布放吊钩1-4和内部电子舱体均位于鱼身部分的内部。
另外,从图1中可看出,多个支架1-3位于外壳1-1的内部,且每个支架1-3的最外圈均与外壳1-1的内部紧密连接,用于支撑起外壳1-1的鱼形结构,保证鱼身部分内部空间和外部的相对稳定。
图1中示出的水下振动源探测装置中包含有两个布放吊钩1-4,每个布放吊钩1-4的一端与其中一个支架1-3紧密连接,另一端和与其相邻的另一个支架1-3紧密连接,且布放吊钩1-4带有圆孔的一端突出外壳1-1表面,裸露在鱼身部分的外部。当需要布放或者回收该水下振动源探测装置时,可以直接将绳索系缚到布放吊钩1-4的圆孔中,直接将水下振动源探测装置布放到水下或者从水中提拉出来。
如图1可看出,内部电子舱体4放置于多个同心平行放置的支架1-3的内环中间,并将内部电子舱体4的外壳与多个支架1-3的内环均紧密连接,保证内部电子舱体4在鱼身部分的稳固性。
如图2为本发明实施例1中水下振动源探测装置的左视图,图3为本发明实施例1中水下振动源探测装置的左视剖切图。
从图2中可看出,在外壳1-1的外表面开设有多个小孔1-5。在实施例1中,这些小孔1-5均位于水下振动源探测装置中轴线所在直线上。并在水下振动源探测装置的鱼身部分的头部也开设了一个小孔1-5,并在其中布置了一个压力传感器2。
结合图1和图3可清楚理解外壳1-1、鱼尾体1-2、多个支架1-3、至少一个布放吊钩1-4和内部电子舱体4之间的位置关系。
图4是本发明实施例1中水下振动源探测装置的俯视图,将图2与图4结合来看,更容易看出多个小孔1-5在外壳1-1表面的位置分布。由图4可看出,在实施例1中,多个小孔1-5位于鱼身部分两侧的对称位置,且结合图2可看出,位于鱼身部分两侧的呈对称分布的小孔1-5之间的连线穿过水下振动源探测装置的中轴线。
在图4中,除了通过俯视图表示清楚多个小孔1-5在外壳1-1外表面上的位置分布外,还表示出了每个小孔1-5中布置的传感器的类型。在实施例1中,在水下振动源探测装置的鱼身部分的顶部布置了一个压力传感器2,并在最接近顶部的小孔1-5的对称位置分别布置了一个流速传感器3,在鱼身部分的同一侧,与流速传感器相邻的小孔1-5位置再次布置了一个压力传感器2。以此方式,在鱼身部分的外表面同一侧小孔1-5的间隔位置布置了相同类型的传感器。外壳1-1为水密结构,且每个小孔1-5与布置于其内的传感器的边缘完全密封。
另需要说明的是,本发明提供的水下振动源探测装置中的外壳1-1、鱼尾体1-2、支架1-3、布放吊钩1-4、小孔1-5、内部电子舱体4均不仅限于图1-图4中的形状;支架1-3不仅限于图1、图3中的数量;布放吊钩1-4不仅限于图1、图3中的数量;小孔1-5不仅限于图2、图4中的数量;支架1-3的排列方式不仅限于图1、图3中所示的方式;布放吊钩1-4的排列方式不仅限于图1、图3中所示的方式;小孔1-5的排列方式不仅限于图2、图4中所示的排列方式。只要上述结构的功能与本发明所述的相同,就均在本发明的保护范围内。
如图5为本发明实施例1中内部电子舱体的结构示意图。内部电子舱体4包括了采集电路单元4-1、数据存储单元4-2和锂电池4-3。其中,采集电路单元4-1的输入端与多个压力传感器2的输出端以及多个流速传感器3的输出端电连接,用于基于多个压力传感器2采集的多个压力信息以及多个流速传感器3采集的多个流速信息得到最终的水下振动源的位置和大小估计值。数据存储单元4-2的输入端与采集电路单元4-1的输出端电连接,用于存储采集电路单元4-1最终得到的水下振动源的位置和大小估计值。锂电池4-3用于为多个压力传感器2、多个流速传感器3、采集电路单元4-1和数据存储单元4-2供电,以保证水下振动源探测装置整体的正常工作。
另需说明的是,内部电子舱体4中的结构以及各结构的数量不仅限于图5中所示的结构和数量,只要与本发明中内部电子舱体4的功能及其内部各结构的功能相同,就在本发明的保护范围内。
如图6为本发明实施例1中采集电路单元的数据处理流程示意图,其包含了多个信号放大电路、数模AD转换电路和CPU。其中每个信号放大电路的输入端与一个压力传感器2的输出端或一个流速传感器3的输出端电连接,用于获取压力传感器2采集的压力信息或流速传感器3采集的流速信息,并对其做信号放大处理。每个信号放大电路的输出端均与数模AD转换电路的输入端电连接,用于将放大后的模拟信号转换为数字信号,并将转换后的数字信号传送到CPU中,进行分析融合,得到最终的水下振动源位置和大小的估计值。其中,CPU的型号为DSP TMS320C6678,其在本发明实施例1中的具体工作过程为:
先采用势流理论构建压力状态方程、压力观测方程、流速状态方程和流速观测方程;其中势流理论常用于翼型、海浪、电渗流与地下水流的外部流场的计算,本发明中是将势流理论应用到了水下振动源参数的测量计算过程中。
压力状态方程反映的是每个压力传感器2在每个时刻得到的水下振动源信息估计值,该估计值包括水下振动源的位置坐标、半径、振幅和角速度的值;流速状态方程反映的是每个流速传感器3在每个时刻得到的水下振动源信息估计值,也包括了水下振动源的位置坐标、半径、振幅和角速度的值,不过这些值与前述的值不同,这些是每个流速传感器3估计得到的,而前述的值是每个压力传感器2估计得到的。
由于压力状态方程和流速状态方程均是线性形式的函数,而压力观测方程和流速观测方程均是非线性形式的函数,且压力观测方程反映的是每一时刻压力传感器2估计的水下振动源信息与前一时刻压力传感器2估计值的非线性关系;流速观测方程反映的是每一时刻流速传感器3估计的水下振动源信息与前一时刻流速传感器3估计值的非线性关系。本发明实施例1中为了获得最终的水下振动源的位置和大小估计值,是采用容积卡尔曼滤波方法对呈非线性关系的压力观测方程和流速观测方程进行每一时刻的求解和迭代更新。
当基于压力观测方程得到每个压力传感器2在每个时刻的水下振动源位置和大小估计值,以及基于流速观测方程得到每个流速传感器3在每个时刻的水下振动源位置和大小估计值后,本发明实施例1中采用自适应融合方法,先设定了每个传感器得到的水下振动源位置和大小估计值对应的权系数,该权系数反映的是对应的传感器得到的水下振动源位置和大小估计值在整体估计值中的权重。还定义了置信距离,反映的是每两个传感器得到的水下振动源位置和大小估计值之间的差值;定义了一致性距离,反映的是多个传感器之间的相互支持度。通过定义的置信距离和一致性距离,剔除了所有传感器得到的所有的水下振动源位置和大小估计值中的差异较大的干扰信息,有效提高了水下振动源位置和大小估计值的精确度。
进一步地,本发明实施例1中,在剔除干扰信息后,采用自适应加权方法,将剩余的每个传感器得到的水下振动源位置和大小估计值分别乘以其对应的权系数,并对所有的值求和;同时求出所有权系数的总和;最后将得到的所有值的和除以权系数的总和,得到的就是每一时刻水下振动源位置和大小的估计值,所有时刻的水下振动源位置和大小的估计值,即为利用本发明实施例1中装置和方法得到的最准确的水下振动源位置和大小估计值。
对于图6,需要说明的是,采集电路单元4-1的CPU的型号不仅限于本发明中所给出的型号,只要能够实现本发明中CPU对应功能的,就在本发明的保护范围内。
如图7为本发明实施例1中水下振动源探测方法的流程图。
其流程大致为:先采集所有压力传感器获取的压力信息以及所有流速传感器获取的流速信息。然后采用势流理论、基于压力信息构建压力状态方程和压力观测方程,采用势流理论、基于流速信息构建流速状态方程和流速观测方程。之后采用溶剂卡尔曼滤波方法对压力观测方程和流速观测方程进行求解并更新迭代,求解得到每个压力传感器在每个时刻得到的水下振动源位置和大小估计值以及每个流速传感器在每个时刻得到的水下振动源位置和大小估计值。其中容积卡尔曼滤波方法是基于三阶球面径向容积准则,使用一组容积点来逼近具有附加高斯噪声的非线性系统的状态均值和协方差,可有效用于非线性系统状态估计。最后采用自适应加权融合方法,将所有传感器在每个时刻得到的水下振动源位置和大小估计值进行加权融合,得到最终的最为准确的水下振动源位置和大小估计值,即为利用本发明实施例1中的装置和方法得到的最终结果。下面将对该方法的具体工作过程做详细介绍:
水下振动源探测方法包括三个部分:
第一部分:采用势流理论构建压力状态方程、压力观测方程、流速状态方程和流速观测方程。
第二部分:采用标准CKF方法对压力观测方程进行求解,得到基于压力信息的水下振动源位置和大小估计值;采用标准CKF方法对流速观测方程进行求解,得到基于流速信息的水下振动源位置和大小估计值。
第三部分:将基于压力信息的水下振动源位置和大小估计值与基于流速信息的水下振动源位置和大小估计值加权融合,得到最终的水下振动源位置和大小估计值。
其中,第一部分的具体过程为:
先采用势流理论构建压力状态方程和压力观测方程:
采用势流理论构建的压力状态方程为:
xk=f(xk-1)+wk-1 (1)
xk表示k时刻的压力状态向量:
xk=[xsk ysk Ak ωk ak]T (2)
其中,xsk、ysk表示压力传感器估计的k时刻振动源所处的位置坐标,设所述振动源为球形,ak表示压力传感器估计的k时刻振动源的半径,Ak表示压力传感器估计的k时刻振动源的振幅,ωk表示压力传感器估计的k时刻振动源的角速度,T表示矩阵的转置。
f(xk-1)表示k-1时刻系统的压力状态转移函数:
A表示单位矩阵,xk-1表示压力传感器估计的k-1时刻的系统状态变量,xsk-1、ysk-1表示压力传感器估计的k-1时刻振动源所处的位置坐标,ak-1表示压力传感器估计的k-1时刻振动源的半径,Ak-1表示压力传感器估计的k-1时刻振动源的振幅,ωk-1表示压力传感器估计的k-1时刻振动源的角速度。
将式(1)(2)(3)合并,可得到式(4):
由式(4)可看出,压力状态方程为线性形式。
wk-1表示k-1时刻的系统噪声,wk-1~N(0,Qk-1),
其中Qk-1表示k-1时刻的系统噪声wk-1的协方差矩阵,Qk-1=diag([0.012 0.0120.012 0.012 0.012]),diag()表示对角矩阵。
采用势流理论构建的压力观测方程为:
pk=h(xk)+vk (5)
pk表示k时刻的压力观测向量:
pk=[p(1) k p(2) k p(3) k...p(m) k]T (6)
m表示所述压力传感器的总个数,表示第1个压力传感器在k时刻的观测量,表示第2个压力传感器在k时刻的观测量,表示第3个压力传感器在k时刻的观测量,表示第m个压力传感器在k时刻的观测量,T表示矩阵的转置。
vk表示k时刻的压力观测噪声:
vk~N(0,Rk),Rk表示k时刻的压力观测噪声vk的协方差矩阵,Rk=diag([0.0320.032 0.032 0.032 0.032]),diag()表示对角矩阵。
h(xk)表示k时刻系统的压力观测函数:
其中,ρ表示水的密度,表示k时刻第1个压力传感器采集的振动源的振幅,表示k时刻第1个压力传感器采集的振动源的角速度,表示k时刻第1个压力传感器采集的振动源的半径,表示k时刻第1个压力传感器采集的振动源的位置坐标,表示k时刻第1个压力传感器的观测噪声;m表示压力传感器的总个数,表示k时刻第m个压力传感器采集的振动源的振幅,表示k时刻第m个压力传感器采集的振动源的角速度,表示k时刻第m个压力传感器采集的振动源的半径,表示k时刻第m个压力传感器采集的振动源的位置坐标,表示k时刻第m个压力传感器的观测噪声。
将式(5)(6)(7)合并,可得到式(8):
由式(8)可看出,压力观测方程为非线性形式。
采用势流理论构建的流速状态方程为:
x'k=f(x'k-1)+wk-1 (9)
x'k表示k时刻的流速状态向量:
x'k=[x'sk y'sk A'k ω'k a'k]T (10)
其中,x'sk、y'sk表示流速传感器估计的k时刻振动源所处的位置坐标,设所述振动源为球形,a'k表示流速传感器估计的k时刻振动源的半径,A'k表示流速传感器估计的k时刻振动源的振幅,ω'k表示流速传感器估计的k时刻振动源的角速度,T表示矩阵的转置。
f(x'k-1)表示k-1时刻系统的流速状态转移函数:
A表示单位矩阵,x′k-1表示流速传感器估计的k-1时刻的系统状态变量,x'sk-1、y'sk-1表示流速传感器估计的k-1时刻振动源所处的位置坐标,a'k-1表示流速传感器估计的k-1时刻振动源的半径,A'k-1表示流速传感器估计的k-1时刻振动源的振幅,ω'k-1表示流速传感器估计的k-1时刻振动源的角速度。
wk-1表示k-1时刻的系统噪声。
将式(9)(10)(11)合并,可得到式(12):
由式(12)可看出,流速状态方程为线性形式。
采用势流理论构建的流速观测方程为:
zk=H(x'k)+v'k (13)
zk表示k时刻的流速观测向量:
H(x'k)表示k时刻系统的流速观测函数:
其中,ρ表示水的密度,表示k时刻第1个流速传感器采集的振动源的振幅,表示k时刻第1个流速传感器采集的振动源的角速度,表示k时刻第1个流速传感器采集的振动源的半径,表示k时刻第1个流速传感器采集的振动源的位置坐标,表示k时刻第1个流速传感器的观测噪声;表示k时刻第n个流速传感器采集的振动源的振幅,表示k时刻第n个流速传感器采集的振动源的角速度,表示k时刻第n个流速传感器采集的振动源的半径,表示k时刻第n个流速传感器采集的振动源的位置坐标,表示k时刻第n个流速传感器的观测噪声。
v′k表示k时刻的流速观测噪声。
将式(13)(14)(15)合并,可得到式(16)为:
由式(16)可看出,流速观测方程为非线性形式。
针对计算复杂的非线性形式的压力观测方程和流速观测方程,本发明实施例1中采用了容积卡尔曼滤波方法:容积卡尔曼滤波方法(CKF)基于三阶球面径向容积准则,使用一组容积点来逼近具有附加高斯噪声的非线性系统的状态均值和协方差,能够有效实现非线性系统的状态估计。
基于此,第二部分的具体过程为:
先定义估计误差协方差矩阵、预测误差协方差矩阵和状态一步预测值的计算公式:
估计误差协方差矩阵的计算公式为:
预测误差协方差矩阵的计算公式为:
Pk|k-1=APk-1|k-1AT+Qk-1 (18)
Pk|k-1表示k时刻的预测误差协方差矩阵,A表示单位矩阵,Pk-1|k-1表示k-1时刻的估计误差协方差矩阵,T表示矩阵的转置,Qk-1表示系统噪声wk-1的协方差矩阵。
状态一步预测值的计算公式为:
本发明的主要目的就是计算出每个传感器某一时刻估计得到的估计误差协方差矩阵以及水下振动源的状态估计值,并以当前时刻的估计误差协方差矩阵和水下振动源的状态估计值作为下一时刻的这些参数,经过反复更新迭代,最终计算出每个传感器在每个时刻得到的估计误差协方差矩阵的值以及水下振动源的状态估计值。
以下是本发明中反复迭代得到每个传感器在每个时刻的估计误差协方差矩阵的值以及水下振动源的状态估计值的具体过程:
为式(2)中的压力状态向量xk=[xsk ysk Ak ωk ak]T
设定一个初值:
x0=[xs0 ys0 A0 ω0 a0]T (20)
其中,xs0、ys0表示0时刻压力传感器估计的k时刻振动源所处的位置坐标,A0表示压力传感器估计的0时刻振动源的振幅,ω0表示压力传感器估计的0时刻振动源的角速度,a0表示压力传感器估计的0时刻振动源的半径,T表示矩阵的转置;
同时为式(10)中的流速状态向量x'k=[x'sk y'sk A'k ω'k a'k]T
设定一个初值:
x‘0=[x's0 y's0 A'0ω'0 a'0]T (21)
其中,x's0、y's0表示0时刻流速传感器估计的k时刻振动源所处的位置坐标,A'0表示流速传感器估计的0时刻振动源的振幅,ω'0表示流速传感器估计的0时刻振动源的角速度,a'0表示流速传感器估计的0时刻振动源的半径,T表示矩阵的转置。
将初值x0和x'0分别代入到式(17)中,可分别计算出压力传感器对应的0时刻的估计误差协方差矩阵P0|0和流速传感器对应的0时刻的估计误差协方差矩阵P′0|0。
之后将求得的0时刻的估计误差协方差矩阵P0|0和0时刻的估计误差协方差矩阵P′0|0分别代入到式(18)中;
可分别计算得到压力传感器对应的1时刻的预测误差协方差矩阵P1|0和流速传感器对应的1时刻的预测误差协方差矩阵P′1|0。
令Pk|k-1=Sk|k-1(Sk|k-1)T,对预测误差协方差矩阵Pk|k-1进行因式分解,得到Sk|k-1,Sk|k-1表示由预测误差协方差矩阵Pk|k-1得到的因式分解向量。
其中,ξi表示第i个容积点,n表示本发明实施例1中状态向量的维数,n=5;[1]i表示n维单位向量的第i列元素。根据上述式(22)可计算得到2n个容积点的值。
接着给出了2n个k-1时刻容积点值的计算公式:
ζ* i,k|k-1=h(Xi k|k-1),i=1…2n (23)
利用下式:
对2n个k-1时刻容积点的值进行求和平均,得到k时刻的观测预测值。
之后结合式(19)(23)(24)计算得到下式:
Pxp,k|k-1表示k时刻和k-1时刻的状态观测互协方差矩阵。
结合式(23)(24)计算得到下式:
其中,Ppp,k|k-1表示k时刻的新息方差。
将式(25)与(26)结合,得到:
Kk=Pxp,k|k-1P-1 pp,k|k-1 (27)
其中,Kk表示k时刻的增益矩阵。
最后,结合式(18)(26)(27)计算得到下式:
Pk|k=Pk|k-1-KkPpp,k|k-1KT k (28)
结合式(17)(19)(24)(27)计算得到下式:
本发明实施例1中是直接将式(20)设定的初始压力状态向量和式(21)设定的初始流速状态向量分别代入到第二部分所述的具体过程中,可分别求得0时刻压力传感器的估计误差协方差矩阵的值P0|0、0时刻流速传感器的估计误差协方差矩阵的值P0'|0、0时刻压力传感器估计的水下振动源的状态估计值0时刻流速传感器估计的水下振动源的状态估计值之后以这些值作为第二部分的初始值,再次通过第二部分计算得到1时刻的上述值。最终经过多次更新迭代求解得到每一压力传感器在每一时刻的估计误差协方差矩阵的值、每一压力传感器估计的k时刻水下振动源的状态估计值;以及每一流速传感器在每一时刻的估计误差协方差矩阵的值、每一流速传感器估计的k时刻水下振动源的状态估计值。
第三部分的具体过程为:
定义置信距离计算公式:
其中,表示k时刻两个传感器之间的置信距离,||||表示范数,是具有长度概念的函数,zk,α表示两个传感器中的其中一个在k时刻的状态估计值,zk,β表示两个传感器中的另一个在k时刻的状态估计值,m表示压力传感器的总数量,n表示流速传感器的总数量,M表示压力传感器和流速传感器的数量之和。
通过第二部分的更新迭代过程,可以求得每一压力传感器估计的k时刻水下振动源的状态估计值以及每一流速传感器估计的k时刻水下振动源的状态估计值。在第三部分中,先将同一时刻的所有状态估计值混合,每次在同一时刻的状态估计值中选出两个,代入到式(30)中,求得两者之间的置信距离的值。在得到同一时刻所有置信距离的值后,对这些值做归一化处理,并设定置信距离的目标范围,将符合目标范围的置信距离的值取出;
之后定义一致性距离函数:
将取出的符合目标范围的多个置信距离代入到一致性距离函数中,求出同一时刻的多个一致性距离值,设置一致性距离的目标范围,将符合目标范围的一致性距离的值取出。
最后定义多传感器量测融合值计算公式:
将符合目标范围的一致性距离的值对应的传感器在k时刻的状态估计值代入到所述多传感器量测融合值计算公式中,求得k时刻的多传感器量测融合值,再将k时刻的多传感器量测融合值代回到压力状态方程或流速状态方程中,得到利用水下振动源探测方法求得的k时刻水下振动源的位置坐标、半径、振幅和角速度值。基于k个时刻的水下振动源的位置坐标、半径、振幅和角速度值,可实现对水下振动源实时状态的准确探测。
通过上述可看出,本发明提供的水下振动源探测方法的关键点有三:
一是采用了符合水下状态估计条件的势流理论,并基于势流理论构建了能够准确反映水下振动源状态的压力状态方程和流速状态方程,基于势流理论构建了能够准确反映观测信息的压力观测方程和流速观测方程;基于势流理论构建的上述方程,首先在一定程度上保证了水下振动源状态的估计准确度。
二是分析发现构建的压力观测方程和流速观测方程均为非线性形式,为了对非线性形式的方程进行求解,并得到较为准确的计算结果,本发明采用了容积卡尔曼滤波方法,分别对压力传感器和流速传感器进行状态估计,通过更新迭代,得到了每一时刻基于压力信息的水下振动源的状态估计值以及每一时刻基于流速信息的水下振动源的状态估计值,简单有效地实现了对每一时刻水下振动源状态的探测。
三是采用自适应加权融合方法对得到的每一时刻基于压力信息的水下振动源的状态估计值以及每一时刻基于流速信息的水下振动源的状态估计值进行归一化和去噪处理,通过设置置信距离的目标范围以及一致性距离的目标范围,滤除状态估计值中的干扰值,进一步提高水下振动源状态估计值的准确度。
从而本发明利用上述三个关键点实现了水下振动源位置和大小的实时准确探测。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种水下振动源探测装置,其特征在于,包括:
外壳,起支撑作用;
所述外壳的表面布置有多个压力传感器和多个流速传感器;所述压力传感器用于采集水下的压力信息,所述流速传感器用于采集水下的流速信息;
所述外壳的内部固定有一内部电子舱体;所述内部电子舱体的输入端与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接,用于处理融合多个所述压力信息和多个所述流速信息;
所述内部电子舱体包括:
采集电路单元,其输入端作为所述内部电子舱体的输入端,与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接;
所述采集电路单元的内部包括CPU,用于处理融合多个所述压力信息和多个所述流速信息,得到水下振动源的位置和大小估计值;
过程包括:
采用势流理论建立压力状态方程、压力观测方程、流速状态方程和流速观测方程;
基于建立的压力状态方程和压力观测方程,采用容积卡尔曼滤波方法,计算得到基于压力信息的水下振动源的位置和大小估计值;基于建立的流速状态方程和流速观测方程,采用容积卡尔曼滤波方法,计算得到基于流速信息的水下振动源的位置和大小估计值;
采用自适应加权融合方法,融合计算得到的基于压力信息的水下振动源的位置和大小估计值以及基于流速信息的水下振动源的位置和大小估计值,得到最终的水下振动源的位置和大小估计值。
2.根据权利要求1所述的水下振动源探测装置,其特征在于,所述内部电子舱体还包括:
数据存储单元,其输入端作为所述内部电子舱体的输入端,与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接,用于存储采集的压力信息和流速信息;所述数据存储单元的输出端与所述采集电路单元的输入端电连接;
锂电池,用于为所述水下振动源探测装置供电。
3.根据权利要求1所述的水下振动源探测装置,其特征在于,所述采集电路单元还包括:
信号放大电路,其输入端与多个所述压力传感器的输出端和多个所述流速传感器的输出端电连接,用于对采集的压力信息和流速信息做放大处理,得到放大后的压力信息和放大后的流速信息;
数模AD转换电路,其输入端与所述信号放大电路的输出端电连接,用于将放大后的压力信息和放大后的流速信息进行数模转换,得到转换后的压力信息和转换后的流速信息,并将转换后的压力信息和转换后的流速信息传输给所述CPU。
4.根据权利要求1所述的水下振动源探测装置,其特征在于,
所述外壳包括呈椭圆体的鱼形舱体和鱼尾体,所述鱼尾体与所述鱼形舱体的其中一个尖端位置连接,使所述外壳整体为鱼形;所述鱼形舱体的另一个尖端位置布置一个压力传感器;
所述鱼形舱体的其中一个尖端位置与另一个尖端位置的连线为所述外壳的中轴线,所述外壳关于所述中轴线呈镜像对称;
所述鱼形舱体的表面沿中轴线呈镜像对称地开有多个小孔;多个所述压力传感器和多个所述流速传感器镜像对称布置于多个所述小孔内;同一侧的相邻两个传感器为不同类型的传感器,且相邻两个传感器之间间隔设定的距离。
5.根据权利要求4所述的水下振动源探测装置,其特征在于,所述外壳还包括:
多个支架,沿所述中轴线在所述外壳的内部对称布置,用于支撑所述外壳;
至少一个布放吊钩,位于所述外壳的表面;所述布放吊钩所在直线和所述中轴线构成的平面,与对称布置的两个传感器之间的连线垂直;所述布放吊钩用于所述水下振动源探测装置的布放和吊起。
6.一种水下振动源探测方法,其特征在于,包括:
获取置于水下的多个压力传感器采集的多个压力信息以及多个流速传感器采集的多个流速信息;
采用势流理论建立压力状态方程、压力观测方程、流速状态方程和流速观测方程;
基于建立的压力状态方程和压力观测方程,采用容积卡尔曼滤波方法,计算得到基于压力信息的水下振动源的位置和大小估计值;基于建立的流速状态方程和流速观测方程,采用容积卡尔曼滤波方法,计算得到基于流速信息的水下振动源的位置和大小估计值;
采用自适应加权融合方法,融合计算得到的基于压力信息的水下振动源的位置和大小估计值以及基于流速信息的水下振动源的位置和大小估计值,得到最终的水下振动源的位置和大小估计值。
7.根据权利要求6所述的水下振动源探测方法,其特征在于,所述水下振动源的位置和大小估计值包括:
所述振动源的位置坐标、半径、振幅和角速度。
8.根据权利要求6所述的水下振动源探测方法,其特征在于,建立的所述压力状态方程为:
xk=f(xk-1)+wk-1;
xk表示k时刻的压力状态向量;
f(xk-1)表示k-1时刻系统的压力状态转移函数,wk-1表示k-1时刻的系统噪声;
xk=[xsk ysk Ak ωk ak]T;
其中,xsk、ysk表示k时刻压力传感器估计的振动源所处的位置坐标,设所述振动源为球形,ak表示k时刻压力传感器估计的振动源的半径,Ak表示k时刻压力传感器估计的振动源的振幅,ωk表示k时刻压力传感器估计的振动源的角速度,T表示矩阵的转置;
A表示单位矩阵,xk-1表示k-1时刻的系统状态变量,xsk-1、ysk-1表示k-1时刻压力传感器估计的振动源所处的位置坐标,ak-1表示k-1时刻压力传感器估计的振动源的半径,Ak-1表示k-1时刻压力传感器估计的振动源的振幅,ωk-1表示k-1时刻压力传感器估计的振动源的角速度;
wk-1~N(0,Qk-1);
其中Qk-1表示k-1时刻的系统噪声wk-1的协方差矩阵,Qk-1=diag([0.012 0.012 0.0120.012 0.012]),diag()表示对角矩阵;
所述压力观测方程为:
pk=h(xk)+vk;
pk表示k时刻的压力观测向量,h(xk)表示k时刻系统的压力观测函数,vk表示k时刻的压力观测噪声;
pk=[p(1) k p(2) k p(3) k...p(m) k]T;
m表示所述压力传感器的总个数,表示第1个压力传感器在k时刻的观测量,表示第2个压力传感器在k时刻的观测量,表示第3个压力传感器在k时刻的观测量,表示第m个压力传感器在k时刻的观测量,T表示矩阵的转置;
vk~N(0,Rk),Rk表示k时刻的压力观测噪声vk的协方差矩阵,Rk=diag([0.032 0.0320.032 0.032 0.032]),diag()表示对角矩阵;
其中,ρ表示水的密度,表示k时刻第1个压力传感器采集的振动源的振幅,表示k时刻第1个压力传感器采集的振动源的角速度,表示k时刻第1个压力传感器采集的振动源的半径,表示k时刻第1个压力传感器采集的振动源的位置坐标,表示k时刻第1个压力传感器的观测噪声;m表示压力传感器的总个数,表示k时刻第m个压力传感器采集的振动源的振幅,表示k时刻第m个压力传感器采集的振动源的角速度,表示k时刻第m个压力传感器采集的振动源的半径,表示k时刻第m个压力传感器采集的振动源的位置坐标,表示k时刻第m个压力传感器的观测噪声;
所述流速状态方程为:
x'k=f(x'k-1)+wk-1;
x'k表示k时刻的流速状态向量,f(x'k-1)表示k-1时刻系统的流速状态转移函数,wk-1表示k-1时刻的系统噪声;
x'k=[x'sk y'sk A'k ω'k a'k]T;
其中,x'sk、y'sk表示流速传感器估计的k时刻振动源所处的位置坐标,设所述振动源为球形,a'k表示流速传感器估计的k时刻振动源的半径,A'k表示流速传感器估计的k时刻振动源的振幅,ω'k表示流速传感器估计的k时刻振动源的角速度,T表示矩阵的转置;
A表示单位矩阵,x'k-1表示流速传感器估计的k-1时刻的系统状态变量,x'sk-1、y'sk-1表示流速传感器估计的k-1时刻振动源所处的位置坐标,a'k-1表示流速传感器估计的k-1时刻振动源的半径,A'k-1表示流速传感器估计的k-1时刻振动源的振幅,ω'k-1表示流速传感器估计的k-1时刻振动源的角速度;
所述流速观测方程为:
zk=H(x'k)+v'k;
zk表示k时刻的流速观测向量;
H(x'k)表示k时刻系统的流速观测函数,v'k表示k时刻的流速观测噪声;
9.根据权利要求6所述的水下振动源探测方法,其特征在于,
所述计算得到基于压力信息的水下振动源的位置和大小估计值以及所述计算得到基于流速信息的水下振动源的位置和大小估计值的具体过程为:
设定0时刻的压力状态向量x0:
x0=[xs0 ys0 A0 ω0 a0]T;
其中,xs0、ys0表示0时刻压力传感器估计的k时刻振动源所处的位置坐标,A0表示压力传感器估计的0时刻振动源的振幅,ω0表示压力传感器估计的0时刻振动源的角速度,a0表示压力传感器估计的0时刻振动源的半径,T表示矩阵的转置;
设定0时刻的流速状态向量x'0:
x'0=[x's0 y's0 A'0 ω'0 a'0]T;
其中,x's0、y's0表示0时刻流速传感器估计的k时刻振动源所处的位置坐标,A'0表示流速传感器估计的0时刻振动源的振幅,ω'0表示流速传感器估计的0时刻振动源的角速度,a'0表示流速传感器估计的0时刻振动源的半径,T表示矩阵的转置;
之后,将所述0时刻的压力状态向量x0代入到所述压力状态方程和所述压力观测方程中,求得1时刻的压力状态向量x1,并更新压力状态向量x1中各参数,得到1时刻基于压力信息的水下振动源的位置和大小估计值;之后再将1时刻的压力状态向量x1代入到所述压力状态方程和所述压力观测方程中,求得2时刻的压力状态向量x2,并更新压力状态向量x2中各参数;直到求得k时刻的压力状态向量xk,并更新压力状态向量xk中各参数,得到k时刻基于压力信息的水下振动源的位置和大小估计值;
同理,将所述0时刻的流速状态向量x'0代入到所述流速状态方程和所述流速观测方程中,求得1时刻的流速状态向量x'1,并更新流速状态向量x'1中各参数,得到1时刻基于流速信息的水下振动源的位置和大小估计值;之后再将1时刻的流速状态向量x'1代入到所述流速状态方程和所述流速观测方程中,求得2时刻的流速状态向量x'2,并更新流速状态向量x'2中各参数;直到求得k时刻的流速状态向量x'k,并更新流速状态向量x'k中各参数,得到k时刻基于流速信息的水下振动源的位置和大小估计值。
10.根据权利要求6所述的水下振动源探测方法,其特征在于,所述采用自适应加权融合方法,得到最终的水下振动源的位置和大小估计值的具体过程为:
定义置信距离计算公式:
其中,表示k时刻两个传感器之间的置信距离,||||表示范数,是具有长度概念的函数,zk,α表示两个传感器中的其中一个在k时刻的状态估计值,zk,β表示两个传感器中的另一个在k时刻的状态估计值,m表示压力传感器的总数量,n表示流速传感器的总数量,M表示压力传感器和流速传感器的数量之和;
将k时刻所有传感器的状态估计值代入到所述置信距离计算公式中,求得多个置信距离的值,对这些值做归一化处理,并设定置信距离的目标范围,将符合目标范围的置信距离的值取出;
定义一致性距离函数:
将取出的符合目标范围的多个置信距离代入到一致性距离函数中,求出多个一致性距离值,设置一致性距离的目标范围,将符合目标范围的一致性距离的值取出,并确定符合目标范围的一致性距离的值对应的传感器在k时刻的状态估计值;
定义多传感器量测融合值计算公式:
将符合目标范围的一致性距离的值对应的传感器在k时刻的状态估计值代入到所述多传感器量测融合值计算公式中,求得k时刻的多传感器量测融合值,再将k时刻的多传感器量测融合值代回到压力状态方程或流速状态方程中,得到利用水下振动源探测方法求得的k时刻水下振动源的位置坐标、半径、振幅和角速度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038638.6A CN112147712B (zh) | 2020-09-28 | 2020-09-28 | 一种水下振动源探测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011038638.6A CN112147712B (zh) | 2020-09-28 | 2020-09-28 | 一种水下振动源探测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112147712A true CN112147712A (zh) | 2020-12-29 |
CN112147712B CN112147712B (zh) | 2021-10-01 |
Family
ID=73894963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011038638.6A Active CN112147712B (zh) | 2020-09-28 | 2020-09-28 | 一种水下振动源探测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112147712B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2468446A (en) * | 2007-12-12 | 2010-09-08 | Exxonmobil Upstream Res Co | Method and apparatus for evaluating submarine formations |
US20110041754A1 (en) * | 2009-08-19 | 2011-02-24 | Lockheed Martin Corporation | Systems and methods for underwater descent rate reduction |
CN105333988A (zh) * | 2015-11-25 | 2016-02-17 | 中国海洋大学 | 一种人工侧线压力检测方法 |
CN205209685U (zh) * | 2015-11-25 | 2016-05-04 | 中国海洋大学 | 一种人工侧线压力检测装置 |
CN106564577A (zh) * | 2016-11-02 | 2017-04-19 | 中国海洋大学 | 一种基于仿生侧线的多功能auv |
CN108304810A (zh) * | 2018-02-07 | 2018-07-20 | 西安交通大学 | 基于神经网络的水下仿生侧线水压与水流场信息探测方法 |
CN110986895A (zh) * | 2019-12-06 | 2020-04-10 | 昆明理工大学 | 基于卡尔曼滤波算法判断铅鱼完全入水的方法及系统 |
-
2020
- 2020-09-28 CN CN202011038638.6A patent/CN112147712B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2468446A (en) * | 2007-12-12 | 2010-09-08 | Exxonmobil Upstream Res Co | Method and apparatus for evaluating submarine formations |
US20110041754A1 (en) * | 2009-08-19 | 2011-02-24 | Lockheed Martin Corporation | Systems and methods for underwater descent rate reduction |
CN105333988A (zh) * | 2015-11-25 | 2016-02-17 | 中国海洋大学 | 一种人工侧线压力检测方法 |
CN205209685U (zh) * | 2015-11-25 | 2016-05-04 | 中国海洋大学 | 一种人工侧线压力检测装置 |
CN106564577A (zh) * | 2016-11-02 | 2017-04-19 | 中国海洋大学 | 一种基于仿生侧线的多功能auv |
CN108304810A (zh) * | 2018-02-07 | 2018-07-20 | 西安交通大学 | 基于神经网络的水下仿生侧线水压与水流场信息探测方法 |
CN110986895A (zh) * | 2019-12-06 | 2020-04-10 | 昆明理工大学 | 基于卡尔曼滤波算法判断铅鱼完全入水的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112147712B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459040B (zh) | 基于rbf神经网络辅助容积卡尔曼滤波的多auv协同定位方法 | |
KR101732835B1 (ko) | 관성 장치, 방법, 및 프로그램 | |
CN108445444B (zh) | 修正容积卡尔曼滤波直接定位方法 | |
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 | |
CN107179535A (zh) | 一种基于畸变拖曳阵的保真增强波束形成的方法 | |
CN109579850B (zh) | 基于对水速度辅助惯导的深水智能导航方法 | |
Meurer et al. | Differential pressure sensor speedometer for autonomous underwater vehicle velocity estimation | |
CN112284384A (zh) | 考虑量测异常的集群式多深海潜航器的协同定位方法 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN112147712B (zh) | 一种水下振动源探测装置及方法 | |
CN110082611B (zh) | 一种电场测量装置的定位方法 | |
CN112710304A (zh) | 一种基于自适应滤波的水下自主航行器导航方法 | |
CN114459477B (zh) | 一种基于改进的pso-anfis辅助的sins/dvl紧组合导航方法 | |
CN110703205A (zh) | 基于自适应无迹卡尔曼滤波的超短基线定位方法 | |
CN108398670A (zh) | 一种基于旋转干涉仪的脉冲信号测向方法及装置 | |
Jørgensen et al. | Underwater position and attitude estimation using acoustic, inertial, and depth measurements | |
Stanway | Dead reckoning through the water column with an acoustic Doppler current profiler: Field experiences | |
Zhang et al. | Real-time localization for underwater equipment using an extremely low frequency electric field | |
CN116482984B (zh) | 基于船舶拖缆张力监测的模型自适应最优控制方法及系统 | |
CN107063300A (zh) | 一种基于反演的水下导航系统动力学模型中扰动估计方法 | |
He et al. | A SINS/USBL system-level installation parameter calibration with improved RDPSO | |
CN115015839A (zh) | 一种浅海水下目标被动定位系统 | |
Zhu et al. | A hybrid step model and new azimuth estimation method for pedestrian dead reckoning | |
CN116295538B (zh) | 一种基于改进粒子滤波的usbl安装误差标定方法 | |
CN113190912B (zh) | 舰艇振动壳体的辐射噪声预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |