CN114413907A - 一种人工智能的潜艇导航系统 - Google Patents
一种人工智能的潜艇导航系统 Download PDFInfo
- Publication number
- CN114413907A CN114413907A CN202210067319.0A CN202210067319A CN114413907A CN 114413907 A CN114413907 A CN 114413907A CN 202210067319 A CN202210067319 A CN 202210067319A CN 114413907 A CN114413907 A CN 114413907A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- serial port
- navigation
- data acquisition
- 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.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 230000006854 communication Effects 0.000 claims abstract description 74
- 238000004891 communication Methods 0.000 claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 239000003016 pheromone Substances 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 34
- 210000002569 neuron Anatomy 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000010365 information processing Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Abstract
本发明公开了一种人工智能的潜艇导航系统，包括串口通信模块、滤波算法模块以及网络通信模块，所述串口通信模块通过串口驱动程序实现串口通信，所述滤波算法模块通过对采集的传感器数据进行滤波，以获得高精度的位置、姿态、速度、航向和离底高度信息，所述网络通信模块用于将导航系统作为客户机，水下主控系统作为服务器，在正常工况下完成对服务器查询信息实时侦听并向服务器发送导航信息的功能。本发明提供了一种人工智能的潜艇导航系统，可以实现导航规划自动化、智能化航行。
Description
技术领域
本发明涉及水下导航领域，尤其涉及一种人工智能的潜艇导航系统。
背景技术
潜艇出航一般都是按照既定的航路行驶的。但潜艇在深水之中，无法观察到外界的导航标志，必须要有先进的水下导航仪器随时定位，不断地修正航路，才能确保不偏航。
水下导航一般使用多传感器信息融合，在本质上属于位置和属性的融合，它是信息融合系统的最底层，是根据系统的物理模型，由状态方程和量测方程描述系统的出现也对导航定和对系统模型噪声及传感器噪声统计特性的假设，将量测数据映射到状态矢量空间，在传统的导航概念中将其称为导航数据处理。随着网络技术和人工智能理论的发展，舰船上综合导航系统的使命已由过去的单一保障航行安全，增加对电子武器系统、通信系统的支撑，要实现潜艇导航规划自动化、智能化航行势在必行。
发明内容
本发明为了解决以上问题，提供了一种人工智能的潜艇导航系统，可以实现导航规划自动化、智能化航行。
为实现上述目的，本发明所采用的技术方案如下：
一种人工智能的潜艇导航系统，包括串口通信模块、滤波算法模块以及网络通信模块，所述串口通信模块通过串口驱动程序实现串口通信，所述滤波算法模块通过对采集的传感器数据进行滤波，以获得高精度的位置、姿态、速度、航向和离底高度信息，所述网络通信模块用于将导航系统作为客户机，水下主控系统作为服务器，在正常工况下完成对服务器查询信息实时侦听并向服务器发送导航信息的功能。
可选的，所述串口通信模块包括PHINS数据采集模块、GPS数据采集模块、DVk 数据采集模块、深度计数据采集模块、高度计数据采集模块、应急串口通信模块，每个模块包括串口初始化任务模块和数据采集及处理任务模块。
可选的，所述串口初始化任务模块用于设置串行口的参数和串口模式，所述数据采集及处理任务模块用于接收串口缓存区的数据，并进行处理，所述PHINS数据采集模块、GPS数据采集模块、DVk数据采集模块、深度计数据采集模块、高度计数据采集模块、应急串口通信模块的串口通信均采用中断的方式进行数据的接收，各串口的通信流程相同，与应急单元通信时，若接收到应急查询指令，则将滤波计算后的导航信息反馈至应急单元。
可选的，所述网络通信模块包括网络初始化模块和网络数据传输模块，所述网络数据通信模块用于创建通信套接字并与服务器建立连接，所述网络数据传输模块用于在水下主控定时向导航系统发送查询报文，当导航单元接收到水下主控单元查询信息，便立即将滤波计算后最新的位姿、速度、离底高度、系统工作状态等导航综合信息反馈给水下主控单元。
可选的，所述滤波算法模块包括联邦滤波算法模块、高度信息处理模块以及组合导航算法模块。
可选的，所述联邦滤波算法模块采用基于无迹卡尔曼预测的联邦算法，对PHINS的三维位置、速度、姿态和航向数据，DVk的三轴速度数据，GPS的经纬度数据和深度计的深度数据进行数据融合，得到艇体的经纬度、深度、速度和姿态误差的最优估计。
可选的，所述高度信息处理模块用于对DVk的离底高度数据和高度的测高数据进行处理，得到精确的艇体离水底的高度信息。
可选的，所述联邦滤波算法模块包括时间更新任务模块、第一子滤波器量测更新任务模块、第二子滤波器量测更新任务模块、第三子滤波器量测更新任务模块和主滤波器数据融合任务模块，在第一次滤波时，先需要进行系统信息分配和滤波参数初始化过程，DVk数据采集完成信号量、GPS数据采集完成信号量、深度计数据采集完成信号量进行三个子滤波器的量测更新，程序定时释放主滤波器信号量，获取该信号量即可进行主滤波器的数据融合过程，从而计算出估计的状态量。
可选的，所述高度信息处理模块分别对DVk和高度计的高度数据进行卡尔曼滤波，求得当前时刻各自的滤波估计值和均方差值，然后根据最优自适应加权融合算法，计算各传感器的权因子，并得出融合后的高度信息值。
可选的，组合导航算法模块使用机器学习算法获得艇体的信息素以及路径点，并通过函数设计和信息素更新给出艇体的导航规划，其中，将艇体的信息素存储在组合导航算法模块的离散点上，合导航算法模块中任意二元组对应一个信息素值，信息素值的大小代报该离散点对神经元的吸引程度；
路径点通过设S(XS，YS，ZS)和G(XG，YG，ZG)在所述组合导航算法模离散点集合中搜索得到与S、G最近的两个点pS、pG，使用pS、pG的位置袋体S、G的位置径向导航规划，然后计算pS、pG对应的序号坐标在经纬度变化方向上的差值大小，若满足丨is-ig丨≥丨js-jg丨，则选取纬度变化方向为神经元移动的主方向，否则，选取经度变化方向为神经元移动的主方向；
所述函数为：H(i，j，k)＝[S(i，j，k)w1]*[F(i，j，k)w2]*[D(i，j，k) w3]*[M(i，j，k)w4]*[C(i，j，k)w5]，式中[S(i，j，k)为环境障碍时的安全性因素，F(i，j，k)为考虑负密度跃层区域和内波区域时的安全性冈素，D(i，j，k) 为快速航行因素，M(i，j，k)为同一深度面航行因素，C(i，j，k)为隐蔽性因素，w1、w2、w3、w4、w5为系数，代表上述各因素的重要程度；
信息素更新包括局部信息素更新和全局信息素更新，局部信息素更新在神经元构建路径的过程中进行，神经元每选定一个路径点(i，j，k)，都将立刻调用该规则更新该路径点上的信息素，其更新方法如公式：Tijk＝(1-N)*Tijk+N*T0，式中T为参数， 0＜T＜1，T0为各行点信息素量的初始值，全局信息素更新在所有神经元均构建完一条路径后进行，算法使用函数对每只神经元找到的路径进行评价，对应函数值最大的精英神经元所找到的路径上的可行点将进行全局信息素更新，函数和全局信息素更新办法分别如公式：feval(m)＝ΣLm(i)，式中feval(m)为第m只神经元所走路径的函数，Lm(i)为第m只神经元所走路径中第i段路径的长度，Tijk＝(1-ρ)*Tijk+ρ*Δ Tijk，式中ρ为信息素挥发因子0＜ρ＜1。
本发明与现有技术相比，所取得的技术进步在于：
本发明通以组合导航算法模块的机器学习算法为核心，GPS、DVL、深度计和高度计为辅助设备的组合导航系统方案，获得艇体的信息素以及路径点，并通过函数设计和信息素更新给出艇体的导航规划，实现了导航规划自动化、智能化航行。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1为本发明的结构原理图。
图2为本发明串口通信模块的流程图。
具体实施方式
下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
实施例一
如图1所示，本发明公开了一种人工智能的潜艇导航系统，包括串口通信模块、滤波算法模块以及网络通信模块，所述串口通信模块通过串口驱动程序实现串口通信，所述滤波算法模块通过对采集的传感器数据进行滤波，以获得高精度的位置、姿态、速度、航向和离底高度信息，所述网络通信模块用于将导航系统作为客户机，水下主控系统作为服务器，在正常工况下完成对服务器查询信息实时侦听并向服务器发送导航信息的功能。
实施例二
如图2所示的，串口通信模块：该模块主要通过串口驱动程序实现串口通信。该模块主要实现两方面的功能，分别为传感器的数据采集功能和与应急单元的串口通信功能。传感器数据采集由包括与PHINS和GPS的RS422串口通信，与DVL和深度计的 RS232通信和与高度计的RS485通信，并对收到的数据进行校验和解包，获取组合导航滤波计算所需的数据。与应急单元的串口通信仅存在于应急工况下，此时应急单元通过485串口向导航系统发送查询报文，导航系统则将原本发送至水下主控的导航信息通过串口发送至应急单元。
滤波算法模块：该模块通过对采集的传感器数据进行滤波，以获得高精度的位置、姿态、速度、航向和离底高度信息。根据系统的滤波设计，该模块的滤波算法又可分为两部分，即PHINS/DVL/GPS/深度计的联邦UKF滤波算法和DVL与高度计的高度信息冗余算法。
网络通信模块：该模块主要基于TCP/IP网络通信协议，将导航系统作为客户机，水下主控系统作为服务器，在正常工况下完成对服务器查询信息实时侦听并向服务器发送导航信息的功能。
实施例三
具体的，串口通信模块包括PHINS数据采集模块、GPS数据采集模块、DVk数据采集模块、深度计数据采集模块、高度计数据采集模块、应急串口通信模块6个模块组成，每个串口任务又由串口初始化任务和数据采集及处理任务两部分组成。在串口初始化任务中，可以设置串行口的参数(起始位、数据位、停止位和波特率)和串口模式(RS232、RS485、RS422)。而数据采集及处理任务则用以接收串口缓存区的数据，并进行处理。PHINS、DVL、GPS、深度计、高度计和水下应急系统的串口通信均采用中断的方式进行数据的接收，各串口的通信流程基本相同，但与应急单元通信时，若接收到应急查询指令，则需将滤波计算后的导航信息反馈至应急单元。
在串口通信过程中，若3s内为收到数据，则认为该串口的通信连接断开，将通信故障标志位置1；若接收到数据，但连续5次校验错误，则可能是串口参数设置不正确或通信出现干扰，将校验错误标志位置1。当与导航传感器进行通信时，需要根据对应的传感器数据协议进行解包，得出滤波所需的数据，包括PHINS的经纬度、高度、三维速度、姿态和航向信息，DVL的三轴速度和离底高度信息，GPS的经纬度信息，深度计的深度信息和高度计的测底高度值。与传感器通信完成后，释放该传感器通信完成信号量。
实施例四
网络通信模块使用TCP/IP协议，TCP/IP协议是VxWorks实现网络间进程通信的主要机制，它又包括IP协议、Internet协议和传输层协议，而传输层协议又可分为 TCP协议和UDP协议。其中UDP协议是一种面向无连接的通讯方式，不能确保数据的可靠传输；而TCP协议需要在客户端与服务器间建立一条虚拟连接，虽然增加了时间开销，但可确保数据在传输过程中不丢失。出于可靠性考虑，网络通信模块采用基于客户端/服务器(C/S)的TCP通信，并以导航单元为客户端，以水下主控单元为服务器。
网络通信模块也可分为网络初始化任务和网络数据传输任务两部分。网络数据通信前需要先创建通信套接字并与服务器建立连接，这一过程在网络初始化任务中完成。在网络数据传输任务中，水下主控定时向导航系统发送查询报文(正常工况)，当导航单元接收到水下主控单元查询信息，便立即将滤波计算后最新的位姿、速度、离底高度、系统工作状态等导航综合信息反馈给水下主控单元。由于在主控系统中对与导航通信的通信状态进行了判断，因而这里无需再判断两单元间的通信状态。
实施例五
滤波算法模块包括联邦滤波算法模块、高度信息处理模块以及组合导航算法模块，联邦滤波算法模块采用基于无迹卡尔曼预测的联邦算法，对PHINS的三维位置、速度、姿态和航向数据，DVL的三轴速度数据，GPS的经纬度数据和深度计的深度数据进行数据融合，得到艇体的经纬度、深度、速度和姿态误差的最优估计；高度信息处理模块对DVL的离底高度数据和高度的测高数据进行处理，得到较为精确的艇体离水底的高度信息。
联邦滤波算法模块该模块由4个模块组成，分别为时间更新任务模块、第一子滤波器量测更新任务模块、第二子滤波器量测更新任务模块、第三子滤波器量测更新任务模块和主滤波器数据融合任务模块。在第一次滤波时，先需要进行系统信息分配和滤波参数初始化过程。由于PHINS的数据刷新频率要比其他传感器块，而UKF子滤波器的时间更新过程仅与PHINS数据有关，因此当获得被释放的PHINS数据采集完成信号量即可进行各子滤波器的时间更新过程。而获得DVL数据采集完成信号量、GPS数据采集完成信号量、深度计数据采集完成信号量则可分别进行3个子滤波器的量测更新过程。程序定时释放主滤波器信号量，获取该信号量即可进行主滤波器的数据融合过程，从而计算出估计的状态量。
高度信息处理模块用于当获得定时器定时释放的高度信息滤波信号量，程序即进行高度信息的融合计算。导航系统对高度信息的处理采用最优自适应加权融合算法，该算法的计算过程可分为两个步骤：第一步，需要分别对DVL和高度计的高度数据进行卡尔曼滤波，求得当前时刻各自的滤波估计值和均方差值；第二步，根据最优自适应加权融合算法，计算各传感器的权因子，并得出融合后的高度信息值。另外，在第一次滤波时，仍需初始化滤波参数。
组合导航算法模块使用机器学习算法获得艇体的信息素以及路径点，并通过函数设计和信息素更新给出艇体的导航规划，其中，将艇体的信息素存储在组合导航算法模块的离散点上，合导航算法模块中任意二元组对应一个信息素值，信息素值的大小代报该离散点对神经元的吸引程度；
路径点通过设S(XS，YS，ZS)和G(XG，YG，ZG)在所述组合导航算法模离散点集合中搜索得到与S、G最近的两个点pS、pG，使用pS、pG的位置袋体S、G的位置径向导航规划，然后计算pS、pG对应的序号坐标在经纬度变化方向上的差值大小，若满足丨is-ig丨≥丨js-jg丨，则选取纬度变化方向为神经元移动的主方向，否则，选取经度变化方向为神经元移动的主方向；
所述函数为：H(i，j，k)＝[S(i，j，k)w1]*[F(i，j，k)w2]*[D(i，j，k) w3]*[M(i，j，k)w4]*[C(i，j，k)w5]，式中[S(i，j，k)为环境障碍时的安全性因素，F(i，j，k)为考虑负密度跃层区域和内波区域时的安全性冈素，D(i，j，k) 为快速航行因素，M(i，j，k)为同一深度面航行因素，C(i，j，k)为隐蔽性因素， w1、w2、w3、w4、w5为系数，代表上述各因素的重要程度；
信息素更新包括局部信息素更新和全局信息素更新，局部信息素更新在神经元构建路径的过程中进行，神经元每选定一个路径点(i，j，k)，都将立刻调用该规则更新该路径点上的信息素，其更新方法如公式：Tijk＝(1-N)*Tijk+N*T0，式中T为参数， 0＜T＜1，T0为各行点信息素量的初始值，全局信息素更新在所有神经元均构建完一条路径后进行，算法使用函数对每只神经元找到的路径进行评价，对应函数值最大的精英神经元所找到的路径上的可行点将进行全局信息素更新，函数和全局信息素更新办法分别如公式：feval(m)＝ΣLm(i)，式中feval(m)为第m只神经元所走路径的函数，Lm(i)为第m只神经元所走路径中第i段路径的长度，Tijk＝(1-ρ)*Tijk+ρ*Δ Tijk，式中ρ为信息素挥发因子0＜ρ＜1。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
在各个实施例中，技术的硬件实现可以直接采用现有的智能设备，包括但不限于工控机、PC机、智能手机、手持单机、落地式单机等。其输入设备优选采用屏幕键盘，其数据存储和计算模块采用现有的存储器、计算器、控制器，其内部通信模块采用现有的通信端口和协议，其远程通信采用现有的gprs网络、万维互联网等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAcces Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
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，均应包含在本发明权利要求保护的范围之内。
Claims (10)
1.一种人工智能的潜艇导航系统，其特征在于，包括：串口通信模块、滤波算法模块以及网络通信模块，所述串口通信模块通过串口驱动程序实现串口通信，所述滤波算法模块通过对采集的传感器数据进行滤波，以获得高精度的位置、姿态、速度、航向和离底高度信息，所述网络通信模块用于将导航系统作为客户机，水下主控系统作为服务器，在正常工况下完成对服务器查询信息实时侦听并向服务器发送导航信息的功能。
2.根据权利要求1所述的人工智能的潜艇导航系统，其特征在于：所述串口通信模块包括PHINS数据采集模块、GPS数据采集模块、DVk数据采集模块、深度计数据采集模块、高度计数据采集模块、应急串口通信模块，每个模块包括串口初始化任务模块和数据采集及处理任务模块。
3.根据权利要求2所述的人工智能的潜艇导航系统，其特征在于：所述串口初始化任务模块用于设置串行口的参数和串口模式，所述数据采集及处理任务模块用于接收串口缓存区的数据，并进行处理，所述PHINS数据采集模块、GPS数据采集模块、DVk数据采集模块、深度计数据采集模块、高度计数据采集模块、应急串口通信模块的串口通信均采用中断的方式进行数据的接收，各串口的通信流程相同，与应急单元通信时，若接收到应急查询指令，则将滤波计算后的导航信息反馈至应急单元。
4.根据权利要求3所述的人工智能的潜艇导航系统，其特征在于：所述网络通信模块包括网络初始化模块和网络数据传输模块，所述网络数据通信模块用于创建通信套接字并与服务器建立连接，所述网络数据传输模块用于在水下主控定时向导航系统发送查询报文，当导航单元接收到水下主控单元查询信息，便立即将滤波计算后最新的位姿、速度、离底高度、系统工作状态等导航综合信息反馈给水下主控单元。
5.根据权利要求4所述的人工智能的潜艇导航系统，其特征在于：所述滤波算法模块包括联邦滤波算法模块、高度信息处理模块以及组合导航算法模块。
6.根据权利要求5所述的人工智能的潜艇导航系统，其特征在于：所述联邦滤波算法模块采用基于无迹卡尔曼预测的联邦算法，对PHINS的三维位置、速度、姿态和航向数据，DVk的三轴速度数据，GPS的经纬度数据和深度计的深度数据进行数据融合，得到艇体的经纬度、深度、速度和姿态误差的最优估计。
7.根据权利要求6所述的人工智能的潜艇导航系统，其特征在于：所述高度信息处理模块用于对DVk的离底高度数据和高度的测高数据进行处理，得到精确的艇体离水底的高度信息。
8.根据权利要求7所述的人工智能的潜艇导航系统，其特征在于：所述联邦滤波算法模块包括时间更新任务模块、第一子滤波器量测更新任务模块、第二子滤波器量测更新任务模块、第三子滤波器量测更新任务模块和主滤波器数据融合任务模块，在第一次滤波时，先需要进行系统信息分配和滤波参数初始化过程，DVk数据采集完成信号量、GPS数据采集完成信号量、深度计数据采集完成信号量进行三个子滤波器的量测更新，程序定时释放主滤波器信号量，获取该信号量即可进行主滤波器的数据融合过程，从而计算出估计的状态量。
9.根据权利要求8所述的人工智能的潜艇导航系统，其特征在于：所述高度信息处理模块分别对DVk和高度计的高度数据进行卡尔曼滤波，求得当前时刻各自的滤波估计值和均方差值，然后根据最优自适应加权融合算法，计算各传感器的权因子，并得出融合后的高度信息值。
10.根据权利要求9所述的人工智能的潜艇导航系统，其特征在于：组合导航算法模块使用机器学习算法获得艇体的信息素以及路径点，并通过函数设计和信息素更新给出艇体的导航规划，其中，将艇体的信息素存储在组合导航算法模块的离散点上，合导航算法模块中任意二元组对应一个信息素值，信息素值的大小代报该离散点对神经元的吸引程度；路径点通过设S(XS，YS，ZS)和G(XG，YG，ZG)在所述组合导航算法模离散点集合中搜索得到与S、G最近的两个点pS、pG，使用pS、pG的位置袋体S、G的位置径向导航规划，然后计算pS、pG对应的序号坐标在经纬度变化方向上的差值大小，若满足丨is-ig丨≥丨js-jg丨，则选取纬度变化方向为神经元移动的主方向，否则，选取经度变化方向为神经元移动的主方向；所述函数为：H(i，j，k)＝[S(i，j，k)w1]*[F(i，j，k)w2]*[D(i，j，k)w3]*[M(i，j，k)w4]*[C(i，j，k)w5]，式中[S(i，j，k)为环境障碍时的安全性因素，F(i，j，k)为考虑负密度跃层区域和内波区域时的安全性冈素，D(i，j，k)为快速航行因素，M(i，j，k)为同一深度面航行因素，C(i，j，k)为隐蔽性因素，w1、w2、w3、w4、w5为系数，代表上述各因素的重要程度；信息素更新包括局部信息素更新和全局信息素更新，局部信息素更新在神经元构建路径的过程中进行，神经元每选定一个路径点(i，j，k)，都将立刻调用该规则更新该路径点上的信息素，其更新方法如公式：Tijk＝(1-N)*Tijk+N*T0，式中T为参数，0＜T＜1，T0为各行点信息素量的初始值，全局信息素更新在所有神经元均构建完一条路径后进行，算法使用函数对每只神经元找到的路径进行评价，对应函数值最大的精英神经元所找到的路径上的可行点将进行全局信息素更新，函数和全局信息素更新办法分别如公式：feval(m)＝ΣLm(i)，式中feval(m)为第m只神经元所走路径的函数，Lm(i)为第m只神经元所走路径中第i段路径的长度，Tijk＝(1-ρ)*Tijk+ρ*ΔTijk，式中ρ为信息素挥发因子0＜ρ＜1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210067319.0A CN114413907A (zh) | 2022-01-20 | 2022-01-20 | 一种人工智能的潜艇导航系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210067319.0A CN114413907A (zh) | 2022-01-20 | 2022-01-20 | 一种人工智能的潜艇导航系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114413907A true CN114413907A (zh) | 2022-04-29 |
Family
ID=81276155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210067319.0A Pending CN114413907A (zh) | 2022-01-20 | 2022-01-20 | 一种人工智能的潜艇导航系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114413907A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107577158A (zh) * | 2017-09-22 | 2018-01-12 | 哈尔滨工程大学 | 水下作业级rov的导航仿真系统及其控制方法 |
| CN108684005A (zh) * | 2018-04-02 | 2018-10-19 | 河海大学常州校区 | 基于som的水下传感网中多auv高效数据收集方法 |
| CN110579740A (zh) * | 2019-09-17 | 2019-12-17 | 大连海事大学 | 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法 |
-
2022
- 2022-01-20 CN CN202210067319.0A patent/CN114413907A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107577158A (zh) * | 2017-09-22 | 2018-01-12 | 哈尔滨工程大学 | 水下作业级rov的导航仿真系统及其控制方法 |
| CN108684005A (zh) * | 2018-04-02 | 2018-10-19 | 河海大学常州校区 | 基于som的水下传感网中多auv高效数据收集方法 |
| CN110579740A (zh) * | 2019-09-17 | 2019-12-17 | 大连海事大学 | 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘利强;于飞;戴运桃;: "基于蚁群算法的水下潜器三维空间路径规划", 系统仿真学报, no. 14, 23 July 2008 (2008-07-23), pages 3712 - 3716 * |
| 李慧平;张福斌;徐德民;卢淑娟;: "基于VxWorks的水下航行器组合导航系统设计", 计算机测量与控制, no. 10, 25 October 2008 (2008-10-25), pages 1451 - 1453 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111881515B (zh) | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 | |
| Bahr et al. | Consistent cooperative localization | |
| CN108664024B (zh) | 无人车网络编队的运动规划和协作定位方法及装置 | |
| CN106980133A (zh) | 利用神经网络算法补偿和修正的gps ins组合导航方法及系统 | |
| CN107167126B (zh) | 一种自主式水下机器人组合导航方法和系统 | |
| CN111596333B (zh) | 一种水下定位导航方法及系统 | |
| CN114347033B (zh) | 机器人物品抓取方法、装置、机器人及存储介质 | |
| CN113470089B (zh) | 一种基于三维点云的跨域协同定位和建图方法及系统 | |
| CN110933597B (zh) | 一种基于蓝牙的多无人车协同容错导航定位方法及系统 | |
| CN106896817A (zh) | 一种基于粘滞阻尼振荡模型的多auv编队控制方法 | |
| CN110162094B (zh) | 一种基于视觉测量信息的密集编队控制方法 | |
| Abichandani et al. | Mixed integer nonlinear programming framework for fixed path coordination of multiple underwater vehicles under acoustic communication constraints | |
| CN104061930B (zh) | 一种基于捷联惯性制导和多普勒计程仪的导航方法 | |
| CN113701742B (zh) | 一种基于云端与边端融合计算的移动机器人slam方法 | |
| CN114413907A (zh) | 一种人工智能的潜艇导航系统 | |
| CN108401462A (zh) | 信息处理方法和系统、云处理设备及计算机程序产品 | |
| CN108051001A (zh) | 一种机器人移动控制方法、系统及惯性传感控制装置 | |
| Uçan et al. | Using genetic algorithms for navigation planning in dynamic environments | |
| CN114609925B (zh) | 水下探索策略模型的训练方法及仿生机器鱼水下探索方法 | |
| CN112985428B (zh) | 基于安全角度的高精传感地图的图层的优先级参取方法 | |
| Bjering Strand | Autonomous docking control system for the otter usv: A machine learning approach | |
| CN104792336B (zh) | 一种飞行状态测量方法及装置 | |
| CN114169463A (zh) | 一种自主预测车道信息模型训练方法及装置 | |
| CN114018250A (zh) | 惯性导航方法、电子设备、存储介质和计算机程序产品 | |
| Bian et al. | Tightly-coupled Information Fusion for SINS/DVL/USBL Integrated Navigation of UUV |
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 |