CN115930951A - 一种基于多传感器组合的短期水下auv隐蔽导航方法 - Google Patents

Abstract

本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，属于船用设备技术领域，用于AUV的隐蔽导航定位，包括采用精确的自适应声线跟踪算法得到精确的声学定位的基础上，在浅水AUV隐蔽导航时，将声学定位结果、惯性导航结果和深度计通过自适应神经网络算法得到准确的高频位置、速度和姿态信息并进行导航；在深水区AUV隐蔽导航时，则是依赖声学定位结果、惯性导航结果、深度计和多普勒测速仪传感器进行数据融合。而声学定位设备是安装在海面按一定构型布设的无人船编队上。本发明在无卫星导航系统辅助下，通过多传感器的组合实现对水下AUV的短期隐蔽导航。

Description

一种基于多传感器组合的短期水下AUV隐蔽导航方法

技术领域

本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，属于导航技术领域。

背景技术

随着国家透明海洋战略的提出和发展，海洋资源开发成为了各海洋强国的重要发展目标，海洋中蕴藏了丰富的天然气、石油资源亟待开发。海底管道铺设、海洋科考、海洋救援等活动都需要知道自己所处的位置信息，水下航行器的发展无疑成为了海洋各项活动必不可少的工具。目前卫星导航系统是最为稳定、精度最高的定位方式被应用于军事、农业、汽车自动驾驶等各个领域。它是通过接受卫星发射的测距码或载波相位精确测量卫星到接收机的距离，通过后方距离教会实现定位。在陆地上或近海可以通过RTK相对定位实现厘米级—分米级的定位精度，在远海场景下一般通过精密单点定位或星站差分技术实现精准定位。但是在一些，因为卫星导航系统存在天然的脆弱性，即容易被跟踪和干扰，因此在隐蔽AUV导航等特殊场景下无法使用。AUV由于体积小、活动范围广、隐蔽性高的优点而在军事、民用等各个领域被广泛应用，例如水下侦察、海底地形探测、海事救援、水下光电缆铺设等。

在某些特殊应用场景下，AUV需要进行隐蔽性导航，特别是在一些军事活动中不能借助外部容易侦察和干扰的信号，此时卫星导航系统就无法提供给载体平台位置信息。惯性导航系统是采用航位推算的方式实现导航定位，不需要外部信息的输入性，因具有极强的隐蔽性而用在潜艇、导弹等军事设施中，它的原理是用牛顿积分对加速度计和陀螺仪输出的信息进行积分得到位置、速度和姿态信息。该系统不需要依赖外界信息，也不会向外界辐射能量，具有很好的隐蔽性，但存在误差累积的问题，因此需要配合多种传感器一起进行使用。长基线水声定位系统的定位精度高，配合惯性导航系统及其它辅助系统可以实现短期对AUV的导航。

发明内容

本发明公开了一种基于多传感器组合的短期水下AUV隐蔽导航方法，以解决现有技术中，AUV水下定位精度较低的问题。

一种基于多传感器组合的短期水下AUV隐蔽导航方法，包括：

S1.船底的水声换能器以一定的频率发射声学信号，位于AUV上的应答器接收到信号后反射应答信号到水声换能器；

S2.当存在三个及以上的海面观测值时，存在冗余观测，通过最小二乘估计得到最优位置信息；

S3.使用声线跟踪算法实现精确定位；

S4.使用声线跟踪算法获得声信号最小行程传播时间t_i，t_i＝F(X_s，SVP，X_r)，其中F为声线跟踪算法的本征声线搜索函数，X_s为(x_s,y_s,z_s)，x_r为(x_r,y_r,z_r)，SVP为声速剖面；

t_i与实际测得的传播时间T_i做差，得到时间差△t_i，△t_i＝t_i-T_i，t_i乘以声速c得到声信号的传播距离l_M，T_i乘以声速c得到实际测得的传播距离l_N，l_M-l_N＝l；

设换能器的位置为(x_s,y_s,z_s)，应答器的位置为(x_r,y_r,z_r)，在应答器概略位置

展开，得线性化误差观测方程公式：

式中，v表示误差，k、m、n为可计算得到的参数，k＝Δ_x/ρ₀,m＝Δ_y/ρ₀,n＝Δ_z/ρ₀，

ρ₀为概略位置的测距信息，ρ_i为第i个点的测距信息，

为ρ_i的误差；

当存在个N个海面观测值时，误差方程表示为：

V＝AX+F

则最小二乘解表示为：

X＝-(A^TPA)^-1A^TPA

上述过程实现对声速变化引起的声线弯曲误差的改正；

S5.进行AUV的隐蔽导航，根据传感器的精度和适用环境的不同，AUV的导航分为两种情景：浅水导航和深水导航，导航传感器的选择根据深度计信息自由切换。

S1包括：通过测量声信号的传播时间乘以声信号传播速度得到距离：

ρ^s＝c^st^s＝‖x-x^s‖₂+ε_ρ，式中ρ^s表示测距信息，c^s表示声信号传播的声速，t^s表示信号传播时间，s∈{1,2,...,N}，N表示无人船的数量；‖x-x^s‖₂为水声换能器和应答器之间的欧氏距离；ε_ρ为等效测距误差。

S3包括：由射线声学基本理论，第i层的声线轨迹曲率为：

式中，θ表示声信号入射角，s表示信号传播路径，z表示深度，α表示掠射角，c为声速；

对于等声速梯度层，声速梯度g_i为常数，表示为：

c_i为第i层水层的声速，z_i为第i层水层的深度，θ_i为第i层水层的声信号入射角，α_i为第i层水层的掠射角；

声线在层内的实际轨迹为一段圆弧，求出第i层水层的传播时间t_i及水平传播距离y_i：

S4包括：声速的确定采用一种自适应方法，声速c的大小根据AUV所处的深度z_i决定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：L＝c(z_i)·△t_i，其中c(z_i)表示声速c是关于z_i的函数。

S5包括：

浅水导航情景：

AUV的位置信息为：P₁＝f₁(X,S)，式中，P₁表示AUV的位置信息，f₁(·)表示位置融合函数，X,S分别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；

AUV的速度信息V1在浅水由惯导系统通过对加速度信息积分得到；

AUV的姿态信息为：

式中，A表示AUV的姿态信息，f₂(·)表示姿态融合函数，φ,

分别表示通过4深度计得到的姿态和惯导输出的姿态信息；

AUV运动速度过大时，惯导姿态输出不稳定，借助多深度计辅助测量横滚角和俯仰角；

将4个深度计安装在AUV上，构成一个长为a，宽为b的长方形；通过姿态角的定位和长方形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息φ；

深水导航情景：

AUV的位置信息为：P₂＝f₃(X₁,D)，式中，P₂表示AUV的位置信息f₃(·)表示位置融合函数，X₁,D分别表示通过长基线定位得到的位置和多普勒测速仪输出的信息经过一次积分得到的位置；

AUV的速度信息V2在深水区由多普勒测速仪提供。

f₁(·)、f₂(·)、f₃(·)统称为融合函数f(·)，融合函数f(·)采用自适应的反馈性神经网络算法，将单个传感器先放置到一个黑匣子中进行可靠性

评估，评估可靠性

后赋予适用于该传感器的权阵W_i，权阵的大小决定了该传感器提供数据的占比，通过数据的训练得到一个最优的神经网络Net，将融合后的结果与水声定位的结果进行做差Δ，根据偏差信息进行新的确权后重新进行滤波，直到得到满足限差∈的结果。

所述无人船为三艘时，在海面呈“等边三角形”布设。

所述无人船为四艘时，在海面呈“正方形”布设。

AUV上搭载惯性导航系统、深度计、多普勒测速仪、数据处理中心和水声换能器；

所述惯性导航系统搭载在无人船和水下AUV上，惯性导航系统进行安装校准后，多艘无人船进行时间同步，完成初始化，惯性导航系统实时高频输出无人船的位置、速度和位置信息；

所述水下AUV上根据任务需求搭载测量传感器、机械臂、动力模块、水声应答器和数据处理中心；

所述水声换能器安装在无人船的船底，多艘搭载水声换能器的无人船组成长基线定位系统，所述长基线定位系统与惯性导航系统组合，通过长基线水声定位算法对水下AUV进行导航定位；

数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。

四艘无人船上的惯性导航系统实时输出高频的三轴加速度和角速度增量，通过积分得到无人船的位置、速度和姿态信息，水下AUV位于正方形的中心点水下深处，无人船通过声学通讯实时接收AUV的几何中心，并自适应调整自己的位置，确保AUV处于几何中心；

惯性导航系统给出本身的位置、速度和姿态信息，通过对惯性导航系统和长基线定位系统的深组合，经过自适应神经网络算法得到水下AUV连续的位置信息并预测下一时刻的位置信息，实现对水下AUV的隐蔽导航；

船只的控制系统根据自身的惯性导航系统输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。

与现有技术相比，本发明的有益效果为，在无卫星导航系统辅助下，通过惯性导航系统实现对海面载体平台的定位，再通过长基线水声定位实现对水下AUV的短期隐蔽，在此过程中也考虑了海面构型以及声速误差对定位的影响，进行误差改正后有效提高了导航定位的准确性和可靠性；创新性地提出将水层分为深水层和浅水层，并根据深度计信息自由切换不同传感器作为滤波的输入信息，并提出一下黑盒自适应神经网络算法用于多传感器的数据融合，可以解决水下环境在非线性和非高斯噪声影响下的精确导航。

附图说明

图1是本发明所用测量设备的示意图。

附图标记包括：1-应答器，2-水声换能器，3-惯性导航系统，4-AUV，5-无人船，6-深度计，7-多普勒测速仪。

具体实施方式

下面结合具体实施方式对本发明作进一步详细说明：

一种基于多传感器组合的短期水下AUV4隐蔽导航方法，包括：

S1.船底的水声换能器2以一定的频率发射声学信号，位于AUV4上的应答器1接收到信号后反射应答信号到水声换能器2，通过测量声信号的传播时间乘以声信号传播速度得到距离：ρ^s＝c^st^s＝‖x-x^s‖₂+ε_ρ，式中ρ^s表示测距信息，c^s表示声信号传播的声速，t^s表示信号传播时间，s∈{1,2,...,N}，N表示无人船5的数量；‖x-x^s‖₂为水声换能器2和应答器1之间的欧氏距离；ε_ρ为等效测距误差；

S2.当存在三个及以上的海面观测值时，存在冗余观测，通过最小二乘估计得到最优位置信息；

S3.使用声线跟踪算法实现精确定位，包括：

由射线声学基本理论，第i层的声线轨迹曲率为：

式中，θ表示声信号入射角，s表示信号传播路径，z表示深度，α表示掠射角，c为声速；

对于等声速梯度层，声速梯度g_i为常数，表示为：

c_i为第i层水层的声速，z_i为第i层水层的深度，θ_i为第i层水层的声信号入射角，α_i为第i层水层的掠射角；

声线在层内的实际轨迹为一段圆弧，求出第i层水层的传播时间t_i及水平传播距离y_i：

S4.使用声线跟踪算法获得声信号最小行程传播时间t_i，t_i＝F(X_s，SVP，X_r)，其中F为声线跟踪算法的本征声线搜索函数，X_s为(x_s,y_s,z_s)，X_r为(x_r,y_r,z_r)，SVP为声速剖面；

t_i与实际测得的传播时间T_i做差，得到时间差△t_i，△t_i＝t_i-T_i，t_i乘以声速c得到声信号的传播距离l_M，T_i乘以声速c得到实际测得的传播距离l_N，l_M-l_N＝l；

设换能器的位置为(x_s,y_s,z_s)，应答器的位置为(x_r,y_r,z_r)，在应答器概略位置

展开，得线性化误差观测方程公式：

式中，v表示误差，k、m、n为可计算得到的参数，k＝Δ_x/ρ₀,m＝Δ_y/ρ₀,n＝Δ_z/ρ₀，

ρ₀为概略位置的测距信息，ρ_i为第i个点的测距信息，

为ρ_i的误差；

当存在个N个海面观测值时，误差方程表示为：

V＝AX+F

则最小二乘解表示为：

X＝-(A^TPA)^-1A^TPL

上述过程实现对声速变化引起的声线弯曲误差的改正；

声速的确定采用一种自适应方法，声速c的大小根据AUV4所处的深度z_i决定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：L＝c·z_i·△t_i，其中c(z_i)表示声速c是关于z_i的函数；

S5.进行AUV4的隐蔽导航；

根据传感器的精度和适用环境的不同，AUV4的导航分为两种情景：浅水导航和深水导航，导航传感器的选择可根据深度计6信息自由切换；

浅水导航情景：

AUV4的位置信息为：P₁＝f₁(X,S)，式中，P₁表示AUV4的位置信息，f₁(·)表示位置融合函数，X,S分别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；

AUV4的速度信息V₁在浅水由惯导系统提供；

AUV4的姿态信息为：

式中，A表示AUV4的姿态信息，f₂(·)表示姿态融合函数，φ,

分别表示通过4深度计6得到的姿态和惯导输出的姿态信息；

AUV4运动速度过大时，惯导姿态输出不稳定，借助多深度计6辅助测量横滚角和俯仰角；

将4个深度计6安装在AUV4上，构成一个长为a，宽为b的长方形；通过姿态角的定位和长方形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息φ；

深水导航情景：

AUV4的位置信息为：P₂＝f₃(X₁,D)，式中，P₂表示AUV4的位置信息f₃(·)表示位置融合函数，X₁,D分别表示通过长基线定位得到的位置和多普勒测速仪7输出的信息经过一次积分得到的位置；

AUV4的速度信息V₂在深水区由多普勒测速仪7提供，其在深水区距离海底更近，声波反射强度更好，精度更高；

融合函数f(·)采用自适应的反馈性神经网络算法，将单个传感器先放置到一个黑匣子中进行可靠性

评估，评估可靠性

后赋予适用于该传感器的权阵W_i，权阵的大小决定了该传感器提供数据的占比，通过数据的训练可以得到一个最优的神经网络Net，将融合后的结果与水声定位的结果进行做差Δ，根据偏差信息进行新的确权后重新进行滤波，直到得到满足限差∈的结果。

所述无人船5为三艘时，在海面呈“等边三角形”布设。

所述无人船5为四艘时，在海面呈“正方形”布设。

AUV4上搭载惯性导航系统3、深度计6、多普勒测速仪7、数据处理中心和水声换能器2；

所述惯性导航系统3搭载在无人船5和水下AUV4上，惯性导航系统3进行安装校准后，多艘无人船5进行时间同步，完成初始化，惯性导航系统3实时高频输出无人船5的位置、速度和位置信息；

所述水下AUV4上根据任务需求搭载测量传感器、机械臂、动力模块、水声应答器1和数据处理中心；

所述水声换能器2安装在无人船5的船底，多艘搭载水声换能器2的无人船5组成长基线定位系统，所述长基线定位系统与惯性导航系统3组合，通过长基线水声定位算法对水下AUV4进行导航定位；

数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。

四艘无人船5上的惯性导航系统3实时输出高频的三轴加速度和角速度增量，通过积分得到无人船5的位置、速度和姿态信息，水下AUV4位于正方形的中心点水下深处，无人船5通过声学通讯实时接收AUV4的几何中心，并自适应调整自己的位置，确保AUV4处于几何中心。

惯性导航系统3给出本身的位置、速度和姿态信息，通过对惯性导航系统3和长基线定位系统的深组合，经过黑盒自适应神经网络算法得到水下AUV4连续的位置信息并预测下一时刻的位置信息，实现对水下AUV4的隐蔽导航。

所述控制系统根据自身的惯性导航系统3输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。

如图1，本发明将高精度惯导系统分别安装在四艘小型无人船5和水下AUV4上，但由于惯性导航系统3本身误差会随时间累积，即使采用高精度惯导，长时间导航后无人船5的位置信息仍变得不可靠，因此本发明适用于短期水下AUV4隐蔽导航。

无人船5及控制模块由三艘及以上的小型无人船5、控制模块和数据处理模块组成，采用三艘及以上的无人船5是因为要组成用于水下定位的长基线定位基阵。由于无人船5作为短期AUV4导航提供基准传递的海面载体，工作时间一般在几十分钟到几个小时，所以无人船5所需的动力由大电池提供。

惯性导航模块采用高精度导航级的MEMS惯导传感器，确保能提供高精度的输出。将惯导传感器分别安装在四艘无人船5和水下AUV4上，在开始工作前需要进行传感器的初始校准和“找北”，确保输出稳定的加速度计和陀螺仪增量。

动力模块也是用大电池提供动力用于短期航行。水声应答器1用于接受换能器发射的信号并进行应答。数据处理中心用于进行数据处理和数据本地存储，其中数据处理包括进行长基线定位解算、与惯性导航系统3的紧组合导航以及相应的误差改正。

数据处理中心根据水域先前测得的海面温盐深信息得到区域的声速剖面数据，用于改正声速误差带来的测距误差影响，可以有效提高水声定位的精度。将长基线定位的结果与惯性导航系统3的结果进行紧组合，采用卡尔曼滤波算法对水下AUV4进行导航。

本发明实现了在没有卫星导航系统辅助的情况下的水下AUV4的导航定位，无需借助外部信息的输入，具有隐蔽性，在一些特殊场景下可以提供短期的高精度导航。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (10)

1.一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，包括：

S1.船底的水声换能器以一定的频率发射声学信号，位于AUV上的应答器接收到信号后反射应答信号到水声换能器；

S2.当存在三个及以上的海面观测值时，存在冗余观测，通过最小二乘估计得到最优位置信息；

S3.使用声线跟踪算法实现精确定位；

S4.使用声线跟踪算法获得声信号最小行程传播时间t_i，t_i＝F(X_s，SVP，X_r)，其中F为声线跟踪算法的本征声线搜索函数，X_s为(x_s，y_s，z_s)，X_r为(x_r，y_r，z_r)，SVP为声速剖面；

t_i与实际测得的传播时间T_i做差，得到时间差Δt_i，Δt_i＝t_i-T_i，t_i乘以声速c得到声信号的传播距离l_M，T_i乘以声速c得到实际测得的传播距离l_N，l_M-l_N＝l；

设换能器的位置为(x_s，y_s，z_s)，应答器的位置为(x_r，y_r，z_r)，在应答器概略位置

展开，得线性化误差观测方程公式：

式中，v表示误差，k、m、n为可计算得到的参数，k＝Δ_x/ρ₀，m＝Δ_y/ρ₀，n＝Δ_z/ρ₀，

l＝ρ₀-ρ_i+ε_ρi，ρ₀为概略位置的测距信息，ρ_i为第i个点的测距信息，ε_ρi为ρ_i的误差；

当存在个N个海面观测值时，误差方程表示为：

V＝AX+F

则最小二乘解表示为：

X＝-(A^TPA)^-1A^TPL

上述过程实现对声速变化引起的声线弯曲误差的改正；

S5.进行AUV的隐蔽导航，根据传感器的精度和适用环境的不同，AUV的导航分为两种情景：浅水导航和深水导航，导航传感器的选择根据深度计信息自由切换。

2.根据权利要求1所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S1包括：通过测量声信号的传播时间乘以声信号传播速度得到距离：

ρ^s＝c^st^s＝||x-x^s||₂+ε_ρ，式中ρ^s表示测距信息，c^s表示声信号传播的声速，t^s表示信号传播时间，s∈{1，2，...，N}，N表示无人船的数量；||x-x^s||₂为水声换能器和应答器之间的欧氏距离；ε_ρ为等效测距误差。

3.根据权利要求2所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S3包括：由射线声学基本理论，第i层的声线轨迹曲率为：

式中，θ表示声信号入射角，s表示信号传播路径，z表示深度，α表示掠射角，c为声速；

对于等声速梯度层，声速梯度g_i为常数，表示为：

c_i为第i层水层的声速，z_i为第i层水层的深度，θ_i为第i层水层的声信号入射角，α_i为第i层水层的掠射角；

声线在层内的实际轨迹为一段圆弧，求出第i层水层的传播时间t_i及水平传播距离y_i：

4.根据权利要求3所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S4包括：声速的确定采用一种自适应方法，声速c的大小根据AUV所处的深度z_i决定，将水层分为浅水层和深水层，分别采用不同的声速，则实际的距离L表示为：L＝c(z_i)·△t_i，其中c(z_i)表示声速c是关于z_i的函数。

5.根据权利要求4所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，S5包括：

浅水导航情景：

AUV的位置信息为：P₁＝f₁(X,S)，式中，P₁表示AUV的位置信息，f₁(·)表示位置融合函数，X,S分别表示通过长基线定位得到的位置和惯导输出的信息经过两次积分得到的位置；

AUV的速度信息V1在浅水由惯导系统通过对加速度信息积分得到；

AUV的姿态信息为：

式中，A表示AUV的姿态信息，f₂(·)表示姿态融合函数，φ,

分别表示通过4深度计得到的姿态和惯导输出的姿态信息；

AUV运动速度过大时，惯导姿态输出不稳定，借助多深度计辅助测量横滚角和俯仰角；

将4个深度计安装在AUV上，构成一个长为a，宽为b的长方形；通过姿态角的定位和长方形的位置关系可以求得姿态变化矩阵R，从而求出姿态信息φ；

深水导航情景：

AUV的位置信息为：P₂＝f₃(X₁,D)，式中，P₂表示AUV的位置信息f₃(·)表示位置融合函数，X₁,D分别表示通过长基线定位得到的位置和多普勒测速仪输出的信息经过一次积分得到的位置；

AUV的速度信息V2在深水区由多普勒测速仪提供。

6.根据权利要求5所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，f₁(·)、f₂(·)、f₃(·)统称为融合函数f(·)，融合函数f(·)采用自适应的反馈性神经网络算法，将单个传感器先放置到一个黑匣子中进行可靠性

评估，评估可靠性

后赋予适用于该传感器的权阵W_i，权阵的大小决定了该传感器提供数据的占比，通过数据的训练得到一个最优的神经网络Net，将融合后的结果与水声定位的结果进行做差Δ，根据偏差信息进行新的确权后重新进行滤波，直到得到满足限差∈的结果。

7.根据权利要求6所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，所述无人船为三艘时，在海面呈“等边三角形”布设。

8.根据权利要求6所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，所述无人船为四艘时，在海面呈“正方形”布设。

9.根据权利要求8所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，AUV上搭载惯性导航系统、深度计、多普勒测速仪、数据处理中心和水声换能器；

所述惯性导航系统搭载在无人船和水下AUV上，惯性导航系统进行安装校准后，多艘无人船进行时间同步，完成初始化，惯性导航系统实时高频输出无人船的位置、速度和位置信息；所述水下AUV上根据任务需求搭载测量传感器、机械臂、动力模块、水声应答器和数据处理中心；所述水声换能器安装在无人船的船底，多艘搭载水声换能器的无人船组成长基线定位系统，所述长基线定位系统与惯性导航系统组合，通过长基线水声定位算法对水下AUV进行导航定位；数据处理中心将测得的数据进行数据处理，再对数据进行本地存储后。

10.根据权利要求9所述的一种基于多传感器组合的短期水下AUV隐蔽导航方法，其特征在于，四艘无人船上的惯性导航系统实时输出高频的三轴加速度和角速度增量，通过积分得到无人船的位置、速度和姿态信息，水下AUV位于正方形的中心点水下深处，无人船通过声学通讯实时接收AUV的几何中心，并自适应调整自己的位置，确保AUV处于几何中心；

惯性导航系统给出本身的位置、速度和姿态信息，通过对惯性导航系统和长基线定位系统的深组合，经过自适应神经网络算法得到水下AUV连续的位置信息并预测下一时刻的位置信息，实现对水下AUV的隐蔽导航；

船只的控制系统根据自身的惯性导航系统输出的位置、速度和姿态信息实时调整，控制实际轨迹与设定好的轨迹一致。

Images