基于改进的联邦滤波的水下AUV传感器时间配准方法技术

本发明专利技术公开一种基于改进的联邦滤波的水下AUV传感器时间配准方法，包括：S1、构建测距声纳的测距模型，获得声纳数据；S2、获取配准周期内姿态传感器数据，作为第一姿态数据，对所述第一姿态数据进行预处理，获得处理后的配准周期内姿态传感器数据，作为第二姿态数据，对所述第二姿态数据进行滤波处理，同时对所述第二姿态数据和所述声纳数据进行融合修正处理，获得i个子滤波器数据；S3、对所述i个子滤波器数据进行最优融合估计处理获得子滤波的误差协方差矩阵，对所述误差协方差矩阵进行更新，完成水下AUV传感器时间配准。本申请降低了噪声干扰，提高了准确度。提高了准确度。提高了准确度。

【技术实现步骤摘要】
基于改进的联邦滤波的水下AUV传感器时间配准方法


[0001]本专利技术涉及建筑结构裂缝检测领域，特别是涉及一种基于改进的联邦滤波的水下AUV传感器时间配准方法。

技术介绍

[0002]近几十年来，随着海洋石油开发工程、水库大坝工程、港口码头以及桥梁工程的不断深入和发展，形成了一系列水下开发结构物的新模式。混凝土作为目前用量最大的一种建筑材料，现已被广泛应用在这些工程中。然而混凝土结构在长期服役过程中，都面临着耐久性不良的严重问题，尤其是处于水下的部分，由于外部环境(如风浪、腐蚀、水力冲刷以及温度应力等)的侵扰、材料性能的改变以及施工条件的限制等诸多因素的影响，不可避免的会产生不同类型的缺陷。其中，裂缝是影响结构耐久性最为严重和普遍的病害之一。传统对水面下坝体的检测只是依靠潜水员携带部分便携式检测仪器进行检测，不仅工作效率低，甚至威胁工作人员的生命安全。
[0003]随着水下机器人技术的快速发展，可利用水下机器人作为载体，搭载水下摄像机和超声纵波检测装置，对水下混凝土建筑结构裂缝进行检测。检测过程中要求水下机器人距离水下混泥土结构物壁面一定距离稳定运行，常用测距声纳实现这一功能，由于机器人的姿态信息对测距声纳的量测距离有很大的影响，需要结合姿态信息对声纳数据进行修正。由于声纳与姿态传感器的采样频率不一样，使用姿态数据对声纳数据进行修正前，势必要进行传感器的时间配准，目前常用的时间配准方法有泰勒展开修正法、最小二乘法、内插外插发、最大熵准则法等。其中泰勒展开法要求采样的间隔必须相等，且算法存在近似计算，配准精度不高；最小二乘法则对多传感器数据进行虚拟融合，但是采样点必须严格的对应，起始采样点必须相同且配准精度较低；运用最大熵准则和最小均方估计进行时间配准时对量测信号的统计特性和不同量测之间相关度有要求，并且精度较低。
[0004]本专利技术针对现有的时间配准算法存在的配准精度低、只能在限定条件下使用，且抗干扰能力弱等不足，提出一种基于改进的联邦滤波的水下AUV传感器时间配准方法。

技术实现思路

[0005]本专利技术的目的是提供一种基于改进的联邦滤波的水下AUV传感器时间配准方法，以解决上述现有技术存在的问题，使提高配准精度、增强抗干扰能力。
[0006]为实现上述目的，本专利技术提供了如下方案：本专利技术提供一种基于改进的联邦滤波的水下AUV传感器时间配准方法，具体包括步骤为，
[0007]S1、构建测距声纳的测距模型，获得声纳数据；
[0008]S2、获取配准周期内姿态传感器数据，作为第一姿态数据，对所述第一姿态数据进行预处理，获得处理后的配准周期内姿态传感器数据，作为第二姿态数据，对所述第二姿态数据进行滤波处理，同时对所述第二姿态数据和所述声纳数据进行融合修正处理，获得i个子滤波器数据；
[0009]S3、对所述i个子滤波器数据进行最优融合估计处理获得子滤波的误差协方差矩阵，对所述误差协方差矩阵进行更新，完成水下AUV传感器时间配准。
[0010]可选地，构建测距声纳的测距模型过程为：
[0011]构建AUV运动方程；
[0012][0013]式中，AUV前向运动速度为V，AUV沿着结构物壁面运动，x
k
、y
k
为AUV在k时刻中心点的位置信息，α为AUV的艏向角度与结构物壁面的夹角，θ为AUV的横摇角度；
[0014]将所述AUV运动方程代入所述声呐距离量测模型得到k时刻前左和后左测距声呐距离量测模型。
[0015]可选地，所述S2中第一姿态数据预处理的过程为：首先将所述第一姿态数据进行i等分，再进行平均值计算，进而获得第二姿态数据，预处理过程结束。
[0016]可选地，所述S2中滤波处理为采用改进的联邦卡尔曼滤波对第二姿态数据进行处理。
[0017]可选地，所述S2中所述融合修正处理的过程包括建立所述i个子滤波器的状态方程和量测方程。
[0018]可选地，建立所述子滤波器的状态方程包括：
[0019]确定i个子滤波器的状态量为：
[0020][0021]其中：
[0022][0023]式中d1、d2分别为前左测距声纳和后左测距声纳的量测距离，d为AUV距离结构物壁面的实际距离，α为AUV的艏向角度与结构物壁面的夹角，θ为AUV的横摇角度，R1、R2分别为AUV在声呐位置处的半径和浮心位置处的半径；
[0024]i个子滤波器状态方程为：
[0025][0026]其中ω
k
＝[ω
1，k
‑
1 ω
2，k
‑
1 ω
3，k
‑
1 ω
4，k
‑
1 ω
5，k
‑1]T
是系统的过程噪声，为高斯白噪
声，其方差为Q；即子滤波器状态方程简写为：
[0027]X
k
＝f(X
k
‑1，ω
k
‑1)＝A
k
‑1X
k
‑1+ω
k
‑1[0028]其中A
k
‑1为k
‑
1时刻，运动模型中状态预测函数f关于状态的Jacobian矩阵：
[0029][0030]则第i个子滤波器的状态方程为：
[0031]X
ik
＝f(X
ik
‑1，ω
k+1
)＝A
ik
‑1X
ik
‑1+ω
ik
‑1。
[0032]可选地，所述建立i个子滤波器的量测方程包括：
[0033]将前左和后左测距声呐的量测距离，以及AUV艏向角度与结构物壁面夹角和横摇角度作为观测量Z，得到观测方程Z
k
：
[0034]Z
k
＝H
k
X
k
+V
k
，
[0035]其中，观测矩阵H为：
[0036][0037]式中，X
k
为k时刻的状态向量，V
k
为量测噪声；
[0038]则第i个子滤波器的量测方程为：
[0039]Z
ik
＝H
k
X
ik
+V
ik
，
[0040]式中，H
k
为量测矩阵。
[0041]可选地，所述S3的最优融合估计处理过程为：首先对所述i个子滤波器数据进行最优估计计算，其次采用改进的联邦卡尔曼滤波对所述最优估计计算的结果进行融合处理，最后获得一个最优的距离估计值，并更新下一时刻i个子滤波器的误差协方差矩阵。
[0042]本专利技术公开了以下技术效果：本专利技术在采用姿态数据对声纳数据修正的过程中，采用先分段修正，再融合各个修正值的方法，不仅能充分有效的利用姿态数据对声纳测距进行修正，得到最优的修正值，同时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：具体包括步骤为，S1、构建测距声纳的测距模型，获得声纳数据；S2、获取配准周期内姿态传感器数据，作为第一姿态数据，对所述第一姿态数据进行预处理，获得处理后的配准周期内姿态传感器数据，作为第二姿态数据，对所述第二姿态数据进行滤波处理，同时对所述第二姿态数据和所述声纳数据进行融合修正处理，获得i个子滤波器数据；S3、对所述i个子滤波器数据进行最优融合估计处理获得子滤波的误差协方差矩阵，对所述误差协方差矩阵进行更新，完成水下AUV传感器时间配准。2.根据权利要求1所述的基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：构建测距声纳的测距模型过程为：构建AUV运动方程；式中，AUV前向运动速度为V，AUV沿着结构物壁面运动，x
k
、y
k
为AUV在k时刻中心点的位置信息，α为AUV的艏向角度与结构物壁面的夹角，θ为AUV的横摇角度；将所述AUV运动方程代入所述声呐距离量测模型得到k时刻前左和后左测距声呐距离量测模型。3.根据权利要求1所述的基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：所述S2中第一姿态数据预处理的过程为：首先将所述第一姿态数据进行i等分，再进行平均值计算，进而获得第二姿态数据，预处理过程结束。4.根据权利要求1所述的基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：所述S2中滤波处理为采用改进的联邦卡尔曼滤波对第二姿态数据进行处理。5.根据权利要求1所述的基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：所述S2中所述融合修正处理的过程包括建立所述i个子滤波器的状态方程和量测方程。6.根据权利要求5所述的基于改进的联邦滤波的水下AUV传感器时间配准方法，其特征在于：建立所述子滤波器的状态方程包括：确定i个子滤波器的状态量为：其中：式中d1、d2分别为前左测距声纳和后左测距声纳的量测距离，d为AUV距离结构物壁面的
实际距离，α为AUV的艏向角度与结构物壁面的夹角，θ为AUV的横摇角度，R1、R2分别为AUV在声呐位置处的半径和浮心位置处的半径；i个子滤波器状态方程为：其中ω
k
＝[ω
1，k
‑
1 ω...

【专利技术属性】
技术研发人员：张国成，张红星，周天，于鑫，孙玉山，罗孝坤，薛源，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：