基于M估计的深水机器人导航定位算法研究-计算机应用与软件.PDFVIP

第３１卷第９期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．９ ２０１４年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１４ 基于Ｍ估计的深水机器人导航定位算法研究 １，２ １ １ 王　飞 　刘　健 　冀大雄 １（中国科学院沈阳自动化研究所　辽宁沈阳 １１００１６） ２（中国科学院大学　北京 １０００４９） 摘　要　　针对深水机器人导航定位算法的鲁棒性问题，提出基于Ｍ估计的扩展卡尔曼滤波算法。该方法通过采用Ｍ估计评价函 数引入加权矩阵，从而对观测异常值进行修正。不仅将Ｍ估计应用到非线性系统，同时也很好地抑制了观测异常值对导航算法的 影响。通过仿真实验验证了该方法的有效性。 关键词　　导航定位　异常值　鲁棒性　Ｍ估计 中图分类号　ＴＰ９１１．２３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０９．０６２ ＮＡＶＩＧＡＴＩＯＮＡＮＤＰＯＳＩＴＩＯＮＩＮＧＡＬＧＯＲＩＴＨＭＦＯＲＤＥＥＰＷＡＴＥＲ ＲＯＢＯＴＢＡＳＥＤＯＮＭＥＳＴＩＭＡＴＥ １，２ １ １ ＷａｎｇＦｅｉ　ＬｉｕＪｉａｎ　ＪｉＤａｘｉｏｎｇ １（ＳｈｅｎｙａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｓｈｅｎｙａｎｇ１１００１６，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） ２（ＵｎｉｖｅｒｓｉｔｙＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｏｉｍｐｒｏｖｅｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｎａｖｉｇａｔｉｏｎａｎｄｐｏｓｉｔｉｏｎｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｄｅｅｐｗａｔｅｒｒｏｂｏｔ，ｗｅｐｒｏｐｏｓｅａｎＭｅｓｔｉｍａｔｅｂａｓｅｄ ｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒ（ＥＫＦ）ａｌｇｏｒｉｔｈｍ．ＢｙｔｈｅｕｓｅｏｆＭｅｓｔｉｍａｔｅｅｖａｌｕａｔｉｏｎｆｕｎｃｔｉｏｎ，ｔｈｅｍｅｔｈｏｄｉｎｔｒｏｄｕｃｅｓｗｅｉｇｈｔｉｎｇｍａｔｒｉｘｓｏａｓｔｏ ｃｏｒｒｅｃｔｔｈｅｏｂｓｅｒｖｅｄｏｕｔｌｉｅｒ．ＴｈｉｓａｐｐｌｉｅｓｔｈｅＭｅｓｔｉｍａｔｅｉｎｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ，ａｎｄｗｅｌｌｒｅｔｒａｉｎｓｔｈｅｉｍｐａｃｔｏｆｔｈｅｏｂｓｅｒｖｅｄｏｕｔｌｉｅｒｏｎ ｎａｖｉｇａｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｏ．Ｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍｉｓｖｅｒｉｆｉｅｄｔｈｒｏｕｇｈｓｉｍｕｌａｔｉｏｎｔｅｓｔ． Ｋｅｙｗｏｒｄｓ　　Ｎａｖｉｇａｔｉｏｎａｎｄｐｏｓｉｔｉｏｎｉｎｇ　Ｏｕｔｌｉｅｒ　Ｒｏｂｕｓｔｎｅｓｓ　Ｍｅｓｔｉｍａｔｅ 为背景，将Ｍ估计原理应用到水下机器人长基线导航 ＥＫＦ算 ０　引　言 法当中，提出基于Ｍ估计的深水机器人导航定位算法。该方法 既将Ｍ估计引入到了非线型状态模型的系统当中，同时也有效 深水机器人（ＡＵＶ）导航是水下机器人技术领域的重要问 改善了ＥＫＦ算法的鲁棒性能，最终具备了二者的优点。 题之一。在长基线导航算法中，通过利用多普勒速度仪、电子罗 盘、深度传感器等获得的机器人的速度、航向角、深度等信息，再 １　ＥＫＦ算法 结合从长基线定位系统获取的低采样频率的位置测量信息，采 用Ｋａｌｍａｎ滤波方法对各导航传感器数据进行融合，从而实现 深