针对复杂环境下自主水下航行器(autonomous underwater vehicle,AUV)组合导航系统中存在噪声不确定或者易发生变化的情况,提出一种贝叶斯网络增强型交互式多模型(interactive multiple model filter based on Bayesian network,BN-IMM)滤波算法。该算法在多模型估计基础上,引入特征变量,并根据变量与系统模型之间存在的因果关系建立贝叶斯网络;利用贝叶斯网络参数修正多模型估计中的模型切换概率,能够降低多模型算法中真实模式识别对先验知识的依赖性。该算法能够解决交互式多模型(interactive multiple model,IMM)算法中模型转换存在滞后、模型概率易发生跳变等问题,增强多模型算法的自适应能力。以陀螺和加速度计的输出作为特征变量建立贝叶斯网络,对AUV组合导航系统进行仿真,结果表明所提出的BN-IMM算法相比于传统的IMM算法能够显著提高机动状态时模型转换速度和估计精度。
为了提高工作在水下环境下的单轴旋转捷联惯导系统的导航定位精度,给出了惯导系统姿态和航向角在线组合校正流程,提出了一种基于速度信息的旋转式捷联惯导系统二次对准方法.利用速度信息和Kalman滤波技术进行姿态和航向角误差最优估计,同时周期性转动惯性测量单元以提高系统的可观测性.计算机仿真和转台验证实验结果表明,系统经过二次对准后,后续纯惯性模式下的定位精度明显提高,仿真实验中定位误差由4.52 n mile减小为2.19 n mile,转台实验中定位误差由4.28 n mile减小为2.06 n mile.
