第1卷第2期 智能系统学报 Vol.1 N2 2 2006年10月 CAAI Transactions on Intelligent Systems 0ct.2006 水下机器人自适应卡尔曼滤波技术研究 李晔常文田，万磊，孙玉山 (哈尔滨工程大学船舶工程学院，黑龙江哈尔滨150001) 摘要：水下机器人的位置和速度传感器受环境影响较大，数据滤波问题是运动控制的核心问题之一给出了离散 型卡尔曼滤波的基本方程，描述了卡尔曼滤波所具有的两个计算回路：增益计算回路和滤波计算回路.建立了水下 机器人状态方程和量测方程，并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波 分析.引入了渐消记忆指数加权方法.对时变噪声统计中，强调了新近数据的作用.避免了系统误差和量测误差统计 特性的不准确对系统滤波效果的影响.滤波效果分析表明此方法能达到很好的滤波效果. 关键词：水下机器人：卡尔曼滤波：自适应 中图分类号：TP24文献标识码：A文章编号：1673-4785(2006)02-0044-04 Research on under water vehicle ada ptive Kalman filter LI Ye ,CHANG Wemtian,WAN Lei,SUN Yushan (College of Shipbuilding Engineering,Harbin Engineering University,Harbin 150001,China) Abstract:AUV position and velocity sensors are affected by environment.Data filtering is one of important problems of AUV motion control.Discrete basic Kalman filter equation is given.Two loops of Kalman fil- ter:plus loop and filter loop are described.AUV state equation and measuring equation are founded.Data from AUV sensors are disposed by adaptive Kalman filter with fading exponent.Fading memory exponent is introduced.New data are emphasized for time-varied data.This method avoids inaccuracy by system er- ror and measuring error.Filter effect analysis proves that the method is effective. Key words :underwater vehicle;Kalman filter;adaptive 水下机器人普遍采用的位置传感器为短基线或优估计时充分利用了己经建立的系统运动模型，使 长基线水声定位系统，速度传感器为多普勒速度计. 滤波的实际效果更加接近真实数据的要求.但标准 影响水声定位系统精度的因素主要包括声速误差、 卡尔曼滤波方法必须清楚地知道系统噪声和量测噪 应答器响应时间的测量误差、应答器位置即间距的 声的统计特性]，由于相关传感器受各种因素影响 校正误差.而影响多普勒速度计精度的因素主要包 波动很大，噪声的统计特性不易获得3！.自适应卡 括声速c、海水中的介质物理化学特性、运载器的颠 尔曼滤波器的建立，成功地解决了这一问题 簸等.由于水下机器人运行的环境复杂，水声信号的 1离散型卡尔曼滤波基本方程 噪声大，而各种水声传感器普遍存在精度较差、跳变 频繁的缺点，因此水下机器人运动控制系统中，滤波 设1(！时刻的被估计状态X()受系统噪声序 技术显得极为重要 列W(k-)驱动，驱动机理由下述方程描述： 传统上的水下机器人滤波算法采用线性平滑、 X(=Φ(k,k-1)X(k-1)+ 神经网络滤波山等.虽然在一定程度上解决了工程 T(k-)V(k-1. 1) 实践的需求.但由于没有考虑机器人系统的运动特 对X(W的量测满足线性关系，量测方程为 性，滤波效果不十分理想.卡尔曼滤波方法由于在最 Y(k)H(k)x(k)+E(k). (2) 式中：P(k,k-1)为tk-1)时刻至1（材时刻的一步 收稿日期：200601-01. 转移阵；『(k·1)为系统噪声驱动阵：H()为量测 基金项目：田家863基金资助项目(2002AA420090) 阵；E(付为量测噪声序列：V()为系统激励噪声序 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net第 1 卷第 2 期 智 能 系 统 学 报 Vol. 1 №. 2 2006 年 10 月 CAAI Transactions on Intelligent Systems Oct. 2006 水下机器人自适应卡尔曼滤波技术研究 李 晔 ,常文田 ,万 磊 ,孙玉山 (哈尔滨工程大学 船舶工程学院 ,黑龙江 哈尔滨 150001) 摘 要 :水下机器人的位置和速度传感器受环境影响较大 ,数据滤波问题是运动控制的核心问题之一. 给出了离散 型卡尔曼滤波的基本方程 ,描述了卡尔曼滤波所具有的两个计算回路 :增益计算回路和滤波计算回路. 建立了水下 机器人状态方程和量测方程 ,并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波 分析. 引入了渐消记忆指数加权方法. 对时变噪声统计中 ,强调了新近数据的作用. 避免了系统误差和量测误差统计 特性的不准确对系统滤波效果的影响. 滤波效果分析表明此方法能达到很好的滤波效果. 关键词 :水下机器人 ;卡尔曼滤波 ;自适应 中图分类号 : TP24 文献标识码 :A 文章编号 :167324785 (2006) 0220044204 Research on underwater vehicle adaptive Kalman filter L I Ye ,CHAN G Wen2tian , WAN Lei , SUN Yu2shan (College of Shipbuilding Engineering , Harbin Engineering University , Harbin 150001 , China) Abstract :AUV position and velocity sensors are affected by environment. Data filtering is one of important problems of AUV motion control. Discrete basic Kalman filter equation is given. Two loop s of Kalman fil2 ter : plus loop and filter loop are described. AUV state equation and measuring equation are founded. Data from AUV sensors are disposed by adaptive Kalman filter with fading exponent. Fading memory exponent is introduced. New data are emp hasized for time2varied data. This met hod avoids inaccuracy by system er2 ror and measuring error. Filter effect analysis proves t hat t he met hod is effective. Keywords :underwater vehicle ; Kalman filter ; adaptive 收稿日期 :2006201201. 基金项目 :国家 863 基金资助项目(2002AA420090) . 水下机器人普遍采用的位置传感器为短基线或 长基线水声定位系统 ,速度传感器为多普勒速度计. 影响水声定位系统精度的因素主要包括声速误差、 应答器响应时间的测量误差、应答器位置即间距的 校正误差. 而影响多普勒速度计精度的因素主要包 括声速 c、海水中的介质物理化学特性、运载器的颠 簸等. 由于水下机器人运行的环境复杂 ,水声信号的 噪声大 ,而各种水声传感器普遍存在精度较差、跳变 频繁的缺点 ,因此水下机器人运动控制系统中 ,滤波 技术显得极为重要. 传统上的水下机器人滤波算法采用线性平滑、 神经网络滤波[1 ] 等. 虽然在一定程度上解决了工程 实践的需求. 但由于没有考虑机器人系统的运动特 性 ,滤波效果不十分理想. 卡尔曼滤波方法由于在最 优估计时充分利用了已经建立的系统运动模型 ,使 滤波的实际效果更加接近真实数据的要求. 但标准 卡尔曼滤波方法必须清楚地知道系统噪声和量测噪 声的统计特性[2 ] ,由于相关传感器受各种因素影响 波动很大 ,噪声的统计特性不易获得[3 - 4 ] . 自适应卡 尔曼滤波器的建立 ,成功地解决了这一问题. 1 离散型卡尔曼滤波基本方程 设 t( k) 时刻的被估计状态 X( k) 受系统噪声序 列 W ( k - 1) 驱动 ,驱动机理由下述方程描述 : X( k) = Φ( k , k - 1) X( k - 1) + Γ( k - 1) V ( k - 1) . (1) 对 X( k) 的量测满足线性关系 ,量测方程为 Y( k) = H( k) X( k) + E( k) . (2) 式中 :Φ( k , k - 1) 为 t( k - 1) 时刻至 t( k) 时刻的一步 转移阵;Γ( k - 1) 为系统噪声驱动阵; H ( k) 为量测 阵; E( k) 为量测噪声序列;V ( k) 为系统激励噪声序 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net