第1章自主水下航行器概述1

1．1自主水下航行器概念、分類與特點3

1．2自主水下航行器的國外發(fā)展現(xiàn)狀5

1．2．1單一自主水下航行器的國外發(fā)展現(xiàn)狀5

1．2．2多自主水下航行器的國外發(fā)展現(xiàn)狀8

1．3自主水下航行器發(fā)展趨勢11

1．4自主水下航行器的國內(nèi)發(fā)展現(xiàn)狀11

1．4．1單一自主水下航行器的國內(nèi)發(fā)展現(xiàn)狀11

1．4．2多自主水下航行器的國內(nèi)發(fā)展現(xiàn)狀12

參考文獻(xiàn)13

第2章自主水下航行器導(dǎo)航技術(shù)15

2．1地球?qū)Ш侥Ｐ?7

2．1．1地形匹配導(dǎo)航17

2．1．2海洋地磁導(dǎo)航18

2．1．3重力導(dǎo)航18

2．2組合導(dǎo)航19

2．2．1慣性自主導(dǎo)航算法19

2．2．2捷聯(lián)慣導(dǎo)系統(tǒng)/多普勒測速儀自主組合導(dǎo)航23

2．2．3航位推算/深度傳感器組合26

2．2．4水面狀態(tài)有源校準(zhǔn)信息融合及容錯技術(shù)27

2．2．5動基座初始對準(zhǔn)技術(shù)34

2．2．6捷聯(lián)羅經(jīng)動基座初始對準(zhǔn)與導(dǎo)航39

2．3聲學(xué)導(dǎo)航算法42

2．3．1長基線定位原理及導(dǎo)航應(yīng)用分析42

2．3．2超短基線系統(tǒng)導(dǎo)航基本原理45

參考文獻(xiàn)46

第3章自主水下航行器控制技術(shù)49

3．1自主水下航行器數(shù)學(xué)建模51

3．1．1數(shù)學(xué)坐標(biāo)系51

3．1．2動力學(xué)模型56

3．1．3運動學(xué)模型57

3．2深度控制58

3．3航向控制59

3．4矢量運動控制60

參考文獻(xiàn)61

第4章水下航行器導(dǎo)航與控制仿真技術(shù)63

4．1常用仿真工具和仿真平臺65

4．1．1CATIA65

4．1．2ANSYS66

4．1．3OpenGL66

4．1．4Multisim67

4．1．5MATLAB/Simulink67

4．2導(dǎo)航與控制一體化模型68

4．3Simulink模型搭建70

4．3．1坐標(biāo)系和運動參數(shù)70

4．3．2Simulink模型結(jié)構(gòu)71

4．3．3仿真分析73

參考文獻(xiàn)74

第5章自主水下航行器協(xié)同導(dǎo)航技術(shù)75

5．1協(xié)同導(dǎo)航77

5．1．1協(xié)同的概念77

5．1．2協(xié)同導(dǎo)航機理79

5．1．3協(xié)同導(dǎo)航系統(tǒng)的感知傳感器80

5．2協(xié)同導(dǎo)航模型82

5．2．1導(dǎo)航概述82

5．2．2自主水下航行器協(xié)同導(dǎo)航運動學(xué)模型82

5．2．3自主水下水聲測量模型83

5．3常規(guī)組網(wǎng)自主水下航行器協(xié)同導(dǎo)航方法85

5．3．1基于幾何學(xué)的協(xié)同導(dǎo)航85

5．3．2基于概率學(xué)的協(xié)同導(dǎo)航87

5．4協(xié)同導(dǎo)航系統(tǒng)可觀測性分析 90

5．4．1協(xié)同導(dǎo)航系統(tǒng)介紹90

5．4．2系統(tǒng)導(dǎo)航系統(tǒng)可觀測性分析91

5．5濾波理論93

5．5．1卡爾曼濾波算法93

5．5．2擴展卡爾曼濾波94

5．5．3無跡卡爾曼濾波96

5．5．4粒子濾波理論98

參考文獻(xiàn)101

第6章基于信息熵的協(xié)同導(dǎo)航算法研究103

6．1信息熵的計算和應(yīng)用105

6．1．1信息熵的概念105

6．1．2信息熵的計算106

6．2信息熵在自主水下航行器協(xié)同導(dǎo)航中的應(yīng)用107

6．2．1性能函數(shù)的理論分析108

6．2．2性能函數(shù)的仿真分析109

6．3基于信息熵的協(xié)同導(dǎo)航算法流程112

6．3．1信息熵在EKF中的協(xié)同導(dǎo)航算法流程112

6．3．2信息熵在UKF中的協(xié)同導(dǎo)航算法流程112

6．3．3信息熵在UPF中的協(xié)同導(dǎo)航算法流程113

參考文獻(xiàn)113

第7章滾動時域估計的多自主水下航行器協(xié)同定位算法研究115

7．1滾動時域估計的基本原理117

7．2卡爾曼濾波與滾動時域估計之間的關(guān)系120

7．3到達(dá)代價的計算123

7．4數(shù)值實例分析125

7．5滾動時域估計的多自主水下航行器協(xié)同定位算法126

7．5．1基于EKF的滾動時域估計協(xié)同定位算法126

7．5．2基于UKF的滾動時域估計協(xié)同定位算法129

7．6協(xié)同定位算法計算復(fù)雜度132

7．6．1計算復(fù)雜度分析132

7．6．2時域窗口長度的選擇133

7．6．3系數(shù)矩陣的特殊結(jié)構(gòu)134

參考文獻(xiàn)139

第8章自主水下航行器圖像伺服跟蹤控制技術(shù)141

8．1攝像機模型與標(biāo)定143

8．1．1攝像機模型143

8．1．2攝像機標(biāo)定145

8．2單目視覺識別148

8．2．1圖像濾波149

8．2．2圖像數(shù)學(xué)形態(tài)學(xué)處理150

8．2．3模板匹配151

8．3單目視覺測距153

8．3．1測距方法對比153

8．3．2單目測距方法153

8．4基于視覺伺服的自主水下航行器對接實驗155

8．4．1坐標(biāo)系定義155

8．4．2坐標(biāo)系變換157

8．4．3水下航行器模型158

8．4．4遠(yuǎn)距離光源引導(dǎo)運動161

8．5平臺功能實驗161

8．5．1定深實驗161

8．5．2定向?qū)嶒?62

8．5．3遠(yuǎn)距離光源引導(dǎo)實驗163

8．5．4自重構(gòu)實驗164

參考文獻(xiàn)166

第9章基于視覺的自主水下航行器協(xié)同運動技術(shù)167

9．1基于矩形目標(biāo)約束的水下視覺位姿估計方法169

9．1．1水下光信標(biāo)陣列識別算法169

9．1．2基于光信標(biāo)陣列的位姿估計176

9．1．3基于AR Marker的位姿估計方法179

9．2基于全驅(qū)動自主水下航行器模型的協(xié)同運動控制器設(shè)計與仿真182

9．2．1多自主水下航行器系統(tǒng)協(xié)同運動數(shù)學(xué)模型182

9．2．2協(xié)同運動控制器的設(shè)計184

9．2．3控制輸入的求解185

9．2．4協(xié)同運動模型及控制器仿真192

9．3基于有限狀態(tài)機模型的多自主水下航行器協(xié)同策略198

9．3．1自主水下航行器的運動控制算法199

9．3．2多自主水下航行器系統(tǒng)協(xié)同運動策略200

9．3．3基于有限狀態(tài)機的協(xié)同策略實現(xiàn)201

參考文獻(xiàn)205

第10章多自主水下航行器協(xié)同運動水池試驗207

10．1試驗自主水下航行器平臺介紹209

10．2視覺位姿估計試驗213

10．3自主水下航行器操縱性能試驗225

10．4多自主水下航行器協(xié)同運動試驗228

參考文獻(xiàn)233