一种基于SUKF的广义行为环境建模及在远程AUV推进系统的应用研究

针对自主水下机器人对广义行为环境自适应能力差的问题,给出基于平方根无色卡尔曼滤波的广义行为环境建模方法。在广义行为环境的离线参考模型中,有一些参数是时变的、是无法事先预知的,必须通过传感器探测的信息进行实时估计和预测。采用平方根无色卡尔曼滤波算法,根据在线传感器信息以及离线参考模型,实时地估计出广义行为环境的状态和参数。主要研究自主水下机器人自身行为环境建模,以远程水下自主机器人的推进系统为例,构建一种推进器效率损失因子的故障模型结构,应用平方根无色卡尔曼滤波对水下自主机器人的状态和推进器故障参数进行在线联合估计。利用远程自主水下机器人的数学模型进行仿真验证,试验结果表明了算法的有效性,并对影响平方根无色卡尔曼滤波算法估计性能的因素进行了分析。