伊人直播下载_吃奶摸逼视频_边打屁股边揉捏调教bl_男男做的视频

首頁 >> 新聞中心 >>行業科技 >> 超短基線定位系統在深拖探測中的應用
详细内容

超短基線定位系統在深拖探測中的應用

0 引言

      作為水下探測設備的載體,深海拖曳探測系 統(簡稱深拖系統)因其可搭載設備豐富,性價比高等原因,已經成為海洋科學研究、勘探開發或軍事活動等的重要工具。在海洋地質調查工作中,深拖系統多搭載高清攝像機、多波束、測深側掃聲吶及淺地層剖面儀等,主要用于海底攝像、深海地形地貌以及地層特征的近海底探測。深拖探測主要涉及導航定位技術(包含水 面作業母船定位、水下拖體定位導航、水下目標點 坐標轉換)、探測技術(包含各類搭載于水下拖體的 任務載荷傳感器觀測及數據處理技術)以及布放回收技術等,深拖探測作業示意圖如圖1所示。

導航定位信息是深海探測的關鍵,所有測量成果均需賦以位置信息,才能被有效地利用。作為探測傳感器的搭載平臺,深拖拖體在水下位置及姿態的準確與否,直接關系到最終探測成果的位置精度。因此,確定水下拖體的位置信息是深拖探測工作需要解決的關鍵問題,也是對深拖系統所采集的數據資料進行精細處理的必要條件。

image.png

圖1 深拖探測作業示意圖

1 深拖系統導航定位技術

1.1 水下定位技術概況

       水下導航定位方法大致包括匹配導航(地形/地貌 匹 配 導 航、重 力 匹 配 導 航 及 地 磁 匹 配 導 航 等)、水下慣性導航定位、航位推算以及水下聲學 導航定位[7]。匹配導航是利用海洋磁場、重力場、 海洋深度或海底地形等的時空分布特征,制作地 球物理導航信標,實現對水下載體精確定位的自 主導航技術,受導航環境限制且導航精度有限,對 于深拖系統并不適用。慣性導航系統(簡稱INS)由于導航定位 誤差會隨時間明顯累積,故在應用中往往不單獨 使用,而是借助外部輔助手段實時修正累計誤差。基于多普勒計程儀 (簡稱 DVL)的航位推算通過積分方式獲得的位置誤差會隨時間出現明顯漂移。深拖系統定位多采用水下聲學導航定位,尤其是超短基線 定位系統(簡稱USBL)因其具有成本低、操作簡便、無需布設海底應答器、 安裝靈活、測距精度高等諸多優勢,已成為深拖系 統定位的主流技術手段。近幾年,隨著科學技術的進步,USBL 換能器與慣導系統可集成安裝,故可免去繁瑣的校準工作,操作更加簡便。 由于海洋環境的復雜性和隨機性,針對高精度探 測任務,只依靠單一的定位技術不能滿足定位和 導航的精度要求,還需多傳感器進行組合導航定位,組合定位技術是將2個以上的定位系統組合在一起發揮各自的優點,從而提高水下定位的精度和可靠性。

1.2 深拖水下定位方法

因涉及水下定位的技術手段較多,限于文章篇幅,在此只介紹適用于深拖系統的部分水下定位方法。

1.2.1 水聲定位

       由于海水的特殊性,電磁波在海水中傳播能 量衰減顯著,限制了信號傳播距離,故常規無線電 導航、衛星導航等常規技術手段無法實現對水下 目標的導航定位。而聲波在海水中衰減小,傳播 性能好,在海水中傳播能量衰減不像電磁波那樣 明顯,故聲學信號被廣泛應用于水下通訊及導航定位。

       聲學定位系統換能器由多個基元(接收應答器)組成,基元間的連線稱為基線。根據基線的長度可以分為長基線定位系統(簡稱LBL)、短基線定位系統 (簡 稱SBL)和超短基線定位系統 (USBL)3種類型。LBL換能器基線長度長 達幾百甚至幾千米,具有定位精度高、作業范圍廣 等優點,但其系統組成復雜、換能器基陣龐大、布 放校準及回收耗時耗力。SBL換能器基陣相對于LBL小的多,約為幾米到幾十米,同樣存在水聽器安裝繁瑣、校準困難等問題。隨著USBL技術的發展,USBL換能器基線長度僅為幾厘米到幾十厘米,可便攜安裝、操作簡便甚至無需檢校。

       常規聲學定位系統除了聲學單元外還需要諸多外部輔助設備,系統一般由母船上的主控系統、 船底定位聲元基陣(換能器)、水下定位信標(應答 器)以及外部設備(GPS、羅經、姿態傳感器、壓力 傳感器及聲速剖面儀)等構成。在開展正式水下定位作業前,均需進行校準工作。近幾年隨著傳 感器集成技術的不斷進步,加之 USBL 換能器基 線短、外形尺寸小的先天優勢,可將其換能器與小 型慣導系統進行集成安裝,各傳感器之間的相對 偏移量在出廠前已進行內部標定并固化在系統的 內部程序中,不存在各傳感器之間的安裝、測量誤 差問題,確保了系統的高精度導航定位,因此可免 去繁瑣的作業現場校準工作[18]。圖2為法國IX- blue公 司 研 制 的 新 型 超 短 基 線 水 下 定 位 系 統- GAPS,該系統是世界上首例便攜式、即插即用、無需坐標校準的 超短基線定位系統,近年來引起了廣泛的關注。

image.png

1.2.2 航位推算及慣性導航

       航位推算方法以多普勒效應為基礎,基于多普勒計程儀(簡稱DVL)和羅經等傳感器來完成。其定位原理是主要是利用 DVL獲取的速度信息經過積分運算,并結合羅經 信息推算拖體相對于母船的位置。若要推算拖體 的絕對地理坐標,還需借助母船的定位系統在拖體入水前,通過一定的方法確定水下拖體的初始位 置,通過初始位置信息和測得的拖體速度方位信息 不斷疊加推算。該方法具有自主性高、隱蔽性強的 特點,其數據輸出平滑,短時間精度高,多普勒計程 儀測得的速度誤差不會隨時間累積,但是通過積分 方式獲得的位置誤差會隨時間積累。

       慣性導航系統(簡稱INS),按照系統結構分為平臺式慣導(簡稱 GINS)和 捷聯式慣導(簡稱SINS),可用于測定載體的三維姿態、 速度、位置等信息。GINS的慣性元件都安裝在一個物理平臺上,因其尺寸較大,結構復雜,不利于在深拖 等水下調查平臺中使用。SINS是在GINS基礎上發展而來的,其是一種無框架系統, 由陀螺儀、加速度計和微型計算機組成,具有體積小、結構簡單、維護方便等諸多優點,是目前水下調查平臺主要使用的慣導系統。隨著時間的增加,慣導系統也會出現累積誤差,故難以長時間獨立工作,需要利用各種外部輔助手段,如利用DVL提供速度參考信息進行融合定位。圖3為INS與DVL組合導航系統。

image.png

圖3 INS& DVL組合系統

2 USBL定位原理

2.1 USBL定位原理

      以GAPS超短基線為例,其換能器聲元基陣 由兩對相互正交的水聽器和一個發射換能器組成。通過測量應答器與換能器各聲元之間的距離R,同時記錄聲脈沖到達應答器的相位差予以測 定應答器與換能器各聲元之間的方位角θ,采用 交會方式即可得到應答器在船體坐標系下的坐標 位置。船體坐標系如圖4所示,其中,船體坐標系 原點 O 位于換能器中心點,T 為應答器位置,X 軸、Y 軸在水平面內,且 X 軸指向船首,Y 軸垂直 于 X軸指向右舷,Z軸垂直向下。母船的地理位 置由 GPS予以確定,通過準確量取GPS至坐標 系原點O 的偏移量,即可獲得應答器的絕對地理位置。

image.png

圖4 船體坐標系

2.2 USBL定位誤差分析

      假設影響USBL定位精度的各誤差源是相互獨立的,則整個系統的定位精度可以定義為:

image.png

      式(1)中:δU 為 USBL本身的測量誤差,包括測距誤差和測向誤差,屬于系統誤差,另外還包含數據更新率誤差;若USBL接入外部傳感器時, 還包括羅經航向誤差δ2GYR、姿態傳感器誤差δ2MRU、母船GPS定位誤差δ2GPS、聲速誤差δ2 SV,上 述誤差歸為外部傳感器誤差;δ2CALI為用戶安裝校準誤差,采用免校準型USBL 時,此項誤差不予考慮;δ2I為換能器到應答器不同入射角的誤差,與換能器和應答器之間的作用距離(包括水平距離 和垂直距離)密切相關;δ2N為噪聲誤差,屬于隨機誤差。

      航向誤差會主要影響USBL 的水平定位精度。姿態誤差對USBL水平和垂直定位精度均有影響。母船GPS定位誤差將傳遞給整個US-BL系統,導致所測得的應答器地理坐標精度不 準確。聲速對于所有聲學探測手段來說至關重要,聲速剖面測量誤差將會影響聲線追蹤的準確度,導致USBL 定位精度低甚至出現定位粗差。在開展USBL 定位 工作時,可通過使用高精度的羅經、姿態傳感器、GPS設備以及聲速剖面測量儀來減小對USBL最終定位誤差的影響。數據更新率誤差主要與測量斜距有關,當換能器與應答器間的距離增大時,USBL的數據更新率會降低,導致USBL在一定時間內不能給出定位數據,形成一個時段內定位數據空白的現象。在海洋工作環境中,由于環境噪聲影響產生的USBL定位誤差甚至粗差是不可避免的,需要對USBL定位數據進行濾波等后處理予以解決。

2.3 卡爾曼濾波

      卡爾曼濾波能夠實時估計系統中的參數,如連續變化的位置、速度等信息,是一種線性最優化 自回歸數據處理算法,可實時處理觀測數據并計 算最新的濾波值,通過不斷預測、修正遞推過程, 提供一種實時最優估計值。狀態估計為從各種有 效觀測數據中獲得最優導航結果的關鍵技術,卡爾曼濾波是導航系統中大多數狀態估計算法的基礎[22]。

卡爾曼濾波不僅可以利用當前的觀測值,還 可利用全時段輸入的觀測信息進行計算。在得到有效信息后,卡爾曼濾波利用系統參數的確定性特性和統計特性等先驗知識,以及觀測量來獲得最優估計。在諸如USBL等導航定位系統實時應用中,遞推算法計算效率更高,這是因為在每次迭代中只需要處理新的觀測數據,而舊的觀測數據可以丟棄。在提供的初始估計基礎上,卡爾曼濾波通過遞推運算,用先驗值和最新觀測數據中得到的新值的加權平均來更新狀態估計。

       在勻速直線運動情況下,考慮到水下定位的常發生的粗差觀測值,它所需要建立的數學模型即狀態方程和量測方程是一階線性的,自適應抗差卡爾曼濾波算法主要包含以下方程。

線性化后的自適應選權濾波的觀測方程和狀 態方程:

image.png

式中:Φk+1,k為k+1時刻的狀態轉移矩陣;

xk為k時刻的n維狀態向量,可包含位置參數和聲速改正參數;

Lk+1為 USBL觀測方程; Hk+1為設計矩陣; ωk 為狀態噪聲; υk 為觀測噪聲。

假設ω 和υ數學期望為0,彼此不相關,其協 方差矩陣分別為Σk+1,k 和Rk+1。自適應抗差濾波過程分為狀態更新和測量更新,狀態更新過程如 下:

image.png

式中:^Xk 為k 時刻的n維狀態向量濾波值,其初始值一般由少數歷元的觀測值求出;

Xk+1,k為一步預測后的狀態向量預測值。

3 USBL在深拖定位中的應用

      法國IXblue公司生 產 的Gaps超短基線定位系統(圖2)內部集成了高精度慣導系統,無需進行復雜的安裝校準工作。本文以該系統為例,介紹USBL在深拖探測水下定位中的應用。 本次深拖作業,母船以3kn速度沿固定航向航 行,深拖系統下放深度為600 m 左右,USBL 換 能器安裝于母船聲學豎井內,應答器安裝于拖體之上,采 用 電 觸 發 模 式 工 作。 圖 5 為 Delph Roadmap導航軟件中實時顯示的母船位置(圖中藍線)及拖體位置(圖中紅線),為了更直觀顯示母船與拖體的相對位置關系,截取部分原始數據,繪制三維顯示圖(圖6)。從圖6中不難看出,母船位置由高精度星站差 GPS給定,其運動軌跡清晰連續,表現為一條直線。USBL在大多數時間內可以給出相對穩定的定位數據,但受海洋環境噪聲等的影響,部分數據存在跳點情況。

image.png

圖5 實時導航界面

      針對深拖水下定位而言,深拖拖體與母船之間通過光電復合纜連接,由母船拖曳走航作業,故拖體的運行軌跡是有章可循的,運動軌跡相對平滑,正常情況下不會產生較大的突變。圖6中黑色框內的USBL原始數據出現明顯的跳動,選取該部分數據進行分析,如圖7所示,拖體位置在平 面方向和垂直方向上均存在明顯的跳動,尤其是垂直方向上,相鄰位置間跳動量可達到5~10m。

image.png

圖7 拖體三維位置

4 結論

      USBL以其靈活性、便于操作等諸多優點,在深拖探測中被廣泛應用。由于海洋環境噪音等引起的USBL定位誤差,會導致深拖水下定位數據 出現跳點,導致定位軌跡不連續。筆者結合深拖 拖體在水下的運動特性,構建其穩定動力學模型, 通過卡爾曼濾波算法可以有效地對誤差進行剔除或平滑,可明顯改善最終的定位結果。

本文在進行深拖水下定位工作時,僅采用了USBL單一技術手段,盡管通過數據后處理得到 了較為平滑的定位數據,但針對更高精度探測任務來說,還是遠遠不夠的。正如前文所述,針對高 精度探測任務,還需USBL, DVL, INS等多傳感器進行組合導航定位,組合定位技術可將兩個以 上的定位系統組合在一起發揮各自的優點,從而 提高水下定位的精度和可靠性,將會成為水下定 位技術發展的新趨勢。

參考文獻: 

[1]曹金良,劉曉東,張方生,等。DTA-6000聲波深拖系統在富鈷結殼檢測中的應用[J]。海洋地質與第四紀地質,2016,36(4):173-181。

[2]馮強強,溫明明,穆澤林,等。聲波深拖系統在海底冷泉測量中的應用[J]。測繪工程,2018,27(8):49-52。

[3]龍力,劉斌,張振波。深拖系統在深水井現場測量中的應用

[4]趙鐵虎,劉曉東,侯德勇,等。天然氣水合物聲波深度拖曳系列勘探技術研究進展[J]。海洋地質前沿,2013,29(4):61-64。

[5]馬塞特,馬雷斯特,KerS等。[J]。高分辨率深水地震系統的研究進展[J]。深海研究Ⅰ,2010,57(4):628-637。

[6] EtiopeG, SaviniA, BueN L,等。“圣瑪麗阿迪”冷水珊瑚丘中甲烷的深海探測[J]。深海研究Ⅱ,2010,57(4):431-440。

[7]單瑞,趙鐵虎,梅賽,等。深海拖曳系統定位技術及其應用與展望[J]。海洋地質前沿,2012,28(7):66-70。

[8]彭福清,霍立葉。海洋地球物理導航[J]。地球物理學進展,2007,22(3):759-764。

[9]王汝鵬,李葉,馬騰,等。AUV地形匹配導航中的快速收斂濾波波[J]。華中科技大學學報(自然科學版),2018,46(7):94-97。

[10]付夢銀,劉飛,袁淑明,等。水下慣性/重力匹配自主導航研究進展[J]。水下無人系統學報,2017,25(2):31-43。

[11] paul, SaeediS, SetoM等。基于自動導航技術的汽車自動駕駛系統[J]。海洋工程學報,2014,39(1):131-149。

[12] AllottaB CaitiA, CostanziR,等。基于kalmanfilter算法的多目標定位算法[J]。海洋工程,2016,39(1):1- 6。

[13]張濤陳琳,李莉。一種基于自動水下定位算法的自動水下定位方法[J]。傳感器,2015,16(1):42-63。DOI: 10.3390 / s16010042

[14]王超,劉琳,欒魯玉,等。水下SRINS/DVL組合導航技術研究[J]。導航與控制,2015,14(5):2-5。

[15]李敏。基于SINS/DVL與聲學定位系統的水下組合導航技術[J]。船舶電子工程,2018,38(12):60-64。

[16]AliK, MojtabaH, HassanS。慣性導航系統中運動學約束的設計與應用——基于多普勒速度日志(INS-DVL)的導航[J]。導航,2018,65(4):70-84。

[17]孫大軍,鄭翠娥。水聲導航定位技術發展趨勢探討[J]。海洋技術,2015,34(3):64-68。

[18]張同偉,王向新,唐嘉玲,等。超短基線定位系統現狀與展望[J]。船舶電子工程,2018,38(10):1-6。

[19]王姝偉,張彥順。基于羅盤/DVL/水聲定位系統的水下組合導航方法研究[J]。海洋技術,2014,33(1):19-23。

[20]王偉。慣性技術研究現狀及發展趨勢[J]。自動化學報,2013,39(6):723-729。

[21]于九成,何鯤鵬,王曉雪。SINS/DVL組合導航系統的標定[J]。智能系統學報,2015,10(1):143-148。

[22]甘玉,隋利芬,劉長劍,等。自適應抗誤差Klaman濾波器在多天線原始觀測值瞬時位姿確定中的應用[J]。測繪學報,2015,44(9):945-951。

[23]李增科,王健,高景祥,等。自適應聯邦濾波器在gps - ins聯合導航中的應用[J]。測繪學報,2016,45(2):157-163。

seo seo