一、自主水下航行器导航技术（论文文献综述）
尹洪亮,罗勇,郝强,吴佐成[1]（2021）在《北斗卫星导航系统在水下无人航行器中的应用方案研究》文中研究表明本文阐述北斗卫星导航系统在水下无人航行器的几种主要应用方案,根据北斗卫星导航系统的导航定位和短报文通信功能特点,将北斗在UUV的应用分为两大类:一类主要利用北斗导航提供导航定位服务,如组合导航、基于北斗的水下导航系统等;另一类主要利用北斗系统的短报文通信服务或兼具使用导航定位服务,如基于北斗卫星导航系统的UUV遥控系统等。本文为水下无人航行器的北斗卫星导航系统应用提供了发展思路。
寇立伟[2]（2021）在《四旋翼水下航行器的轨迹跟踪和协同包围控制研究》文中研究指明自主水下航行器作为一种新型智能化海洋作业装备,已在海洋资源开发、环境监测和海域侦查等领域发挥出越来越重要的作用。一方面,水下航行器精确的轨迹跟踪能力是其完成既定任务的关键保障。另一方面,随着海洋开发的不断深入,多水下航行器协同控制逐渐成为目前研究的热点问题。与单个水下航行器相比,多水下航行器协同作业能够实现诸如排雷、搜救等大规模复杂水下任务。然而水下航行器通常具有欠驱动、非线性和强耦合等特性,以及易受复杂海浪洋流等外部干扰影响,这给水下航行器轨迹跟踪和多航行器协同控制带来极大的挑战。本文以新型的四旋翼水下航行器为对象,针对其三维轨迹跟踪控制和协同包围控制两个关键问题开展一系列研究。首先,本文构建了四旋翼水下航行器的运动学模型和动力学模型,详细介绍了航行器配置的“X”型驱动系统,并推导出完整的仿射非线性数学模型。基于非线性控制和几何控制方法分析了四旋翼水下航行器的非完整性、可稳性和可控性,为后续的控制器设计奠定基础。其次,针对受推力饱和约束和海浪洋流等外部时变干扰的四旋翼水下航行器三维轨迹跟踪控制问题,本文利用坐标偏置的方法设计了基于输入输出反馈线性化的运动学控制器,并基于干扰观测器,辅助动态系统和动态面控制方法设计了反步法动力学控制器。动态面控制方法能够避免传统反步法的微分爆炸问题,使控制器设计更为简洁。严格的理论分析证明了水下航行器轨迹跟踪闭环系统的信号一致最终有界。然后,针对四旋翼水下航行器协同包围控制问题,本文利用坐标偏置的方法设计了基于输入输出反馈线性化的运动学控制器,并设计了自适应反步法控制器和鲁棒反步法控制器分别处理航行器受到的未知常值干扰和时变干扰。两种控制器均无需事先指定包围队形,且无需任何绝对的位置信息。理论分析表明两种控制器均可保证移动目标被航行器包围至其凸包内部,且能够实现航行器之间的障碍规避和对移动目标的速度估计。最后,针对协同包围控制中四旋翼水下航行器简化子系统的过驱性,本文研究了在推进器饱和约束下,四旋翼水下航行器的约束控制分配问题。提出了一种基于零空间投影的直接分配策略。针对可达转矩向量,基于推进器能耗最小的优化指标设计了分配策略;针对不可达转矩向量,利用尺度缩放,将其映射到可达转矩集的边界上,保证最终的控制输出和虚拟控制指令方向一致。理论证明和仿真结果验证了分配算法的有效性。
黄平[3]（2021）在《多无人水下航行器协同导航方法研究》文中研究表明随着人类对海洋的探索开发,无人水下航行器（Unmanned Underwater Vehicle,UUV）因其使用灵活、隐蔽性高和良好的适应能力,被越来越多的应用于各种海洋作业当中。稳定、可靠、高精度的水下导航系统是UUV执行水下任务的前提条件,但是在水下,传统的导航方法无法使用,且相对于陆上导航,水下导航更为复杂且动态不可重复。本文针对多UUV集群作业过程中,导航手段匮乏、导航精度低的问题,应用非线性滤波算法,考虑水下通信延时的约束条件,重点研究多UUV的协同导航滤波算法、编队构型并进行定位性能分析,旨在有效提高其导航精度。本文首先根据无人水下航行器协同作业的水下场景,研究多UUV协同导航的基本原理,分析不同编队结构的特点;针对UUV的水下运动特征建立运动学模型,并根据基于距离信息的单主式多UUV协同导航的工作原理建立量测模型。其次研究非线性卡尔曼与粒子滤波的协同导航算法,在理想通信条件下,针对非线性多UUV协同导航系统,提出并详细推导了分别基于扩展kalman滤波、无迹kalman滤波与容积kalman滤波协同导航方法,给出了三种协同导航滤波算法的主要步骤,并进行了仿真对比分析。仿真表明,三种算法都对单主式多UUV协同导航问题有效,在定位精度与稳定性上,CKF最优、UKF稍次,EKF较差。针对各UUV间水声通信延迟的问题,本文将通信时延因素考虑到算法中,研究基于时延扩展卡尔曼滤波的协同导航算法,修正量测信息延迟而产生的误差,并仿真验证了DEKF算法的有效性。然后分析了单主式多UUV系统的可观测性,进行编队构型优化,指出了单主单从式系统的最优编队构型特征。通过matlab仿真与理论分析的方式,分析协同导航的定位性能,讨论可观测性、距离量测噪声与航位推算误差等因素对定位精度的影响。最后本文介绍了以无人艇为载体,DSP/FPGA为核心处理器的协同导航实验平台的系统结构,并对其主要硬件模块进行了详细分析,使用该平台设计协同导航实验方案,在黑龙滩水库开展湖上实验。实验表明,本文设计的具有通信延迟补偿的DEKF算法能够实现多无人平台间的协同导航。
范世伟[4]（2020）在《自主水下航行器协同定位算法研究》文中进行了进一步梳理随着科技的发展,自主水下航行器协同系统在军事应用领域的作用越来越重要。自主水下航行器的高精度定位是成功执行任务的必要条件之一,然而水下环境不利于电磁波信号的传播,导致卫星导航系统很难对自主水下航行器进行准确定位,而价格高昂的高精度惯导系统不利于大规模应用。因此以搭载高精度导航系统的自主水下航行器为主艇,通过水声设备共享信息并测量相对距离,进而利用数据融合技术提高其余搭载低精度导航系统的从艇的定位能力,开展基于水声测距的自主水下航行器协同定位技术研究具有重要意义。本课题围绕自主水下航行器的高精度定位需求,开展基于水声测距的主从式自主水下航行器协同定位技术研究。深入分析了协同定位系统的可观测性,并在高斯噪声下提出了基于因子图与和积算法的协同定位算法,针对水声测距的重尾噪声问题,设计了基于因子图与最大相关熵的协同定位算法,并首次提出了从艇过程误差的误差参数辨识算法,以提高自主水下航行器的高精度定位能力。论文主要研究内容如下:首先,针对自主水下航行器协同定位系统,建立了协同定位系统的数学模型,并利用扩展卡尔曼滤波实现协同定位。针对自主水下航行器协同定位系统的可观测性,提出了解耦主从艇相对运动的协同坐标系,并在协同坐标系内考虑控制输入的情况下,分别详细研究了单主艇协同定位系统和双主艇协同定位系统的可观测性,并定义了系统的可观测度。基于上述分析,设计了仿真实验对可观测性的分析结论进行验证,仿真结果表明当系统可观测度提高时,定位误差会逐渐收敛,证明了分析结论的正确性。其次,针对高斯噪声环境中协同定位系统传统算法定位误差大且计算复杂的问题,建立了协同定位系统的因子图模型,提出了基于因子图与和积算法的协同定位算法,利用均值和方差在因子图中各节点间的传递完成对从艇定位误差的修正。之后将转换矩阵引入到因子图模型中,提出了改进的协同定位算法,有效降低了协同定位系统的定位误差,并减少了算法的计算量,通过仿真实验及离线的实船实验数据对所提算法进行了验证,实验结果证明了提出的协同定位算法的有效性。再次,针对协同定位系统观测量的重尾噪声严重影响定位精度的问题,分析了水声测距时误差呈重尾分布的原因,并提出了基于因子图与最大相关熵的协同定位算法,将最大相关熵准则引入到因子图模型中作为代价函数,并设计了基于观测误差的自适应核宽度算法,有效抑制了重尾噪声对算法定位精度的影响。在此基础上,提出了一种利用滑动窗口构造观测信息的协同定位算法,设计了基于中值滤波的核宽度确定方法,建立了基于野值在窗口中占有比例来调节窗口大小的自适应窗口算法,为了验证算法的有效性,利用仿真实验及离线的实船实验数据对两种算法进行验证,结果表明两种算法可以有效降低观测量呈现重尾噪声分布时的定位误差。最后,针对以相对距离为观测量的AUV协同定位系统中从艇存在速度误差和航向误差的问题,首次详细分析了这两种过程误差对从艇定位精度的影响,并提出了误差参数辨识算法的因子图模型。在此基础上,分别提出了基于高斯噪声和基于重尾噪声的误差参数辨识算法,在高斯噪声条件下,利用均值和方差在因子图各节点间传递完成对速度误差和航向误差的参数辨识,在重尾噪声条件下,以相关熵作为代价函数实现因子图各节点间信息的更新,抑制了过程误差对定位精度的影响。为了验证算法的有效性,通过仿真实验和离线的实船实验数据对两种误差参数辨识算法进行验证,结果表明两种算法可以有效降低从艇的定位误差,在从艇自主定位时尤其明显。
郭银景,孔芳,张曼琳,吕文红,吕振义[5]（2020）在《自主水下航行器的组合导航系统综述》文中提出由于GPS和无线电信号在水下严重衰减,因此以惯性导航为核心,加以其他辅助导航设备的组合导航系统正适用于自主水下航行器的使用环境。回顾了近年自主水下航行器组合导航的最新进展,为将自主水下航行器应用于军用和民用等领域的研究学者提供了参考。首先,总结了国内外近十年来自主水下航行器组合导航方法,如INS/APS组合导航、INS/GPS组合导航、INS/DVL组合导航、INS/地球物理组合导航和INS/SLAM组合导航;介绍了各种自主水下航行器组合导航系统的基本原理和关键技术问题的解决方案;总结对比了其优缺点和发展趋势;最后给出了未来自主水下无人航行器组合导航面临的挑战。
王明杭[6]（2020）在《微小型水下无人航行器高精度水下导航关键技术研究》文中提出水下无人航行器（Underwater Unmanned Vehicle,UUV）是无人驾驶、依靠人为遥控操作或自动行驶在水下的潜水器。UUV在海洋环境调查、水下资源物质勘探、管道检测、打捞等等诸多方面起到了重大作用。具有准确的水下导航精度是水下无人航行器能够安全顺利地完成水下作业的前提和重要保证,是决定其是否能正常工作和回收的关键。高精度的导航是决定UUV的成熟度和实用化的重要指标,而水底下环境复杂多样,单一导航方式很难满足实际的应用需求,需要辅助传感器,因此本文对UUV的水下导航的关键技术进行研究。论文主要工作有:1、对水下无人航行器的捷联惯导系统测量信息预处理和姿态解算技术进行研究,本文设计了一种基于改进自适应无迹卡尔曼滤波（改进AUKF）的姿态解算方法。先对陀螺与加速度计传感器的误差信号预处理,分别建立ARMA模型和一元高阶模型,使用经典Kalman滤波实现其过程;然后建立姿态角的微分方程,使用高精度的改进AUKF算法实现姿态角解算过程。通过试验结果显示,此方法可以得到准确的姿态角值,可以有效解决MEMS陀螺漂移引起姿态角误差。2、对水下无人航行器在实际的工作时无法快速且准确对准的问题,研究了一种GPS/SINS的速度“积分”匹配对准方法。先使用GPS的速度测量信息辅助SINS进行粗对准后,之后开始速度积分匹配精对准。建立对准模型,在使用滤波之前用最小二乘曲线拟合法对SINS解算速度值进行时间同步校正,并同时对GPS速度信号值进行杆臂效应补偿。分别使用无迹卡尔曼滤波（UKF）和改进自适应UKF实现精对准。通过试验和仿真表明,改进自适应UKF可以得到更高的对准精度和快速性。3、由于经典的UUV试验标定法存在实现等方面的不方便,本文探讨了基于SINS/GPS的UUV在线标定技术。首先,对在线标定整体方案进行设计,包括外测系统选择等等。其次,搭建SINS在线标定数学模型,同时建立滤波的状态方程与测量方程。分别使用Kalman滤波和基于新息自适应滤波来实现在线标定过程,并且通过SVD法对系统状态变量进行可观测度分析。最后通过Matlab仿真验证文中所设计的在线标定方法准确性。4、为提升水下无人航行器的组合导航精度,本文探讨了基于SINS/DVL/GPS/MCP组合导航技术。先讨论了多普勒计程仪（DVL）与磁罗仪（MCP）的工作过程和误差理论分析,建立SINS/DVL/GPS/MCP组合导航数学模型,搭建滤波的状态方程和观测方程。然后针对UUV在水下工作时惯性传感器会受到各种误差干扰,研究了联合滤波算法,使用该算法对状态变量进行最优估计。最后通过实验数据仿真验证此方法的有效性,可以大幅度提升UUV的导航精度和自适应能力,而且能够明显减小惯性传感器的误差和水下复杂环境干扰对导航精度的影响。
朱鹏莅[7]（2020）在《基于视觉深度预测的水下航行器自主强化控制研究》文中研究表明随着人类对海洋开发和认识的逐步深入,视觉水下航行器已成为探索海洋的关键设备,并广泛应用于水下搜救、勘测及海洋生物监测等任务。视觉环境感知作为视觉水下航行器获取、分析和认知所处环境的重要手段,通过处理和反馈视觉信息辅助水下航行器自主控制决策,保障了决策的正确性及水下航行器的安全性。在不同水下任务下环境感知与自主控制决策的实时性存在差异,不匹配的感知和控制方案会造成状态提取与控制决策的异步,无法保障水下航行器自主航行控制的鲁棒性,严重时甚至造成控制系统的失稳导致任务失败。在此背景下,本文以水下航行器为研究对象,以离散视觉（图像）和连续视觉（视频）感知条件下的自主强化控制决策为目标,利用深度学习通过环境数据驱动获取感知特征,利用强化学习通过航行状态驱动获取动作决策,进而满足水下航行器自主感知与分析、决策与控制一体化的自主航行需求,主要研究工作如下:论文在论述了水下航行器及其智能感知与决策算法的发展与研究现状的基础上,阐述了深度强化学习算法的原理。针对离散视觉的水下环境深度预测,设计了一种具备离散深度特征信息提取功能的全卷积残差网络,在编码器—解码器的神经网络架构下,结合残差学习和监督学习,解决了水下环境离散视觉深度预测的边缘模糊和细节缺失问题。考虑到连续视觉帧间变化造成的视觉错位问题,设计了一种具备连续深度特征信息提取功能的视差估计网络,在图像深度特征信息提取的基础上,引入自我运动评估网络实现相邻帧图像匹配,解决了水下环境连续视觉的深度预测延迟问题。面向水下离散视觉感知的自主离散控制,设计了一种基于竞争式深度双重Q网络的自主强化控制网络,采用Q值强化学习为基础控制框架,以离散深度图作为状态信息输入,通过卷积神经网络提取状态信息,结合贪婪竞争学习和在线训练机制,实现了水下航行器的自主离散决策控制。针对连续视觉感知条件下的自主连续决策控制,设计了一种基于深度确定性梯度策略的自主强化控制网络,在“决策-评价”强化学习的控制框架下,以连续深度视频作为状态信息输入,通过深度神经网络模拟策略和Q值计算,结合Q值强化学习的在线训练机制,解决了水下航行器的自主连续决策控制问题。结合相应离散和连续视觉感知和自主强化控制方法,进行了联合仿真训练和实际试验,实验结果表明提出的自主强化控制方法能够实现视觉感知条件下的水下航行器自主控制和导航避碰功能,兼具高精度、强鲁棒等优点,验证了所提方案的有效性和实用性,为浅水域水下航行器的应用提供了一种新思路。
张鹏程[8]（2020）在《SINS/DVL/USBL水下组合导航系统的设计与验证》文中进行了进一步梳理随着对海洋探索范围的增大,对水下导航系统的精度、抗干扰能力等提出了越来越高的要求。捷联惯性导航系统由于其自主性高、实时性好等优点被广泛应用在水下导航领域,但惯性导航系统存在着误差随时间积累的缺点;加之在水下环境之中无线电信号衰减严重的特点,多采用惯导与多普勒和声学导航定位设备相组合的方式进行导航。本文以水下航行器的高精度导航定位为实际应用背景,提出一种SINS/DVL/USBL组合导航方案,完成了对组合导航系统实验平台的搭建,在对各个子系统的原理及误差分析的基础上设计了组合导航系统的信息融合方案,最后通过试验验证了本文中设计的组合导航系统能够满足水下航行器的实际应用需求。论文中主要内容如下:（1）总体设计:在明确系统组成与功能、提出系统总体设计指标的基础之上,对组合导航系统的主要器件进行了选型;利用相应的软件设计了系统的总体机械结构;在DSP+FPGA架构之上建立了信息处理与解算的硬件平台;完成了信息采集、解算、通信等功能在软件功能上的实现。（2）原理及误差分析:在明确导航常用坐标系的前提之下,对SINS、DVL、USBL的基本原理进行了分析;并在此基础之上,建立了相对应的误差模型;对SINS系统中的IMU进行了标定补偿和随机误差参数辨识。（3）滤波器设计:介绍了组合导航的优势和Kalman滤波的基本原理;推导建立了SINS/DVL/USBL组合系统的状态方程和观测方程;在联邦滤波的框架之下,采用无重启结构进行了组合导航系统的滤波器设计。（4）实验验证:设计进行了相应的静态实验及动态试验。实验结果表明:组合导航系统的导航精度满足设计指标,且系统运行稳定可靠,初始对准过程中组合导航系统的航向精度优于0.1 sec L（L为当地纬度）,姿态精度优于0.02°。以GPS定位为基准,系统的水下定位精度优于航程的0.35%。
马煜然[9]（2020）在《基于深度信息的航迹匹配及其在惯导中的应用》文中研究表明在现今科技迅速发展的阶段,人类进入了陆地资源日渐匮乏的阶段,因此人类将目光转向了远大于陆地面积的海洋,因此对海洋资源进行探索变成了各个国家争相进行研究的课题。水下潜器作为探索海洋的重要工具之一,是否能够精准导航是水下潜器能够完成任务的前提,也是目前导航领域进行重点研究的课题。因为惯性导航系统随着时间的累计而导致误差变大不能满足水下载体长时间航行时对于导航精度的要求,而GPS导航系统在水下航行时因为无线电波受到水介质的影响在进行水下导航时也具有一定的局限性。所以在本文中探寻一种可以自主对惯性导航系统进行有效校正的方法,从而满足水下潜器精准导航的任务要求,第一对地形匹配导航系统进行深入研究,建立基于等深线的匹配算法,第二利用获得的位置信息结合卡尔曼滤波对惯导系统进行校正,从而使得水下潜器实现长时间高精度的导航以顺利完成任务。本论文首先对水下地形匹配导航系统各个组成部分进行了相关介绍,主要包括水深测量的方法,如何建立数字地形地图,现有的各个水下地形匹配系统算法的原理介绍,并对各个匹配算法的优劣进行了分析,再对惯性导航系统中的坐标系、坐标系之间的变换和捷联惯性导航系统的力学编排进行详细介绍,为后面匹配算法的设计打下基础。然后在对各个匹配算法存在的优缺点进行分析的基础上进行了基于深度信息的价值函数最优化的匹配算法的设计,对该算法的方法、执行过程以及可行性进行了深入介绍,除此以外还对等深线地图的获取过程进行说明,并对提出的算法进行仿真实验,从而对设计的匹配算法的性能进行了分析。因为考虑在实际运行过程中,可能存在一些相关影响因素,所以进行了匹配算法精度的分析,主要对惯导系统误差、深度测量误差、数字地图分辨率等影响因素进行了单一或叠加的仿真分析,得出结论,数字地图分辨率对算法精度的影响最大。当各个误差存在交叉作用时,也会使匹配算法精度下降。但总体来说设计的匹配算法的效果良好。最后为了能够实现本次课题目标,进行了对惯导系统进行校正的有关设计,对捷联惯导系统存在的惯性器件误差方程和速度位置姿态误差方程进行了推导,介绍了各滤波估计方法并在此基础上进行优缺点的比较,决定在校正过程中选择的滤波方法,利用数据同步融合方法解决惯导系统与地形匹配导航系统更新时间不同步的问题,在此基础上进行了组合导航系统的设计和组合导航系统的建模,最后对系统进行了仿真实验,从而实现对惯导系统的校正。
张俞鹏[10]（2020）在《基于多波束前视声呐的水下障碍物检测及避障算法研究》文中认为海洋作为地球上最为广阔的部分,其内部所拥有的资源具有极大的开发价值。近几年来,人们开始不断地开发海洋资源和空间,如在海底铺设大量的天然气管道以便于运输,因而,利用自主式水下航行器（Autonomous Underwater Vehicle,AUV）去探测海底天然气管道是否泄漏的技术,就具有极其重大的战略意义。不过,由于海洋内部环境的复杂性,自主式水下航行器在执行任务时常常会有障碍物干扰航行,因此,对水下障碍物的检测及避障进行研究,就显得尤为重要。本文基于自主式水下航行器搭载的多波束前视声呐采集的数据,开展了障碍物检测算法、避障算法和指令系统三个方面的研究:（1）基于采集到的声呐图像数据,本文首先提出了一种基于类间方差及小区域抑制的障碍物检测算法。该算法在快速计算得到声呐图像最佳阈值的基础上,针对声呐图像处理结果上依旧存在一定数量的噪声区域的情况,通过对最佳阈值的不断更新,使得声呐图像中障碍物检测结果更为精确。（2）本文在以上算法的基础上提出了一种基于深度学习及改进阈值分割的障碍物检测算法。该算法采用了YOLO v3网络,对声呐图像中的障碍物候选区域进行了检测,在得到的障碍物候选区域内,采用基于类间方差及小区域抑制的障碍物检测算法,获得准确的障碍物区域。本文将提出的上述两个算法与K均值聚类算法、自适应滤波阈值分割法、Otsu阈值分割法在检测精度和运算速度两个指标上进行了比较。实验结果表明,本文提出的基于类间方差及小区域抑制的障碍物检测算法相较于三种已有的方法,在两个指标上都有明显的优势,而本文提出的基于深度学习及改进阈值分割的障碍物检测算法更是在此基础之上,进一步提高了检测精度和处理速度。（3）在充分考虑自主式水下航行器的实际工作情况和工作环境的基础上,本文有针对性地设计了一套避障规则,并结合声呐图像的障碍物检测结果,提出了一种基于障碍物轮廓的避障算法,来估计合理的避障角度,传送给水下航行器的主控以控制航行器避开障碍物。（4）本文基于RS-232通信协议设计了一个串口通信系统和指令系统,实现了自主式水下航行器的避障板卡与主控之间的双向通信。本文最终将障碍物检测算法、避障算法和指令系统这三个模块结合,移植到一块作为自主式水下航行器避障板卡的PC104板上。在实际应用中,搭载该避障板卡的AUV成功入水航行,并在航行过程中成功避开了障碍物。
二、自主水下航行器导航技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、自主水下航行器导航技术（论文提纲范文）
（2）四旋翼水下航行器的轨迹跟踪和协同包围控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 自主水下航行器研究现状 |
| 1.2.1 国外自主水下航行器研究现状 |
| 1.2.2 国内自主水下航行器研究现状 |
| 1.2.3 自主水下航行器的未来发展 |
| 1.3 课题研究综述 |
| 1.3.1 水下航行器的三维轨迹跟踪问题 |
| 1.3.2 水下航行器的协同包围控制问题 |
| 1.3.3 水下航行器的约束控制分配问题 |
| 1.4 主要工作及创新点 |
| 1.5 本文结构 |
| 2 四旋翼水下航行器系统建模及特性分析 |
| 2.1 本章概述 |
| 2.2 预备知识 |
| 2.2.1 非线性系统可控性 |
| 2.2.2 李括号和李代数 |
| 2.3 四旋翼水下航行器数学模型 |
| 2.3.1 “X”型驱动系统 |
| 2.4 四旋翼水下航行器特性分析 |
| 2.4.1 非完整性分析 |
| 2.4.2 可稳性分析 |
| 2.4.3 可控性分析 |
| 2.5 本章小结 |
| 3 四旋翼水下航行器三维轨迹跟踪控制 |
| 3.1 本章概述 |
| 3.2 问题描述 |
| 3.3 控制器设计 |
| 3.3.1 干扰观测器设计 |
| 3.3.2 横滚控制器设计 |
| 3.3.3 位置控制器设计 |
| 3.3.4 推进器饱和抑制 |
| 3.4 稳定性分析 |
| 3.4.1 子系统Σ(φ, p_e,z_1,z_2)的收敛性 |
| 3.4.2 子系统Σ(v, q)的收敛性 |
| 3.4.3 偏航角ψ的收敛性 |
| 3.5 仿真结果 |
| 3.5.1 无外部干扰下的仿真结果 |
| 3.5.2 外部干扰下的仿真对比 |
| 3.6 本章小结 |
| 4 四旋翼水下航行器协同包围控制 |
| 4.1 本章概述 |
| 4.2 预备知识 |
| 4.3 系统建模和问题描述 |
| 4.3.1 系统建模 |
| 4.3.2 问题描述 |
| 4.4 控制器设计 |
| 4.4.1 基于输入输出反馈线性化的运动学控制器 |
| 4.4.2 考虑常值干扰的自适应反步法控制器 |
| 4.4.3 考虑时变干扰的鲁棒反步法控制器 |
| 4.5 仿真结果 |
| 4.5.1 常值干扰下的移动目标协同包围 |
| 4.5.2 时变干扰下的移动目标协同包围 |
| 4.5.3 特殊情况移动目标协同包围 |
| 4.6 本章小结 |
| 5 四旋翼水下航行器约束控制分配 |
| 5.1 本章概述 |
| 5.2 预备知识 |
| 5.2.1 约束控制集和可达转矩集 |
| 5.2.2 最小范数解 |
| 5.3 问题描述 |
| 5.4 算法设计 |
| 5.4.1 零空间投影 |
| 5.4.2 可达转矩向量: Γ∈ Φ |
| 5.4.3 不可达转矩向量: Γ ?Φ |
| 5.5 仿真结果 |
| 5.5.1 比较仿真 |
| 5.5.2 定理5.1验证 |
| 5.5.3 讨论分析 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 6.1 全文工作总结 |
| 6.2 问题及展望 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 附录 C |
| C.1 引理5.2 的证明 |
| C.2 定理5.1的证明 |
| 作者简历 |
| 读博期间科研成果(含录用) |
| 读博期间参加的重大科研项目 |
（3）多无人水下航行器协同导航方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 国内外多UUV协同系统研究历史与现状 |
| 1.2.2 多UUV协同导航技术的研究现状 |
| 1.3 研究目的和内容 |
| 1.4 论文的结构安排 |
| 第二章 多UUV协同导航系统建模 |
| 2.1 多UUV协同导航基本原理 |
| 2.2 协同导航系统结构分析 |
| 2.2.1 主从式结构 |
| 2.2.2 并行式结构 |
| 2.2.3 分层式结构 |
| 2.3 UUV运动学模型建立 |
| 2.3.1 协同导航常用坐标系 |
| 2.3.2 运动参数定义 |
| 2.3.3 运动学模型分析 |
| 2.4 协同导航量测模型建立 |
| 2.4.1 主UUV精确定位方式 |
| 2.4.2 单主式协同导航量测方程 |
| 2.5 本章小结 |
| 第三章 多UUV协同导航滤波算法研究 |
| 3.1 卡尔曼滤波基本框架 |
| 3.2 基于非线性卡尔曼的协同导航算法设计 |
| 3.2.1 扩展卡尔曼协同导航算法 |
| 3.2.2 无迹卡尔曼协同导航算法 |
| 3.2.3 容积卡尔曼协同导航算法 |
| 3.3 三种算法仿真实现与比较分析 |
| 3.3.1 仿真案例1 |
| 3.3.2 仿真案例2 |
| 3.3.3 三种导航算法比较 |
| 3.4 基于粒子滤波的协同导航算法设计 |
| 3.5 具有通信时延的协同导航算法设计 |
| 3.5.1 水声通信时延分析 |
| 3.5.2 基于时延EKF的协同导航算法 |
| 3.6 本章小结 |
| 第四章 协同导航编队构型与性能分析 |
| 4.1 协同导航可观测性分析 |
| 4.1.1 非线性系统可观测性理论 |
| 4.1.2 单主式UUV系统可观测性分析 |
| 4.2 UUV协同导航编队构型优化 |
| 4.2.1 协同导航Cramer-Rao下界分析 |
| 4.2.2 基于Cramer-Rao的单主单从式编队优化 |
| 4.3 协同导航定位精度分析 |
| 4.3.1 系统可观测性对导航精度的影响 |
| 4.3.2 距离量测噪声对导航精度的影响 |
| 4.3.3 航位推算误差对导航精度的影响 |
| 4.4 本章小结 |
| 第五章 协同导航系统搭建与实验 |
| 5.1 导航实验平台系统结构 |
| 5.2 实验平台硬件组成 |
| 5.3 导航实验及结果分析 |
| 5.3.1 实验方案设计 |
| 5.3.2 湖上实验与结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）自主水下航行器协同定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 自主水下航行器及定位技术研究现状 |
| 1.2.1 自主水下航行器研究现状 |
| 1.2.2 水下定位技术研究现状 |
| 1.3 AUV协同定位技术研究现状 |
| 1.3.1 协同定位方案研究现状 |
| 1.3.2 协同定位系统可观测性研究现状 |
| 1.3.3 协同定位算法研究现状 |
| 1.3.4 因子图算法研究现状 |
| 1.4 本领域存在的科学问题 |
| 1.5 课题的主要研究内容 |
| 第2章 AUV协同定位系统原理与可观测性分析 |
| 2.1 引言 |
| 2.2 基于距离测量的协同定位原理 |
| 2.2.1 常用坐标系及转换 |
| 2.2.2 协同定位系统的传感器 |
| 2.2.3 水下声学测距技术分析 |
| 2.2.4 协同定位方式与原理 |
| 2.3 协同定位系统数学模型分析 |
| 2.3.1 AUV运动学模型 |
| 2.3.2 基于水声测距的观测模型 |
| 2.3.3 协同定位系统的滤波实现 |
| 2.4 基于协同坐标系的可观测性分析 |
| 2.4.1 协同坐标系定义 |
| 2.4.2 基于李导数的单主艇系统可观测性分析 |
| 2.4.3 基于李导数的双主艇系统可观测性分析 |
| 2.5 仿真实验 |
| 2.6 本章小结 |
| 第3章 基于旋转矩阵的AUV协同定位算法研究 |
| 3.1 引言 |
| 3.2 基于因子图的协同定位系统模型 |
| 3.2.1 因子图与和积算法 |
| 3.2.2 协同定位系统的因子图模型 |
| 3.3 高斯噪声下协同定位算法研究 |
| 3.3.1 基于因子图模型的协同定位算法 |
| 3.3.2 协同定位算法的分析 |
| 3.3.3 基于旋转矩阵的协同定位算法 |
| 3.4 实验验证 |
| 3.4.1 仿真结果与分析 |
| 3.4.2 实船实验与分析 |
| 3.5 本章小结 |
| 第4章 重尾噪声环境下AUV自适应协同定位算法研究 |
| 4.1 引言 |
| 4.2 基于水声测距的协同定位系统观测噪声分析 |
| 4.3 基于因子图与最大相关熵的协同定位算法 |
| 4.3.1 最大相关熵准则 |
| 4.3.2 重尾噪声下协同定位算法研究 |
| 4.4 滑动观测协同定位算法 |
| 4.4.1 基于中值滤波的核宽度计算 |
| 4.4.2 滑动窗口大小的自适应确定 |
| 4.5 实验验证 |
| 4.5.1 仿真结果与分析 |
| 4.5.2 实船实验与分析 |
| 4.6 本章小结 |
| 第5章 AUV协同定位系统过程误差参数辨识算法研究 |
| 5.1 引言 |
| 5.2 从艇自主定位误差分析 |
| 5.3 过程误差传递模型因子图设计 |
| 5.4 基于因子图的误差参数辨识算法 |
| 5.4.1 基于高斯噪声的误差参数辨识算法 |
| 5.4.2 基于重尾噪声的误差参数辨识算法 |
| 5.5 实验验证 |
| 5.5.1 仿真结果与分析 |
| 5.5.2 实船实验与分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 实验数据 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）自主水下航行器的组合导航系统综述（论文提纲范文）
| 0 引言 |
| 1 INS/APS组合导航 |
| 2 INS/GPS组合导航 |
| 2.1 典型的INS/GPS组合导航 |
| 2.2 INS/GPS浮标组合导航 |
| 3 INS/DVL组合导航 |
| 3.1 典型的INS/DVL组合导航 |
| 3.2 基于INS/DVL的组合导航方案 |
| 4 INS/地球物理导航的组合导航 |
| 5 INS/SLAM组合导航 |
| 6 组合导航中的多传感器数据融合算法 |
| 7 总结与展望 |
（6）微小型水下无人航行器高精度水下导航关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外水下航行器的发展状况 |
| 1.2.1 国外水下机器人发展状况 |
| 1.2.2 国内水下机器人发展状况 |
| 1.3 水下导航关键技术研究现状 |
| 1.3.1 预处理和姿态解算技术 |
| 1.3.2 初始对准技术 |
| 1.3.3 在线标定技术 |
| 1.3.4 组合导航技术 |
| 1.4 论文研究内容及安排 |
| 第2章 水下航行器惯导数据的预处理和姿态解算 |
| 2.1 SINS数据预处理过程 |
| 2.1.1 陀螺仪误差模型 |
| 2.1.2 加速度计误差模型 |
| 2.2 姿态角解算过程 |
| 2.2.1 姿态角的提取 |
| 2.2.2 姿态角解算过程 |
| 2.3 滤波算法在预处理和姿态解算中运用 |
| 2.3.1 卡尔曼滤波算法(KF) |
| 2.3.2 扩展卡尔曼滤波算法(EKF) |
| 2.3.3 无迹卡尔曼滤波算法(UKF) |
| 2.3.4 改进自适应无迹卡尔曼滤波算法(改进 AUKF) |
| 2.4 实验结果与分析 |
| 2.4.1 预处理实验 |
| 2.4.2 姿态解算实验 |
| 2.5 本章小结 |
| 第3章 水下航行器的对准技术研究 |
| 3.1 捷联惯性导航系统(SINS)概述 |
| 3.1.1 常用坐标系的定义 |
| 3.1.2 SINS的工作原理 |
| 3.1.3 SINS初始对准概述 |
| 3.2 SINS误差分析及建模 |
| 3.2.1 惯性元件误差模型 |
| 3.2.2 SINS误差模型 |
| 3.3 对准精度影响因素分析 |
| 3.3.1 GPS和 SINS时间同步 |
| 3.3.2 杆臂效应 |
| 3.4 速度积分匹配对准过程 |
| 3.4.1 GPS辅助SINS粗对准方案设计 |
| 3.4.2 速度“积分”匹配精对准 |
| 3.5 实验与仿真分析 |
| 3.6 本章小结 |
| 第4章 水下航行器惯导系统误差在线标定技术研究 |
| 4.1 惯导系统误差在线标定总体方案设计 |
| 4.1.1 在线标定方案研究 |
| 4.1.2 外测设备 |
| 4.2 SINS在线标定的误差模型 |
| 4.2.1 惯性器件测量误差建模 |
| 4.2.2 在线标定滤波的状态方程 |
| 4.2.3 在线标定滤波的测量方程 |
| 4.2.4 惯性器件误差补偿算法 |
| 4.3 基于新息自适应滤波算法 |
| 4.3.1 自适应滤波器原理 |
| 4.3.2 系统噪声和测量噪声估计 |
| 4.3.3 算法流程 |
| 4.4 在线标定的可观测分析 |
| 4.4.1 惯导系统误差可观测分析理论 |
| 4.4.2 水下航行器匀速时的可观测度分析 |
| 4.4.3 水下航行器加速时的可观测度分析 |
| 4.5 在线标定的仿真 |
| 4.6 本章小结 |
| 第5章 水下航行器组合导航技术研究 |
| 5.1 水下航行器的导航传感器 |
| 5.1.1 DVL的工作原理和误差分析 |
| 5.1.2 磁航向仪(MCP)工作原理和误差分析 |
| 5.2 组合导航和联合滤波 |
| 5.2.1 水下航行器组合导航系统设计 |
| 5.2.2 联合滤波理论的引出 |
| 5.3 UUV组合导航系统的数学模型 |
| 5.3.1 状态方程 |
| 5.3.2 测量方程 |
| 5.4 基于联合滤波的组合导航系统 |
| 5.4.1 子滤波器的建模 |
| 5.4.2 子滤波器算法 |
| 5.4.3 主滤波器算法 |
| 5.5 基于联合滤波的水下组合导航系统仿真 |
| 5.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（7）基于视觉深度预测的水下航行器自主强化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下视觉深度预测和航行器自主控制研究现状 |
| 1.2.1 水下视觉深度预测研究现状 |
| 1.2.2 水下航行器自主控制研究现状 |
| 1.3 本文主要研究内容及结构安排 |
| 第2章 深度强化学习算法理论基础 |
| 2.1 深度神经网络简介 |
| 2.1.1 感知机 |
| 2.1.2 深度神经网络 |
| 2.2 卷积神经网络简介 |
| 2.2.1 卷积层 |
| 2.2.2 池化层 |
| 2.2.3 激活函数 |
| 2.2.4 全连接层 |
| 2.3 强化学习算法理论基础 |
| 2.3.1 马尔可夫决策过程 |
| 2.3.2 动态规划算法 |
| 2.3.3 蒙特卡洛方法 |
| 2.3.4 时序差分学习 |
| 2.4 深度强化学习理论基础 |
| 2.4.1 基于值函数的深度强化学习算法 |
| 2.4.2 基于策略梯度的深度强化学习算法 |
| 2.4.3 基于决策—评价框架的深度强化学习算法 |
| 2.5 本章小结 |
| 第3章 基于深度预测的水下环境视觉感知 |
| 3.1 水下离散视觉的监督式深度预测算法 |
| 3.1.1 全卷积残差神经网络(FCRN) |
| 3.1.2 FCRN训练损失函数 |
| 3.1.3 FCRN深度预测结果 |
| 3.2 水下连续视觉的无监督式深度预测算法 |
| 3.2.1 视差估计网络(DispNet) |
| 3.2.2 DispNet训练损失函数 |
| 3.2.3 DispNet深度预测结果 |
| 3.3 本章小结 |
| 第4章 基于深度强化学习的自主控制决策 |
| 4.1 离散自主强化控制策略研究 |
| 4.1.1 竞争式深度双重Q网络(D3QN) |
| 4.1.2 离散动作和算法奖惩机制 |
| 4.1.3 D3QN仿真结果 |
| 4.2 连续自主强化控制策略研究 |
| 4.2.1 竞争式深度确定性策略梯度(D3PG)网络 |
| 4.2.2 连续动作和算法奖惩机制 |
| 4.2.3 D3PG仿真结果 |
| 4.3 本章小结 |
| 第5章 感知决策一体化仿真及实验验证 |
| 5.1 仿真结果分析 |
| 5.1.1 仿真软件及平台设计 |
| 5.1.2 基于FCRN-D3 QN的端对端联合训练仿真 |
| 5.1.3 基于DispNet-D3PG的端对端联合训练仿真 |
| 5.2 真实环境实验验证 |
| 5.2.1 实验平台简介 |
| 5.2.2 实验具体方案 |
| 5.2.3 实验结果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简介及攻读硕士学位期间科研成果 |
（8）SINS/DVL/USBL水下组合导航系统的设计与验证（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 SINS研究现状及发展趋势 |
| 1.2.2 DVL研究现状及发展趋势 |
| 1.2.3 USBL研究现状及发展趋势 |
| 1.2.4 水下组合导航的研究现状及趋势 |
| 1.3 论文主要内容与结构安排 |
| 第2章 SINS/DVL/USBL组合导航系统的总体设计 |
| 2.1 系统功能及构成 |
| 2.2 组合导航系统的设计指标 |
| 2.3 系统主要器件选型 |
| 2.3.1 光纤陀螺 |
| 2.3.2 加速度计 |
| 2.3.3 多普勒计程仪 |
| 2.3.4 超短基线 |
| 2.4 组合导航系统的总体设计 |
| 2.4.1 结构设计 |
| 2.4.2 硬件设计 |
| 2.4.3 软件设计 |
| 2.4.4 整体实验平台的搭建 |
| 2.5 本章小结 |
| 第3章 SINS/DVL/USBL基本原理与误差模型 |
| 3.1 常用坐标系及坐标变换 |
| 3.2 捷联惯性导航系统 |
| 3.2.1 捷联惯导的基本原理 |
| 3.2.2 捷联惯导的误差模型 |
| 3.3 IMU的误差分析及补偿 |
| 3.3.1 IMU的误差分类 |
| 3.3.2 IMU的误差模型 |
| 3.3.3 IMU标定与结果分析 |
| 3.3.4 IMU的 Allan方差分析 |
| 3.4 多普勒计程仪 |
| 3.4.1 多普勒计程仪的基本原理 |
| 3.4.2 多普勒计程仪的误差模型 |
| 3.5 超短基线定位系统 |
| 3.5.1 声学定位系统的组成及分类 |
| 3.5.2 超短基线定位系统的基本原理 |
| 3.5.3 超短基线定位方程的误差模型 |
| 3.6 本章小结 |
| 第4章 SINS/DVL/USBL组合导航滤波器设计 |
| 4.1 组合导航基本原理 |
| 4.1.1 组合的优势及条件 |
| 4.1.2 卡尔曼滤波算法原理 |
| 4.2 组合导航滤波器设计 |
| 4.2.1 联邦卡尔曼滤波 |
| 4.2.2 SINS/DVL速度子滤波器设计 |
| 4.2.3 SINS/USBL位置子滤波器设计 |
| 4.2.4 主滤波器信息融合方法 |
| 4.3 组合滤波方案仿真分析 |
| 4.4 本章小结 |
| 第5章 组合导航系统的功能测试与精度验证 |
| 5.1 功能测试 |
| 5.1.1 电源功耗测试 |
| 5.1.2 惯性器件功能测试 |
| 5.1.3 接口测试 |
| 5.2 室内静态实验 |
| 5.2.1 单SINS系统静态实验 |
| 5.2.2 SINS/DVL导航系统静态实验 |
| 5.2.3 SINS/USBL导航系统静态实验 |
| 5.3 水下动态实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（9）基于深度信息的航迹匹配及其在惯导中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景、目的及意义 |
| 1.2 地形匹配导航系统研究现状 |
| 1.2.1 地形匹配导航系统国外研究现状 |
| 1.2.2 地形匹配导航系统国内研究现状 |
| 1.3 惯导系统校正技术研究现状 |
| 1.4 论文的主要工作及内容安排 |
| 第2章 水下地形匹配导航系统概述 |
| 2.1 水下地形匹配导航系统 |
| 2.2 水深测量部分 |
| 2.3 数字地形地图 |
| 2.4 水下地形匹配导航系统算法 |
| 2.4.1 TERCOM算法 |
| 2.4.2 SITAN算法 |
| 2.4.3 ICCP算法 |
| 2.5 惯性导航系统 |
| 2.5.1 常用坐标系 |
| 2.5.2 坐标系变换 |
| 2.5.3 捷联惯导系统的力学编排 |
| 2.6 本章小结 |
| 第3章 基于深度信息的价值函数匹配算法 |
| 3.1 等深线地图的获取 |
| 3.2 基于深度信息的价值函数匹配算法 |
| 3.2.1 算法的方法描述 |
| 3.2.2 数据的预处理 |
| 3.2.3 算法的执行过程 |
| 3.2.4 算法可行性分析 |
| 3.3 算法仿真实现 |
| 3.3.1 基于水下数字地形图的仿真 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 第4章 匹配算法误差分析 |
| 4.1 惯导系统对匹配结果的影响 |
| 4.1.1 惯导相对距离误差 |
| 4.1.2 航向误差 |
| 4.1.3 仿真结果分析 |
| 4.2 深度测量误差对匹配结果的影响 |
| 4.3 数字地图分辨率对匹配结果的影响 |
| 4.4 误差因素叠加对匹配结果的影响 |
| 4.5 结果分析 |
| 4.6 本章小结 |
| 第5章 基于航迹匹配的惯导校正方法 |
| 5.1 捷联惯导系统误差方程 |
| 5.1.1 惯性器件误差方程 |
| 5.1.2 速度误差方程 |
| 5.1.3 位置误差方程 |
| 5.1.4 姿态误差方程 |
| 5.2 滤波估计方法 |
| 5.2.1 直接法和间接法 |
| 5.2.2 开环校正及闭环校正 |
| 5.3 数据同步融合 |
| 5.4 组合导航系统设计 |
| 5.5 仿真实验与结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）基于多波束前视声呐的水下障碍物检测及避障算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的目的和意义 |
| 1.3 国内外研究概况 |
| 1.3.1 障碍物检测研究概况 |
| 1.3.2 避障算法研究概述 |
| 1.4 论文的主要研究内容 |
| 第二章 基于多波束前视声呐的自主式水下航行器 |
| 2.1 引言 |
| 2.2 自主式水下航行器 |
| 2.3 多波束前视声呐 |
| 2.3.1 多波束前视声呐 |
| 2.3.2 声呐配备软件ProViewer |
| 2.3.3 声呐数据软件开发套件 |
| 2.3.4 声呐图像数据采集 |
| 2.4 本章小结 |
| 第三章 AUV声呐图像中的障碍物检测算法 |
| 3.1 引言 |
| 3.2 基于类间方差及小区域抑制的障碍物检测算法 |
| 3.2.1 算法流程 |
| 3.2.2 声呐图像的预处理 |
| 3.2.3 基于直方图区域迭代分割的类间方差最大化算法 |
| 3.2.4 基于小区域抑制的最佳阈值更新 |
| 3.3 基于深度学习及改进阈值分割的障碍物检测算法 |
| 3.3.1 算法流程 |
| 3.3.2 YOLO概述 |
| 3.3.3 基于YOLOv3的障碍物候选区域检测算法 |
| 3.4 实验结果及分析 |
| 3.4.1 障碍物检测算法的客观评价标准 |
| 3.4.2 障碍物检测算法的实验结果及分析 |
| 3.5 本章小结 |
| 第四章 基于障碍物轮廓的AUV避障算法 |
| 4.1 引言 |
| 4.2 基于障碍物轮廓的避障算法 |
| 4.2.1 障碍物问题分析 |
| 4.2.2 避障规则设计 |
| 4.2.3 算法详述 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 面向自主导航的指令系统 |
| 5.1 引言 |
| 5.2 串口通信设计 |
| 5.2.1 串口通信关键技术 |
| 5.2.2 串口连接 |
| 5.2.3 串口通信系统的实现 |
| 5.3 模拟指令系统实验 |
| 5.4 本章小结 |
| 第六章 现场测试 |
| 6.1 引言 |
| 6.2 模拟实验 |
| 6.2.1 水池模拟实验 |
| 6.2.2 海洋模拟实验 |
| 6.3 实际现场测试 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者在攻读硕士学位期间公开发表的论文 |
| 作者在攻读硕士学位期间所作的项目 |
| 作者在攻读硕士学位期间所获奖项 |
| 致谢 |
四、自主水下航行器导航技术（论文参考文献）
- [1]北斗卫星导航系统在水下无人航行器中的应用方案研究[J]. 尹洪亮,罗勇,郝强,吴佐成. 舰船科学技术, 2021(19)
- [2]四旋翼水下航行器的轨迹跟踪和协同包围控制研究[D]. 寇立伟. 浙江大学, 2021(09)
- [3]多无人水下航行器协同导航方法研究[D]. 黄平. 电子科技大学, 2021(01)
- [4]自主水下航行器协同定位算法研究[D]. 范世伟. 哈尔滨工业大学, 2020(02)
- [5]自主水下航行器的组合导航系统综述[J]. 郭银景,孔芳,张曼琳,吕文红,吕振义. 导航定位与授时, 2020(05)
- [6]微小型水下无人航行器高精度水下导航关键技术研究[D]. 王明杭. 江苏科技大学, 2020(03)
- [7]基于视觉深度预测的水下航行器自主强化控制研究[D]. 朱鹏莅. 大连海事大学, 2020(01)
- [8]SINS/DVL/USBL水下组合导航系统的设计与验证[D]. 张鹏程. 哈尔滨工程大学, 2020(05)
- [9]基于深度信息的航迹匹配及其在惯导中的应用[D]. 马煜然. 哈尔滨工程大学, 2020(05)
- [10]基于多波束前视声呐的水下障碍物检测及避障算法研究[D]. 张俞鹏. 上海大学, 2020(02)