水下滑翔机导航技术发展现状与展望

吴尚尚, 李阁阁, 兰世泉, 杨绍琼, 3*, 张连洪, 3

水下滑翔机导航技术发展现状与展望

吴尚尚1, 2, 李阁阁1, 2, 兰世泉1, 杨绍琼1, 2, 3*, 张连洪1, 2, 3

(1. 天津大学 机械工程学院 机构理论与装备设计教育部重点实验室, 天津, 300350; 2. 天津大学 青岛海洋技术研究院, 山东 青岛, 266237; 3. 青岛海洋科学与技术试点国家实验室 海洋观测与探测联合实验室, 山东 青岛, 266237)

水下滑翔机水下导航定位精度的提高对于滑翔机完成海洋环境观测、资源探测、海洋目标识别与定位等任务至关重要。现有的水下滑翔机导航技术以航位推算搭配全球定位系统(GPS)为主。随着导航技术的进步, 惯性导航、声学导航、海洋地球物理导航和组合导航等技术将更多地应用于水下滑翔机。基于此, 文中简要介绍了水下导航技术原理、分类以及常用算法, 综述了水下滑翔机导航相关技术研究与应用的国内外现状, 探讨了水下滑翔机冰下导航的技术难点和发展趋势。文中的工作可为水下滑翔机导航技术的深入研究与试验应用提供依据。

水下滑翔机; 导航技术; 冰下导航

0 引言

水下滑翔机依靠调节浮力实现升沉, 借助机翼产生水动力进行滑翔运动, 具有低噪声、长航程、大潜深等特点, 可对海洋信息进行长时序、大范围的观测与探测[1]。作为认识海洋、经略海洋、保护海洋的一种重要工具, 水下滑翔机在海洋科学探索、海洋资源开发以及海洋国防安全方面具有广泛的应用前景。

为了完成观测与探测任务, 水下滑翔机需沿预设路径航行, 为此需要进行水下导航。导航定位技术对保障水下滑翔机的工作效能和航行安全至关重要[2], 此外, 导航定位精度也是水下滑翔机重要的技术指标[3-5]。水下滑翔机的导航包括水面和水下导航, 其中, 水下导航是一种将无人水下航行器由起始点引导到目标点的技术, 基本参数为其位置、速度和航向[6]。

目前较为常见的水下导航方法有: 航位推算法、惯性导航、声学导航、海洋地球物理导航和组合导航技术[7-8]。航位推算法凭借小能耗和低成本的优点, 被广泛使用于水下滑翔机; 惯性导航系统(inertial navigation system, INS)不依赖于外部信息源, 是自主导航中的一种, 常作为组合导航中的主导航系统; 声学导航可分为长基线(long baseline, LBL)、短基线(short baseline, SBL)和超短基线(ultra short baseline, USBL)3种; 海洋地球物理导航利用地球本身物理特征进行导航, 主要分为地磁辅助导航、地形辅助导航和重力辅助导航, 具有自主性强、隐蔽性好、不受地域和时间限制等优点; 组合导航技术是指将多种导航方式结合在一起, 它是水下导航未来的重要发展方向。基于状态空间分析的以卡尔曼滤波为代表的最优估计法是水下组合导航的关键技术。

为明晰水下滑翔机导航技术发展现状, 文中从以下几方面对其进行梳理:

1) 简要阐述导航技术原理及常用的导航算法;

2) 介绍水下导航相关的技术研究与应用情况的国内外现状;

3) 分析水下滑翔机在冰下导航的技术难点和发展情况。

1 水下导航技术原理

1.1 航位推算

航位推算过程是内部控制系统结合深度计、电子罗盘等各来源的导航信息通过数学综合来估算水下位置的一种导航方法, 必要时辅以声学多普勒流速剖面仪(acoustic Doppler current profiler, ADCP)和多普勒测速仪(Doppler velocity log, DVL)等其他设备。航位推算所需硬件质量轻、能耗小、成本低, 因此在水下滑翔机中应用最为广泛。航位推算具体过程为: 利用深度传感器得到水下滑翔机的深度变化率, 由电子罗盘测量出姿态和航向角, 再计算出水下滑翔机的水平运动速度, 运动速度对时间的积分值即为水下滑翔机的水平相对位移, 再结合水下滑翔机在水面时的获取的精确定位信息, 最终得到在水下的相对位置。

航位推算存在一定的弊端: 它没有将海流影响引入推算过程, 在海流速度较大的海域, 航位推算的导航精度不高; 电子罗盘在姿态和航向角度测算过程中也存在固有测量误差, 导致位置误差不断累积, 使滑翔机导航估计精度变差[9-10]。在工程应用中, 通常将航位推算与其他的导航技术结合, 从而修正推算结果。

1.2 惯性导航

INS是一种自主导航系统, 核心是陀螺仪(测量角速度和姿态方位角)和加速度计(测量载体加速度), 具有精度高, 稳定性好, 抗干扰能力强等优点。由于惯性导航元件固有的物理特性, INS误差会随时间不断累积, 为了进一步提高导航定位精度, 必须在使用INS过程中定时对其校正。

水下滑翔机体积小, 质量轻, 工作时几乎没有噪音, 具备良好的水下隐蔽性。但是水下滑翔机一旦浮出水面试图通信或定位, 就可能暴露自身。随着水下滑翔机在海洋国防中的应用日益增加, 常规的卫星导航系统可能无法使用,而在冰层覆盖的海域, 水下滑翔机无法利用全球定位系统(global position system, GPS)获取精确定位信息。因此, 以INS为主的自主导航显得尤为重要。

图1 捷联式惯性导航系统原理框图

1.3 声学导航

低频声波在水下的衰减相对较低, 是目前水下远距离传输信息的最有效载体。向海底发射超声波产生的多普勒效应, 可用来测量航行器的运动速度, 这就是DVL等声学设备的基本原理。在海流速度较大的海域, 利用DVL测量水下滑翔机相对于海底的速度, 能够克服航位推算方法中未考虑海流影响的缺陷, 提高水下滑翔机航行速度的测算精度, 改善导航效果。

声学导航尚存在以下技术难点:

1) 中小尺度时间和空间范围内, 多种海洋物理层参数的变化对声波传播影响的问题;

2) 水下声学传播的多途效应问题;

3) 海洋背景噪声问题;

4) 相对水下滑翔机负载能力, 声学设备的能耗普遍较高的问题。

为了克服这些问题, 在导航控制上, 应优化电源管理, 以尽量低的能耗发挥其作用, 例如, 当使用DVL设备进行水下导航时, 若探测到前一个剖面航位推算与卫星定位之间的误差量超过预设漂移阈值, 则开启DVL, 反之则不开启。

1.4 海洋地球物理导航

海洋地球物理导航是一种基于海洋地磁场、海洋重力地图、海洋高程模型和海底地形分布特征获取水下航行器定位信息的自主导航方法。其基本思路是: 预先将航行海域的地球物理模型存入控制系统, 在航行过程中, 航行器实时采集周围的地球物理信息并与预存模型进行比对, 从而推算当前定位信息。海洋地球物理导航能够用来校正INS的时间累积误差[12], 常用作INS的辅助导航技术, 主要分为地形辅助导航(terrain aided navigation, TAN)、地磁辅助导航和重力辅助导航。

TAN利用数字高程模型(digital elevation mo- del, DEM)和海底地形分布特征实现水下导航, 导航误差不随时间累加。TAN需要科研人员提前知悉该地区详细的DEM, 并对模型进行大量的预先设计与编程工作, 以适应特定平台的算法。大多数的TAN算法使用已有的DEM, 通过与水下滑翔机的水深估计进行比较, 确定水下滑翔机的位置误差, 生成位置估计, 再将其集成到导航系统中。由DVL辅助的惯性传感器可以直接用于TAN的滤波器中。水下无人平台使用的惯性元件和声学传感器的功率受载体供电能力限制, 探测范围和精度不高, 故增加了位置估计的不确定性, 一些研究尝试通过适应性变化或采用一系列统计一致性检验来克服这些困难[13]。

地磁辅助导航基于海洋地磁场模型, 地磁信息可以全天候测量, 不受时空间约束, 但目前的磁测量精度和地磁场模型精度较低, 导航效果比较差。

重力辅助导航由重力测量仪、重力地图、重力匹配算法和卡尔曼滤波器组成[14], 利用重力异常值或重力梯度值等辅助信息来修正惯性导航随时间积累的定位误差, 提高航行器的导航精度[15], 具有自主性强、隐蔽性好、不受地域和时间限制、定位精度高等特点。重力辅助导航原理如图2所示, 首先利用SINS提供的位置在重力地图上搜索重力参考值, 同时重力测量仪实时提供重力测量值, 然后将重力参考值和测量值输入到重力匹配算法中, 确定出载体位置, 利用获得的载体位置和卡尔曼滤波器对输出的导航结果进行修正。重力辅助导航依赖于实测的重力地图, 由于全海域高精度的重力数据尚未完全获得, 致使这种导航技术的适用区域受限, 同时重力测量仪的造价昂贵, 也不利于技术的普及。

图2 重力辅助导航系统原理框图

1.5 组合导航

人们对水下导航精度要求日益增加, 单独使用一种导航技术很难满足未来的工程应用需求。将不同的导航技术结合在一起的组合导航是提高系统导航性能, 有效降低定位误差的解决方案之一。组合导航利用多传感器同时测量位置信息, 再将各传感器采集的信息加以融合并进行最优化处理, 从而实现导航定位目的。目前, SINS作为主导航设备的组合导航系统主要有GPS/SINS和DVL/SINS。

组合导航的核心思想是信息融合与最优估计, 即先对多传感器的数据进行预处理, 再将多源输入数据通过坐标变换和单位变换, 转换到同一坐标系中, 进而根据载体系统状态方程及量测量物理性质的数学模型进行滤波处理, 获得状态向量的最优估计值。自1960年Kalman[16]在系统状态空间模型的基础上提出线性卡尔曼滤波器(Kal- man filter, KF)之后, 滤波技术取得了显著的进步。针对非线性系统和非线性观测信息, 相继发展出了扩展卡尔曼滤波(extended Kalman filter, EKF)算法[17]、无迹卡尔曼滤波(unscented Kalman filter, UKF)算法[18]、异步直接卡尔曼滤波(asyn- chronous direct Kalman filter, ADKF)算法[19], 以及异步自适应直接卡尔曼滤波(asynchronous ada- ptive direct Kalman filter, AADKF)算法[20]等。

EKF的非线性模型通过泰勒级数展开和高阶项的去除实现近似的线性化, 但是会带来截断误差[21]; UKF能够克服EKF的缺点, 不过计算量较大[22], 同时由于硬件本身的不稳定性及外部环境的时变特性, 很难准确描述系统噪声和观测噪声的统计特性, 从而使得UKF不具备很好的收敛性、稳定性和鲁棒性[23]。目前, 非线性滤波理论仍在不断发展之中, 实际应结合具体研究对象, 为组合导航方式选择适当的滤波方法。

2 水下滑翔机导航技术发展现状

相较于其他类型的无人水下航行器, 水下滑翔机的体积更小, 质量更轻, 但相应的负载能力有限。水下滑翔机需要在水下长期工作, 同时又要保证导航精度的前提下, 对其所携带导航设备的体积、质量和能耗提出了更严格的要求。

2.1 水下航位推算技术

简单的航位推算形式只需电子罗盘和深度传感器的组合即可实现水下导航。例如, Scripps海洋研究所(Scripps institution of oceanography)研制的Spray水下滑翔机[24]在水面获得定位信息后, 通过搭载的TCM2电子罗盘以及211-38型深度计, 就能够推算出向目标点位置运动的目标航向、姿态角度等航行参数。

华盛顿大学的Seaglider水下滑翔机[25]根据水下的推算位置在水面的投影与期望位置之间的差值, 利用KF进行定位估计。如果海流速度与Seaglider的水平滑翔速度相当, 则根据KF算法, 用深度平均流来建立海流模型, 基于海流模型参数推算向目标航点前进的最优航向与速度。Seaglider水下滑翔机浮出水面时利用Garmin 25 HVS型GPS模块进行导航误差修正。如果海流速度超过航速, Seaglider会选择使目标距离增加最小的方向作为目标航向。

计入从上一个出水位置到当前出水位置之间沿滑翔机轨迹得出的平均流速估计值, 融合到航位推算中, 对提高导航精度有一定效果[26]。但这种估计方法没有考虑流场的时空变化, 与实际流速存在较大偏差, 导航精度改善有限。Webb Research Corp研制的Slocum水下滑翔机[27]将航位推算与多普勒测速结合, 利用DVL实测海流数据, 提高航位推算精度。

采用数据同化调整模型[28], 融合卫星、船只、浮标和滑翔机的实时或远程观测数据, 可进一步提高海流预测模型的准确性。Szwaykowska等[29]研究了基于海洋模型的真实环境并模拟水下航行器位置误差增长的界限, 这种误差分析方法可用于提高海洋模型的精度和导航算法的性能。Hart 等[30]开发了一种基于A*算法的最优路径规划算法。该算法结合区域海洋模型, 通过对滑翔机运动轨迹的预测, 生成仿真滑翔机运动轨迹模型。由于没有对算法的估计流速与滑翔机的观测流速进行比较, 无法验证模型的正确性[31]。Chang等[32]提出一种由海洋模型预测辅助的Slocum实时导航算法, 并于2012~2013年底在美国南卡罗莱纳附近海域进行海试, 试验结果验证了海流预测模型可提高滑翔机的导航性能[33]。Szwaykowska等[29]聚焦于较小海域的水下滑翔机工作情况, 根据多架滑翔机的测量数据作为反馈, 对模型进行实时调整, 从而提高水下滑翔机在海洋中的导航性能。这种方法相比基于航位推算和水下流速估计的导航方法拥有更高的导航性能, 当存在明显时空变化的流场时, 具有更好的可靠性。

2.2 惯性导航技术

INS可为水下滑翔机提供较精确的定位信息。现阶段, INS在质量、精度和能耗等多方面存在应用瓶颈, 导致这种方法未在水下滑翔机中得到广泛应用, Huang等[34-35]展示了微型机电系统(micro electro mechanical system, MEMS)在水下滑翔机中的试验性应用。Jenkins等[36]提出一种应用于水下滑翔机的紧凑型惯导系统——iXSEA U-phins, 其重约2.14 kg, 体积2 100 cm3, 功耗为3 W(见图3)。

图3 iXSEA U-phins惯性导航系统

惯性测量元件的精度直接决定了SINS的精度水平。当前SINS常用的陀螺仪类型有激光陀螺仪、光纤陀螺仪及微机电陀螺仪等。国外的陀螺仪已进入光学和微机电时代, 精度不断提高, 环形激光陀螺、干涉型光纤陀螺和MEMS陀螺等固态陀螺仪逐渐成熟。受制造工艺和专用集成电路水平的制约, 目前国产陀螺仪的精度不高, 总体上和以美国为代表的世界先进水平有一定的差距。近几十年, 国内的一些高校和科研单位基于不同种类的陀螺仪自主研制了多种SINS, 如激光陀螺SINS、光纤陀螺SINS和 MEMS陀螺SINS等, 已经被陆续应用于陆海空等领域。就全球发展现状而言, 现有惯性测量元件不足以满足当前各种不同导航任务的指标要求, 未来的主要目标是提高精确性、连续性和可靠性, 降低器件的成本及功耗等。

惯性传感器元件的定常误差模型难以建立, 提高导航精度十分困难。针对这个问题, Huang 等[34-35]根据不同的误差模型设计合适的滤波器, 将多模型方法与EKF相结合, 给出状态的最优估计。同时利用具有高精度预测优势的融和Adams的多模型扩展卡尔曼滤波算法(multi-model EKF fusing Adams explicit formula algorithm, MEKFA), 使姿态估计精度得到较大的提高。理论分析证明了该算法的收敛性和稳定性, 并通过“海翔”号水下滑翔机湖泊试验进行了验证。结果表明, MEKFA方法与单EKF和乘性扩展卡尔曼滤波(multiplicative EKF, MEKF)相比, 姿态估计性能有显著提高。

Kim等[37]结合平均海流速度模型, 实现了INS对海流速度的测量。经过计算, 受海流影响的加速度增量是INS中加速度计测量精度的1/10,加速度计无法直接感觉到海流的影响, 这些微弱的海流效应将完全被传感器噪声和外部干扰所阻断。然而, 海流对滑翔路径的影响是在若干小时的滑翔中累积起来的。通过将滑翔机内置的INS输出数据与平均海流速度模型的先验信息结合, 校正海流加速度测量, 完成加速度计偏差的误差修正就能够获得水下滑翔机位置估计。对于没有海流信息的情况, 仍然可以根据每次滑翔结束后测量到的位置误差估计海流数据, 再递归反馈到平均海流模型中, 从而提高定位精度。

2.3 声学导航技术

声学导航主要是利用固定或移动声学信标通过水声通信来完成水下导航。Techy[44]和Van Uffelen等[45]中提出一种应用于Seaglider水下滑翔机的LBL声学导航系统。该系统由3个位于水面并配备有GPS导航模块的移动声学信标作为参考, 通过测量声波往返行程的时间, 再利用EKF算法将水下滑翔机的运动状态融入到估计算法中, 得出简单的几何定位估计值, 通过仿真和试验验证了此声学系统在具有多径效应和强海流的浅海环境下, 能够有效提供高精度的定位估计。2010~2011年初, Van Uffelen等[46-47]在菲律宾海域部署了4架Seaglider水下滑翔机, 利用水下滑翔机接收到声波时刻与预测值之间的传输时间偏移量来估计距离的误差值, 从而提高滑翔机在水下收集数据时的定位估计, 验证了滑翔机作为传感器搭载平台的实用性。整个工作过程记录了滑翔机超过2 000次的水声数据传输, 距离系泊声源最远达到700 km。与以上方案不同, Sun等[48]提出以声学信标为环境特征, 根据海底信标到滑翔机的距离来估计滑翔机的位置, 实现水下滑翔机在三维空间的导航定位的导航方法。基于EKF-SLAM(simultaneous localization andmappi- ng)算法, 在信标位置未知情况下, 能够同步估计滑翔机和信标的位置。这种算法的优势在于将滑翔机的速度估计纳入导航定位系统中, 进一步降低了导航定位误差。

Woithe等[49]探讨了利用DVL来改善Slocum电能滑翔机航位推算算法中位置估计方法的可行性, 提出通过安装DVL的辅助航位推算导航算法, 并在新泽西海岸进行为期12天的滑翔机部署, 初步显示了良好的试验效果。

硬件方面, 低功耗声学调制解调器是声学导航的核心器件。美国Teledyne Benthos公司为美海军Seaweb海底网络开发了一种名为Telesonar的声学调制解调器。Teledyne Webb提供的Sloc- um滑翔机和Teledyne Benthos提供的调制解调器组合形成的导航定位和数据传输网络见图4[50]。

图4 水下滑翔机/声学调制解调器数据传输示意图

2.4 组合导航技术

2.4.1 GPS/SINS/DVL组合导航

SINS结合DVL是目前水下组合导航中比较常用的方法, 并在多种水下航行器中得到广泛应用[51-53]。季龙[54]和黄海洋[55]先后对在水下滑翔机上搭建低成本、高精度的GPS/SINS组合导航系统进行了探索。在水面上时, 使用GPS提供整机系统需要的位置坐标信息。在水下运动时, 由电子罗盘或SINS和深度传感器相结合获取滑翔机的姿态信息, 再通过卡尔曼滤波进行数据融合实现水下的位置解算。李辉[56]提出了一种水下滑翔机的水面/水下导航定位算法: 在水面上通过GPS获取位置, 在水下利用姿态航向参考系统提供信息, 再利用EKF方法进行导航信息融合, 最后利用MATLAB软件进行算法仿真, 结果符合预期。对于水下滑翔机编队的协同导航算法, Paley[57]和Tang等[58]提出了自适应EKF, 通过声学广播的方式, 解决了水下滑翔机的编队协作组网导航定位问题。Huang等[59]基于惯性导航和航位推算的组合导航, 提出一种分裂基快速傅里叶变换和UKF的混合算法。分裂基快速傅里叶变换是将radix-2和radix-4快速傅里叶变换的优点结合起来的一种方法[60], 计算量较小, 拥有较大的渐进复杂度。试验结果表明, 该算法在估计精度和计算成本方面具有较好的优势。周吉雄[61]将UKF与联邦卡尔曼滤波(federated Kalman filtering, FKF)技术集合起来, 通过仿真验证了这种基于局部反馈校正的UKF在组合导航系统中具有较高的精度和鲁棒性。吕志刚[62]提出一种SINS/ GPS和DVL组合导航的方法, 为自主式水下航行器(autonomous underwatervehicle, AUV)平台提供高精度的连续导航信息, 并对此组合导航系统的标定方法和误差分析进行了系统性的研究。针对SINS/DVL组合导航问题, Xu等[63]以导航需求为导向, 设计基于改进Sage-Husa自适应卡尔曼滤波算法的导航系统, 仿真结果表明, 该系统具有较高的容错性。

2.4.2 海洋地球物理辅助惯性导航技术

1) 地磁辅助导航

20世纪70年代, 美国就已经完成了全球磁力矢量分布图的测绘, 并研制出了适用于AUV平台的地磁定位系统。美国西屋电器公司提出了利用己知静止磁异常对水下航行器进行导航的方法[64]; 美国雷神公司提出了利用磁场进行水下导航定位的方法, 并进行了试验验证[65]。2009年, Kato[66]提出了基于地磁图和等深线图的AUV导航定位算法, 并采用相关海域的地磁场数据和水深数据进行了仿真试验。NASA Goddard空间中心对水下地磁导航进行了研究, 并进行了大量的试验[67]。

在国内, 余乐[68]以提高地磁匹配导航系统航迹规划效率和精度为目的, 对航迹规划算法和地磁适配区选择原则进行了理论研究和仿真验证。Lin[69]对水下地磁导航进行了研究, 在渤海海域进行了地磁测量与水下地磁辅助导航试验, 取得了400 m左右的精度。国防科学技术大学科研人员[70-72]成功研制出惯性/地磁匹配组合导航系统样机, 并分别于2008年、2009年、2011年进行了岸基车载试验、水面船试验和水下试验, 验证了地磁/惯性组合导航系统的可行性。刘明雍等[73]提出受地磁异常影响的水下航行器导航方法, 将最近点迭代算法运用到水下地磁匹配导航中, 通过多次迭代匹配来减小惯性导航的累积误差。

2) 地形辅助导航

在全球卫星导航出现之前, 洲际巡航导弹的远程导航系统是利用高度计数据与预先存储地图的地面高程进行比较, 从而实现精确长期的定位估计。定位精度取决于地形图的分辨率和测量高程的精度。在建立GPS之后, 这个系统显得多余, 但其在GPS定位失效时仍能发挥作用。由此, 利用地形信息进行水下导航也是可行的, 但由于水深图分辨率较低, 限制了其在水下航行器中的使用。

在国外, Stuntz等[74]研究了在沿海地区精确定位滑翔机轨迹所需的最小数据集, 分析了地形跟踪算法的定位性能, 首先对压力传感器和高度计的采集数据进行平滑处理以消除噪声, 然后将其与局部测深值进行比较, 从而生成位置修正值。在加州沿海进行的Slocum滑翔机的试验结果表明, 地形辅助惯性导航方法比单独使用惯性导航更加精确。

通过其他的地球物理参数, 如采用地球磁场和地球重力场来增强地形辅助算法, 以提高其鲁棒性的研究也被提出, 但是这些试验的效果还未得到充分证明[75]。

3 冰下导航技术展望

冰下任务提供了非常有价值的科学信息。自20世纪70年代, Francois和Nodland在北冰洋边缘的波弗特海部署无人水下航行器时起, 许多AUV都陆续开展了冰下观测。在冰层覆盖地区持续观测对气候变化研究和极地勘探工作尤为重要。在冰下, 卫星导航系统失效, 水下滑翔机的导航与定位尤其困难, 惯性导航失去定时校准条件, 在现有水下导航方法中, 只有声学导航和地球物理导航方法能够在冰下为滑翔机提供有限的定位估计。

3.1 冰下声学导航

利用声学设备进行导航的水下无人航行器, 多依赖于固定的声源进行机载导航或在船上和陆地上来进行位置估计。Rossby等[76]为Seaglider开发了适用于冰下环境的声学导航系统, 并于2006~2014年在戴维斯海峡部署了14架次滑翔机, 对六自由度EKF后处理导航结果进行了验证。试验中的定位信息是由系泊在固定位置的RAFOS浮标[76]搭载的声学导航源提供的。美国海军研究办公室(office of naval research, ONR)边缘冰区(marginal ice zone, MIZ)项目开发的实时声学导航系统在南极洲对Slocum水下滑翔机的冰下声学导航定位能力进行了验证[77]。

最常用的冰下声学导航策略是LBL系统导航和USBL导航相结合的导航策略[78-79]。另外, 还有一些LBL的新应用[80]以及基于视觉的用于超短距离的归航算法。Hugin[81]和Theseus[82]等水下机器人使用单信标导航来扩展它们的LBL系统。此外, Gavia水下航行器[83]创新地向上安装DVL来测量航行器相对于冰层的速度, 以实现水下导航。

由于导航源不能穿越冰层预先部署在海底, 只能部署在冰面上, 所以, 当探测区域的冰层漂移时, 导航源不能对滑翔机提供精确实时的定位信息。声学导航源需同时传输它们所在的位置。随时间传输导航源位置信息的概念并不新鲜, GPS信号和低速率遥测数据已经被用于小型水下移动导航网络[84-86]。华盛顿大学在北极的试验中首次使用这种方法搭建了完整的导航系统[87], 但由于导航源和水下滑翔机之间的通信过程产生的时钟漂移将导致距离测量存在一定误差。

3.2 冰下地形辅助导航

美国伍兹霍尔海洋研究所[88]对水下滑翔机在冰下的地形辅助导航方法进行了系统的研究, 评估了可用于水下滑翔机在经历季节性海冰海洋中全年使用的可行性。该试验基于Slocum 200 m水下滑翔机, 结合深度和海流估计的水深模型[89], 使用单波束高度计和航位推算方法进行导航信息更新。试验结果十分乐观, 但对算法使用地区具有局限性。

纽芬兰纪念大学的Claus 等[90]通过一种离线试验方案, 将在线定位估计方法分别与常规航位推算方法、包含GPS校正的航位推算方法以及离线地形辅助的定位估计方法进行比较, 验证了水下滑翔机平台基于抖动自举粒子滤波器的地形辅助导航算法的准确性。这种方法被应用在冰下进行持久的导航定位测量。在纽芬兰赫里路德冰川峡湾, 科研人员分别在2010年和2012年对水下滑翔机进行了距离为12 km和91 km的室外导航试验, 试验结果表明, 该算法能够在2次试验中分别保持33 m和50 m的误差。2014年6月10日~11日在加拿大纽芬兰省的康赛普申海湾, 进行了水下滑翔机地形辅助导航的进一步测试, 在由10 km和90 km直线段的2组离线试验中, 该方法的误差分别为25 m和50 m, 验证了冰下导航算法在浅海地区的有效性。但这些试验还存在以下问题: 1) 水下滑翔机的定位坐标系位于磁北, 而地形辅助导航处理器坐标位于真北, 导致相对于滑翔机坐标系存在一定的磁偏角误差; 2) 试验海域较浅, 水下滑翔机仍能接收到GPS的定位信息, 这些信息会将地形辅助算法的初始值重新复位, 因此不能验证水下滑翔机在较深海域进行长时间持续导航情况下该算法的有效性。

4 结束语

水下滑翔机作为探索海洋、执行水下任务的重要工具, 在我国海洋资源勘探与开发方面具有重要作用。高精度、高可靠性的导航系统是水下滑翔机成功完成任务并安全返航的保证之一。文中对水下滑翔机平台常见导航系统的原理、分类与关键技术进行了说明, 最后对水下滑翔机冰下导航发展情况进行了展望。

随着水下滑翔机工作范围向边远海域逐步扩大, 水下导航技术也将面临更多未知的挑战。为搭建水下滑翔机海洋网络, 实现海洋信息实时交互传递, 未来, 水下滑翔机导航技术将向着高精度、强鲁棒性、实时性及协同组网等方向发展。并以惯性导航技术为主, 多种导航技术为辅, 实现多种导航传感器, 多种导航方式的组合导航, 进一步提高水下导航技术的准确性、灵活性与可靠性, 构建智能化的组合导航方式, 不断提高水下滑翔机的海洋观测能力。

[1] 沈新蕊, 王延辉, 杨绍琼, 等. 水下滑翔机技术发展现状与展望[J]. 水下无人系统学报, 2018, 26(2): 89-106.Shen Xin-rui, Wang Yan-hui, Yang Shao-qiong, et al. Dev- elopment of Underwater Gliders: An Overview and Pros- pect[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 89-106.

[2] 尹伟伟, 郭士荦. 非卫星水下导航定位技术综述[J]. 舰船电子工程, 2017, 37(3): 8-11. Yin Wei-wei, Guo Shi-luo. Survey on Non-satellite Unde- rwater Navigation and Positioning Technology[J]. Ship Electronic Engineering, 37(3): 8-11.

[3] Yan Z, Peng S, Zhou J, et al. Research on an Improved Dead Reckoning for AUV Navigation[C]//IEEE 2010 Ch- inese Control and Decision Conference (CCDC). Xuzhou, China: IEEE, 2010.

[4] 张爱军. 水下潜器组合导航定位及数据融合技术研究[D]. 南京: 南京理工大学, 2009.

[5] 赵辉. 基于水下航行器导航定位及信息融合技术研究[D]. 南京: 南京理工大学, 2007.

[6] 张红梅, 赵建虎, 杨鲲, 等. 水下导航定位技术[M]. 武汉: 武汉大学出版社, 2010.

[7] Stutters L, Liu H, Tiltman C, et al. Navigation Technologies for Autonomous Underwater Vehicles[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2008, 38(4): 581-589.

[8] Paull L, Saeedi S, Seto M, et al. AUV Navigation and Localization: A Review[J]. IEEE Journal of Oceanic Engineering, 2014, 39(1): 131-149.

[9] Jalving B, Gade K, Svartveit K, et a1. DVL Velocity Aiding in the HUGIN 1000 Integrated Inertial Navigation Sy- stem[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

[10] Hegrenæs Ø, Ramstad A, Pedersen T, et al. Validation of a New Generation DVL for Underwater Vehicle Navigation[C]//2016 IEEE/OES Autonomous Underwater Vehicles(AUV). Richardson, US: IEEE, 2016: 342-348.

[11] 张磊. 船用捷联式惯性/天文组合导航方法的研究[D]. 哈尔滨: 哈尔滨工程大学, 2012.

[12] 彭富清, 霍立业. 海洋地球物理导航[J]. 地球物理学进展, 2007, 22(3): 759-764. Peng Fu-qing, Huo Li-ye. Marine Geophysical Navigation. Progress in Geophysics[J]. Progress in Geophysics, 2007, 22(3): 759-764.

[13] Fallon M F, Papadopoulos G, Leonard J J, et al. Cooperative AUV Navigation Using a Single Maneuvering Surf- ace Craft[J]. The International Journal of Robotics Rese- arch, 2010, 29(12): 1461-1474.

[14] 姚剑奇. 水下重力辅助导航定位方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2015.

[15] 李姗姗. 水下重力辅助惯性导航的理论与方法研究[D]. 郑州: 解放军信息工程大学, 2010.

[16] Kalman R E. A New Approach to Linear Filtering and Prediction Problems[J]. Journal of Basic Engineering, 1960, 82(1): 35-45.

[17] Chowdhury G, Johnson E N, Magree D, et a1. GPS-denied Indoor and Outdoor Monocular Vision Aided Navigation and Control of Unmanned Aircraft[J]. Journal of Field Robotics, 2013, 30(3): 415-438.

[18] Julier S J, Uhlmann J K. Unscented Filtering and Nonlinear Estimation[J]. Proceedings of the IEEE, 2004, 92(3): 401-422.

[19] Shabani M, Gholami A, Davari N. Asynchronous Direct Kalman Filtering Approach for Underwater Integrated Navigation System[J]. Nonlinear Dynamics, 2014, 80(1-2): 71-85.

[20] Davari N, Gholami A. An Asynchronous Adaptive Direct Kalman Filter Algorithm to Improve Underwater Navigation System Performance[J]. IEEE Sensors Journal, 2017, 17(4): 1061-1068.

[21] Noureldin A, Karamat T B, Eberts M D, et al. Performance Enhancement of MEMS-Based INS/GPS Integration for Low-Cost Navigation Applications[J]. IEEE Transactions on Vehicular Technology, 2009, 58(3): 1077- 1096.

[22] Wan E A, Van Der Merwe R. The Unscented Kalman Filter for Nonlinear Estimation[C]//Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium(Cat. No. 00EX373). Lake Louise, Alberta, Canada: IEEE, 2000: 153-158.

[23] Huang H Q, Chen X Y, Liu H, et al. Study on the Design and Algorithm of INS/MCP/DR Integrated Navigation Method for Underwater Glider[C]//2012 Third International Conference on Digital Manufacturing & Automation.NW Washington, DC: IEEE, 2012: 843-846.

[24] Sherman J, Davis R E, Owens W B, et al. The Autonomous Underwater Glider “Spray”[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 437-446.

[25] Eriksen C C, Osse T J, Light R D, et al. Seaglider: A Long-Range Autonomous Underwater Vehicle for Oceanographic Research[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 424-436.

[26] Merckelbach L M, Briggs R D, Smeed D A, et al. Current Measurements from Autonomous Underwater Gliders[C]// 2008 IEEE/OES 9th Working Conference on Current Measurement Technology. Charleston, SC, USA: IEEE, 2008: 61-67.

[27] Webb D C, Simonetti P J, Jones C P. SLOCUM: An Underwater Glider Propelled by Environmental Energy[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 447- 452.

[28] Wikle C K. Atmospheric Modeling, Data Assimilation, and Predictability[J]. Technometrics, 2002, 47(4): 521- 521.

[29] Szwaykowska K, Zhang F. Trend and Bounds for Error Growth in Controlled Lagrangian Particle Tracking[J]. IEEE Journal of Oceanic Engineering, 2013, 39(1): 10-25.

[30] Hart P E, Nilsson N J, Raphael B. Correction to “A Formal Basis for the Heuristic Determination of Minimum Cost Paths”[J]. ACM SIGART Bulletin, 1972, 37(37): 28-29.

[31] Fernández-Perdomo E, Cabrera-Gámez J, Hernández-Sosa D, et al. Path Planning for Gliders Using Regional Ocean Models: Application of Pinzón Path Planner with the ESEOAT Model and the RU27 Trans-Atlantic Flight Data[C]// Oceans’10 IEEE.Sydney, Australia: IEEE, 2010: 1-10.

[32] Chang D, Zhang F, Edwards C R. Real-Time Guidance of Underwater Gliders Assisted by Predictive Ocean Models[J]. Journal of Atmospheric & Oceanic Technology, 2015, 32(3): 562-578.

[33] Chang D, Liang X, Wu W, et al. Real-time Modeling of Ocean Currents for Navigating Underwater Glider Sensing Networks[M]. Berlin, Heidelberg: Springer, 2014: 61-75.

[34] Huang H, Chen X, Zhang B, et al. High Accuracy Navigation Information Estimation for Inertial System Using the Multi-model EKF Fusing Adams Explicit Formula Applied to Underwater Gliders[J]. ISA transactions, 2017, 66: 414-424.

[35] Huang H, Zhou J, Zhang J, et al. Attitude Estimation Fusing Quasi-Newton and Cubature Kalman Filtering for Inertial Navigation System Aided with Magnetic Sensors[J]. IEEE Access, 2018, 6: 28755-28767.

[36] Jenkins S A, Humphreys D E, Sherman J, et al. Underwater glider system study[R]. Scripps Institution of Oceanography Technical Report, 2003.

[37] Kim J, Park Y, Lee S, et al. Underwater Glider Navigation Error Compensation Using Sea Current Data[J]. IFAC Proceedings Volumes, 2014, 47(3): 9661-9666.

[38] Durbin J, Koopman S J. Time Series Analysis of Non Gaussian Observations Based on State Space Models from Both Classical and Bayesian Perspectives[J]. Journal of the Royal Statistical Society: Series B(Statistical Methodology), 2000, 62(1): 33-34.

[39] Boyd S, El Ghaoui L, Feron E, et al. Linear Matrix Inequalities in System and Control Theory[M]. Pennsylvania, PA, USA: Society for Industrial and Applied Mathematics, 1994.

[40] Chung D, Park C G, Lee J G. Observability Analysis of Strapdown Inertial Navigation System Using Lyapunov Tr- ansfomation[C]//35th IEEE Conference on Decision and Co- ntrol. Kobe, Japan: IEEE, 1996: 23-28.

[41] Wang L X, Guo L. Multi-objective Control in Integrated Navigation System Based on LMI[J]. Acta Aeronautical et Astronautica Sinica, 2008, 29: 102-106.

[42] Yu M J, Lee S W. A Robust Extended Filter Design for SDINS In-flight Alignment[J]. International Journal of Control, Automation, and Systems, 2003, 1(4): 520-526.

[43] Cao S, Guo L. Multi-objective Robust Initial Alignment Algorithm for Inertial Navigation System with Multiple Disturbances[J]. Aerospace Science and Technology, 2012, 21(1): 1-6.

[44] Techy L, Morganseny K A, Wolsey C A. Long-baseline Acoustic Localization of the Seaglider Underwater Glider[C]//2011 American Control Conference. California, USA: IEEE, 2011: 3990-3995.

[45] Van Uffelen L J, Howe B M, Nosal E M, et al. Long-range Glider Localization Using Broadband Acoustic Signals and a Linearized Model of Glider Motion[C]//2013 OCEANS. San Diego. US: IEEE, 2013: 1-4.

[46] Van Uffelen L J, Nosal E M, Howe B M, et al. Estimating Uncertainty in Subsurface Glider Position Using Transmissions from Fixed Acoustic Tomography Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(4): 3260-3271.

[47] Van Uffelen L J, Howe B, Nosal E M, et al. Acoustic Loc- alization of Seagliders in the Philippine Sea Using Br- oadband Transmissions from Moored Acoustic Sources[J]. The Journal of the Acoustical Society of America, 2013, 134(5): 3983.

[48] Sun J, Yu J, Zhang A, et al. Navigation Positioning Algorithm for Underwater Gliders in Three-dimensional Sp- ace[C]//2015 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER). Shenyang, China: IEEE, 2015: 1269- 1274.

[49] Woithe H C, Boehm D, Kremer U. Improving Slocum Glider Dead Reckoning Using a Doppler Velocity Log[C] //OCEANS'11. Kona: IEEE, 2011: 1-5.

[50] Green D. Underwater Modem-based Navigation Aids[C]// 2010 7th International Symposium on Wireless Communication Systems. York, United Kingdom: IEEE, 2010: 606-610.

[51] Dinc M, Hajiyev C. Integration of Navigation Systems for Autonomous Underwater Vehicles[J]. Journal of Marine Engineering & Technology, 2015, 14(1): 32-43.

[52] Larsen M B. High Performance Doppler-inertial Navigation-experimental Results[C]//OCEANS 2000 MTS/IEEE Conference and Exhibition. Conference Proceedings (Cat. No. 00CH37158). Providence, RI, USA: IEEE, 2000: 1449- 1456.

[53] Jalving B, Gade K, Svartveit K, et a1. DVL Velocity Aiding in the HUGIN 1000 Integrated Inertial Navigation System[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

[54] 季龙. 水下滑翔机定位导航系统及实验研究[D]. 杭州: 浙江大学, 2006.

[55] 黄海洋. 水下滑翔机GPS/SINS组合导航系统研究[D]. 哈尔滨: 哈尔滨工程大学, 2009.

[56] 李辉. 水下滑翔机的系统设计与导航方法研究[D]. 青岛: 中国海洋大学, 2014.

[57] Paley D A. Cooperative Control of Collective Motion for Ocean Sampling with Autonomous Vehicles[M]. Princeton: Princeton University, 2007.

[58] Tang K H, Jiang M M, Weng J. Design of SINS/Phased Array DVL Integrated Navigation System for Underwater Vehicle Based on Adaptive Filtering[J]. Journal of Chinese Inertial Technology, 2013, 21(1): 65-70.

[59] Huang H, Chen X, Lv C, et al. A Novel Hybrid Algorithm of Split-radix Fast Fourier Transform and Unscented Kalman Filter for Navigation Information Estimation[C]//2015 IEEE Metrology for Aerospace (Metro Aerospace). Florence, Italy: IEEE, 2015: 93-97.

[60] Bouguezel S, Ahmad M O, Swamy M N S. Arithmetic Complexity of the Split-radix FFT Algorithms[C]//2005 IEEE International Conference on Acoustics, Speech, and Signal Processing. Philadelphia, Pennsylvania, USA: IEEE, 2005.

[61] 周吉雄. 自主式水下航行器导航算法研究[D]. 哈尔滨:哈尔滨工程大学, 2018.

[62] 吕志刚. 基于 SINS/DVL/GPS 的 AUV 组合导航标定方法的研究及其误差分析[J]. 舰船电子工程, 2018, 38 (6): 33-36. Lü Zhi-gang. Research on SINS/DVL/GPS Integrated Navigation System Calibration Method and the Error Analysis of AUV[J]. Ship Electronic Engineering, 2018, 38(6): 33-36.

[63] Xu X S, Pan Y F, Zou H J. SINS/DVL Integrated Navigation System Based on Adaptive Filtering[J]. Journal of Huazhong University of Science and Technology (Nature Science Edition), 2015, 43(3): 95-99.

[64] Polvani D. Magnetic Guidance of Autonomous Vehicles (part2) [C]//1987 5th International Symposium on Unmanned Untethered Submersible Technology. Shanghai, China: IEEE, 1987: 257-264.

[65] Davis C. GPS-like Navigation Underground[C]//IEEE/ ION Position, Location and Navigation Symposium. Tianjin, China: IEEE, 2010: 1108-1111.

[66] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomagnetic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[67] 蔡兆云, 魏海平, 任志新. 水下地磁导航技术研究综述[J]. 尖端科技, 2007(3): 28-30.

[68] 余乐. 水下地磁导航航迹规划算法研究[D]. 南京: 东南大学, 2017.

[69] Lin Y. Hausdorff-based RC and IESIL Combined Positioning Algorithm for Underwater Geomagnetic Navigation[J]. EURASIP Journal on Advances in Signal Processing, 2010(1): 1-12.

[70] 胡小平, 吴美平, 穆华, 等. 水下地磁导航技术[M]. 北京: 国防工业大学出版社, 2013.

[71] 穆华, 吴志添, 吴美平. 水下地磁/惯性组合导航试验分析[J]. 中国惯性技术学报, 2013, 21(3): 386-391. Mu Hua, Wu Zhi-tian, Wu Mei-ping. Experimental Analysis of Underwater Geomagnetic Field/inertial Integrated Navigation[J]. Journal of Chinese Inertial Technology, 2013, 21(3): 386-391.

[72] Wu Z, Hu X, Wu M, et a1. An Experimental Evaluation of Autonomous Underwater Vehicle Localization on Geomagnetic Map[J]. Applied Physics Letters, 2013, 103(10): 104102(1)-104102(4).

[73] 刘明雍, 李红, 刘坤, 等. 地磁异常影响下的AUV仿生导航方法研究[J]. 西北工业大学学报, 2015, 33(4): 627- 632.

Liu Ming-yong, Li Hong, Liu Kun, et al. Navigation Method of Autonomous Underwater Vehicle with Disturbance Due to Geomagnetic Anomaly Considered[J]. Journal of Northwestern Polytechnical University, 2015, 33 (4): 627-632.

[74] Stuntz A, Liebel D, Smith R N. Enabling Persistent Autonomy for Underwater Gliders Through Terrain Based Navigation[C]//OCEANS 2015, Genova, Italy: IEEE, 2015.

[75] Kato N, Shigetomi T. Underwater Navigation for Long- range Autonomous Underwater Vehicles Using Geomag- netic and Bathymetric Information[J]. Advanced Robotics, 2009, 23(7-8): 787-803.

[76] Rossby T, Dorson D, Fontaine J. The RAFOS System[J]. Journal of Atmospheric and Oceanic Technology, 1986, 3 (4): 672-679.

[77] Jones C, Allsup B, DeCollibus C. Slocum Glider: Expanding Our Understanding of the Oceans[C]//2014 Oceans. St. John’s: IEEE, 2014: 1-10.

[78] Deffenbaugh M, Schmidt H, Bellingham J G. Acoustic Navigation for Arctic Under-ice AUV Missions[C]//OCE- ANS'93. Victoria, BC, Canada: IEEE, 1993: I204-I209.

[79] Kukulya A, Plueddemann A, Austin T, et al. Under-ice Operations with a REMUS-100 AUV in the Arctic[C]//2010 IEEE/ OES Autonomous Underwater Vehicles. Monterey, California, USA: IEEE, 2010: 1-8.

[80] Jakuba M V, Roman C N, Singh H, et al. Long-Baseline Acoustic Navigation for Under-Ice Autonomous Underwater Vehicle Operations[J]. Journal of Field Robotics, 2008, 25(11-12): 861-879.

[81] Hegrenæs Ø, Gade K, Hagen O K, et al. Underwater Transponder Positioning and Navigation of Autonomous Underwater Vehicles[C]//OCEANS 2009. Biloxi, MS, USA: IEEE, 2009: 1-7.

[82] Kaminski C, Crees T, Ferguson J, et al. 12 Days Under Ice—an Historic AUV Deployment in the Canadian High Arctic[C]//2010 IEEE/OES Autonomous Underwater Vehicles. Monterey, CA, USA: IEEE, 2010: 1-11.

[83] Doble M J, Wadhamsi P, Forrest A L, et al. Experiences from Two-years’ Through-ice AUV Deployments in the High Arctic[C]//2008 IEEE/OES Autonomous Underwater Vehicles. Woods Hole, MA, USA: IEEE, 2008: 1-7.

[84] Walls J M, Eustice R M. An Origin State Method for Communication Constrained Cooperative Localization with Robustness to Packet Loss[J]. The International Journal of Robotics Research, 2014, 33(9): 1191-1208.

[85] Bahr A, Walter M R, Leonard J J. Consistent Cooperative Localization[C]//2009 IEEE International Conference on Robotics and Automation. Kobe, Japan: IEEE, 2009: 3415-3422.

[86] Vaganay J, Leonard J J, Curcio J A, et al. Experimental Validation of the Moving Long Base-line Navigation Concept[C]//2004 IEEE/OES Autonomous Underwater Vehicles(IEEE Cat. No. 04CH37578). Sebasco, ME, USA, USA: IEEE, 2004: 59-65.

[87] Webster S E, Freitag L E, Lee C M, et al. Towards Real- time Under-ice Acoustic Navigation at Mesoscale Ranges[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). Seattle, WA: IEEE, 2015: 537- 544.

[88] Claus B, Bachmayer R. Towards Navigation of Underwater Gliders in Seasonal Sea Ice[C]//2014 Oceans. St. Joh- n’s: IEEE, 2014: 1-8.

[89] Claus B, Bachmayer R. Terrain Aided Navigation for an Underwater Glider[J]. Journal of Field Robotics, 2015, 32(7): 935-951.

[90] Claus B, Bachmayer R. Towards Online Terrain Aided Navigation of Underwater Gliders[C]//2014 IEEE/OES Autonomous Underwater Vehicles (AUV). Oxford, MS, USA: IEEE, 2014: 1-5.

Present Situation and Prospect of Navigation Technologies for Underwater Glider

WU Shang-shang1, 2, LI Ge-ge1, 2, LAN Shi-quan1, YANG Shao-qiong1, 2, 3*, ZHANG Lian-hong1, 2,3

(1. Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education, School of Mechanical Engineering, Tianjin University, Tianjin 300350, China; 2. Qingdao Institute for Ocean Engineering, Tianjin University, Qingdao 266237, China; 3. The Joint Laboratory of Ocean Observing and Detection, Pilot National Laboratory for Marine Science and Technology(Qingdao), Qingdao 266237, China)

Improvement of underwater navigation positioning accuracy is crucial for underwater glider to complete missions, including marine environment observation, resource detection and identification or location of marine target. Most of the existing underwater glider navigation methods are based on dead reckoning supplemented by global position system(GPS). With the advancement of navigation technology, technologies such as inertial navigation, acoustic navigation, marine geophysical navigation and integrated navigation will be applied to underwater gliders increasingly. This paper briefly introduces the principle, classification and familiar algorithms of underwater navigation technology, and summarizes the domestic and abroad status of research and application of navigation technology for underwater gliders. Then the technical difficulties and development trends of under-ice navigation are discussed. The purpose of this paper is to provide reference for in-depth research and innovative application of underwater glider navigation technology.

underwater glider; navigation technology; under-ice navigation

TJ630.33; U674.941; TN967.2

R

2096-3920(2019)05-0529-12

10.11993/j.issn.2096-3920.2019.05.008

吴尚尚, 李阁阁, 兰世泉, 等. 水下滑翔机导航技术发展现状与展望[J]. 水下无人系统学报, 2019, 27(5): 529-540.

2019-07-24;

2019-08-20.

国家重点研发计划(2016YFC0301100, 2017YFC0305902)和深圳市投资控股有限公司资金; 国家自然科学基金(51722508, 11902219); 天津市自然科学基金(18JCQNJC05100, 18JCJQJC46400); 青岛海洋科学与技术国家实验室主任基金(QNLM201705)和“鳌山人才”培养计划(2017ASTCP-OS05, 2017ASTCP-OE01); 山东省支持青岛海洋科学与技术试点国家实验室重大科技专项(2018SDKJ0205).

*杨绍琼(1986-), 男, 博士, 讲师, 主要研究方向为深海智能装备、水下机器人和实验流体力学等. 吴尚尚、李阁阁对本文贡献相同, 为共同第一作者.

(责任编辑: 杨力军)