• 中国科技核心期刊
  • JST收录期刊
  • Scopus收录期刊
  • DOAJ收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SVM的航位推算误差补偿研究

王晓鸣 李鑫 武建国 赵基伟 忻加成 陈凯 张彬

王晓鸣, 李鑫, 武建国, 等. 基于SVM的航位推算误差补偿研究[J]. 水下无人系统学报, xxxx, x(x): x-xx doi: 10.11993/j.issn.2096-3920.2024-0004
引用本文: 王晓鸣, 李鑫, 武建国, 等. 基于SVM的航位推算误差补偿研究[J]. 水下无人系统学报, xxxx, x(x): x-xx doi: 10.11993/j.issn.2096-3920.2024-0004
WANG Xiaoming, LI Xin, WU Jianguo, ZHAO Jiwei, XIN Jiacheng, CHEN Kai, ZHANG Bin. Research on error compensation for dead reckoning based on SVM[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2024-0004
Citation: WANG Xiaoming, LI Xin, WU Jianguo, ZHAO Jiwei, XIN Jiacheng, CHEN Kai, ZHANG Bin. Research on error compensation for dead reckoning based on SVM[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2024-0004

基于SVM的航位推算误差补偿研究

doi: 10.11993/j.issn.2096-3920.2024-0004
基金项目: 国家重点研发计划(2020YFC1521704).
详细信息
    作者简介:

    李鑫:李 鑫(1999-), 男, 在读硕士, 研究方向为水下机器人导航系统开发

  • 中图分类号: TP242, U666.1

Research on error compensation for dead reckoning based on SVM

  • 摘要: 一般在使用机器学习方法对航位推算进行误差补偿时, 常采用神经网络算法。但神经网络需要大量的训练样本才能达到稳定的训练结果。为了解决此问题, 对支持向量机(SVM)在航位推算的误差补偿问题进行研究。利用SVM训练出误差补偿模型, 对航位推算进行误差补偿, 提高了导航精度。误差补偿模型选取自主水下航行器的俯仰角、横滚角和航向角, 多普勒计程仪(DVL)对地的前向、右向和天向速度以及航位推算时间等7个参数作为输入参数, 以全球卫星定位系统(GPS)和惯导+DVL组合提供的经纬度与航位推算的经纬度差作为模型的输出, 训练出了误差补偿模型。对比神经网络算法, 在数据量较少的前提下, SVM训练模型的相对误差为0.28%, 神经网络训练模型的相对误差为0.93%。通过湖上试验得出, SVM训练模型能够将航位推算的相对误差控制在0.5%内。

     

  • 图  1  航位推算原理示意图

    Figure  1.  Dead Reckoning principle

    图  2  DVL突变对推算结果的影响

    Figure  2.  The estimated results of DVL mutation

    图  3  DVL修正后的推算结果

    Figure  3.  The estimated results after DVL correction

    图  4  模型选取的训练数据

    Figure  4.  The training data selected by the model

    图  5  SVM纬度和纬度预测误差拟合曲线

    Figure  5.  The longitude and latitude prediction error fitting curve by SVM

    图  6  SVM经度、纬度预测误差与实际误差差值曲线

    Figure  6.  The difference between the longitude and latitude prediction error and the actual longitude and latitude error by SVM

    图  7  SVM航位推算误差补偿后的航迹

    Figure  7.  Track after dead reckoning error compensation by SVM

    图  8  BP经度、纬度预测误差与实际误差差值曲线

    Figure  8.  The difference between the longitude and latitude prediction error and the actual longitude and latitude error by BP

    图  9  样本增大后BP经度、纬度预测误差与实际误差差值曲线

    Figure  9.  The difference between the longitude and latitude prediction error and the actual latitude error by BP after the sample size increased

    图  10  实验载体照片

    Figure  10.  Experimental model

    图  11  修正前后的蛇形搜索轨迹

    Figure  11.  Track before and after correction of snake search

    图  12  水下定深试验修正前后轨迹

    Figure  12.  Track before and after correction of underwater fixed depth experiment

    图  13  水下定深四边形试验修正前后轨迹

    Figure  13.  Track before and after correction of underwater fixed depth quadrilateral experiment

    表  1  SVM与BP误差补偿效果对比

    Table  1.   Comparison of error compensation effect between SVM and BP

    模型经度误差/(°)纬度误差/(°)距离偏差/m
    补偿前1.209×10−43.182×10−436.447 1
    BP4.904×10−57.210×10−58.334 4
    SVM2.386×10−51.684×10−52.489 0
    下载: 导出CSV

    表  2  样本增大前后BP与SVM误差补偿效果对比

    Table  2.   Comparison of error compensation effect between SVM and BP before and after increasing the sample size

    模型经度
    误差/(°)
    纬度
    误差/(°)
    距离
    偏差/m
    样本量/组
    SVM2.386×10−51.684×10−52.489 02 331
    BP4.904×10−57.210×10−58.334 42 331
    BP(增)2.321×10−52.176×10−52.637 06 911
    下载: 导出CSV

    表  3  蛇形轨迹误差补偿前后对比

    Table  3.   Comparison of snake trajectory error before and after compensation

    阶段经度误差/(°)纬度误差/(°)距离偏差/m
    补偿前1.179×10−43.381×10−439.105
    补偿后2.416×10−52.086×10−52.894
    下载: 导出CSV

    表  4  AUV水下定深试验误差补偿前后对比

    Table  4.   Comparison of underwater fixed depth experiment error before and after compensation

    阶段经度误差/(°)纬度误差/(°)距离偏差/(m)
    补偿前1.126×10−42.869×10−431.9541
    补偿后9.742×10−56.751×10−510.2131
    下载: 导出CSV

    表  5  水下定深四边形试验误差补偿前后对比

    Table  5.   Comparison of underwater depth quadrilateral experiment error before and after compensation

    阶段经度误差/(°)纬度误差/(°)距离偏差/(m)
    补偿前9.648×10−43.486×10−438.7740
    补偿后1.542×10−52.004×10−52.2392
    下载: 导出CSV
  • [1] MARTINEZ A, HERNANDEZ L, SAHLI H, et al. Model-aided navigation with sea current estimation for an autonomous underwater vehicle[J]. International Journal of Advanced Robotic Systems, 2015, 12(7): 103-116. doi: 10.5772/60415
    [2] BARISIC M, MISKOVIC N, VASILIJEVIC A, et al. Fusing hydroacoustic absolute position fixes with AUV on-board dead reckoning[C]//IFAC Symposium on Robot Control, 2012: 211-217.
    [3] 谢彦新, 胡成全, 王凯, 等. 基于神经网络的航位推算导航[J]. 吉林大学学报(理学版), 2017, 55(5): 1192-1198.

    XIE Y X, HU C Q, WANG K, et al. Dead-reckoning navigation based on neural network[J]. Journal of Jilin University(Science Edition), 2017, 55(5): 1192-1198.
    [4] QIU B C, WANG M F, LI H W, et al. Development of hybrid neural network and current forecasting model based dead reckoning method for accurate prediction of underwater glider position[J]. Network Daily News, 2023(4): 59-59.
    [5] YANG S, SHANG X, SUN T, et al. A new dead reckoning method for HAUVs assisted by a dynamic model with ocean current information[J]. Ocean Engineering, 2024, 295: 116847. doi: 10.1016/j.oceaneng.2024.116847
    [6] 岳钰隽, 邱娜, 金志扬, 等. 改进支持向量机的车辆定位导航精度提升方法[J]. 重庆理工大学学报(自然科学), 2023, 37(4): 85-94.

    YUE Y J, QIU N, JIN Z Y, et al. Research on accuracy improvement of vehicle positioning and navigation with an improved support vector machine[J]. Journal of Chongqing Institute of Technology, 2023, 37(4): 85-94.
    [7] 彭树萍. AUV 动力学模型辅助的航位推算方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2011.
    [8] 刘桂峰. 水下无人航行器航位推算方法研究[J]. 舰船科学技术, 2021, 43(18): 94-96. doi: 10.3404/j.issn.1672-7649.2021.9A.032

    LIU G F. Research on dead reckoning method of AUV[J]. Ship Science and Technology, 2021, 43(18): 94-96. doi: 10.3404/j.issn.1672-7649.2021.9A.032
    [9] 孙玉山, 代天娇, 赵志平. 水下机器人航位推算导航系统及误差分析[J]. 船舶工程, 2010, 32(5): 67-72. doi: 10.3969/j.issn.1000-6982.2010.05.019

    SUN Y S, DAI T J, ZHAO Z P. Error analysis of dead-reckoning navigation system for autonomous underwater vehicle[J]. Ship Engineering, 2010, 32(5): 67-72. doi: 10.3969/j.issn.1000-6982.2010.05.019
    [10] 吴海波. 基于小波变换的AUV多尺度组合导航算法研究[D]. 哈尔滨: 哈尔滨工程大学, 2017.
    [11] 李成涛. 不同潜深下水下机器人导航位置修正方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2014.
    [12] 舒旭光. 基于测速误差预补偿的水下航行体组合导航技术[J]. 现代电子技术, 2014, 37(13): 139-142. doi: 10.3969/j.issn.1004-373X.2014.13.040

    SHU X G. Integrated navigation technology for underwater vehicles based on precompensation of velocity measurement deviation[J]. Modern Electronics Technique, 2014, 37(13): 139-142. doi: 10.3969/j.issn.1004-373X.2014.13.040
    [13] 周博文, 童晖, 张彬, 等. 八波束相控阵换能器的研制[J]. 振动与冲击, 2022, 41(8): 217-222.

    ZHOU B W, TONG H, ZHANG B, et al. Development of eight-beam phased array transducer[J]. Journal of Vibration and Shock, 2022, 41(8): 217-222.
    [14] 赵基伟. 基于多传感器融合的微小型AUV导航系统研究[D]. 天津: 河北工业大学, 2022.
    [15] 崔洪宇, 赵德有, 王锋. 海洋平台灰预测和支持向量机的逆控制[J]. 哈尔滨工程大学学报, 2009, 30(6): 613-618. doi: 10.3969/j.issn.1006-7043.2009.06.004

    CUI H Y, ZHAO D C, WANG F, et al. Adaptive inverse control of offshore platform vibrations using grey forecasting and a support vector machine[J]. Journal of Harbin Engineering University, 2009, 30(6): 613-618. doi: 10.3969/j.issn.1006-7043.2009.06.004
    [16] 罗康, 崔海英. 螺旋桨转速信息辅助水下航行器组合导航研究[J]. 计算机仿真, 2013, 30(12): 302-305, 320. doi: 10.3969/j.issn.1006-9348.2013.12.071

    LUO K, CUI H Y. Research on integrated navigation technology assisted by propeller speed information for AUV[J]. Computer Simulation, 2013, 30(12): 302-305, 320. doi: 10.3969/j.issn.1006-9348.2013.12.071
  • 加载中
图(13) / 表(5)
计量
  • 文章访问数:  31
  • HTML全文浏览量:  22
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-11
  • 修回日期:  2024-03-27
  • 录用日期:  2024-04-07
  • 网络出版日期:  2024-09-23

目录

    /

    返回文章
    返回
    服务号
    订阅号