水下作業(yè)小能手

水下滑翔機水下導(dǎo)航定位精度的提高對于滑翔機完成海洋環(huán)境觀測、資源探測、海洋目標識別與定位等任務(wù)至關(guān)重要?，F(xiàn)有的水下滑翔機的導(dǎo)航技術(shù)多以航位推算搭配全球定位系統(tǒng)（GPS）為主。隨著導(dǎo)航技術(shù)的進步，慣性導(dǎo)航、聲學(xué)導(dǎo)航、海洋地球物理導(dǎo)航和組合導(dǎo)航等技術(shù)將更多地應(yīng)用于水下滑翔機?；诖?，文中簡要介紹了水下導(dǎo)航技術(shù)原理、分類以及常用算法，綜述了水下滑翔機導(dǎo)航相關(guān)技術(shù)研究與應(yīng)用的國內(nèi)外現(xiàn)狀，探討了水下滑翔機冰下導(dǎo)航的技術(shù)難點和發(fā)展趨勢。文中的工作可為水下滑翔機導(dǎo)航技術(shù)的深入研究與試驗應(yīng)用提供依據(jù)。

水下滑翔機依靠調(diào)節(jié)浮力實現(xiàn)升沉，借助機翼產(chǎn)生水動力進行滑翔運動，具有低噪聲、長航程、大潛深等特點，可對海洋信息進行長時序、大范圍的觀測與探測［1］。作為認識海洋、經(jīng)略海洋、保護海洋的一種重要工具，水下滑翔機在海洋科學(xué)探索、海洋資源開發(fā)以及海洋國防安全方面具有廣泛的應(yīng)用前景。

為了完成觀測與探測任務(wù)，水下滑翔機需沿預(yù)設(shè)路徑航行，為此需要進行水下導(dǎo)航。導(dǎo)航定位技術(shù)對保障水下滑翔機的工作效能和航行安全至關(guān)重要［2］，此外，導(dǎo)航定位精度也是水下滑翔機重要的技術(shù)指標［3-5］。水下滑翔機的導(dǎo)航包括水面和水下導(dǎo)航，其中，水下導(dǎo)航是一種將無人水下航行器由起始點引導(dǎo)到目標點的技術(shù)，基本參數(shù)為其位置、速度和航向［6］。

目前較為常見的水下導(dǎo)航方法有：航位推算法、慣性導(dǎo)航、聲學(xué)導(dǎo)航、海洋地球物理導(dǎo)航和組合導(dǎo)航技術(shù)［7-8］。航位推算法憑借小能耗和低成本的優(yōu)點，在水下滑翔機中被廣泛使用于水下滑翔機。;慣性導(dǎo)航系統(tǒng)（inertial navigation system，INS）不依賴于外部信息源，是自主導(dǎo)航中的一種，常作為組合導(dǎo)航中的主導(dǎo)航系統(tǒng)。;聲學(xué)導(dǎo)航可分為長基線（long baseline，LBL）、短基線（short baseline，SBL）和超短基線（ultra short baseline，USBL）3種。;海洋地球物理導(dǎo)航利用地球本身物理特征進行導(dǎo)航，主要分為地磁輔助導(dǎo)航、地形輔助導(dǎo)航和重力輔助導(dǎo)航，優(yōu)點是具有自主性強、隱蔽性好、不受地域和時間限制等優(yōu)點。;組合導(dǎo)航技術(shù)是指將多種導(dǎo)航方式結(jié)合在一起，它是水下導(dǎo)航未來的重要發(fā)展方向。以卡爾曼濾波為代表，基于狀態(tài)空間分析的以卡爾曼濾波為代表的最優(yōu)估計法是水下組合導(dǎo)航的關(guān)鍵技術(shù)。

為明晰水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀，文中從以下幾方面對其進行梳理：

1）簡要闡述導(dǎo)航技術(shù)原理及常用的導(dǎo)航算法;

2）介紹水下導(dǎo)航相關(guān)的技術(shù)研究與應(yīng)用情況的國內(nèi)外現(xiàn)狀;

3）分析水下滑翔機在冰下導(dǎo)航的技術(shù)難點和發(fā)展情況。

1水下導(dǎo)航技術(shù)原理

1.1航位推算

1.2慣性導(dǎo)航

1.3聲學(xué)導(dǎo)航

1.4海洋地球物理導(dǎo)航

1.5組合導(dǎo)航

2水下滑翔機導(dǎo)航技術(shù)發(fā)展現(xiàn)狀

相較于其他類型的無人水下航行器，水下滑翔機的體積更小，質(zhì)量更輕，但相應(yīng)的負載能力有限。水下滑翔機需要在水下長期工作，同時又要保證導(dǎo)航精度的前提下，對其所攜帶導(dǎo)航設(shè)備的體積、質(zhì)量和能耗提出了更嚴格的要求。

2.1水下航位推算技術(shù)

簡單的航位推算形式只需電子羅盤和深度傳感器的組合即可實現(xiàn)水下導(dǎo)航。例如，Scripps海洋研究所（Scripps institution of oceanography）研制的Spray水下滑翔機［24］在水面獲得定位信息后，通過搭載的TCM2電子羅盤以及211-38型深度計，就能夠推算出向目標點位置運動的目標航向、姿態(tài)角度等航行參數(shù)。

華盛頓大學(xué)的Seaglider水下滑翔機［25］根據(jù)水下的推算位置在水面的投影與期望位置之間的差值，利用KF進行定位估計。如果海流速度與Seaglider的水平滑翔速度相當(dāng)，則根據(jù)KF算法，用深度平均流來建立海流模型，基于海流模型參數(shù)推算向目標航點前進的最優(yōu)航向與速度。Seaglider水下滑翔機浮出水面時利用Garmin 25 HVS型GPS模塊進行導(dǎo)航誤差修正。如果海流速度超過航速，Seaglider會選擇使目標距離增加最小的方向作為目標航向。

計入從上一個出水位置到當(dāng)前出水位置之間沿滑翔機軌跡得出的平均流速估計值，融合到航位推算中，對提高導(dǎo)航精度有一定效果［26］。但這種估計方法沒有考慮流場的時空變化，與實際流速存在較大偏差，導(dǎo)航精度改善有限。Webb Research Corp研制的Slocum水下滑翔機［27］將航位推算與多普勒測速結(jié)合，利用DVL實測海流數(shù)據(jù)，提高航位推算精度。

采用數(shù)據(jù)同化調(diào)整模型［28］，融合衛(wèi)星、船只、浮標和滑翔機的實時或遠程觀測數(shù)據(jù)，可進一步提高海流預(yù)測模型的準確性。Szwaykowska等［29］研究了基于海洋模型的真實環(huán)境并模擬水下航行器位置誤差增長的界限，這種誤差分析方法可用于提高海洋模型的精度和導(dǎo)航算法的性能。Hart等［30］開發(fā)了一種基于A*算法的最優(yōu)路徑規(guī)劃算法。該算法結(jié)合區(qū)域海洋模型，通過對滑翔機運動軌跡的預(yù)測，生成仿真滑翔機運動軌跡模型。由于沒有對算法的估計流速與滑翔機的觀測流速進行比較，無法驗證模型的正確性［31］。Chang等［32］提出一種由海洋模型預(yù)測輔助的Slocum實時導(dǎo)航算法，并于2012~2013年底在美國南卡羅萊納附近海域進行海試，試驗結(jié)果驗證了海流預(yù)測模型可提高滑翔機的導(dǎo)航性能［33］。Szwaykowska等［29］聚焦于較小海域的水下滑翔機工作情況，根據(jù)多架滑翔機的測量數(shù)據(jù)作為反饋，對模型進行實時調(diào)整，從而提高水下滑翔機在海洋中的導(dǎo)航性能。這種方法相比基于航位推算和水下流速估計的導(dǎo)航方法擁有更高的導(dǎo)航性能，當(dāng)存在明顯時空變化的流場時，具有更好的可靠性。

2.2慣性導(dǎo)航技術(shù)

INS可為水下滑翔機提供較精確的定位信息。現(xiàn)階段，INS在質(zhì)量、精度和能耗等多方面存在應(yīng)用瓶頸，導(dǎo)致這種方法未在水下滑翔機中得到廣泛應(yīng)用，Huang等［34-35］展示了微型機電系統(tǒng)（micro electro mechanical system，MEMS）在水下滑翔機中的試驗性應(yīng)用。Jenkins等［36］提出一種應(yīng)用于水下滑翔機的緊湊型慣導(dǎo)系統(tǒng)——iXSEA U-phins，其重約2.14 kg，體積2 100 cm3，功耗為3 W（見圖）。

圖iXSEA U-phins慣性導(dǎo)航系統(tǒng)

慣性測量元件的精度直接決定了SINS的精度水平。當(dāng)前SINS常用的陀螺儀類型有激光陀螺儀、光纖陀螺儀及微機電陀螺儀等。國外的陀螺儀已進入光學(xué)和微機電時代，精度不斷提高，環(huán)形激光陀螺、干涉型光纖陀螺和MEMS陀螺等固態(tài)陀螺儀逐漸成熟。受制造工藝和專用集成電路水平的制約，目前國產(chǎn)陀螺儀的精度不高，總體上和以美國為代表的世界先進水平有一定的差距。近幾十年，國內(nèi)的一些高校和科研單位基于不同種類的陀螺儀自主研制了多種SINS，如激光陀螺SINS、光纖陀螺SINS和MEMS陀螺SINS等，已經(jīng)被陸續(xù)應(yīng)用于陸海空等領(lǐng)域。就全球發(fā)展現(xiàn)狀而言，現(xiàn)有慣性測量元件不足以滿足當(dāng)前各種不同導(dǎo)航任務(wù)的指標要求，未來的主要目標是提高精確性、連續(xù)性和可靠性，降低器件的成本及功耗等。

慣性傳感器元件的定常誤差模型難以建立，提高導(dǎo)航精度十分困難。針對這個問題，Huang等［34-35］根據(jù)不同的誤差模型設(shè)計合適的濾波器，將多模型方法與EKF相結(jié)合，給出狀態(tài)的最優(yōu)估計。同時利用具有高精度預(yù)測優(yōu)勢的融和Adams的多模型擴展卡爾曼濾波算法（multi-model EKF fusing Adams explicit formula algorithm，MEKFA），使姿態(tài)估計精度得到較大的提高。理論分析證明了該算法的收斂性和穩(wěn)定性，并通過“海翔”號水下滑翔機湖泊試驗進行了驗證。結(jié)果表明，MEKFA方法與單EKF和乘性擴展卡爾曼濾波（multiplicative EKF，MEKF）相比，姿態(tài)估計性能有顯著提高。

Kim等［37］結(jié)合平均海流速度模型，實現(xiàn)了INS對海流速度的測量。經(jīng)過計算，受海流影響的加速度增量是INS中加速度計測量精度的1/10，加速度計無法直接感覺到海流的影響，這些微弱的海流效應(yīng)將完全被傳感器噪聲和外部干擾所阻斷。然而，海流對滑翔路徑的影響是在若干小時的滑翔中累積起來的。通過將滑翔機內(nèi)置的INS輸出數(shù)據(jù)與平均海流速度模型的先驗信息結(jié)合，校正海流加速度測量，完成加速度計偏差的誤差修正就能夠獲得水下滑翔機位置估計。對于沒有海流信息的情況，仍然可以根據(jù)每次滑翔結(jié)束后測量到的位置誤差估計海流數(shù)據(jù)，再遞歸反饋到平均海流模型中，從而提高定位精度。

姿態(tài)位置信息的測量精度還取決于數(shù)據(jù)融合算法，傳統(tǒng)的捷聯(lián)式慣性導(dǎo)航的姿態(tài)算法在復(fù)雜動態(tài)環(huán)境下，常常不能滿足目前的精度要求，需要尋求更高精度的算法。位姿估計的算法中最常用的是KF算法，其廣泛適用于線性狀態(tài)空間模型，但該方法要求系統(tǒng)方程線性且系統(tǒng)模型精確，并不適用于非線性系統(tǒng)。有學(xué)者提出用統(tǒng)計算法來估計非線性狀態(tài)空間模型，Durbin等［38］基于推算近似線性模型提出了迭代結(jié)構(gòu)，這些線性模型的似然估計能匹配潛在非線性模型的對數(shù)似然函數(shù)，在線性估計模型的基礎(chǔ)上提出重要性抽樣方案，但此方法需要計算Jacobian矩陣，計算量較大，實際應(yīng)用中具有一定的局限性。文獻［39］~［42］中提出的魯棒濾波器和KF相比不需要噪聲的統(tǒng)計假設(shè)，當(dāng)系統(tǒng)中存在不確定模型時，該濾波器因具有較強的魯棒性而得到廣泛應(yīng)用。即使出現(xiàn)模型不確定，H2濾波器也能確保在H2范數(shù)中噪聲信號與濾波誤差之間存在邊界，但要求噪聲是高斯白噪聲信號。濾波器通過優(yōu)化對所研究對象的某些閉環(huán)性能使范數(shù)達到最優(yōu)的濾波效果。為保證濾波器不僅有收斂的估計誤差而且有較滿意的動態(tài)性能，Cao等［43］提出了混合濾波器。

2.3聲學(xué)導(dǎo)航技術(shù)

聲學(xué)導(dǎo)航主要是利用固定或移動聲學(xué)信標通過水聲通信來完成水下導(dǎo)航。Techy［44］和Van Uffelen等［45］中提出一種應(yīng)用于Seaglider水下滑翔機的LBL聲學(xué)導(dǎo)航系統(tǒng)。該系統(tǒng)由3個位于水面并配備有GPS導(dǎo)航模塊的移動聲學(xué)信標作為參考，通過測量聲波往返行程的時間，再利用EKF算法將水下滑翔機的運動狀態(tài)融入到估計算法中，得出簡單的幾何定位估計值，通過仿真和試驗驗證了此聲學(xué)系統(tǒng)在具有多徑效應(yīng)和強海流的淺海環(huán)境下，能夠有效提供高精度的定位估計。2010~2011年初，Van Uffelen等［46-47］在菲律賓海域部署了4架Seaglider水下滑翔機，利用水下滑翔機接收到聲波時刻與預(yù)測值之間的傳輸時間偏移量來估計距離的誤差值，從而提高滑翔機在水下收集數(shù)據(jù)時的定位估計，驗證了滑翔機作為傳感器搭載平臺的實用性。整個工作過程記錄了滑翔機超過2 000次的水聲數(shù)據(jù)傳輸，距離系泊聲源最遠達到700 km。與以上方案不同，Sun等［48］提出以聲學(xué)信標為環(huán)境特征，根據(jù)海底信標到滑翔機的距離來估計滑翔機的位置，實現(xiàn)水下滑翔機在三維空間的導(dǎo)航定位的導(dǎo)航方法?；贓KF-SLAM（simultaneous localization and mappi-ng）算法，在信標位置未知情況下，能夠同步估計滑翔機和信標的位置。這種算法的優(yōu)勢在于將滑翔機的速度估計納入導(dǎo)航定位系統(tǒng)中，進一步降低了導(dǎo)航定位誤差。

Woithe等［49］探討了利用DVL來改善Slocum電能滑翔機航位推算算法中位置估計方法的可行性，提出通過安裝DVL的輔助航位推算導(dǎo)航算法，并在新澤西海岸進行為期12天的滑翔機部署，初步顯示了良好的試驗效果。

硬件方面，低功耗聲學(xué)調(diào)制解調(diào)器是聲學(xué)導(dǎo)航的核心器件。美國Teledyne Benthos公司為美海軍Seaweb海底網(wǎng)絡(luò)開發(fā)了一種名為Telesonar的聲學(xué)調(diào)制解調(diào)器。Teledyne Webb提供的Sloc-um滑翔機和Teledyne Benthos提供的調(diào)制解調(diào)器組合形成的導(dǎo)航定位和數(shù)據(jù)傳輸網(wǎng)絡(luò)見下圖。

水下滑翔機/聲學(xué)調(diào)制解調(diào)器數(shù)據(jù)傳輸示意圖

2.4組合導(dǎo)航技術(shù)

2.4.1 GPS/SINS/DVL組合導(dǎo)航

SINS結(jié)合DVL是目前水下組合導(dǎo)航中比較常用的方法，并在多種水下航行器中得到廣泛應(yīng)用［51-53］。季龍［54］和黃海洋［55］先后對在水下滑翔機上搭建低成本、高精度的GPS/SINS組合導(dǎo)航系統(tǒng)進行了探索。在水面上時，使用GPS提供整機系統(tǒng)需要的位置坐標信息。在水下運動時，由電子羅盤或SINS和深度傳感器相結(jié)合獲取滑翔機的姿態(tài)信息，再通過卡爾曼濾波進行數(shù)據(jù)融合實現(xiàn)水下的位置解算。李輝［56］提出了一種水下滑翔機的水面/水下導(dǎo)航定位算法：在水面上通過GPS獲取位置，在水下利用姿態(tài)航向參考系統(tǒng)提供信息，再利用EKF方法進行導(dǎo)航信息融合，最后利用MATLAB軟件進行算法仿真，結(jié)果符合預(yù)期。對于水下滑翔機編隊的協(xié)同導(dǎo)航算法，Paley［57］和Tang等［58］提出了自適應(yīng)EKF，通過聲學(xué)廣播的方式，解決了水下滑翔機的編隊協(xié)作組網(wǎng)導(dǎo)航定位問題。Huang等［59］基于慣性導(dǎo)航和航位推算的組合導(dǎo)航，提出一種分裂基快速傅里葉變換和UKF的混合算法。分裂基快速傅里葉變換是將radix-2和radix-4快速傅里葉變換的優(yōu)點結(jié)合起來的一種方法［60］，計算量較小，擁有較大的漸進復(fù)雜度。試驗結(jié)果表明，該算法在估計精度和計算成本方面具有較好的優(yōu)勢。周吉雄［61］將UKF與聯(lián)邦卡爾曼濾波（federated Kalman filtering，F(xiàn)KF）技術(shù)集合起來，通過仿真驗證了這種基于局部反饋校正的UKF在組合導(dǎo)航系統(tǒng)中具有較高的精度和魯棒性。呂志剛［62］提出一種SINS/GPS和DVL組合導(dǎo)航的方法，為自主式水下航行器（autonomous underwater vehicle，AUV）平臺提供高精度的連續(xù)導(dǎo)航信息，并對此組合導(dǎo)航系統(tǒng)的標定方法和誤差分析進行了系統(tǒng)性的研究。針對SINS/DVL組合導(dǎo)航問題，Xu等［63］以導(dǎo)航需求為導(dǎo)向，設(shè)計基于改進Sage-Husa自適應(yīng)卡爾曼濾波算法的導(dǎo)航系統(tǒng)，仿真結(jié)果表明，該系統(tǒng)具有較高的容錯性。

2.4.2海洋地球物理輔助慣性導(dǎo)航技術(shù)

1）地磁輔助導(dǎo)航

20世紀70年代，美國就已經(jīng)完成了全球磁力矢量分布圖的測繪，并研制出了適用于AUV平臺的地磁定位系統(tǒng)。美國西屋電器公司提出了利用己知靜止磁異常對水下航行器進行導(dǎo)航的方法［64］;美國雷神公司提出了利用磁場進行水下導(dǎo)航定位的方法，并進行了試驗驗證［65］。2009年，Kato［66］提出了基于地磁圖和等深線圖的AUV導(dǎo)航定位算法，并采用相關(guān)海域的地磁場數(shù)據(jù)和水深數(shù)據(jù)進行了仿真試驗。NASA Goddard空間中心對水下地磁導(dǎo)航進行了研究，并進行了大量的試驗［67］。

在國內(nèi)，余樂［68］以提高地磁匹配導(dǎo)航系統(tǒng)航跡規(guī)劃效率和精度為目的，對航跡規(guī)劃算法和地磁適配區(qū)選擇原則進行了理論研究和仿真驗證。Lin［69］對水下地磁導(dǎo)航進行了研究，在渤海海域進行了地磁測量與水下地磁輔助導(dǎo)航試驗，取得了400 m左右的精度。國防科學(xué)技術(shù)大學(xué)科研人員［70-72］成功研制出慣性/地磁匹配組合導(dǎo)航系統(tǒng)樣機，并分別于2008年、2009年、2011年進行了岸基車載試驗、水面船試驗和水下試驗，驗證了地磁/慣性組合導(dǎo)航系統(tǒng)的可行性。劉明雍等［73］提出受地磁異常影響的水下航行器導(dǎo)航方法，將最近點迭代算法運用到水下地磁匹配導(dǎo)航中，通過多次迭代匹配來減小慣性導(dǎo)航的累積誤差。

2）地形輔助導(dǎo)航

在全球衛(wèi)星導(dǎo)航出現(xiàn)之前，洲際巡航導(dǎo)彈的遠程導(dǎo)航系統(tǒng)是利用高度計數(shù)據(jù)與預(yù)先存儲地圖的地面高程進行比較，從而實現(xiàn)精確長期的定位估計。定位精度取決于地形圖的分辨率和測量高程的精度。在建立GPS之后，這個系統(tǒng)顯得多余，但其在GPS定位失效時仍能發(fā)揮作用。由此，利用地形信息進行水下導(dǎo)航也是可行的，但由于水深圖分辨率較低，限制了其在水下航行器中的使用。

在國外，Stuntz等［74］研究了在沿海地區(qū)精確定位滑翔機軌跡所需的最小數(shù)據(jù)集，分析了地形跟蹤算法的定位性能，首先對壓力傳感器和高度計的采集數(shù)據(jù)進行平滑處理以消除噪聲，然后將其與局部測深值進行比較，從而生成位置修正值。在加州沿海進行的Slocum滑翔機的試驗結(jié)果表明，地形輔助慣性導(dǎo)航方法比單獨使用慣性導(dǎo)航更加精確。

通過其他的地球物理參數(shù)，如采用地球磁場和地球重力場來增強地形輔助算法，以提高其魯棒性的研究也被提出，但是這些試驗的效果還未得到充分證明［75］。

3冰下導(dǎo)航技術(shù)發(fā)展方向

冰下任務(wù)提供了非常有價值的科學(xué)信息。自20世紀70年代，F(xiàn)rancois和Nodland在北冰洋邊緣的波弗特海部署無人水下航行器時起，許多AUV都陸續(xù)開展了冰下觀測。在冰層覆蓋地區(qū)持續(xù)觀測對氣候變化研究和極地勘探工作尤為重要。在冰下，衛(wèi)星導(dǎo)航系統(tǒng)失效，水下滑翔機的導(dǎo)航與定位尤其困難，慣性導(dǎo)航失去定時校準條件，在現(xiàn)有水下導(dǎo)航方法中，只有聲學(xué)導(dǎo)航和地球物理導(dǎo)航方法能夠在冰下為滑翔機提供有限的定位估計。

3.1冰下聲學(xué)導(dǎo)航

利用聲學(xué)設(shè)備進行導(dǎo)航的水下無人航行器，多依賴于固定的聲源進行機載導(dǎo)航或在船上和陸地上來進行位置估計。Rossby等［76］為Seaglider開發(fā)了適用于冰下環(huán)境的聲學(xué)導(dǎo)航系統(tǒng)，并于2006~2014年在戴維斯海峽部署了14架次滑翔機，對六自由度EKF后處理導(dǎo)航結(jié)果進行了驗證。試驗中的定位信息是由系泊在固定位置的RAFOS浮標［76］搭載的聲學(xué)導(dǎo)航源提供的。美國海軍研究辦公室（office of naval research，ONR）邊緣冰區(qū)（marginal ice zone，MIZ）項目開發(fā)的實時聲學(xué)導(dǎo)航系統(tǒng)在南極洲對Slocum水下滑翔機的冰下聲學(xué)導(dǎo)航定位能力進行了驗證［77］。

最常用的冰下聲學(xué)導(dǎo)航策略是LBL系統(tǒng)導(dǎo)航和USBL導(dǎo)航相結(jié)合的導(dǎo)航策略［78-79］。另外，還有一些LBL的新應(yīng)用［80］以及基于視覺的用于超短距離的歸航算法。Hugin［81］和Theseus［82］等水下機器人使用單信標導(dǎo)航來擴展它們的LBL系統(tǒng)。此外，Gavia水下航行器［83］創(chuàng)新地向上安裝DVL來測量航行器相對于冰層的速度，以實現(xiàn)水下導(dǎo)航。

由于導(dǎo)航源不能穿越冰層預(yù)先部署在海底，只能部署在冰面上，所以，當(dāng)探測區(qū)域的冰層漂移時，導(dǎo)航源不能對滑翔機提供精確實時的定位信息。聲學(xué)導(dǎo)航源需同時傳輸它們所在的位置。隨時間傳輸導(dǎo)航源位置信息的概念并不新鮮，GPS信號和低速率遙測數(shù)據(jù)已經(jīng)被用于小型水下移動導(dǎo)航網(wǎng)絡(luò)［84-86］。華盛頓大學(xué)在北極的試驗中首次使用這種方法搭建了完整的導(dǎo)航系統(tǒng)［87］，但由于導(dǎo)航源和水下滑翔機之間的通信過程產(chǎn)生的時鐘漂移將導(dǎo)致距離測量存在一定誤差。

3.2冰下地形輔助導(dǎo)航

美國伍茲霍爾海洋研究所［88］對水下滑翔機在冰下的地形輔助導(dǎo)航方法進行了系統(tǒng)的研究，評估了可用于水下滑翔機在經(jīng)歷季節(jié)性海冰海洋中全年使用的可行性。該試驗基于Slocum 200 m水下滑翔機，結(jié)合深度和海流估計的水深模型［89］，使用單波束高度計和航位推算方法進行導(dǎo)航信息更新。試驗結(jié)果十分樂觀，但對算法使用地區(qū)具有局限性。

紐芬蘭紀念大學(xué)的Claus等［90］通過一種離線試驗方案，將在線定位估計方法分別與常規(guī)航位推算方法、包含GPS校正的航位推算方法以及離線地形輔助的定位估計方法進行比較，驗證了水下滑翔機平臺基于抖動自舉粒子濾波器的地形輔助導(dǎo)航算法的準確性。這種方法被應(yīng)用在冰下進行持久的導(dǎo)航定位測量。在紐芬蘭赫里路德冰川峽灣，科研人員分別在2010年和2012年對水下滑翔機進行了距離為12 km和91 km的室外導(dǎo)航試驗，試驗結(jié)果表明，該算法能夠在2次試驗中分別保持33 m和50 m的誤差。2014年6月10日~11日在加拿大紐芬蘭省的康賽普申海灣，進行了水下滑翔機地形輔助導(dǎo)航的進一步測試，在由10 km和90 km直線段的2組離線試驗中，該方法的誤差分別為25 m和50 m，驗證了冰下導(dǎo)航算法在淺海地區(qū)的有效性。但這些試驗還存在以下問題：1）水下滑翔機的定位坐標系位于磁北，而地形輔助導(dǎo)航處理器坐標位于真北，導(dǎo)致相對于滑翔機坐標系存在一定的磁偏角誤差;2）試驗海域較淺，水下滑翔機仍能接收到GPS的定位信息，這些信息會將地形輔助算法的初始值重新復(fù)位，因此不能驗證水下滑翔機在較深海域進行長時間持續(xù)導(dǎo)航情況下該算法的有效性。

5結(jié)束語

水下滑翔機作為探索海洋、執(zhí)行水下任務(wù)的重要工具，在我國海洋資源勘探與開發(fā)方面具有重要作用。高精度、高可靠性的導(dǎo)航系統(tǒng)是水下滑翔機成功完成任務(wù)并安全返航的保證之一。文中對水下滑翔機平臺常見導(dǎo)航系統(tǒng)的原理、分類與關(guān)鍵技術(shù)進行了說明，最后對水下滑翔機冰下導(dǎo)航發(fā)展情況進行了展望。

隨著水下滑翔機工作范圍向邊遠海域逐步擴大，水下導(dǎo)航技術(shù)也將面臨更多未知的挑戰(zhàn)。為搭建水下滑翔機海洋網(wǎng)絡(luò)，實現(xiàn)海洋信息實時交互傳遞，未來，水下滑翔機導(dǎo)航技術(shù)將向著高精度、強魯棒性、實時性及協(xié)同組網(wǎng)等方向發(fā)展。并以慣性導(dǎo)航技術(shù)為主，多種導(dǎo)航技術(shù)為輔，實現(xiàn)多種導(dǎo)航傳感器，多種導(dǎo)航方式的組合導(dǎo)航，進一步提高水下導(dǎo)航技術(shù)的準確性、靈活性與可靠性，構(gòu)建智能化的組合導(dǎo)航方式，不斷提高水下滑翔機的海洋觀測能力。