水下作业是什么（水下作业小能手）

水下滑翔器水下导航定位精度的提高，对于滑翔器完成海洋环境观测、资源勘探、海洋目标识别定位等任务至关重要。水下滑翔机现有的导航技术主要依靠航位推算和全球定位系统(GPS)。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将越来越多地应用于水下滑翔器。基于此，本文简要介绍了水下导航技术的原理、分类和常用算法，总结了国内外水下滑翔机导航技术的研究和应用现状，探讨了冰下水下滑翔机导航的技术难点和发展趋势。本文的工作可为水下滑翔机导航技术的深入研究和实验应用提供基础。

水下滑翔机依靠调节浮力实现升沉，利用翅膀产生水动力滑翔。它们具有噪声低、航程远、潜水深度大的特点，可以对海洋信息进行长时间、大范围的观测和探测[1]。水下滑翔机作为认识、管理和保护海洋的重要工具，在海洋科学探索、海洋资源开发和海洋国防安全方面有着广阔的应用前景。

为了完成观测探测任务，水下滑翔机需要沿着预设的路径航行，因此需要水下导航。导航技术对于保证水下滑翔机的工作效率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的重要技术指标[3-5]。水下滑翔器的导航包括水面导航和水下导航，其中水下导航是引导无人水下航行器从起点到达目标点的技术，基本参数是其位置、速度和航向[6]。

目前常见的水下导航方法有航位推算算法、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]。航位推算算法因其低能耗、低成本的优点，在水下滑翔器中得到广泛应用。惯性导航系统是一种自主导航，不依赖于外部信息源，在组合导航中常作为主导航系统使用。声学导航可分为长基线(LBL)、短基线(SBL)和超短基线(USBL)。海洋地球物理导航利用地球的物理特性进行导航，主要分为地磁导航、地形导航和重力导航。其优点是自主性强，隐蔽性好，不受地域和时间限制。组合导航技术是指各种导航方式的组合，是未来水下导航的一个重要发展方向。以卡尔曼滤波为代表的基于状态空间分析的最优估计方法是水下组合导航的关键技术。

为了理清水下滑翔机导航技术的发展现状，本文从以下几个方面进行梳理：

1)简要说明导航技术的原理和常用的导航算法；

2)介绍国内外水下导航技术的研究和应用情况；

3)分析水下滑翔机冰下导航的技术难点和发展。

1水下导航技术原理

1.1航位推算

1.2惯性导航

1.3声学导航

1.4海洋地球物理导航

1.5综合导航

2水下滑翔机导航技术的发展现状

与其他类型的无人水下航行器相比，水上滑翔机体积更小，重量更轻，但其相应的载重能力有限。水下滑翔器需要在水下长时间工作，同时保证导航精度的前提下，对其携带的导航设备的体积、质量、能耗等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要电子罗盘和深度传感器的组合就可以实现水下导航。比如斯克里普斯海洋研究所研制的Spray水下滑翔机[24]，在获得水面上的定位信息后，就可以计算出航行参数，比如目标

华盛顿大学的Seaglider水下滑翔机[25]利用KF，根据水面上的水下投影位置与期望位置之间的差异进行定位估计。如果当前速度等于Seaglider的水平滑行速度，则根据KF算法，利用深度平均海流建立当前模型，并基于当前模型参数计算目标航路点的最佳航向和速度。当Seaglider水下滑翔机浮出水面时，Garmin 25 HVS GPS模块被用来纠正导航误差。如果当前速度超过速度，Seaglider将选择使目标距离增加最小的方向作为目标航向。

考虑了沿滑翔机轨迹从最后一个出水位置到当前出水位置的估计平均速度，并将其融合到航位推算中，对提高导航精度有一定作用[26]。但这种估算方法没有考虑流场的时空变化，与实际流速存在较大偏差，导航精度的提高有限。WebResearch Corp开发的Slocum水下滑翔机[27]将航位推算与多普勒测速仪结合起来，并使用DVL测量的海流数据来提高航位推算的准确性。

利用数据同化调整模型[28]，利用卫星、船舶、浮标和滑翔机的实时或远程观测数据，可以进一步提高当前预测模型的精度。Szwaykowska等人[29]基于海洋模型研究了真实环境，模拟了水下航行器位置误差的增长极限。该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等人[30]开发了一种基于A*算法的最优路径规划算法。结合区域海洋模型，该算法可以预测滑翔机轨迹，生成模拟的滑翔机轨迹模型。由于算法的估算速度没有与滑翔机的观测速度进行比较，因此无法验证模型的正确性[31]。Chang等人[32]提出了海洋模式预报辅助的Slocum实时导航算法，并于2012~2013年底在美国南卡罗来纳州附近海域进行了海试。测试结果验证了当前预测模型可以提高滑翔机的导航性能[33]。Szwaykowska等人[29]重点研究了水下滑翔机在小海域的工作条件，根据多架滑翔机的测量数据实时调整模型，从而提高水下滑翔机在海洋中的航行性能。与基于航位推算和水下速度估计的导航方法相比，该方法具有更高的导航性能，并且在存在明显的时空变化流场时具有更好的可靠性。

2.2惯性导航技术

INS可以为水下滑翔机提供精确的定位信息。目前INS的应用瓶颈在于质量、精度、能耗等多方面，导致其在水下滑翔器上没有得到广泛应用。黄等人[34-35]展示了MEMS在水下滑翔机中的实验应用。Jenkins等人[36]提出了一种用于水下滑翔器的紧凑型惯性导航系统(——iXSEA U-phins)，重量约2.14 kg，体积2 100 cm3，功耗3 W(见图)。

图iXSEA U-phins惯性导航系统

惯性测量元件的精度直接决定了捷联惯导系统的精度水平。目前捷联惯导系统中常用的陀螺仪有激光陀螺仪、光纤陀螺仪和MEMS陀螺仪。国外陀螺仪已经进入光学和MEMS时代，精度不断提高。环形激光陀螺、干涉型光纤陀螺、MEMS陀螺等固态陀螺逐渐成熟。受制造工艺和ASIC水平的限制，目前国产陀螺仪精度不高，与以美国为代表的世界先进水平有一定差距。近几十年来，我国一些大学和研究机构基于不同类型的陀螺仪自主研制了多种捷联惯导系统，如激光陀螺捷联惯导系统、光纤陀螺捷联惯导系统和MEMS陀螺捷联惯导系统等。已成功应用于陆、海、空领域。就全球发展现状而言，现有的惯性测量单元不足以满足当前各种导航任务的要求。未来的主要目标是提高精度、连续性和可靠性，并降低器件的成本和功耗。

惯性敏感元件稳态误差模型的建立和导航精度的提高是一个难点。针对这一问题，黄等[34-35]根据不同的误差模型设计了合适的滤波器，并将多模型方法与相结合，给出了状态的最优估计。同时，利用多模型EKF融合Adams显式公式算法(MEKFA)的高精度预测优势，大大提高了姿态估计精度。理论分析证明了算法的收敛性和稳定性，并通过“向海”水下滑翔机的湖试进行了验证。结果表明，与单EKF和乘性扩展卡尔曼滤波器(MEKF)相比，MEKFA方法的姿态估计性能有显著提高。

Kim等人[37]结合平均流速模型，实现了INS对流速的测量。通过计算，电流影响的加速度增量是惯导系统中加速度计测量精度的1/10。加速度计无法直接感受到电流的影响，这些微弱的电流效应会被传感器噪声和外界干扰完全屏蔽。但是，海流对滑翔路径的影响是在几个小时的滑翔过程中积累起来的。结合滑翔机内置的INS输出数据和平均流速模型的先验信息，修正当前加速度测量，完成加速度计偏差的误差修正，得到水下滑翔机的位置估计。当没有当前信息时，仍然可以根据每次滑翔后测得的位置误差估计当前数据，然后递归反馈到平均当前模型，从而提高定位精度。

姿态信息的测量精度还取决于数据融合算法。在复杂的动态环境下，传统的捷联惯导姿态算法不能满足当前的精度要求，因此有必要寻求更高精度的算法。KF算法是最常用的姿态估计算法，广泛应用于线性状态空间模型。但这种方法需要线性系统方程和精确的系统模型，不适用于非线性系统。有学者提出用统计算法来估计非线性状态空间模型。Durbin等人[38]提出了基于计算近似线性模型的迭代结构。这些线性模型的似然估计可以匹配潜在非线性模型的对数似然函数，并基于线性估计模型提出了一种重要抽样方案。但这种方法需要计算雅可比矩阵，计算量大，在实际应用中有一定的局限性。与KF相比，文献[39] ~ [42]中提出的鲁棒滤波器不需要噪声。当系统中存在不确定模型时，这种滤波器因其鲁棒性强而得到广泛应用。即使模型不确定，H2滤波器也能保证噪声信号和滤波误差在H2范数下存在一个边界，但要求噪声是高斯白噪声信号。通过优化滤波器的某些闭环性能，范数可以达到最佳的滤波效果。为了保证滤波器既有收敛的估计误差，又有满意的动态性能，曹等[43]提出了一种混合滤波器。

2.3声学导航技术

水声导航主要是利用固定或移动的声信标，通过水声通信来完成水下导航。Techy [44]和Van Uffelen等人[45]提出了一种用于水下滑翔机的LBL声学导航系统。该系统使用三个位于水面上并配备有GPS导航模块的移动声信标作为参考。通过测量声波的往返时间，利用EKF算法将水下滑翔机的运动状态融入到估计算法中，得到简单的几何定位估计值。仿真和实验验证了该声学系统能够在多径效应和强海流的浅海环境中有效地提供高精度的定位估计。从2010年到2011年初，Van Uffelen等人[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声波的时间与预测值之间的传输时间偏移来估计距离误差值，从而提高了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平台的实用性。在整个过程中，记录了2 000多次滑翔机的水声数据传输，距离系泊声源最远达到700 km。与上述方案不同的是，孙等人[48]提出了一种以声信标为环境特征，根据水下信标到滑翔机的距离来估计滑翔机位置的导航方法，实现了水下滑翔机在三维空间的导航定位。基于EKF-SLAM算法，在信标位置未知的情况下，可以同时估计滑翔机和信标的位置。这种算法的优点是将滑翔机的速度估计融入到导航定位系统中，进一步减小了导航定位误差。

Woithe等人[49]讨论了利用DVL改进Slocum电动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，将滑翔机部署在新泽西海岸12天，初步显示了良好的实验效果。

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公司为美国海军的Seaweb潜艇网络开发了一种称为Telesonar的声学调制解调器。由Teledyne Webb提供的Sloc-um glider和Teledyne Benthos提供的modem组合而成的导航、定位和数据传输网络如下图所示。

水下滑翔机/声调制解调器数据传输示意图

2.4综合导航技术

2.4.1 GPS/SINS/DVL组合导航

捷联惯导系统结合DVL是水下组合导航的常用方法，已广泛应用于多种水下航行器[51-53]。纪[54]和黄海洋[55]先后探索了如何在水下滑翔机上构建低成本、高精度的GPS/SINS组合导航系统。当在水面上时，GPS用于提供整个系统所需的位置坐标信息。水下运动时，利用电子罗盘或捷联惯导系统结合深度传感器获得滑翔机的姿态信息，然后通过卡尔曼滤波器进行数据融合求解水下位置。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获得位置，在水下通过姿态航向参考系统提供信息，然后通过EKF方法融合导航信息。最后，用MATLAB软件对算法进行了仿真，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等人[58]提出了自适应EKF，通过声广播解决了水下滑翔机编队协同组网的导航定位问题。黄等[59]在惯性导航和航位推算组合导航的基础上，提出了分裂基快速傅里叶变换和UKF的混合算法。分裂FFT是一种结合了基2和基4 FFT的优点的方法[60]，它需要的计算量更少，渐进复杂度更大。实验结果表明，该算法在估计精度和计算成本方面具有较好的优势。周等[61]结合了和联合卡尔曼滤波(FKF)技术，仿真结果表明这种基于局部反馈修正的在组合导航系统中具有较高的精度和鲁棒性。吕志刚[62]提出了SINS/GPS和DVL的组合导航方法，为自主水下航行器(AUV)平台提供高精度的连续导航信息，并系统地研究了这种组合导航系统的标定方法和误差分析。为解决SINS/组合导航问题，徐等[63]设计了一种基于改进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，美国完成了全球磁矢量分布图的绘制，并为AUV平台开发了地磁定位系统。美国西屋电气公司提出了利用已知静态磁异常为水下航行器导航的方法[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，并进行了实验验证[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，并利用相关海域的地磁场数据和水深数据进行了仿真试验。NASA戈达德航天中心对水下地磁导航进行了研究，并进行了大量实验[67]。

在国内，于乐[68]以提高地磁匹配导航系统航迹规划的效率和精度为目的，对航迹规划算法和地磁适应区域选择原则进行了理论研究和仿真验证。林[69]研究了水下地磁导航，在渤海海域进行了地磁测量和水下地磁辅助导航试验，精度约400 m，国防科技大学研究人员[70-72]成功研制了惯性/地磁匹配组合导航系统样机，并分别于2008年、2009年和2011年进行了岸基试验、水面舰艇试验和水下试验，验证了地磁/惯性组合导航系统的可行性。刘明勇等[73]提出了受地磁异常影响的水下航行器导航方法，将最近点迭代算法应用于水下地磁匹配导航，通过反复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利用高度计数据与预存地图的地面高程进行比对，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。GPS建立后，这个系统是多余的，但在GPS定位失效时仍能发挥作用。因此，利用地形信息进行水下导航是可行的，但水深图的低分辨率限制了其在水下航行器中的应用。

在国外，Stuntz等人[74]研究了精确定位沿海地区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采集的数据进行平滑处理以消除噪声，然后与当地的探测值进行比较，以生成位置修正值。加州海岸Slocum glider的实验结果表明，地形辅助惯性导航比单独惯性导航更精确。

其他地球物理参数，如地球磁场和地球重力场，已被用于增强地形辅助算法，以提高其鲁棒性，但这些实验的效果尚未得到充分证明[75]。

3冰下导航技术的发展方向

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机器人以来，许多AUV相继开展了冰下观测。在冰覆盖地区进行连续观测对于气候变化研究和极地考察尤为重要。冰下，卫星导航系统失灵，水下滑翔器导航定位特别困难，惯性导航失去定时校准条件。在现有的水下导航方法中，只有声学导航和地球物理导航方法可以为冰下滑翔机提供有限的定位估计。

3.1冰下声学导航

使用声学设备导航的水下无人飞行器(AUV)大多依靠固定声源进行空中导航或在船舶和陆地上的位置估计。Rossby等人[76]为Seaglider开发了声学导航系统，并于2006年至2014年在戴维斯海峡部署了14个滑翔机，验证了六自由度EKF后处理的导航结果。测试中的定位信息由固定位置的RAFOS浮标[76]携带的声学导航源提供。美国海军研究办公室(ONR)的边缘冰区(MIZ)项目开发的实时声学导航系统已经验证了Slocum glider在南极洲的水下声学导航和定位能力[77]。

最常用的水声导航策略是LBL系统导航和USBL导航的组合[78-79]。此外，还有一些LBL [80]和基于视觉的超短距离寻的算法的新应用。水下机器人如Hugin [81]和Theseus [82]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]创新性地向上安装了DVL，测量航行器相对于冰层的速度，实现水下航行。

由于导航源无法通过冰面提前部署在海底，只能部署在冰面上，所以当探测区域的冰面漂移时，导航源无法为滑翔机提供准确实时的定位信息。声学导航源需要同时发送它们的位置。随着时间传输导航源位置信息的概念并不新颖。GPS信号和低速率遥测数据已用于小型水下移动导航网络[84-86]。华盛顿大学在北极实验中首次使用这种方法构建了完整的导航系统[87]，但导航源与水下滑翔机通信过程中产生的时钟漂移会造成测距的一些误差。

3.2冰下地形辅助导航

美国伍兹霍尔海洋研究所[88]系统研究了冰下水下滑翔机的地形辅助导航方法，并评估了在经历季节性海冰的海洋中常年使用的可行性。实验基于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更新导航信息。实验结果非常乐观，但在使用算法的领域存在局限性。

纽芬兰纪念大学的Claus等人[90]通过离线测试方案，分别将在线定位估计方法与常规航位推算方法、包含GPS修正的航位推算方法和离线地形辅助定位估计方法进行了比较，验证了水下滑翔机平台基于抖动自举粒子滤波的地形辅助导航算法的准确性。这种方法用于在冰下进行长时间的导航和定位测量。在纽芬兰的赫里卢德冰川峡湾，研究人员分别于2010年和2012年对距离为12公里和91公里的水上滑翔机进行了户外航行测试。测试结果表明，该算法在两次测试中可以保持33 m和50 m的误差。2014年6月10日至11日，在加拿大纽芬兰康塞普西翁湾进行了水下滑翔机地形辅助导航的进一步测试。在10 km和90 km直线的两组离线测试中，该方法的误差分别为25 m和50 m，验证了浅水冰下导航算法的有效性。但这些测试仍然存在以下问题：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的坐标位于真北，导致相对于滑翔机坐标系存在一定的赤纬误差；2)实验海域较浅，水下滑翔机仍能接收到GPS的定位信息，会重置地形辅助算法的初始值，因此无法验证水下滑翔机在深海区域长时间航行时算法的有效性。

5结束语

水下滑翔器作为探索海洋和执行水下任务的重要工具，在我国海洋资源勘探开发中发挥着重要作用。高精度、高可靠性的导航系统是水下滑翔器顺利完成任务并安全返回的保障之一。介绍了水下滑翔器常用导航系统的原理、分类和关键技术。最后，对水下滑翔机冰下航行的发展进行了展望。

随着水下滑翔机的工作范围逐渐扩展到偏远海域，水下导航技术也将面临更多未知的挑战。为了构建水下滑翔机的海洋网络，实现海洋信息的实时交互传输，未来水下滑翔机导航技术将向高精度、强鲁棒性、实时、协同网络化方向发展。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和导航模式的组合导航，进一步提高水下导航技术的精度、灵活性和可靠性，构建智能组合导航模式，不断提高水下滑翔机的海洋观测能力。