АНАЛІЗ СУЧАСНИХ МЕТОДІВ ТА ПЕРСПЕКТИВИ РОЗВИТКУ НАВІГАЦІЇ ПІДВОДНИХ АПАРАТІВ

A. Zaiets; Y. Kalinichenko

doi:10.26906/SUNZ.2023.4.005

Автор(и)

A. Zaiets
Y. Kalinichenko

DOI:

https://doi.org/10.26906/SUNZ.2023.4.005

Ключові слова:

автономні підводні апарати, акустична навігація, Long Baseline, Ultra Short Baseline, Short Baseline, фільтр Калмана, Doppler Velocity Log, алгоритм для інтегрованої навігації NARX-RKF, навігація методом навігаційного числення та інерціальні навігаційні системи

Анотація

У цій статті проведено всеосяжний аналіз сучасних методів навігації автономних підводних апаратів, акцентуючи увагу на їхніх технологічних особливостях, перевагах та обмеженнях. Основна увага приділена п'яти ключовим методам: акустичній навігації, глобальним системам позиціонування, навігації за допомогою Доплерівського вимірника швидкості (DVL), інерціальній навігації, навігація з використанням спостерігачів траєкторії на основі дифузії, а також забезпечення навігації груп підводних апаратів. Результати дослідження вказують на те, що інтеграція різноманітних методів навігації може значно покращити надійність та точність позиціонування підводних апаратів, забезпечуючи ефективне виконання місій у складних умовах. Враховуючи поточні тенденції розвитку технологій та оперативних вимог, в статті також окреслено напрями подальших досліджень та розробок у галузі підводної навігації.

Завантаження

Дані завантаження ще не доступні.

Посилання

Kinsey J. C. A survey of underwater vehicle navigation: Recent advances and new challenges / James C. Kinsey, Ryan M. EUSTICE, Louis L. Whitcomb // IFAC conference of manoeuvering and control of marine craft. – 2006. – P. 1–12.

Smallwood D. A. A new hydrodynamics test facility for UUV dynamics and control research / D. A. Smallwood, J. C. Kinsey, L. L. Whitcomb // Proceedings of IEEE/MTS Oceans. – 2003. – P. 356–361.

Bingham B. Hypothesis Grids: Improving Long Baseline Navigation for Autonomous Underwater Vehicles [Electronic resource] / B. Bingham, W. Seering // IEEE Journal of Oceanic Engineering. – 2006. – Vol. 31, no. 1. – P. 209–218. – Mode of access: https://doi.org/10.1109/joe.2006.872220.

Inzartsev A. Underwater Vehicles / Alexander Inzartsev. – London: Intechopen, 2009. – 596 p.

USBL Integration and Assessment in a Multisensor Navigation Approach for AUVs 1 1This work is partially supported by Ministry of Economy and Competitiveness under contracts TIN2014-58662-R, DPI2014-57746-C3-2-R and FEDER funds. [Electronic resource] / Eric Guerrero Font [et al.] // IFAC-PapersOnLine. – 2017. – Vol. 50, no. 1. – P. 7905–7910. – Mode of access: https://doi.org/10.1016/j.ifacol.2017.08.754.

Dubrovin F. Navigation for AUV, located in the shadow area of LBL, during the group operations / Fedor Dubrovin // Global Oceans 2020: Singapore–US Gulf Coast. IEEE. – 2020. – P. 1–6.

Leonard J. J. Autonomous underwater vehicle navigation / John J. Leonard, Alexander Bahr // Springer handbook of ocean engineering. – 2016. – P. 341–358..

Wang Q. System noise variance matrix adaptive Kalman filter method for AUV INS/DVL navigation system [Electronic resource] / Qiuying Wang, Kaiyue Liu, Zhongyi Cao // Ocean Engineering. – 2023. – Vol. 267. – P. 113269. – Mode of access: https://doi.org/10.1016/j.oceaneng.2022.113269

An experimental comparison of Deep Learning strategies for AUV navigation in DVL-denied environments [Electronic resource] / Edoardo Topini [et al.] // Ocean Engineering. – 2023. – Vol. 274. – P. 114034. – Mode of access: https://doi.org/10.1016/j.oceaneng.2023.114034

An INS/GNSS integrated navigation in GNSS denied environment using recurrent neural network [Electronic resource] / Haifa Dai [et al.] // Defence Technology. – 2020. – Vol. 16, no. 2. – P. 334–340. – Mode of access: https://doi.org/10.1016/j.dt.2019.08.011

A SINS/DVL Integrated Positioning System through Filtering Gain Compensation Adaptive Filtering [Electronic resource] / Xiaozhen Yan [et al.] // Sensors. – 2019. – Vol. 19, no. 20. – P. 4576. – Mode of access: https://doi.org/10.3390/s19204576

Navnet: AUV Navigation Through Deep Sequential Learning [Electronic resource] / Xin Zhang [et al.] // IEEE Access. – 2020. – Vol. 8. – P. 59845–59861. – Mode of access: https://doi.org/10.1109/access.2020.2982272

Petritoli E. High Accuracy Attitude and Navigation System for an Autonomous Underwater Vehicle (AUV) [Electronic resource] / Enrico Petritoli, Fabio Leccese // ACTA IMEKO. – 2018. – Vol. 7, no. 2. – P. 3. – Mode of access: https://doi.org/10.21014/acta_imeko.v7i2.535

Jouffroy J. Underwater Vehicle Navigation Using Diffusion-Based Trajectory Observers [Electronic resource] / JÉrÔme Jouffroy, Jan Opderbecke // IEEE Journal of Oceanic Engineering. – 2007. – Vol. 32, no. 2. – P. 313–326. – Mode of access: https://doi.org/10.1109/joe.2006.880392

Development of a Regional Underwater Positioning and Communication System for Control of Multiple Autonomous Underwater Vehicles / Sasano M., Inaba S., Okamoto A.—// Proc. of the IEEE/OES Autonomous Underwater Vehicles (AUV).— 2016.— № 6.— P. 431–434.

Experimental Validation of the Moving Long Base Line Navigation Concept / Vaganay J., Leonard J., Curcio J., Willcox S.— // Proc. of the Int. Conf. AUV.— 2004.— № 4.— P. 1–7.

An Algorithm for Cooperative Navigation of Multiple UUVs / Zhang L., Xu D., Liu M., Yan W., Gao J.—// Proc. of the sixth Int. Sym- posium on Underwater Technology, UT2009,— 2009.— № 78.— P. 1–6.

Comparing Kalman and particle filter approaches to coordinated multi-vehicle navigation / Mirabellot D., Sandersont A., Blidberg D.—// Proc. of the Int. Conf. UUST 2007.— 2007.— № 78.— P. 1–6.