Seamless Underwater Navigation with Limited Doppler Velocity Log Measurements

要約

自律型水中航行体 (AUV) は通常、水中航行に慣性航法システム (INS) とドップラー速度ログ (DVL) を利用します。
そのために、それらの測定値は、拡張カルマン フィルター (EKF) などの非線形フィルターを通じて統合されます。
DVL 速度ベクトル推定は、海底からの反射の取得に依存し、送信された 4 つの音響ビームのうち少なくとも 3 つが正常に戻ってくることを保証します。
取得されるビームが 3 つ未満の場合、DVL はナビゲーション ソリューションのドリフトをバインドするための速度更新を提供できません。
この課題に対処するために、この論文では、DVL 測定が制限されている状況でのシームレスな AUV ナビゲーションのためのハイブリッド神経結合 (HNC) アプローチを提案します。
まず、2 つまたは 3 つの欠落した DVL ビームを回帰するアプローチを推進します。
次に、それらのビームは、測定されたビームとともに EKF に組み込まれます。
我々は、疎結合アプローチと密結合アプローチの両方で INS/DVL 融合を調べました。
私たちの手法は、地中海で 2 つの異なる機会に実施された AUV 実験の記録データに基づいてトレーニングされ、評価されました。
結果は、私たちが提案した方法が、ベースラインの疎結合モデルベースのアプローチと密結合モデルベースのアプローチを平均 96.15% 上回っていることを示しています。
また、2 つまたは 3 つのビームが失われた場合の速度精度の点で、モデルベースのビーム推定器と比較して平均 12.41% 優れたパフォーマンスを示します。
したがって、ビーム測定が制限されている状況でも、私たちのアプローチがシームレスな AUV ナビゲーションを提供することを実証します。

要約(オリジナル)

Autonomous Underwater Vehicles (AUVs) commonly utilize an inertial navigation system (INS) and a Doppler velocity log (DVL) for underwater navigation. To that end, their measurements are integrated through a nonlinear filter such as the extended Kalman filter (EKF). The DVL velocity vector estimate depends on retrieving reflections from the seabed, ensuring that at least three out of its four transmitted acoustic beams return successfully. When fewer than three beams are obtained, the DVL cannot provide a velocity update to bind the navigation solution drift. To cope with this challenge, in this paper, we propose a hybrid neural coupled (HNC) approach for seamless AUV navigation in situations of limited DVL measurements. First, we drive an approach to regress two or three missing DVL beams. Then, those beams, together with the measured beams, are incorporated into the EKF. We examined INS/DVL fusion both in loosely and tightly coupled approaches. Our method was trained and evaluated on recorded data from AUV experiments conducted in the Mediterranean Sea on two different occasions. The results illustrate that our proposed method outperforms the baseline loosely and tightly coupled model-based approaches by an average of 96.15%. It also demonstrates superior performance compared to a model-based beam estimator by an average of 12.41% in terms of velocity accuracy for scenarios involving two or three missing beams. Therefore, we demonstrate that our approach offers seamless AUV navigation in situations of limited beam measurements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google