هدایت مسیر ربات زیرآبی کابلی با بهره گیری از سامانه ناوبری تلفیقی بر پایه فیلتر کالمن زمان پیوسته

ربات زیرآبی کابلی برای موقعیت‌یابی، ردیابی مسیر، کنترل و هدایت، نیازمند یک سامانه ناوبری دقیق است. به علت محدودیت کاری سامانه موقعیت‌یاب جهانی در زیرآب، سامانه ناوبری اینرسی مهم‌ترین سامانه تعیین موقعیت در تجهیزات زیرآبی است. در این تحقیق، بر اساس دینامیک غیرخطی ربات زیرآبی و به‌منظور بهبود عملکرد ربات زیرآبی در ردیابی مسیر، یک سامانه ناوبری تلفیقی بر پایه حسگرهای اینرسی، قطب‌نما و سرعت‌سنج داپلری ارائه‌شده است. به‌منظور ترکیب داده‌های حسگرهای سیستم و تخمین موقعیت و وضعیت ربات، از فیلتر کالمن توسعه‌یافته زمان پیوسته استفاده‌شده است. نتایج شبیه‌سازی در مقایسه با سامانه های ناوبری بر پایه فیلتر کالمن خطی و فیلتر کالمن توسعه یافته زمان گسسته، نشان می‌دهد که سیستم ناوبری تلفیقی پیشنهادی بر پایه فیلتر کالمن توسعه‌یافته زمان پیوسته، موقعیت و وضعیت ربات را در حلقه کنترل با دقت بالایی تخمین زده است.

path following of ROV with use of integrated navigation system based on continuoustime Kalman filter

A Remotely operated vehicle (ROV) requires a precise navigation system for positioning, path tracking, guidance, and control. Due to the limitation of the global positioning system in the underwater environment, the inertial navigation system is the most important positioning system in an underwater vehicle. In this paper, based on the nonlinear dynamics of the underwater robot to improve the performance of the underwater robot in path tracking, we propose an integrated navigation system based on inertial sensors, compass, and Doppler velocity log. A continuoustime extended Kalman filter was used to combine the sensor data and estimate the robot’s position. The simulation results compared to the navigation systems based on linear Kalman filter and discretetime extended Kalman filter show that the proposed integrated navigation system based on continuoustime extended Kalman filter can estimate the attitude and position of the robot in the control loop with high accuracy