摘要

全海深载人潜水器(HOV)组合导航中会产生异步融合现象,传统的组合导航算法在处理时会产生较大的误差.针对这一问题,提出了一种基于机器学习和无迹卡尔曼滤波(UKF)的异步融合组合导航算法.首先建立了针对超短基线(USBL)声学定位系统预测的机器学习模型,通过USBL声学定位系统的观测数据集来训练该模型,并用得到的模型来预测更新间隔内的数据.最后使用UKF将已更新的数据集进行融合.仿真结果表明,相比传统的组合导航算法,本文的异步融合组合导航算法可以将USBL声学定位系统数据异步问题所引起的误差降低17%,有效提高了组合导航系统的精度.