观察级水下机器人使用系列之二多普勒速度记录仪（DVL）

本文主要讲述观察级水下机器人所使用的多普勒速度记录仪器（DVL），见下图。多普勒测速技术自1960年开始研究，1980年开始实现商业化，80年代中后期，窄带多普勒测速技术研究已日趋成熟，90年代以后，启动了宽带多普勒测速技术研究。窄带技术量测噪声大，流速测量在垂向和水平方向的分辨率较低，量程较大；宽带技术量测精度很高，空间和时间分辨率较高，但是量程较小。目前主流的DVL产品主要有美国TRDI公司和挪威的Nortek公司。DVL主要应用于自主水下机器人(AUV)、遥控水下机器人(ROV)、水上无人航行器(USV)、海岸滑行设备、拖拽航行设备、潜水员控制台、深潜器等。下图就是Nortek公司的DVL1000。

DVL的主要技术参数见下表。底速度和水跟踪涉及到多普勒测速仪的两种工作模式。第一种海底高度较小时，换能器接收海底回波信号后首先检测海底高度，然后通过测速算法计算换能器相对于海底的速度，这种工作方式称为对底跟踪；第二种是海底高度较大时，换能器无法采集过于微弱的海底回波，甚至声波都无法照射到海底，测量载体相对于某一水层的多普勒频移来计算相对于水层的速度，这种工作方式称为对流跟踪。一般情况下，默认使用性能更好的底跟踪模式获得航行器相对于海底的速度，当航行器高度超过底跟踪模式的工作范围时，切换至水跟踪模式得到航行器相对于某一水层的速度，同时必须获得这一水层的流速，因此底跟踪模式比水跟踪模式精度更高。

如果知道了载体相对于海底的速度，相对于水流的速度，那么两个速度相减就可以得到水流的速度，这样一来，DVL就变成了ADCP（声学多普勒测流仪）？是的，DVL和ADCP的原理相同，在工业生产重已逐渐趋同。流速剖面实际就是ADCP的性能参数。

DVL原理

DVL 利用声波信号的多普勒效应进行测速。当电磁波、机械波或者声波信号的发射源与接收源之间存在相对线运动时，接收源接收到的信号与发射源发射的信号频率并不相同，存在着频差，这一频差被称为多普勒频移，这一现象被称为多普勒效应。

在原理上，DVL 的量测是其自身的速度。然而通常情况下，DVL 固定安装在载体的底部，并且安装时使 d 系（DVL坐标系，向右，向前和向上）的三个轴与 b 系（载体坐标系）的三个轴平行。所以通常情况下认为DVL 的量测是载体的速度。

由于 AUV 的航行速度V 远小于声波在水中的传播速度C ，所以忽略声波从被发射到返回被接收时间段内 AUV 位置变化引起的发射倾角的变化。则通过多普勒效应可以计算得到V 为：

其中，f0为 DVL 发射的声波信号的固有频率，fd为 DVL 发射和接收的声波信号的频差。

上面是单波束DVL的测速原理，DVL一般有4个换能器，比如本文的DVL1000，它的四条波束呈詹纳斯(Janus array)配置，可以有效消除因载体上下颠簸、横摇和纵摇引起的测速误差。四条波束中的三条波束用于解算载体的速度，另外一条作为冗余，用于评估使用其它三条波束解算出的速度的数据质量。

2、INS/DVL组合导航

按照导航原理的不同水下导航方式可分为大类自主导航、地球物理导航、声学导航。

1)惯性导航和航位推算属于自主导航隐蔽性强、短期精度高、不受外界环境的影响，但惯性测量单元的导航误差会随时间累加会影响惯性导航系统的精度；

2)地形匹配、地磁匹配、重力匹配技术属于地球物理导航通过水下航行器采集地球物理因素与事先制作的环境测绘图作对比获得准确的位置信息，但缺点是需要庞大的先验数据库具有很高的生成难度和成本；

3）长基线LBL、短基线SBL、超短基线USBL和多普勒计程仪DVL属于声学导航，在水下环境中得到广泛应用，主要区别是基线长度不同，通过在一定海域范围内的海底或海面安装应答器或信号接收器 ，根据声信号在水中的传播速度，确定水下航行器距已知信标的距离，但因为信标位置固定，且声信号在水下传输范围有限，影响水下导航的灵活性，同时也容易受复杂的声学环境干扰。相对而言，DVL具有很好的灵活性和自主性，能够提供准确的速度，但却不能提供航向信息。

分析上述水下导航技术任何单一的导航技术都存在缺点和不足，只有将两个及以上的导航技术结合起来取长补短向着综合化、智能化、自动化发展才能满足对于导航精度日益增长的需求。

（1）初始对准

初始对准的精度对水下导航定位起到至关重要的作用，静基座对准的精度已经能达相当高的程度，但是静基座下的对准在水下的应用面太窄，要用在实际环境中就需要考虑如何在晃动、运动、高动态几种状态下实现有效对准。尤其对于一些精度较差的惯性元件的初始对准的研究，对于降低生产成本有很大的影响，而且要达到完全对准的要求目前技术都至少需要几分钟，所以如何缩短对准时间会成为以后的研究方向之一。

（2）系统误差标定

在实际应用中，仪器的安装使INS/DVL的坐标系和载体坐标系不能重合，产生安装误差角同时因为水温、水深、盐度等因素，导致DVL输出的速度成k倍的增加，产生比例因子误差，而对安装误差角和比例因子的校准标定就称为组合导航系统的标定过程。在水下标定标定环境中，大多数标定方式都以引入GNSS或特定的路线规划为主，针对提高标定过程灵活性的研究，仍是目前系统标定所面临的挑战之一。

（3）系统的鲁棒性

INS/DVL组合导航技术在实际环境时总会面临各种各样的问题，在水下环境中， 一旦发生故障很难得到外界的及时帮助，由此产生的无效观测值，会在一段时间内持续影响导航精度，这就要求系统自动识别和筛选无效值。

扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波等可以很好的解决状态方程或量测方程为非线性，以及过程噪声和量测噪声不满足高斯白噪声等问题，但是依然存在弊端：当系统模型难以确定时导航精度会下降；多普勒测速仪发生故障时， 采用纯惯导导航在长时间航行中会产生误差积累； 以及对于量测突变值不好应对等问题。 因此，提升组合导航系统的鲁棒性  是组合导航技术的热点问题。

3、实际标定操作

上面讲得非常抽象，也比较复杂，在实际应用过程中，如何标定应该没有那么复杂，下面看看标定实操方法。

（1）GNSS辅助DVL标定

在水下大多使用 INS/DVL 组合导航，定位误差随航程的增加而增长。长时间水下作业后，AUV 通过浮出水面或抛出 GNSS 浮球来接收 GNSS 信息进行位置校准，来消除所累积的位置误差。同时，可以将GNSS信息作为观测量给入卡尔曼滤波器，来估计和消除所累积的速度和姿态角误差。校准完成后AUV 再次入水，以 SNS/DVL 组合导航状态继续水下作业。

标定时预设航线为航行起点→A→B→C→D→E→F（结束点），整个标定过程中AUV 在每个直线航段内均为定速直航。图中 A→B、C→D、E→F 三段表示水下航路，因水下航行可以避免水面风浪的影响，保证 DVL 的测速精度及稳定性，从而可以获得更好的标定精度。图中 A点、B 点、C 点、D 点、E 点和 F 点都表示水面的 GNSS校准点，实际航行中，如果 B 点（D 点）和 C 点（E 点）距离较近可以认为是重合的两个点，标定一次即可。第三段是验证段，用于验证前两段航程标定结果的好坏。跑完三段直线后，如果验证段合格则标定成功；否则标定失败，则需要分析问题查找原因，解决问题后重新开始标定流程，直至标定验证段达标。

（2）罗经和GNSS辅助DVL标定

DVL 设备在设计和安装过程中，往往存在两个问题：首先是安装偏角，DVL 安装之后换能器艏向与安装载体艏向存在一定的夹角，这个夹角可以转化为DVL 艏向与高精度罗经的偏角，解决安装偏角最可行的方法是通过标定算法准确计算出偏角大小，并在后续数据处理时用这个偏角修正测量速度。DVL 受换能器及结构制造精度、声速误差及接收回波信噪比等因素的影响，导致DVL 运动速度测量值与真值存在误差，可以将上述差异归结为一个系统修正误差K 系数，用以补偿两者之间的差异。

利用纵横向速度信息的DVL 快速标定算法，在DVL 测量底跟踪速度的同时，借助于高精度电子罗盘和差分GPS 分别获得航向信息和GPS 位置信息，三者结合实现对DVL 设备安装偏角和系统误差修正K 系数的快速标定。

DVL 设备在设计和安装过程中存在安装偏角和系统误差修正K 系数问题，可以通过东北向速度标定或纵横向速度标定方法解算两个标定系数。对于同一批次数据，基于东北向速度标定方法计算量较大，运算速度较慢，算法精度与标定参数搜索范围有关，适用于数据后续精细化处理；基于纵横向速度标定方法计算量较小，运算速度较快，适用于数据实时快速处理。在实际应用中，两种参数标定方法可以作为标定结果的互校准依据，能够辅助试验人员判断标定试验效果，如果两种方法的标定结果一致，则表明标定试验基本成功。

（3）侧扫声纳图像辅助剔除DVL粗差

复杂水底环境和自主潜航器AUV机动会造成测速仪DVL速度测量结果中出现粗差， 提出一种检测DVL 速度粗差数据的方法。 该方法利用侧扫声纳图像数据， 结合SIFT特征匹配算法求取声纳图像的边缘特征点。 根据声纳图像成像原理， 计算出每一帧图像相对上一帧图像对应特征点像素的横向平移量； 结合特征像素平移量与AUV实际横向位移的比例尺度关系以及声纳侧扫周期推算出 AUV侧向速度。 该侧向速度用于检测水下组合导航中DVL的速度粗差， 在几十米水深的浅水区， 该方法能够检测并剔除出大于0.2m/S 的DVL侧向速度粗差， 显著减小DVL前向速度误差。 算法可实时实现， 改善ＡＵＶ 水下组合导航性能。

小结

INS/DVL组合导航是目前主流的水下导航方式，一般通过GNSS和高精度罗经进行系统误差标定，但是随着航程的增长，累计误差仍然很大，此时如果有条件，最好上浮与GNSS对准一次，如果上浮对准有困难，提高系统的鲁棒性（robust）至关重要，相关的滤波算法是当前研究的热点，而通过侧扫声纳图像剔除DVL速度粗差是一种外部干预的实用方法。

参考文献

INS_DVL组合导航关键技术研究_刘沛佳

AUV组合导航系统的DVL标定方法研究_白龙

两种DVL参数快速标定算法实验研究_高德洋

SINS_DVL水下组合导航技术研究_宋世磊

SINS_DVL组合导航算法研究_王奥迪

高精度DVL系统设计与性能模拟建模研究_王佳楠

SINS_DVL组合导航在海底挖沟机施工中的应用探索_赵宁

基于侧扫声纳图像的AUV侧向速度估计与DVL粗差检测_李凯

修正Kalman滤波技术在...环境DVL标定中的应用研究_尚佳