| Summary: | Autonomous underwater vehicles are rapidly becoming more common and developed for both military as well as civilian applications such as; mine countermeasures or in the field of geoscience. One of the main issues these vehicles are facing today is the navigation capability. Since they operate in an underwater environment, modern navigation strategies such as GPS and radar are not available due to the quick attenuation of the high frequency signals. The most commonly used navigation strategy is the dead-reckoning navigation which estimates the location of the vehicle using sensor data and numerical integration. The disadvantage with this technique is the accumulative errors during longer operation times. Terrain-aided navigation has been extensively researched as of late and deemed as a viable approach to compensate for the errors when using dead-reckoning navigation. This type of navigation uses a predefined map of the bathymetry and estimates the position of the vehicle on the map using a particle filter and bathymetry measurements from the sonars attached to the vehicle. This project is focused on finding the most suitable auxiliary sonar for the underwater vehicle which enables accurate terrainaided navigation with regards to physical limitations such as the weight, resolution, power consumption and accuracy of the sonar. The sonars to be tested are a single-beam echo sounder, multiple singe-beam echo sounders, multi-beam echo sounder and a 2.5D sonar. The four different sonars are tested with the terrain-aided navigation algorithm where a vehicle simulator developed by Saab is used for the simulations. The results show that the multiple single-beam echo sounder configuration is the most suitable solution due to its high accuracy during the navigation and its low impact on the system dynamics and power consumption. The chosen sonar configuration is later integrated together with a behavior-fusion algorithm to achieve reliable obstacle avoidance capabilities for the vehicle. The algorithm uses a weighted mean-value of the sonar beams to identify approaching obstacles as well as a bathymetry derivative estimation to make the system more adaptive to its surroundings. The vehicle was able to detect incoming obstacles ahead and to the sides of the vehicle up to 17 seconds earlier compared to when only using a doppler velocity log. === Autonoma undervattensfarkoster håller just nu på att slå igenom på bred front inom både militära och civila tillämpningar såsom; minjakt eller inom geovetenskap. Ett av de största problemen denna typ av farkoster har idag är förmågan att säkert navigera under uppdragen. Då de används i en undervattensmiljö så kan inte moderna navigationsmetoder såsom GPS eller radar användas då högfrekventa signaler dämpas snabbt. Den vanligaste typen av navigation är död räkning, vilket estimerar farkostens position genom användning av sensor data och numerisk integration. Nackdelen med denna typ av teknik är de ackumulerade felen som uppstår under längre körningar. På senare tid har terrängnavigering varit i fokus inom forskningen och anses vara en bra lösning för att kompensera för positionsfelen som uppstår vid navigation med död räkning. Denna typ av navigation använder sig av en fördefinierad karta över batymetrin och estimerar farkostens position relativt kartan med hjälp av ett partikel filter och batymetrimätningar från sonarer moneterade på farkosten. Detta projekt fokuserar på att hitta den mest passade sonaren för farkosten som gör det möjligt att använda terrängnavigering med hög precision då fysiska aspekter såsom, vikt, upplösning, strömförbrukning och noggranheten av sonaren tas till hänsyn. Sonarerna som skall testas består av; ett enstråligt ekolod, flera enstråliga ekolod, ett flerstråligt ekolod och en 2.5D sonar. De fyra sonarerna testas med terrängnavigeringsalgoritmen, där en simulator av farkosten utvecklad av Saab används som grund för simuleringarna. Resultaten visar att användningen av flera enstråliga ekolod är den mest passade lösningen då den resulterar i väldigt god navigationsförmåga med låg inverkan på farkostens strömförbrukning och dynamik jämfört med de andra alternativen. Den valda sonaren används sedan tillsammans med en behaviour-fusion baserad algoritm för att farkosten skall uppnå pålitlig hinderundvikning. Algoritmen använder sig av ett viktat medelvärde av sonarstrålarna för att identifiera närmade hinder tillsammans med en uppskattning av batymetrins derivata för att få en mer adaptiv hinderundvikning. Farkosten kunde med hjälp av behaviour-fusion algoritmen och de flerstråliga ekoloden identifiera närmande objekt upp till 17 sekunder tidigare än om bara en doppler velocity log användes.
|
|---|
