朱明明，辛绍杰，邓寅喆

（上海电机学院机械学院，上海201306）

随着人类探索海洋资源速度的加快，勘探海洋资源已成为各国重要的战略目标［1］。水下遥控机器人（Remotely Operated Vehicle，ROV）操作简单、响应快，可以辅助人类在水下复杂环境中执行特殊任务。当前，ROV的导航主要有惯性导航、水声学导航、声呐导航以及航位推算导航等［2-4］。其中惯性导航系统误差会随时间而逐渐累加，如果没有其他导航传感器数据信息定期修正导航误差，会产生极大的偏差［5］。卢峰等［6］提出利用水声学传感器进行水下导航，能够解算出ROV在水下作业时较为准确的位置信息，但该方法水下作业距离有限，限制了ROV自主作业能力以及运行范围。孙玉山等［7］采用ROV航位推算导航系统，分析了航位推算导航系统存在的推算误差，并没有解决导航传感器自身数据采集时带来的误差。高延增等［8］提出了融合短基线定位声呐实现ROV定位，只是模块化地设计了ROV定位系统，以定位算法实现定位，但并未处理声呐信号噪声，无法有效降低声呐自噪声和水体噪声对ROV定位的影响。马剑等[9]提出将卡尔曼滤波（Extended Kalman Filter，EKF）算法应用于ROV超短基线定位中，却忽视了算法存在精度差、数据噪声大等问题。

针对以上问题，本文提出基于四元数的改进EKF算法，并通过理论设计和实验仿真对导航精度进行验证。结果表明，使用改进EKF算法可提高ROV姿态融合精度，改善了目前多传感器融合算法数据处理的一些不足。

1 导航结构设计

本文采用自主设计的结合水面无人艇协同作业的便携式水下机器人（Unmanned Surface-Remotely Operated Vehicle，US-ROV）见 图1。……