کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8062897 1520635 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Globally exponentially stable filters for underwater position estimation using an array of hydroacoustic transducers on the vehicle and a single transponder
ترجمه فارسی عنوان
فیلترهای ثابت در سطح جهانی به طور کلی برای برآورد موقعیت زیر آب با استفاده از آرایه ای از مبدل های هیدروکاستیک در خودرو و یک فرستنده تک
ترجمه چکیده
در این مقاله دو برآوردگر موقعیت جهانی در حالت ایستا ثابت با استفاده از اندازه گیری هیدروکاستیک از یک فرستنده فرستنده به چند فرستنده در وسیله نقلیه ارائه شده است. مطالعه مقایسه ای این و چندین فیلتر موجود با داده های تجربی و شبیه سازی انجام شده است. دو طبقه از فیلترها برای برآورد موقعیت مقایسه می شوند: فیلتر ها موقعیت موقعیت یک وسیله نقلیه زیر آب را در فریم های ثابت بدن و شمال-شرق-پایین مختصات بیان می کنند. مطالعه مقایسه ای نشان داد که فرمول بندی دوم، خطاهای تخمینی پایین تر را ارائه می دهد. علاوه بر این، یکی از فیلترهای نوین توسعه یافته در این مقاله با استفاده از فرموله سازی شمال شرق به پایین، به خوبی به عنوان یک سازش بین عملکرد، پایداری نظری و پیچیدگی محاسباتی نسبت به فیلترهای مبتنی بر خطی نزدیک بهینه که با آن مقایسه کرد
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی دریا (اقیانوس)
چکیده انگلیسی
This paper presents two novel globally exponentially stable position estimators using hydroacoustic measurements from a single transponder to several transceivers on the vehicle. A comparison study of these and several existing filters is conducted with both experimental and simulated data. Two classes of filters for position estimation are compared: filters expressing the position of an underwater vehicle in the body-fixed and north-east-down coordinate frames. The comparison study showed that the latter formulation yields lower estimation errors. Furthermore, one of the novel filters developed in this paper using the north-east-down formulation is found to serve well as a compromise between performance, theoretical stability, and computational complexity relative to the near-optimal linearization-based filters with which it is compared.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ocean Engineering - Volume 155, 1 May 2018, Pages 351-360
نویسندگان
, , ,