针对回收对接过程中, 自主式水下机器人(AUV)的组合导航系统由于子传感器量测信息发生阶跃性突变而导致导航系统滤波发散的问题, 以分布式联邦滤波结构为基础, 提出了一种基于无迹卡尔曼滤波(UKF)的自适应容错异步融合算法。该算法以传感器的采样率为依据, 建立分布式组合导航多尺度系统模型, 在辅助信息突变时利用自适应渐消因子优化UKF动态调整增益矩阵、削弱故障信息对滤波精度的影响, 使得多源导航系统更加稳定、容错性更高。仿真实验表明, 提出的自适应容错UKF异步融合算法能更好地抑制滤波发散, 提升导航系统的精度与可靠性, 有效提高AUV的导航系统在回收对接过程中的稳定性与容错性。

针对水下潜航器惯导系统的定位误差积累和容错性差等问题, 分析了水声超短基线的相位差定位方法, 推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线（INS/USBL）导航解算过程及其坐标转换。结合惯导/ 多普勒测速（INS/DVL）滤波器, 给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证, 结果表明该导航算法能够抑制惯导系统误差随时间发散的问题, 能充分利用了3种导航系统提供的参数信息, 且状态维数低, 滤波收敛速度快, 其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示, 当超短基线出现故障时, 重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息, 且具有较高的容错性和稳定性。

针对移动机器人的室内精确定位问题，设计了基于可信度的自适应联邦滤波定位方法。首先，根据移动机器人和室内环境特点，设计了一个多传感器定位系统，并对传感器进行了具体配置。为处理多传感器数据，引入联邦滤波器，并对各子滤波器进行具体设计, 在此基础上对测量数据进行融合，从而获取移动机器人的位姿估计。然后，基于具体传感器特性，根据模糊推理给出了相应传感器测量数据的可信度因子, 同时，基于可信度因子，设计了联邦滤波器的自适应融合算法，并给出了室内移动机器人的定位结果。最后，通过仿真分析验证了所设计定位算法的有效性。