This report documents the development of the Subwave, a remotely-operated underwater vehicle (ROV), and an artificial neural network based inertial positioning system. The Subwave uses the open-source ArduSub software framework, commercial-off-the-shelf hardware components, and several custom systems. It is designed as a platform for researching autonomous underwater vehicles (AUVs). The first step for an AUV is navigating waypoints, which requires the AUV to know its global position. Since global navigation satellite systems (GNSSs) are denied underwater, the available underwater positioning systems were surveyed and determined that all the available systems were too large and expensive for the Subwave. It was also discovered that the only consistent underwater positioning method was inertial positioning. So, experimentation began on a small, low-cost system that employs an artificial neural network to predict latitude and longitude using micro-electromechanical system (MEMS) inertial measurement unit (IMU) data as inputs, which would become the Neural-Inertial Positioning System.

Disertační práce je zaměřena na oblast inerciálních navigačních systémů a systémů, které pro odhad polohy používají pouze výpočty. Důležitým faktem v dané problematice je vysoká nepřesnost určení polohy při střednědobém a dlouhodobém využívání takového systému díky kumulativní chybě za předpokladu, že inerciální systém není podpořen žádným dalším přídavným systémem. V disertační práci jsou uvedeny možné přístupy k této problematice a návrh na zvýšení přesnosti určování polohy pouze na základě inerciálních senzorů. Základem inerciální měřicí jednotky je systém s 9 stupni volnosti, který umožňuje snímat celkové zrychlení, rychlost rotace a sílu magnetického pole, jednotlivě ve třech osách. Klíčovou myšlenkou je zařazení umělých neuronových sítí do navigačního systému tak, že jsou schopny rozpoznat charakteristické rysy pohybů, a tím zvýšit přesnost určení polohy. Popis navrhovaných metod zahrnuje analytický postup jejich vývoje a tam, kde je to možné, i analytické hodnocení jejich chování. Neuronové sítě jsou navrhovány v prostředí MATLABTM a jsou používány k určení stavu inerciální jednotky. Díky implementaci neuronových sítí lze určit pozici jednotky s řádově vyšší přesností. Aby byl inerciální polohovací systém s možností využití neuronových sítí demonstrativní, byla vyvinuta aplikace v prostředí Qt. Navržený systém a neuronové sítě byly použity při vyhodnocování reálných dat měřených senzory.