原文传递
船舶动力定位系统状态估计方法研究
| 论文题名： | 船舶动力定位系统状态估计方法研究 |
| 关键词： | 船舶动力定位;状态估计;传感器;数据融合;无迹卡尔曼滤波 |
| 摘要： | 动力定位系统是一个非常复杂的非线性系统，传感器的测量误差、系统模型的不精确以及风、浪、流等外界环境的干扰对定位精度影响很大。因此，当系统决定下一周期的控制指令时，知道系统当前时刻的状态是必不可少的前提。由于状态估计模块可以从一系列带有噪声的观测值中估计出系统当前时刻的状态。所以，它是动力定位系统至关重要的一环。本文主要针对动力定位系统中的状态估计方法进行了较为深入的研究。 为了提高动力定位的精度，装备有动力定位系统的船舶通常会配备多个相同类型和不同类型的传感器对其状态进行测量。本文针对采用不同类型传感器的场合，提出了一种改进自适应加权融合算法。该算法通过更加准确地计算出各个传感器的方差，提高了数据融合的精度。另外，针对采用相同类型传感器的场合，提出了一种改进权值动态分配算法，利用迭代的方法解决了权值动态分配法需要保存历史数据的问题，提高了算法的实时性。仿真结果表明当传感器类型不同时，改进自适应加权融合算法的精度明显高于传统自适应加权融合算法；而当传感器类型相同时，改进权值动态分配算法的精度和实时性均高于传统自适应加权融合算法和改进自适应加权融合算法。 针对复杂海洋情况下，由于模型的不准确导致过程噪声发生变化，使得无迹卡尔曼滤波估计精度下降的问题，本文提出了一种可以自适应估计噪声参数的自适应噪声估计算法。该算法根据一段时间内观测值与后验估计值的偏差，自适应地估计出当前时刻的过程噪声。仿真结果证明了当过程噪声发生变化时，提出的算法可以较为准确地估计出变化的过程噪声，使滤波结果更加准确。 无迹卡尔曼滤波对于非线性系统的状态估计具有一定的优势，已被广泛应用于动力定位系统中。针对复杂多变的海洋环境可能导致船舶运动状态的突变，且动力定位系统需要更准确、实时的估计当前时刻的状态，而传统无迹卡尔曼滤波难以解决系统状态突变下的状态估计问题，本文提出了一种可以跟踪环境力突变的自适应无迹卡尔曼滤波算法。通过实时判断状态值突变并适当调整后验均方差矩阵，有效地跟踪船舶状态并减小实际位置与定点位置的偏差。仿真实验证明了该算法的有效性。 |
| 作者： | 丁浩晗 |
| 专业： | 船舶与海洋工程 |
| 导师： | 徐海祥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
