详情

原文传递船舶动力定位系统中无线传感器网络数据融合技术研究

论文题名：	船舶动力定位系统中无线传感器网络数据融合技术研究
关键词：	船舶动力定位系统;数据融合;无线传感器;卡尔曼滤波;神经网络
摘要：	随着人们对海洋开发和探索的范围逐渐扩大，对于海上作业的船舶而言，动力定位控制系统已成为船舶的核心装备之一。船舶动力定位控制系统具有多种位置参考系统和传感器以获得船舶状态及海况环境信息，这就必须对这些测量数据进行融合，从而提高数据的精确度和可靠性以及系统的容错能力。本文将新兴的无线传感器网络(WSN)分布式数据处理结构与目前船舶动力定位控制系统中常用的集中式总线数据处理结构相结合，基于无线传感器网络进行了船舶动力定位控制系统相关数据融合方法的研究。　　首先针对船舶动力定位控制系统中面向监测功能的数据融合特点，采用基于传感器节点之间协作感知的方法，通过传感器节点数据信息的关联性分析，确定动态组簇方式;提出了基于移动代理和蚁群遍历相结合的簇内数据融合优化方法，并且研究了分簇结构中基于模糊自适应卡尔曼滤波的异类多传感器融合方法。　　然后针对船舶动力定位控制系统中面向控制决策功能的数据融合特点，充分利用FPGA并行运算的硬件资源优势，构建了基于脉动阵列结构的融合模型，使得BP神经网络这样的复杂预测算法能够在WSN网络的汇聚节点得以实现;而且提出了基于不相交集合(DJC)的支持向量机(SVM)预测融合方法，这种模型有两个优点:一是利用强汇聚节点中基于脉动阵列的BP神经网络融合方法实时优化支持向量机模型，克服训练速度慢、易陷入局部最优、过学习问题，保证预测精度;二是将汇聚节点的支持向量机预测计算功能分散到各DJC汇聚节点中进行，各DJC汇聚节点可以选择性将数据上传，这样不仅减轻了汇聚节点的计算负担，而且可有效地实现复杂的优化控制算法。　　最后研究了WSN数据融合方法在船舶动力定位系统中的具体应用，建立无线传感器网络分布式融合功能模型和结构模型，研究了模糊自适应卡尔曼滤波算法在船舶状态估计融合中的应用，利用基于DJC模型的支持向量机预测算法解决船舶动力定位MPC控制中二次型最优性能指标的求解问题，得到最优控制推力。针对船舶动力定位系统中面向网络传输功能的数据融合特点，基于经典的分簇路由协议，提出了基于剩余能量和休眠调度机制的数据融合结构，无论是普通传感器节点还是汇聚节点的数据融合方法都是建立在合理可靠的数据融合结构和数据传输方式基础上的，这样不仅增强了整个网络避免拥塞的能力，而且提高了数据传输的实时性。　　总的来说，本文主要围绕船舶动力定位系统中无线传感器网络的分簇拓扑结构，从数据级、特征级、决策级各个层面进行传感器节点的数据融合技术研究。其研究成果将很大程度地提高船舶动力定位控制系统中数据采集的实时性和可靠性以及预测控制的准确性。
作者：	何宁辉
专业：	机械制造及其自动化
导师：	黎洪生
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2013
正文语种：	中文