原文传递
动力定位船异步传感器系统数据融合方法研究
| 论文题名： | 动力定位船异步传感器系统数据融合方法研究 |
| 关键词： | 动力定位船;异步传感器系统;粒子滤波;深度学习;数据融合 |
| 摘要： | 随着越来越多海洋工程的兴起，动力定位船应用也越来越广，在对海中资源深入勘探和作业的过程中，对动力定位船配备的传感器设备提出更高的要求。动力定位船使用多种位置传感器为船舶定位提供相应的定位信息，在测量中存在很多干扰因素，使得测量得出的数据出现偏差，进而影响船舶定位精度，多传感器数据融合能够解决相应问题，由于各个位置传感器测量的数据存在噪声以及采样时间不一致等问题，需要对多个位置传感器测量的数据进行滤波并进行时间同步化处理，再对位置传感器数据信息进行融合，为动力定位船提供准确的位置信息，从而提高动力定位船的定位精度和整体性能。本文主要研究内容如下: 首先，本文根据动力定位船的运动特点，建立了动力定位船的运动学和动力学模型;分析了位置传感器的测量定位原理，建立了差分全球定位系统位置传感器数学模型、水声位置传感器数学模型和张紧索位置传感器数学模型;分析了海风、海浪和海流对传感器的影响，并建立了海洋环境干扰力模型。 其次，针对动力定位船异步传感器系统测量的数据存在噪声干扰以及测量的数据呈非线性状态的问题，进行动力定位船异步传感器系统非线性滤波研究。采用传统高斯粒子滤波重要性密度函数会导致滤波精度降低，本文采用七阶容积卡尔曼滤波重新构造重要性密度函数，并利用七阶容积卡尔曼滤波的时间更新步骤改善粒子滤波的时滞性，提出了高斯粒子滤波和七阶容积卡尔曼滤波相结合的方法，提高了系统滤波的精度，降低了动力定位船异步传感器系统测量噪声干扰的影响。 再次，针对动力定位船异步传感器系统在时间同步化过程中存在插值误差的问题，提出了一种基于卡尔曼的异步传感器系统时间配准方法，针对动力定位船传感器在同步化处理过程中存在插值误差问题，引入卡尔曼滤波器对插值之后的数据进行滤波处理，降低了插值误差的影响，解决了动力定位船异步传感器系统在插值过程中存在误差的问题。 最后，针对动力定位船异步传感器系统测量的数据存在偏差的问题，提出了多模型自适应深度信念网络(M-ADBN)处理方法，利用位置传感器量测的每一个状态变量数据建立一个子自适应深度信念网络模型，对位置传感器每一个状态变量的数据进行处理，得到了一个多维状态变量的融合模型，完成了动力定位船异步传感器系统多维状态的数据融合处理，为动力定位船提供更加准确的位置信息数据。 |
| 作者： | 刘志宇 |
| 专业： | 控制科学与工程 |
| 导师： | 林孝工 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
