UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

基于无线传感器网络的舱室内船员位置估计算法

为保证舱室内人员的安全,提升船舶在航行过程中的管理能力,设计基于无线传感器网络的舱室内船员位置估计算法。在舱室内的固定位置放置参考节点,同时在船员身上放置定位节点,定位节点的定位请求发送给参考节点,当定位节点接收到参考节点自身坐标的信号强度时,通过接收信息强度指示定位算法测量参考节点和定位节点之间的间距,采用高斯滤波方式对测量结果进行去噪;通过三边定位算法求出定位节点具体位置,实现船舶室内船员位置估计。实验结果表明,该算法能够有效去除RSSI严重失真数据,船员实际位置估计准确,测得参考节点与定位节点之间的有效距离较长,且具有较高的穿透力和测距精度。     

无线传感器网络WSN在船舶动力定位系统中的应用

船舶动力定位系统是一种船舶位置与动力控制系统,能够根据海浪、海风等外界干扰条件,协调船舶的推进系统、导航系统,自动修正船舶的当前位置,保持船舶姿态和航向的稳定,确保船舶能够按照正确的航线行驶。船舶动力定位系统的关键在于正确估计船舶的当前位置,在这种情况下,传统使用的GPS、北斗等卫星定位系统精度较低,难以实现船舶灵活、快速、高精度的调整与控制动作。本文提出一种基于无线传感器网络WSN的船舶动力定位控制模型,利用传感器网络测量外界风力、风向,结合当前船舶的行驶航向,利用数学模型估计船舶的偏移量,进而进行智能的控制。通过仿真实验表明,相比于传统方法,本文提出的方法能够以较低的实现代价,实现较高的动力定位精度,具有较高的实用价值。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。     

基于船舶操控模型的UKF滤波算法研究

为了提高舰船在机动转弯情况下的定位精度和舰船定位的稳定性、可靠性,进行了滤波模型和滤波定位算法的研究,在此基础上分析了当前滤波模型和滤波定位算法中存在的一些问题,提出了基于船舶操控模型的滤波模型和改进后的UKF滤波算法,给出了滤波系统的方案.通过实验证明,滤波系统的方案不仅能够有效的提高舰船在机动转弯情况下的定位精度,还能够作为测量ASF修正数据有效方法,对定位算法的研究有重大的参考价值和较大的现实意义.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真（英文）

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立。为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号。采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一。文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗。仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性。     

船舶动力定位系统非线性无源观测器的仿真

船舶动力定位系统是维持动力定位船舶在航行过程中的位置和方向,保证船舶姿态。为了克服环境干扰对船舶航行造成的影响,文章采用非线性无源观测器对船舶的综合位置信号进行分离,滤除船舶高频运动成分,估计出船舶低频位置和运动速度。利用控制器对低频运动进行补偿,从而较精确控制船舶姿态。仿真结果表明该非线性无源观测器的状态估计性能和滤波效果良好,船舶运动最终能稳定于目标位置,验证了该非线性无源观测器的有效性。