| 基于模型预测扩展卡尔曼滤波的动力定位状态估计 |
| |
| 引用本文： | 蒋帆,徐海祥,冯辉,余文曌,李文娟,陈亚豪.基于模型预测扩展卡尔曼滤波的动力定位状态估计[J].船舶工程,2019,41(7):86-91. |
| |
| 作者姓名： | 蒋帆 徐海祥 冯辉 余文曌 李文娟 陈亚豪 |
| |
| 作者单位： | 高性能船舶技术教育部重点实验室(武汉理工大学),武汉,430063;高性能船舶技术教育部重点实验室(武汉理工大学),武汉430063;武汉理工大学交通学院,武汉430063;江苏科技大学海洋装备研究院,江苏镇江,212003 |
| |
| 基金项目： | 国家自然科学基金项目（51879210）；高性能船舶技术教育部重点实验室开放基金课题（2016gxnc01）；中央高校基本科研业务费专项资金资助（185202007）；武汉理工大学研究生优秀学位论文培育项目（2018-YS-019）。 |
| |
| 摘 要： | 针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新，导致滤波精度下降的问题，提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值，估计系统噪声参数，从而实时修正系统过程噪声方差。仿真结果表明，当系统的过程噪声未知的情况下，模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。
|
| 关 键 词： | 模型预测 扩展卡尔曼滤波 动力定位 系统过程噪声 |
| 收稿时间： | 2018/12/26 0:00:00 |
| 修稿时间： | 2019/9/12 0:00:00 |
State Estimation of Dynamic Positioning Based on Model Predictive Extended Kalman Filter |
| |
| jiangfan.State Estimation of Dynamic Positioning Based on Model Predictive Extended Kalman Filter[J].Ship Engineering,2019,41(7):86-91. |
| |
| Authors: | jiangfan |
| |
| Institution: | School of Transportation |
| |
| Abstract: | In view of the problem that the traditional extended Kalman filter can not update the process noise of DPS adaptively, which leads to the decline of filtering accuracy, a model predictive extended Kalman filter algorithm is proposed. The algorithm estimates the parameters of the system noise by comparing the measured and predicted value over a period of time, and then corrects the system process noise variance in real time. Numerical simulation results show that the filtering performance of the model predictive extended Kalman filter is better than that of the traditional extended Kalman filter when the system process noise is unknown. |
| |
| Keywords: | dynamic positioning model predictive extended Kalman filter system process noise |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《船舶工程》浏览原始摘要信息 |
| 点击此处可从《船舶工程》下载免费的PDF全文 |
|
