动力定位中跟踪环境力突变的自适应无迹卡尔曼滤波（英文）

无迹卡尔曼滤波可以在状态估计中滤去噪声干扰,已经被广泛应用于动力定位系统中。针对复杂海洋情况下动力定位系统需要准确、及时地估计当前时刻的状态而无迹卡尔曼滤波无法跟踪状态突变的问题,为此文章提出了一种自适应无迹卡尔曼滤波。通过及时判断状态值突变并适当调整后验均方差矩阵,可有效地跟踪船舶状态并减小实际位置与定点位置的偏差。仿真实验证明了算法的有效性。     

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。     

Alpha-beta滤波在船舶动力定位状态估计中的应用

船舶动力定位系统已广泛应用于海洋工程中,状态估计是动力定位系统的重要组成部分。在工程应用中,状态估计方法主要采用基于卡尔曼滤波的算法,但是这些算法对于船舶首向的滤波效果并不理想。alphabeta滤波是一种不基于模型的稳定常增益滤波器,其结构与卡尔曼滤波类似。本文设计了一种混合滤波器,采用alpha-beta滤波对船舶首向进行滤波,扩展卡尔曼滤波对船舶横向和纵向进行滤波,以改善船舶首向的滤波效果。通过将混合滤波器的滤波效果与扩展卡尔曼滤波器进行对比,验证了alpha-beta滤波用于船舶首向滤波的可行性和有效性。     

船舶动力定位系统中的非线性滤波器设计研究

船舶动力定位系统主要作用是维持船舶在航行过程中的位置和方向,保证航行的安全。为了克服海面水流和风力对船舶航行造成的影响,需要动力系统中的滤波系统对船舶的综合位置信号进行分离,以消除干扰,从而能够精确控制船舶姿态。本文在研究船舶定位系统的基础上,建立理想状态下的动力定位模型,并利用卡尔曼滤波算法和贝叶斯估计模型获得精确的样本,最后与非线性滤波控制系统联合仿真,以此得到精确的仿真模型。仿真结果表明,此滤波算法具有良好的适应性,能够满足动力定位系统的需求。     

船舶动力定位控制系统的非线性观测器设计

针对船舶动力定位系统高度耦合非线性的特点,设计了一种基于无迹卡尔曼滤波的改进算法。该算法利用统计线性化技术,将非线性映射直接作用于采样点,根据映射后的点集重建统计变量,并且对非线性函数的概率密度分布进行拟合。结合动力定位船舶系统,进行了无迹卡尔曼滤波器和卡尔曼滤波器的对比仿真实验,仿真结果表明论文设计的无迹卡尔曼滤波器有较高的计算精度和较强的适用性。     

基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计.     

一种模型预测控制算法在国产DP系统中的应用

在动力定位系统对风和流的作用力进行前馈控制的基础上,将卡尔曼滤波的状态估计方法运用于估算船舶低频运动信号,提出一种基于专家经验的模型预测控制算法.为检验该算法的控制精度和控制稳定性等技术指标,结合目标船的实际情况,对动力定位系统的水池试验进行了设计.不同模拟环境下的试验结果表明,该控制算法能够满足目标船对动力定位控制系统的技术要求,具有良好的控制精度和稳定性.     

SRI-VC2110DP动力定位系统控制算法设计

针对2 000 t回转起重船定位及SRI-VC2110DP动力定位系统的需求,在建立回转起重船数学模型的基础上,提出2种动力定位系统预测控制策略。该控制策略在风和流的前馈控制基础上,采用基于卡尔曼滤波的状态估计方法用于估算船舶低频运动信号。仿真结果表明,所提出的方法能够有效的对船舶进行动力定位控制。     

基于UKF联邦滤波的动力定位船舶运动状态估计

针对动力定位船舶,采用基于无迹卡尔曼滤波(UKF)的联邦滤波技术,利用多种位置参考系统和电罗经的测量值来实现对船舶运动状态的估计。从传感器测量原理出发,采用非线性的测量方程,实现对多种位置参考系统传感器特征的描述,利用UKF滤波方法和联邦滤波结构将动力定位船舶配备的多个冗余位置参考系统的测量数据进行有效融合,从而提高对船舶运动状态估计的精度和可靠性。仿真结果表明,采用基于UKF的联邦滤波方法可以有效实现对动力定位船舶相关运动状态的估计。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能,提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法,Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布,因此相对于其它蒙特卡洛方法,UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络,将神经网络的输出作为加速度控制参数,用于修正目标的运动模型。仿真结果表明,与扩展卡尔曼滤波相比,神经网络辅助下的UPF具有更好的跟踪性能。     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。     

Onboard tuning of vessel seakeeping model parameters and sea state characteristics

It is essential for a safe and cost-efficient marine operation to improve the knowledge about the real-time onboard vessel conditions. This paper proposes a novel algorithm for simultaneous tuning of important vessel seakeeping model parameters and sea state characteristics based on onboard vessel motion measurements and available wave data. The proposed algorithm is fundamentally based on the unscented transformation and inspired by the scaled unscented Kalman filter, which is very computationally efficient for large dimensional and nonlinear problems. The algorithm is demonstrated by case studies based on numerical simulations, considering realistic sensor noises and wave data uncertainties. Both long-crested and short-crested wave conditions are considered in the case studies. The system state of the proposed tuning framework consists of a vessel state vector and a sea state vector. The tuning results reasonably approach the true values of the considered uncertain vessel parameters and sea state characteristics, with reduced uncertainties. The quantification of the system state uncertainties helps to close a critical gap towards achieving reliability-based marine operations.     

一种船用燃气轮机强跟踪扩展卡尔曼滤波器健康参数估计方法（英文）

Monitoring and evaluating the health parameters of marine gas turbine engine help in developing predictive control techniques and maintenance schedules. Because the health parameters are unmeasurable, researchers estimate them only based on the available measurement parameters. Kalman filter-based approaches are the most commonly used estimation approaches; however, the conventional Kalman filter-based approaches have a poor robustness to the model uncertainty, and their ability to track the mutation condition is influenced by historical data. Therefore, in this paper, an improved Kalman filter-based algorithm called the strong tracking extended Kalman filter(STEKF) approach is proposed to estimate the gas turbine health parameters. The analytical expressions of Jacobian matrixes are deduced by non-equilibrium point analytical linearization to address the problem of the conventional approaches. The proposed approach was used to estimate the health parameters of a two-shaft marine gas turbine engine in the simulation environment and was compared with the extended Kalman filter(EKF) and the unscented Kalman filter(UKF). The results show that the STEKF approach not only has a computation cost similar to that of the EKF approach but also outperforms the EKF approach when the health parameters change abruptly and the noise mean value is not zero.     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

耙吸挖泥船动力定位的Kalman滤波器设计

根据运动特性建立耙吸挖泥船的数学模型,将Kalman滤波技术应用于耙吸挖泥船动力定位系统,并进行Matlab仿真。仿真结果表明,Kalman滤波器具有很好的滤波效果,在环境力的影响下,能够得到理想的船位和艏向,是动力定位的有效方法。     

非高斯条件下基于无味粒子滤波器的目标跟踪

研究了无味粒子滤波器的基本思想和具体算法实现步骤,在给出的闪烁噪声统计模型基础上,将PF、UKF和UPF算法应用在雷达目标跟踪中,解决了闪烁噪声情况下的雷达目标跟踪问题,仿真结果表明,UPF的状态估计性能优越。     

Heading control for turret-moored vessel in level ice based on Kalman filter with thrust allocation

This paper mainly focuses on the heading control of a position-moored vessel operating under level ice regime. A dynamic ice simulator interconnecting the vessel motions with the ice dynamics is used for the design of the heading control system. The strategy is to ensure that the vessel is kept at an appropriate position within the safe limits. Using a heading controller based on a Kalman filter, the desired control force is computed to counteract the environmental disturbances. A thrust allocation method is developed to go with the heading controller. To keep the ice forces to a reasonable level, the moored vessel should be aligned with the ice drift direction and small angles up to 15° in changes on heading against the ice flow could be possible. Therefore, heading control of a moored vessel exposed to level ice with drift angle 0° and 15° is simulated since the dynamic positioning system needs to resist ice yaw moments and lateral ice forces on the hull. The simulation indicates that the proposed control strategy performs satisfactorily for a moored vessel in level ice.     

船舶动力定位系统非线性观测器设计

针对动力定位水面船舶,基于Luenberger观测器构造原理及Lyapunov稳定性理论,构造一个船舶动力定位系统的非线性状态观测器。所设计观测器较卡尔曼滤波器的主要优越性在于不需要对船舶的运动方程进行线性化处理,且具有全局的指数稳定性。最后,用一艘供给船对所设计观测器进行数值仿真研究,仿真结果表明所设计非线性观测器具有良好的滤波及状态估计性能,船舶运动状态估计值指数收敛于其实际值,验证了所设计船舶动力定位系统非线性观测器的有效性。