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。     

基于改进高斯粒子滤波的船舶非线性状态估计

针对标准粒子滤波的粒子贫化问题,提出一种基于改进高斯粒子滤波(Improved Gaussian Particle Filter,IGPF)的船舶非线性状态估计器。首先基于序贯重要性采样(Sequential Important Sampling,SIS)的理论框架,给出标准粒子滤波(Particle Filter,PF)算法,然后在此基础上用高斯分布来作为重要性分布给出高斯粒子滤波(Gaussian Particle Filter,GPF),并将Unscented卡尔曼滤波用于重要性密度函数形成IGPF,应用于动力定位船的状态估计。仿真结果表明,基于IGPF的非线性状态估计器能有效避免粒子贫化、估计船舶状态,并对观测野值有一定的鲁棒性。     

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。     

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。     

动力定位中跟踪环境力突变的自适应无迹卡尔曼滤波

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.     

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。     

基于粒子滤波的水下目标被动跟踪算法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪中的非线性问题,克服了常规的线性化方法易发散且跟踪精度低、误差大的缺点.仿真结果表明:粒子滤波算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,收到了良好的效果,具有较高的实用价值.     

多波束滤波理论与实践效果分析

多波束测深系统可获得精细、全面的水下地形数据，但数据处理繁杂、周期较长且数据质量因处理水平不同而产生不可忽略的差异，因此有必要使用软件中的滤波工具辅助进行多波束的数据处理。针对滤波理论繁杂难解、滤波方法和效果不尽相同的问题，以QINSY软件与亿点通软件常用的滤波工具与工程实践相结合分析滤波工具在疏浚测量中的效果，得出相应疏浚工程的滤波选择，从而缩短了多波束数据处理周期，减小了人工处理数据而产生较大差异性的概率。     

船舶鼠笼式三相异步电机启动研究

电机在船舶系统中得到大量运用。鼠笼式三相异步电动机以结构简单、故障率低、维修方便,在船舶各系统运用中占据绝对主导地位。鼠笼式三相异步电动机启动是运行中最复杂的过程,理解和把握鼠笼式三相异步电动机的启动过程,有利于船舶系统中的电力推进系统、电力拖动,以及其他与电机相关系统的理解和设计。     

多传感器序贯势分布概率假设密度滤波

针对多传感器多目标跟踪中数据关联的计算复杂性问题,提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况,并给出了高斯混合实现的序贯势分布概率假没密度(Gaussian mixture sequential PHD,GMSPHD)滤波的递推算法.仿真实验结果表明,文中提出的GMSCPHD滤波算法具有较高的多目标状态估计和目标数目估计精度,是一种有效的多传感器多目标跟踪方法.     

基于小波滤波的海面杂波过滤降噪处理技术

海上地形环境复杂,对于微小目标识别系统,受到海面杂波影响,目标物识别的分辨率变低。海面杂波一般由船舶运行引起的波浪起伏﹑地形变化等因素引起,较易与快速移动的微小目标物重叠,引起目标识别困难。小波滤波是一种高效的过滤噪声算法,对目标检测中的海面杂波具有很好的过滤效果,能够提高微弱目标的检测效果。本文研究海上杂波的频率特性,在此基础上设计基于小波滤波的海面杂波过滤降噪处理技术,最后给出仿真结果。     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

改进的变步长LMS自适应滤波算法

针对解决LMS(Least Mean Square)自适应滤波算法收敛速度及未知系统时变跟踪速度与稳态误差的矛盾,改进步长因子μ(n)与误差信号e(n)的非线性映射关系,提出一种新的变步长LMS算法。执行该算法时系统初始阶段或未知系统时变阶段步长自动增大,而稳态时步长缓慢变小,提高了收敛速度和时变跟踪能力,克服了稳态误差偏大的缺点。理论分析及实验结果表明,新算法的收敛、跟踪速度及稳态误差性能均优于现有常见的几种LMS算法。     

基于自适应多分辨率曲面的多波束滤波方法研究

针对常规固定分辨率曲面滤波精度不足的问题,提出一种基于自适应多分辨率曲面的多波束滤波方法.在地形变化较大的陡坎和细小目标突起物等测量环境下,多分辨率曲面根据地形坡度变化,对有特征地形或地物的局部区域,自动增强多波束水深曲面的分辨率,从而得到更精确的水底表面模型.基于该表面模型可进行自动滤波,从而保留更加完整的水下地形特...     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.     

船体梁采样频率和滤波频率确定方法

船舶在恶劣海况中航行时,船中部的实测应力含有静应力、波浪诱导应力与高频砰击应力等多种成分,应力监测系统中采样频率和滤波频率的选择好坏直接影响后续的数据分析,进一步影响相关人员对船体健康状态的判断.通过对不同应力成分的频率特征分析,分别提出适合实船运用的采样频率、滤波频率确定方法,并通过模型试验验证方法的准确性.