基于无源性理论的船舶动力定位滤波器设计

为滤除船舶动力定位系统中的高频分量,减少推进器不必要的机械磨损和燃料消耗,基于无源性理论设计了非线性无源滤波器,并证明了其稳定性。建立了非线性船舶模型并在Matlab上对一实际船舶模型进行仿真,针对4种不同海况将所设计非线性无源滤波器和卡尔曼滤波器进行对比分析,结果显示在平静海况下,2种滤波器均能有效的滤除高频噪声,在高海况和极端海况下,卡尔曼滤波器滤波效果不明显,所设计无源滤波器仍有较好的滤波效果,仿真结果表明无源滤波器稳定性更好,鲁棒性更强。     

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。     

卡尔曼滤波器在舰载雷达目标跟踪中的实现

舰载雷达目标追踪系统可以探测和跟踪海面、水下和空中的目标,为船舶导航等提供重要的目标数据,保障船舶安全和正常航行。卡尔曼滤波器(CKF)是基于容积卡尔曼滤波算法设计的一种典型非线性滤波器,近几年来获得了广泛的关注。本文利用容积卡尔曼滤波器,对传统舰载雷达系统进行鲁棒性和近似线性的优化,提高舰载雷达目标追踪的效率和精度。     

工程船动力定位系统滤波器设计与研究

为了解决卡尔曼滤波器在给定艏向线性化和过程噪声矩阵难以精确计算的问题,在建立船舶动力定位系统数学模型的基础上,设计了基于Sage-Husa自适应滤波算法的动力定位系统滤波器,并针对具体船型进行了滤波器设计,通过实船试验表明此方法能够很好的滤除高频运动信息的干扰,准确地估计出船舶低频运动信息,在工程上是可行的。     

大尺度欠驱动高速AUV导航系统研制

[目的]针对某新型大尺度欠驱动高速自主式水下机器人(AUV)导航系统的研制,[方法]详细介绍AUV导航系统的硬件组成及软件构架,构建基于VxWorks实时嵌入式操作系统的AUV组合导航系统。考虑到高速AUV导航系统的非线性特征及容错性要求,将无迹卡尔曼滤波(UKF)技术用于联邦滤波器,设计基于UKF的联邦卡尔曼滤波器,并对导航系统的二维平面模型进行数值仿真。[结果]结果表明,联邦无迹卡尔曼滤波器相比传统的卡尔曼滤波方法能够获得更高的精度和更好的鲁棒性;半实物仿真联调试验、水池试验、湖上试验及艇载试验充分验证了导航系统的实时性和可靠性,[结论]证明该系统能够满足AUV航行任务的需要。     

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。     

CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

非线性滤波器在动力定位船位估计中的应用

针对动力定位船舶在作业过程中因丢失GPS位置测量信号,从而导致动力定位系统不能正常工作,而使船舶偏离作业点的问题,设计了一种非线性滤波器,它可以利用以前保存的历史数据进行船舶位置的实时估计,从而使船舶在一定的时间内可以维持在作业点附近,当重新获得GPS信号后,又可以快速地进入正常工作状态。为了使历史数据能够更准确地反映船舶的实时位置,利用历史数据相对于作业点的平均偏差对历史数据进行了补偿。最后给出了此非线性滤波器在船舶仿真系统中的仿真曲线,分析表明在有滤波器的情况下,船舶真实位置估计的准确度比没有滤波器的情况下有明显的改善。     

一种应用自适应滤波的新型船用综合导航系统

本文介绍一种以自适应卡尔曼滤波器为核心,以电子屏幕导航为应用手段的新型船用综合导航系统(以下简称综导)。卡尔曼滤波仍是当今船舶导航最适用的滤波方法,但普通卡尔曼滤波对被测系统动态模型和噪声验前统计的苛求,给研制高效综导带来困难。根据系统辨识理论,我们采用虚拟噪声补偿技术,对普通卡尔曼滤波器进行改造,并加进一种用来递推估计噪声统计特性的估值器,构造成自适应卡尔曼滤波器,结果令人满意。此外,以下三点也是本系统设计中的新颖之处:(1)将导航星全球定位系统(GPS)信息与劳兰C、NNSS卫导信息一并接入综导,改善综导的精度和冗余度;(2)采用一种新的防发散算法,能有效的控制自适应滤波器可能的发散;(3)驾驶员观察以电子海图为背景的显示器画面,根据船位偏离情况引导船舶航行,使导航变得既可靠又方便。我们称这种导航手段为电子屏幕导航。文章末尾给出了计算机仿真结果。仿真表明,70～80%的系统噪声和量测噪声能被抑制掉。该系统样机正在进行海上试验。     

卡尔曼算法在船舶运动模型参数辨别中的应用

人工智能技术飞速发展,人们已经实现了依靠智能算法识别船舶运动轨迹,这对船舶的航行安全起着重要的推进作用。在对船舶运动状态进行跟踪识别过程中,首先要从视频图像中提取出目标物体的特征值,然后在数据库中进行比对,进一步获得目标物的具体参数。本文采用卡尔曼算法对船舶运动目标的特征参数进行分析,首先建立船舶运动时的动力模型,然后结合目标的灰度统计特性,对船舶的运动状态和运动参数的转移算法进行设计。从仿真结果可知,本文所提出的运动模型识别算法满足基本的鲁棒性和准确度,能够对船舶目标进行速度识别和航迹跟踪。     

基于预测控制的水下自航器抗海浪变深控制分析

水下自主航行器在近水面航行中存在着深度跟踪和姿态控制较为困难的问题。为此，首先建立了自主航行器的近水面三自由度运动数学模型，然后设计了无迹卡尔曼滤波器实现对系统状态的估计；接着，利用斯特林内插法在变动的工作点处对自主航行器模型进行近似线性化，并根据线性化后的模型设计预测控制器，实现自主航行器的变深运动控制。经过仿真实验，验证了滤波器对自主航行器近水面运动状态估计的准确性以及预测控制器在抗海浪扰动上的控制效果。仿真结果表明，带有无迹卡尔曼滤波器的预测控制器可以快速、准确的实现自主航行器的深度跟踪控制与姿态控制，且具有响应速度快，对外部扰动鲁棒性强的特点。     

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。     

船舶永磁同步电机在线惯量辨识研究

针对船舶永磁同步电机推进系统的转动惯量和负载转矩存在扰动的问题,提出基于梯度校正法与扩展卡尔曼滤波器结合的在线惯量辨识算法,采用梯度校正法对转动惯量进行辨识,利用扩展卡尔曼滤波器观测负载转矩,辨识的惯量值对滤波器的系数矩阵进行修正,同时观测的负载转矩作为梯度校正法的输入参数以及作为电流环的前馈补偿。仿真和实验验证了惯量辨识算法的可行性,以及系统对于负载转矩变化的抗扰动性能。     

船舶动力定位系统非线性估计滤波器的设计

随着航运业发展,海上航行船舶的密度及体积越来越大,如何控制船舶航线的误差精度是保障航行安全的关键。船舶动力定位系统分析船舶受到的海风、海浪等综合外力,利用推进器产生的作用力平衡各种外力,使船舶按照既定航向及速度航行;同时,采集的综合外力信号混有测量噪声、低频运动等各种非线性因素。本文建立了船舶动力定位系统受力模型,针对船舶航行中的各种外力干扰因素设计了非线性估计滤波器,对干扰动力进行滤除,最后进行仿真。     

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.     

船舶动力定位系统设计及试验研究

本文把自适应卡尔曼滤波器理论和最优控制理论应用于典型的船舶动力定位系统。它是基于线性化的船舶运动方程,通过自适应卡尔曼滤波器对船舶在风、浪、流的作用下的高频运动和低频漂移分别进行估计,以保证定位控制仅仅对船的低频漂移进行补偿。本系统中的自适应滤波能自动适应海况的变化,以保证估计参数的精确。该系统设计已在中国船舶科学研究中心耐波性水池通过模型试验进行了验证。     

一种改进的粒子滤波算法

为提高非线性滤波的性能,提出一种改进的粒子滤波算法(MUPF),该算法将新构造的辅助模型和无迹卡尔曼滤波(UKF)相结合产生新的建议分布函数。与传统的无迹粒子滤波(UPF)相比,该算法充分利用了新的测量信息。在非高斯条件下与其他滤波器进行了仿真对比,分析了跟踪性能和均方根误差。仿真结果表明,MUPF不仅具有很高的跟踪精度,而且用很少的粒子就可以达到更好的滤波性能。     

船舶组合导航系统综合卡尔曼滤波研究

本文首先建立了船舶组合导航系统的七维动态方程和四维测量方程,然后在对系统非线性推广卡尔曼滤波、非线性推广自适应卡尔曼滤波和克服滤波发散的方法进行分析的基础上,提出了一种新型综合卡尔曼滤波器。仿真结果证明,新方法的可靠性及精度比推广的卡尔曼滤波和推广的自适应卡尔曼滤波,都有了很大程度的改善。     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标。无迹变换卡尔曼滤波器(Unscented Kalman Filter,UKF)通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题。将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性。     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。