论文部分内容阅读
随着全球经济的迅速发展,资源匮乏一直是人们高度关注的问题。陆地资源开采有限,占有地球绝大面积的海洋成为寻找并开采生活需要能源的主要来源。船舶动力定位技术在保障海上开采起到关键作用,提高动力定位技术精度也是现研究的热点。由于对动力定位高精度的要求和海上复杂环境的不稳定性,需要安装多种传感器得到更多的测量数据,这就使多种传感器数据融合对船舶状态进行估计成为研究重点。本文在非线性船舶为背景下,以海洋工程船动力定位系统研发及产业化项目为支撑,对多级融合方法和加权融合方法两种算法进行研究。对多传感器测量数据进行融合,使用集中式算法会增加维数,耗费计算时间且如果有传感器发生故障会污染整组数据,所以目前对混合式算法研究较多。本文首先根据船舶海平面运动方程,构建船舶运动数学模型,根据位置参考系统的原理构建张紧索、水声定位、差分全球定位(DGPS)、激光定位四种位置系统的模型。设计电罗经、运动参考单元和风传感器有关的程序模块以估计船舶状态。其次,对多级融合方法进行研究,子滤波器采用自适应无迹卡尔曼滤波算法对传感器测量数据进行局部最优估计,主滤波器采用最优加权算法对子滤波器的局部最优估计计算得到全局最优估计。在处理局部最优估计步骤,本文提出了改进的多级融合方法,应用欧氏距离并结合聚类分析思想,对传感器测量数据进行重新排序,确定融合次序。使准确度高的数据优先融合,在主滤波器中所赋权值相应增大,较改进前的多级融合算法在精度上有一定的提高。且由欧氏距离计算方法得到的传感器数据间的距离矩阵,和以往研究中的距离判断不同,它基于数据本身特点,减少了人为经验选取参数而产生的误差。最后,完成位置测量系统的开发,系统包括串口驱动模块、传感器报文解析模块、数据预处理模块、核心算法模块。其中核心算法模块包括改进的多级融合算法和加权平均算法,并对这两种算法对数据处理的结果进行比较分析,及对改进前后的多级融合算法仿真结果对比分析,验证了改进的多级融合算法的工程可实现性及精确性。