动力定位系统(Dynamic Positioning System,DP System)是实际应用中非常重要的船舶闭环控制系统,作业船在运行过程中无法避免来自外界环境干扰力造成的影响,DP系统的工作原理就是通过船舶动力装置形成的推力减弱作用在船上的外界环境的干扰,这样可以让船舶维持在需求的作业地点或者沿着设定的路径行驶。船舶状态观测器能否有效的滤出船舶状态信息的噪声,并估计出船舶各个自由度的状态位置、艏向和速度等船舶状态,其对DP系统的定位精度影响很大。在动力定位上实现状态估计实际就是基于随机动态系统的非线性滤波理论的状态估计问题。本文对低速运行的动力定位船进行研究,在噪声统计特性改变的情况下,设计一种基于集合卡尔曼粒子滤波(Ensemble Kalman Particle Filter,EnKPF)的动力定位船舶非线性状态观测器来估计船舶状态,从而减小了DP系统的定位误差增强了整体性能。具体从以下几个方面进行论述:第一:基于实际环境中船舶的运动情况,从数学模型的角度对其进行分析。船舶运动常常被当成高、低频运动相互作用的结果,因此分别对高、低频运动单独建模进行研究,随后,又对海洋的环境进行了建模,海洋环境力是影响DP系统精度中不可忽视的因素,它往往体现在海风、海浪以及海流的作用。最后,使用Matlab仿真证明上述所建模型的有效性。第二:分别介绍近年来非线性滤波理论中经常使用的几种方法,并由此引出本文所使用的方法,其中主要有递推贝叶斯滤波、扩展卡尔曼滤波、集合卡尔曼滤波和粒子滤波,最后,结合集合卡尔曼滤波和粒子滤波的基本原理和方法,形成了本文所使用的集合卡尔曼粒子滤波算法EnKPF。第三:为了证明EnKPF在DP系统中的有效性,设计一个应用EnKPF的状态观测器。首先,由于动力定位系统中设备测量所得到的输出信号是不连续的,因此需要建立连续-离散系统的动力定位状态空间模型。然后针对常规非高斯噪声的情况下,采用EnKPF设计船舶非线性观测器,针对非高斯噪声统计的未知时变条件下,对EnKPF滤波方法进行改进,并引入边缘化的思想,增强了算法鲁棒性。然后引入粒子群优化的思想,对EnKPF中的粒子进行改进,形成了应用PSO-AEnKPF的船舶非线性状态观测器。第四:对上述所提出的这两种非线性状态观测器进行仿真对比分析,然后加入了测量野值,验证其对测量野值的抗干扰能力。通过仿真的结果分析,证明本文所提出的基于EnKF的动力定位粒子滤波方法的有效性。