随着陆地与近海资源的开发殆尽,目前越来越注重深海资源的开发利用,由于深海环境复杂多变,船舶为保持航迹或定点作业,需要安装船舶动力定位系统(Dynamic Positioning Systems, DP)。DP系统可以仅依靠自身推进器来消除外界环境的干扰,如果要精确地控制船舶位置或循迹,则需要精准的观测器来消除测量噪声、估计船舶位置等信息。本文针对缓慢变化的海况下船舶动力定位系统的滤波及状态估计问题,重点研究了一种自适应滤波方法。由于船舶动力定位系统的观测器要滤除船舶高频信息,估计出船舶低频位置。为此,本文在合理的假设下建立了船舶动力定位系统的数学模型,包括船舶高频、低频线性叠加的数学模型和动力定位系统测量模型。此外,为了更好的研究观测器并进行仿真,还建立了包括海风、海浪和海流在内的海洋环境力数学模型。通过对多种滤波及状态估计方法对比,重点研究了船舶非线性无源观测器。船舶非线性无源观测器是对应于船舶运动这一非线性、不确定性系统研究的,在固定海况下能有效的滤除测量噪声及船舶运动高频信息,估计船舶速度。但实际海况是缓慢变化的,当海况变化时观测器的海浪滤波参数也应跟随海况变化,为解决观测器滤波参数自适应调整的问题,本文为动力定位船舶提出了一种多模型自适应观测器(Multiple Model Adaptive Observer, MMAO),它由一组海浪滤波参数不同的非线性无源观测器和一个动态权重信号产生器组成。该观测器能够在变化的海况下自动切换至与海况相匹配的子观测器,有效的滤除测量噪声和船舶运动高频信息,估计出准确的船舶低频位置。并利用计算机仿真验证了多模型自适应观测器的有效性。考虑到本文提出的多模型自适应观测器含有多个子观测器,每个子观测器有多个参数需要调整,参数的调整既复杂又繁琐,且参数调整的质量直接影响系统的性能。针对这一问题,本文提出使用最大最小自适应蚁群算法对观测器参数进行寻优,并通过计算机仿真验证了最大最小自适应蚁群算法寻优观测器参数的有效性。