论文部分内容阅读
随着船舶智能化发展,智能船舶相关技术的研究备受国内外诸多学者的关注。由中国船级社2015年颁布的《智能船舶规范》将智能船舶技术分为六个领域:智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台。其中智能航行是指利用计算机技术、控制技术等对感知和获得的信息进行分析和处理,对船舶航路和航速进行设计和优化,以实现船舶自主航行。为提高智能船舶自主航行的安全性,需保证船舶控制系统获取的船舶航行状态信息具有较高的精度和可信度,因此通常在智能船舶上会配备多个相同类型和不同类型的传感器用以观测船舶的航行状态。多传感器融合估计模块可以从系列传感器观测值中估计出当前时刻船舶的航行状态信息,所以它是智能船舶航行系统中至关重要的一部分。本文主要针对智能船舶航行系统中的多传感器融合估计方法展开了较为深入地研究。在智能船舶多传感器系统中,采用的传感器类型以及各传感器安装位置不同,因此各传感器的观测数据不能直接进行融合。同时,各传感器原始测量中含有未知的测量噪声以及随机的测量野值,可能降低最终融合估计结果的精度。针对上述问题,本文提出了一种数据预处理方法,首先对各传感器的测量结果进行时间和空间配准,使各传感器的测量结果为同一时刻、同一坐标系下船舶重心处的航行状态值,然后采用设计的滑动四分位滤波方法滤除测量噪声和野值的干扰。为验证该方法的有效性,本文搭建了智能船舶多传感器样机系统,并基于该系统对其进行仿真实验和模型实验。结果证明设计的数据预处理方法可以一定程度地降低测量噪声以及测量野值带来的干扰,有利于提高最终融合估计结果的精度。智能船舶在航行过程中,未知的海洋环境干扰、各传感器间干扰以及船载其他设备对传感器的干扰,可能导致一个或数个传感器出现间歇性故障信号,进而降低船舶航行状态估计的精度,甚至估计的结果会偏离船舶真实航行状态,最终威胁到智能船舶的航行安全。为解决上述问题,本文分别提出了被动容错融合估计方法和主动容错融合估计方法,其中被动容错融合估计方法通过在子估计器中添加四分位滤波方法对观测数据进行滤波,并设计了观测器对四分位滤波方法的时滞问题进行处理,而后采用卡尔曼滤波方法进行局部状态估计,最后在融合中心进行协方差交叉融合,仿真结果表明,设计的方法对于间歇性脉冲故障具有良好的容错性能,同时验证了设计的方法具有较高的实时性;设计的主动容错融合估计方法引入了衰减记忆因子以降低旧测量数据对融合估计的影响权重,并添加了故障检测与校正模块对含有的故障信号进行检测与校正,仿真结果表明,对于间歇性脉冲故障和随机的恒定偏差故障,设计的主动容错融合估计方法不仅具有良好的容错性,而且具有较高的融合精度。对于设计的智能船舶多传感器分布式系统,由于各子估计器的估计周期不同,且与融合中心的估计循环周期也不同,导致各子估计器传至融合中心的数据为不同时刻的船舶运动状态,当数据进入融合中心进行融合估计时,当前时刻的局部估计变量尚未传至融合中心,即各局部估计结果延时传至融合估计中心,从而导致融合估计的精度下降,甚至低于各子估计器的局部估计精度。针对多传感器系统含有时滞进而影响融合精度问题,本文设计了一种自适应融合估计方法,通过添加局部估计修正模块,根据最新的局部估计结果与各子估计器的一步预测结果自适应估计出当前融合时刻的局部估计值,而后进行协方差交叉融合估计,仿真结果表明,相比于未进行时滞处理的协方差交叉融合估计,设计的自适应融合估计方法具有更高的融合估计精度。本文对智能船舶航行模块中多传感器时滞系统的容错融合估计方法展开了系列研究,有利于提高智能船舶自主航行的安全性,并可为其相关技术的研究提供理论参考。