[发明专利]面向深海船舶动力定位的高精度实时状态估计方法及系统

说明书

技术领域

本发明属于船舶与海洋工程领域，具体涉及一种面向深海船舶动力定位的高精度实时状态估计方法及系统。

背景技术

当今世界各国面临着严重的能源短缺问题，而海洋中蕴藏着丰富的资源，因此世界各国都竞相将战略重心转移到海洋领域，投入大量的人力和物力进行海洋地质考察、油气开采、水产捕捞、海洋调查以及水下考古等研究工作。我国召开的党的十八大也将建设海洋强国提高到国家战略层面。发展先进的海洋技术和装备对于开发海洋资源，维护国家海洋权益等起到极其重要的作用。

船舶动力定位系统广泛的应用于深海钻井船、海底铺缆船等许多重要的深海作业船舶，已经成为不可缺少的支持系统。从国内外研究的现状来看，船舶动力定位系统主要集中在控制系统的设计上，却忽视信息处理方面的研究。然而，信息处理对于船舶定位系统的精确定位也起到至关重要的作用。作为信息处理的核心部分——状态估计滤波器，通过对传感器信号进行滤波，移除噪声干扰信号，并对船舶的运动状态和参数进行最优估计，从而为控制系统提供精确的输入。因此，状态估计滤波器在整个动力定位系统中扮演着不可或缺的角色。

但是，现有船舶动力定位系统所使用的状态估计滤波器存在以下问题：经典的卡尔曼滤波器仅适用于线性系统的状态估计；扩展卡尔曼滤波器虽然能够应用到非线性系统中，但是其存在较大的估计误差，因此状态估计的精度无法满足实际应用需求；尽管非线性无源观测器很好的克服了扩展卡尔曼滤波器的缺点，成功的应用于非线性系统的状态估计，但是，在通常情况下，当由一阶波浪力引入的噪声参数不能准确估计的情况下，会导致波浪频率的估计存在较大误差，使得滤波精度下降甚至发散。虽然，滚动时域估计和粒子滤波在状态估计的性能上都有了较大的提升，但是如何减少算法的计算复杂度仍然是个问题。另外，无论对于经典卡尔曼滤波、扩展卡尔曼滤波还是粒子滤波，噪声参数对滤波性能的影响极为明显。由于低频非线性运动模型较为复杂，现有的算法侧重于对高频线性运动模型中的参数进行估计，就单个参数估计算法而言，基于预测误差估计的方法存在估计精度不高，算法易发散的问题；基于极大似然估计的方法难以处理带有缺失数据的参数估计问题。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种面向深海船舶动力定位的高精度实时状态估计方法及系统，该方法充分考虑高频线性运动与低频非线性运动之间的差异，提出了分别适用于高频和低频运动的噪声参数估计方法，并在此基础上提出了基于边缘化粒子滤波的状态估计方法，使得在提高状态估计精度的同时又兼顾实时性。

实现本发明目的采用的技术方案是一种面向深海船舶动力定位的高精度实时状态估计方法，该方法包括：

将由一阶波浪力引起的高频信号从低频船舶运动信号中分离出来，得到高频运动分量和低频运动分量；

分别对所述高频运动分量和低频运动分量进行参数估计和状态估计；

将所述参数估计和状态估计的结果作为下一周期参数估计和状态估计的输入，重复上述步骤直至结束。

本发明还提供一种面向深海船舶动力定位的高精度实时状态估计系统，该系统包括：

高低频信号分离模块，用于将由一阶波浪力引起的高频信号从低频船舶运动信号中分离出来，得到高频运动分量和低频运动分量；

高频线性参数估计模块，用于对所述高频运动分量进行高频噪声参数估计；

边缘化粒子滤波模块中的卡尔曼滤波子模块，用于利用所述高频线性参数估计模块估计的噪声参数实现高频运动分量的状态估计，并将估计结果作为下一周期高频线性参数估计模块的输入；

低频非线性参数估计模块，用于对所述低频运动分量进行低频参数估计；以及

边缘化粒子滤波模块中的粒子滤波子模块，用于利用所述低频非线性参数估计模块估计得到的低频噪声参数，实现低频运动分量的状态估计，并将估计结果作为下一周期低频线性参数估计模块的输入。

附图说明

图1为本发明面向深海船舶动力定位的高精度实时状态估计系统的结构框图。

图2为本发明面向深海船舶动力定位的高精度实时状态估计方法的流程图。

图3为针对高频线性运动模型的参数估计流程图。

图4为针对低频非线性运动模型的参数估计流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。