CN110926496A - 水下运载器运动异常检测方法、装置及系统 - Google Patents

水下运载器运动异常检测方法、装置及系统 Download PDF

Info

Publication number
CN110926496A
CN110926496A CN201811530267.6A CN201811530267A CN110926496A CN 110926496 A CN110926496 A CN 110926496A CN 201811530267 A CN201811530267 A CN 201811530267A CN 110926496 A CN110926496 A CN 110926496A
Authority
CN
China
Prior art keywords
underwater vehicle
motion
sequence
data
obtaining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811530267.6A
Other languages
English (en)
Other versions
CN110926496B (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Zhonghai Chao Technology Co Ltd
Original Assignee
Qingdao Zhonghai Chao Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Zhonghai Chao Technology Co Ltd filed Critical Qingdao Zhonghai Chao Technology Co Ltd
Priority to CN201811530267.6A priority Critical patent/CN110926496B/zh
Publication of CN110926496A publication Critical patent/CN110926496A/zh
Application granted granted Critical
Publication of CN110926496B publication Critical patent/CN110926496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration

Abstract

本申请的水下运载器运动异常检测方法，先获得估计序列和量测序列，之后以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。因此具有较强的自主性和稳定性，且通过运动模型得到的估计序列，其结果相对水下运载器实际运动有一定的提前量，从而能够有效检测出海洋内波对水下运载器运动状态的影响，提高了检测结果的准确性和时效性。

Description

水下运载器运动异常检测方法、装置及系统
技术领域
本申请涉及水下运载器水下航行技术领域，具体涉及一种水下运载器运动异常检测方法、装置及系统。
背景技术
水下运载器在海中航行，会受到外部海洋水文环境因素的影响，这些因素会不同程度地导致水下运载器的运行状态发生变化。海水是非均匀性介质，同一海区的某些水文环境会发生突变，进而导致水下运载器运动状态的急剧变化。为了保证航行安全，需要适时地采取措施来应对这些变化，而一旦应对不及时，后果可能是灾难性的。
作为上述各种影响因素中较为重要的一个，海水密度的突变，会急剧改变水下运载器在海水中所受的浮力，进而导致水下运载器的下潜深度发生突变。举例来说，当水下运载器由海水密度较高的海域进入海水密度较低的海域时，由于浮力迅速减小，如果不能及时采取措施，水下运载器相当于在原来航行的基础上，增加了一个向下的加速，这会导致水下运载器的下潜深度迅速增大，也即出现掉深，严重影响水下航行安全。海洋内波能够扰动海水，动态改变海水密度分布，使得海洋环境更加复杂，这使得水下运载器必然要受到更加严峻的考验。
目前水下运载器缺乏对于内波的自动检测手段，只能依据数据库中存储的水文环境历史数据来判断某一海域当前时刻发生内波的概率。原因在于，水下运载器所搭载的海洋环境探测设备探测范围有限，依靠自身的探测能力无法对海洋内波进行实时分析和预报；另一方面，水下运载器还要考虑到行动隐蔽等问题，需立足于自身解决环境的感知问题。当遭遇内波时，只能依靠水下运载器深度和姿态的剧烈变化，来确定极端环境的影响，进而采取措施。待水下运载器的深度和姿态发生剧烈变化时，内波对水下运载器的影响已经形成，此时才能确定遭遇到了内波影响，基于水下运载器当前的深度、姿态和速度，再叠加上水下运载器的运动惯性，导致后续补救操作非常困难。因此，内波影响检测的及时性直接关系到水下运载器的生存，越早判断，影响越小，越易消除影响。
基于以上分析可知，如果在水下运载器遭遇内波的初期就能够检测到，从而提前预警，尽早采取措施补救，就能够将内波对于水下运载器的影响降至最低。然而，基于发明人对现有技术的了解，并没有这样的解决手段。
发明内容
本发明的目的在于克服现有技术中没有能够对水下运载器的运动异常进行及时检测，进而迅速判断水下运载器是否处于内波中的解决方案，导致无法提前预警的技术缺陷，从而提供一种能够自动快速地检测和判断水下运载器是否处于内波的影响中，缩短人工判定时间，为水下运载器提供告警，提高水下运载器航行安全。
根据本申请的一个方面，提供了一种水下运载器运动异常检测方法，包括如下步骤：
获得估计序列步骤，所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
获得量测序列步骤，所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
比较趋势相关性步骤，以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。
可选地，所述获得估计序列的步骤采用如下方式实现：
获取起始时刻能够表征所述水下运载器运行状态的实测数据以及操纵数据；
将获取的起始时刻的实测数据和操纵数据作为初始数据，输入预先构建的水下运载器运动模型；
将起始时刻至当前时刻的操纵数据依次输入所述水下运载器运动模型，得到每个时刻的预估数据，形成估计序列。
可选地，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
获得预估输出数据的分步骤，对所述预估运动参数进行坐标转换，得到起始时刻的下一时刻所述惯性导航设备预估的输出数据；
迭代获得估计序列的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻所述惯性导航设备预估的输出数据作为新的初始数据，重复上述获得起始运动参数的分步骤、获得起始运动参数导数的分步骤、获得预估运动参数的分步骤、获得预估输出数据的分步骤，直至获取到当前时刻所述惯性导航设备预估的输出数据，进而得到所述惯性导航设备输出数据的估计序列。
作为另一种可选地方式，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
迭代的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻的预估运动参数作为新的起始运动参数，重复上述获得起始运动参数导数的分步骤和获得预估运动参数的分步骤，直至获取到当前时刻的预估运动参数，进而得到各个时刻的预估运动参数；
坐标转换得到估计序列的分步骤，对各个时刻的预估运动参数进行坐标转换，得到各个时刻所述惯性导航设备预估的输出数据，形成估计序列。
可选地，能够表征水下运载器运行状态的数据包括：北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度；和/或，
所述水下运载器的操纵数据包括：水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力。
可选地，所述获得量测序列步骤采用如下方式实现：
使用惯性导航设备，得到所述水下运载器自起始时刻直至当前时刻的运行状态的实测数据。
可选地，所述获得量测序列步骤中，在使用惯性导航设备得到水下运载器的实测数据后，还包括对所述实测数据进行降噪处理的步骤。
可选地，所述获得量测序列步骤中，采用Savitzky-Golay平滑最小二乘拟合对所述实测数据进行降噪处理。
可选地，所述比较趋势相关性步骤具体包括：
获得相关系数序列的分步骤，以所述估计序列为基准，根据所述水下运载器运动模型与实际响应的滞后时间确定滑动分析的范围，采用spearman秩相关法分别对所述估计序列和所述量测序列中各个时刻对应参数的趋势相关性进行分析，得到各个时刻对应参数的相关系数序列；
获得均值的分步骤，基于每次滑动时各个时刻对应参数的相关系数序列计算所述估计序列和所述量测序列中各个时刻对应参数的相关系数的均值；
获得检测结果的分步骤，取所述均值中最大的均值作为从起始时刻至当前时刻所述估计序列和所述量测序列的趋势相关性的检测结果；
判定、预警的分步骤，若所述最大的均值小于或等于所述门限值，则判定所述估计序列和所述量测序列的趋势不相关，所述水下运载器运动发生异常并实施预警；若所述最大的均值大于所述门限值，则判定所述估计序列和所述量测序列的趋势具有相关性，并进一步采用四分位数展布法对所述惯性导航设备在当前时刻的实测的输出数据和预估的输出数据进行检测，若检测到所述惯性导航设备在当前时刻的实测的输出数据相对于预估的输出数据存在异常，则判定所述水下运载器运动发生异常并实施预警。根据本申请的另一个方面，提供了一种水下运载器运动异常检测装置，包括：
估计序列获取模块，用于获取估计序列，其中所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
量测序列获取模块，用于获取量测序列，其中所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
趋势相关性比较、预警模块，用于以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。
根据本申请的第三个方面，提供了一种水下运载器运动异常检测系统，包括：
惯性导航设备，安装于水下运载器，用于采集表征水下运载器运行状态的实测数据；
异常检测处理器，安装于所述水下运载器，用于实时接收所述惯性导航设备输出的实测数据和所述水下运载器的潜浮控制系统输出的操纵数据，并执行上述水下运载器运动异常检测方法，对所述水下运载器运动状态进行检测。
根据本申请的第四个方面，提供了一种计算机设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述方法。
根据本申请的第五个方面，提供了一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现上述方法。
根据本申请的第五个方面，提供了一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行上述方法。
本申请的水下运载器运动异常检测方法，先获得估计序列和量测序列，之后以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。因此具有较强的自主性和稳定性，且通过运动模型得到的估计序列，其结果相对水下运载器实际运动有一定的提前量，从而能够有效检测出海洋内波对水下运载器运动状态的影响，提高了检测结果的准确性和时效性。
根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1是根据本申请一个实施例的水下运载器运动异常检测方法的流程图；
图2是根据本申请一个实施例的水下运载器运动异常检测方法的原理图；
图3是运动坐标系G-xbybzb、地理坐标系E-XYZ示意图；
图4是坐标变换关系的示意图；
图5是相关运动参数的一个示意图；
图6是相关运动参数的另一个示意图；
图7是根据本申请一个实施例的水下运载器运动异常检测装置的原理框图；
图8是本申请的计算设备的一个实施例的框图；
图9是本申请的计算机可读存储介质的一个实施例的框图。
具体实施方式
根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
众所周知，海洋内波对水下运载器水下航行安全影响巨大。人工判定内波影响，需要在水下运载器的深度和姿态发生显著变化后才能确认。此时，海洋内波对水下运载器的影响已经形成，再叠加上水下运载器的运动惯性，后续补救操作将非常困难。为了有效解决这一问题，本申请发明人基于惯性导航设备具有的高精度、自主的优点，经过潜心研究，采用运动态势相关性分析方法，依托于基于动力学构建的水下运载器运动状态空间方程，根据水下运载器的惯性导航设备在起始时刻的输出数据，以及水下运载器的潜浮控制系统的操纵数据对水下运载器的运动状态进行估计，具有较强的自主性和稳定性，且相对水下运载器实际运动有一定的提前量。为了更好理解本发明方案，下面对本发明方案进行详细说明。
如图1所示，本发明实施例提供了一种水下运载器运动异常检测方法，包括如下步骤：
获得估计序列步骤，所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
获得量测序列步骤，所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
比较趋势相关性步骤，以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。
本申请的水下运载器运动异常检测方法，先获得估计序列和量测序列，之后以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。因此具有较强的自主性和稳定性，且通过运动模型得到的估计序列，其结果相对水下运载器实际运动有一定的提前量，从而能够有效检测出海洋内波对水下运载器运动状态的影响，提高了检测结果的准确性和时效性。可选地，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列的步骤采用如下方式实现：
获取起始时刻能够表征所述水下运载器运行状态的实测数据以及操纵数据；
将获取的起始时刻的实测数据和操纵数据作为初始数据，输入预先构建的水下运载器运动模型；
将起始时刻至当前时刻的操纵数据依次输入所述水下运载器运动模型，得到每个时刻的预估数据，形成估计序列。
可选地，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
可选地，所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
获得预估输出数据的分步骤，对所述预估运动参数进行坐标转换，得到起始时刻的下一时刻所述惯性导航设备预估的输出数据；
迭代获得估计序列的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻所述惯性导航设备预估的输出数据作为新的初始数据，重复上述获得起始运动参数的分步骤、获得起始运动参数导数的分步骤、获得预估运动参数的分步骤、获得预估输出数据的分步骤，直至获取到当前时刻所述惯性导航设备预估的输出数据，进而得到所述惯性导航设备输出数据的估计序列。
作为另一种可选地实施方式，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
迭代的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻的预估运动参数作为新的起始运动参数，重复上述获得起始运动参数导数的分步骤和获得预估运动参数的分步骤，直至获取到当前时刻的预估运动参数，进而得到各个时刻的预估运动参数；
坐标转换得到估计序列的分步骤，对各个时刻的预估运动参数进行坐标转换，得到各个时刻所述惯性导航设备预估的输出数据，形成估计序列。
通过该方案，可以在获取到各个时刻的预估运动参数后，统一对其进行坐标转换，进而各个时刻所述惯性导航设备预估的输出数据，简化了计算过程。
可选地，能够表征水下运载器运行状态的数据包括：北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度；和/或，
所述水下运载器的操纵数据包括：水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力。
可选地，所述获得量测序列步骤采用如下方式实现：
使用惯性导航设备，得到所述水下运载器自起始时刻直至当前时刻的运行状态的实测数据。
具体地，惯性导航设备可以包括平台式惯导、捷联式惯导等，本发明实施例对此不做限定。
相应地，水下运载器的北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度可以由惯性导航设备测量得到，水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力可以通过潜浮控制系统获取。
图2为本发明实施例一个具体实施方案的流程图，图3为运动坐标系G-xbybzb、地理坐标系E-XYZ示意图，图4为坐标变换关系的示意图，图5为相关运动参数的一个示意图，图6为相关运动参数的另一个示意图。为了更好的理解本发明实施例方案，下面将图2、图3、图4、图5、图6结合一个具体的实例来对方案进行解释说明，该实例中，惯性导航设备的输出数据包括北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度，我们分别用vN,vE,vZ,aN,aE,aZ,ψ,
Figure BDA0001905484210000101
θ,
Figure BDA0001905484210000102
来表示；潜浮控制系统的操纵数据包括水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力，分别用δs、δb、δr、uc、P、B来表示；u、v、w、r、p、q分别为运动坐标系G-xbybzb下水下运载器的纵向速度、横向速度、垂向速度、偏航角速度、横倾角速度、纵倾角速度。
在构建基于动力学的水下运载器运动模型时，假设水下运载器均衡系统和浮力调整系统良好，重心位置不变且为运动坐标系G-xbybzb坐标原点；水下运载器左右对称于纵中剖面，上下对称于水线面，前后体基本对称，坐标轴即为惯性主轴，惯性积为零；并忽略螺旋桨负荷的影响，η＝1；
根据格特勒简化方程推导水下运载器运动模型如下：
Figure BDA0001905484210000103
Figure BDA0001905484210000104
其中a11、a22、a24、a26、a33、a35、a42、a44、a46、a52、a54、a56、a63、a65以及f1、f2、f3、f4、f5、f6为：
Figure BDA0001905484210000105
Figure BDA0001905484210000106
Figure BDA0001905484210000107
Figure BDA0001905484210000108
Figure BDA0001905484210000109
Figure BDA0001905484210000111
Figure BDA0001905484210000112
Figure BDA0001905484210000113
Figure BDA0001905484210000114
Figure BDA0001905484210000115
Figure BDA0001905484210000116
Figure BDA0001905484210000117
Figure BDA0001905484210000118
Figure BDA0001905484210000119
Figure BDA0001905484210000121
Figure BDA0001905484210000122
Figure BDA0001905484210000123
Figure BDA0001905484210000124
Figure BDA0001905484210000125
Figure BDA0001905484210000126
其中，δs、δb、δr分别为尾升降舵角、首升降舵角、方向舵角；L、m、h、ρ、uc、P、B分别为水下运载器长度、水下运载器质量、稳心高、海水密度、基准定常航速、水下运载器重力、水下运载器浮力；
Figure BDA0001905484210000127
X′qq、X′rr、X′rp、X′vr、X′wq、X′uu、X′vv、X′ww、
Figure BDA0001905484210000128
为X轴方向水动力系数，Y′v、Y′r、Y′p、Y′0、
Figure BDA0001905484210000129
Y′pq、Y′qr、Y′vq、Y′wp、Y′wr、Y′vw、Y′v|r|、Y′v|v|、Y′p|p|、
Figure BDA00019054842100001210
为Y轴方向水动力系数，Z′w、Z′q、Z′0、
Figure BDA00019054842100001211
Z′pp、Z′rr、Z′rp、Z′vr、Z′vp、Z′ww、Z′vv、
Figure BDA00019054842100001212
Z′w|q|、Z′w|w|、Z′|w|、
Figure BDA00019054842100001213
为Z轴方向水动力系数，
Figure BDA00019054842100001214
K′qr、K′pq、K′p|p|、K′p、K′r、
Figure BDA00019054842100001215
K′vq、K′wp、K′wr、K′0、K′v、K′v|v|、K′vw、
Figure BDA00019054842100001216
为X轴方向力矩系数，
Figure BDA0001905484210000131
M′pp、M′rr、M′rp、M′q|q|、
Figure BDA0001905484210000132
M′vr、M′vp、M′q、
Figure BDA0001905484210000133
M′|w|q、M′0、M′w、M′w|w|、M′|w|、m′ww、M′vv、
Figure BDA0001905484210000134
为Y轴方向力矩系数，
Figure BDA0001905484210000135
N′qr、N′pq、N′r|r|、N′p、N′r、N′vq、N′wp、N′wr、
Figure BDA0001905484210000136
N′|v|r、N′0、N′v、N′v|v|、N′vw、
Figure BDA0001905484210000137
为Z轴方向力矩系数，以上水动力系数及力矩系数为已知量，在水下运载器完成水动力设计实验后即可得到；aT、bT、cT为与螺旋桨推力相关的无因次系数。
以惯性导航设备的数据输出时间为采样时间基准，采样间隔为Δt。tm(m≥0)为运动态势相关性分析的起始时刻，tm+n为当前时刻。n为运动态势相关性分析序列的长度，n＞＞Td,n＞＞Δt，可根据需要设定；Td为水下运载器实际响应相比于水下运载器运动模型响应的滞后时间。从tm时刻开始实时同步记录惯性导航设备实测的输出数据
Figure BDA0001905484210000138
以及水下运载器的操纵数据U＝{δs,δb,δr,uc,P,B}，以tm时刻的惯性导航设备的输出数据Zm为起始状态
Figure BDA0001905484210000139
对其进行坐标变换，产生运动坐标系下的水下运载器的初始运动参数
Figure BDA00019054842100001310
坐标变换公式为：
Figure BDA00019054842100001311
Figure BDA00019054842100001312
将水下运载器的初始运动参数ym和起始时刻潜浮控制系统的操纵数据Um代入水下运载器运动模型，得到水下运载器的初始运动参数导数
Figure BDA00019054842100001313
计算tm+1时刻运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数ym+1，计算公式如下：
Figure BDA00019054842100001314
对预估运动参数
Figure BDA00019054842100001315
进行坐标变换，得到tM+1时刻(起始时刻的下一时刻)惯性导航设备预估的输出数据
Figure BDA00019054842100001316
Figure BDA00019054842100001317
使用的坐标变换公式为：
Figure BDA0001905484210000141
Figure BDA0001905484210000142
Figure BDA0001905484210000143
Figure BDA0001905484210000144
将tm+1时刻作为新的起始时刻，也即以tm+1时刻惯性导航设备预估的输出数据
Figure BDA0001905484210000145
和tm+1时刻潜浮控制系统的操纵数据Um+1为初始量，按照上述方法迭代递推得出
Figure BDA0001905484210000146
重复上述递推步骤，直至递推出当前时刻tm+n的惯性导航设备预估的输出数据，由此可得到tm至tm+n时刻惯导输出估计序列
Figure BDA0001905484210000147
可选地，所述获得量测序列步骤中，在使用惯性导航设备得到水下运载器的实测数据后，还包括对所述实测数据进行降噪处理的步骤。
所述获得量测序列步骤中，采用Savitzky-Golay平滑最小二乘拟合对所述实测数据进行降噪处理。
为了便于理解该步骤的方案，下面举例予以说明：
为消除惯性导航设备数据噪声对运动态势相关性分析的影响，同时降低计算量，对同步记录的惯性导航设备从起始时刻(tm)至当前时刻(tm+n)这一时段中每个时刻实测的输出数据{Zm,…,Zm+n}分别进行Savitzky-Golay平滑最小二乘拟合。
具体为设置Savitzky-Golay平滑最小二乘拟合的窗口长度为D(D为奇数)，窗口中心时刻为ti，则构造k(k<D/2，k为整数)阶多项式，通过中心时刻ti在时间轴上的滑动，分别对惯性导航设备的输出数据vN、vE、vZ、aN、aE、aZ、ψ、
Figure BDA0001905484210000148
θ、
Figure BDA0001905484210000149
在[tm,tm+n]区间进行滑动拟合。
以北向速度信息vN拟合为例，令
Figure BDA00019054842100001410
(·)为取整，则以ti为中心的平滑窗口内所有时刻的北向速度信息aN拟合多项式方程可表示为：
VN(ti,j)＝H(j)B(ti)
其中，
Figure BDA0001905484210000151
Figure BDA0001905484210000152
Figure BDA0001905484210000153
则拟合多项式系数的最小二乘估计结果为：
Figure BDA0001905484210000154
则ti时刻的北向速度信息的Savitzky-Golay平滑最小二乘拟合结果为：
Figure BDA0001905484210000155
移动窗口中心至ti+1时刻，重复上述步骤即可实现对[tm+j,tm+n-j]区间内每一时刻的Savitzky-Golay平滑最小二乘拟合；[tm,tm+j]区间内的时刻采用tm+j时刻的拟合结果；[tm+n-j,tm+n]区间内的时刻采用tm+n-j时刻的拟合结果。将上述结果合并，即为vN的Savitzky-Golay平滑最小二乘拟合结果。
按照上述方法完成惯性导航设备实测的输出数据vE、vZ、aN、aE、aZ、ψ、
Figure BDA0001905484210000156
θ、
Figure BDA0001905484210000157
的滑动拟合分析，由此得到惯性导航设备输出数据的量测序列
Figure BDA0001905484210000158
可选地，所述比较趋势相关性步骤具体包括：
获得相关系数序列的分步骤，以所述估计序列为基准，根据所述水下运载器运动模型与实际响应的滞后时间确定滑动分析的范围，采用spearman秩相关法分别对所述估计序列和所述量测序列中各个时刻对应参数的趋势相关性进行分析，得到各个时刻对应参数的相关系数序列；
获得均值的分步骤，基于每次滑动时各个时刻对应参数的相关系数序列计算所述估计序列和所述量测序列中各个时刻对应参数的相关系数的均值；
获得检测结果的分步骤，取所述均值中最大的均值作为从起始时刻至当前时刻所述估计序列和所述量测序列的趋势相关性的检测结果；
判定、预警的分步骤，若所述最大的均值小于或等于所述门限值，则判定所述估计序列和所述量测序列的趋势不相关，所述水下运载器运动发生异常并实施预警；若所述最大的均值大于所述门限值，则判定所述估计序列和所述量测序列的趋势具有相关性，并进一步采用四分位数展布法对所述惯性导航设备在当前时刻的实测的输出数据和预估的输出数据进行检测，若检测到所述惯性导航设备在当前时刻的实测的输出数据相对于预估的输出数据存在异常，则判定所述水下运载器运动发生异常并实施预警。
为了便于理解上述步骤的方案，下面举例予以说明：
对惯性导航设备的估计序列和量测序列进行趋势相关分析时，为了消除滞后时间的影响，对tm(起始时刻)至tm+n(当前时刻)时间段内的惯性导航设备的估计序列
Figure BDA0001905484210000161
与经拟合处理后的惯性导航设备的量测序列
Figure BDA0001905484210000162
中的数据进行滑动相关分析，采用spearman秩相关法分别检测vE、vZ、aN、aE、aZ、ψ、
Figure BDA0001905484210000163
θ、
Figure BDA0001905484210000164
参数的趋势相关性，也可单独检测加速度aN、aE、aZ、
Figure BDA0001905484210000165
的趋势相关性，通过对序列秩次进行相关分析，避免了数值估计误差等问题对信号趋势分析的影响。
根据滞后时间Td的先验知识，确定滑动相关分析的范围为
Figure BDA0001905484210000166
截取
Figure BDA0001905484210000167
所对应的经拟合处理后的量测序列
Figure BDA0001905484210000168
和[tm,tm+n-i]时段的估计序列
Figure BDA0001905484210000169
进行相关分析。由此可计算每组对应元素的相关系数序列
Figure BDA00019054842100001610
计算公式为：
Figure BDA00019054842100001611
其中，Qx(·)i为估计序列
Figure BDA00019054842100001612
中某一参数按照spearman秩相关法数值重新排序后的秩次；QZ(·)i为量测序列
Figure BDA00019054842100001613
中某一参数按照spearman秩相关法数值重新排序后的秩次。
基于每次滑动时各组对应元素的相关系数序列{R(·)i}计算估计序列和量测序列中各组对应元素的相关系数的均值
Figure BDA0001905484210000171
公式为：
Figure BDA0001905484210000172
其中，
Figure BDA0001905484210000173
取
Figure BDA0001905484210000174
最大所对应的相关分析的均值
Figure BDA0001905484210000175
作为tm至tm+n时间段的估计与量测序列滑动相关结果；更新Td＝iΔt。
若
Figure BDA0001905484210000176
为门限值，可根据需要设置，则估计序列与量测序列趋势不相关，惯性导航设备实测的输出数据相对于估计数据存在异常，也即判断水下运载器运动发生异常。
若
Figure BDA0001905484210000177
为门限值，可根据需要设置，则估计序列与量测序列趋势具有相关性，需进一步判断当前时刻的惯性导航设备实测的输出数据相对于估计数据是否存在异常。可以采用四分位数展布法，计算
Figure BDA0001905484210000178
Figure BDA0001905484210000179
对序列中每一参数按照数值进行排序，确定上四分位FU(75％)、下四份位FL(25％)以及展布(FU-FL)，若检测结果显示
Figure BDA00019054842100001710
Figure BDA00019054842100001711
成立，则说明当前时刻惯性导航设备实测的输出数据相对于估计数据不存在异常；若检测结果显示
Figure BDA00019054842100001712
Figure BDA00019054842100001713
成立，则说明当前时刻惯性导航设备实测的输出数据相对于估计数据存在异常。
可选地，在判定水下运载器运动发生异常时发出预警信息。便于水下运载器操作人员及时操纵予以减小内波的影响。
如图7所示，本发明实施例还提供了一种水下运载器运动异常检测装置，包括：
估计序列获取模块，用于获取估计序列，其中所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
量测序列获取模块，用于获取量测序列，其中所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
趋势相关性比较、预警模块，用于以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。本发明实施例中的水下运载器运动异常检测装置，将运动态势相关性分析方法和基于动力学的水下运载器运动模型相结合对水下运载器的运动状态进行检测，从而能够快速有效检测出海洋内波对水下运载器运动状态的影响，提高了检测结果的准确性和时效性。
可选地，所述估计序列获取模块的工作原理如下：获取起始时刻能够表征所述水下运载器运行状态的实测数据以及操纵数据；将获取的起始时刻的实测数据和操纵数据作为初始数据，输入预先构建的水下运载器运动模型；将起始时刻至当前时刻的操纵数据依次输入所述水下运载器运动模型，得到每个时刻的预估数据，形成估计序列。
可选地，所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述估计序列获取模块具体包括：
第一初始数据获取单元，用于使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
第一起始运动参数获取单元，用于将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
第一起始运动参数导数获取单元，用于将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
第一预估运动参数获取单元，用于基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
第一预估输出数据获取单元，用于对所述预估运动参数进行坐标转换，得到起始时刻的下一时刻所述惯性导航设备预估的输出数据；
第一迭代单元，用于将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻所述惯性导航设备预估的输出数据作为新的初始数据，重复启动上述第一初始数据获取单元、第一起始运动参数获取单元、第一起始运动参数导数获取单元、第一预估运动参数获取单元、第一预估输出数据获取单元，直至获取到当前时刻所述惯性导航设备预估的输出数据，进而得到所述惯性导航设备输出数据的估计序列。
作为另一种可选地实施方式，所述估计序列获取模块具体包括：
第二初始数据获取单元，用于使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
第二起始运动参数获取单元，用于将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
第二起始运动参数导数获取单元，用于将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
第二预估运动参数获取单元，用于基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
第二迭代单元，用于将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻的预估运动参数作为新的起始运动参数，重复启动上述第二起始运动参数导数获取单元和第二预估运动参数获取单元，直至获取到当前时刻的预估运动参数，进而得到各个时刻的预估运动参数；
转换单元，用于对各个时刻的预估运动参数进行坐标转换，得到各个时刻所述惯性导航设备预估的输出数据，形成估计序列。
可选地，能够表征水下运载器运行状态的数据包括：北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度；和/或，
所述水下运载器的操纵数据包括：水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力。
可选地，所述量测序列获取模块，通过惯性导航设备，得到所述水下运载器自起始时刻直至当前时刻的运行状态的实测数据。
可选地，所述量测序列获取模块，在使用惯性导航设备得到水下运载器的实测数据后，还对所述实测数据进行降噪处理。
可选地，所述量测序列获取模块，采用Savitzky-Golay平滑最小二乘拟合对所述实测数据进行降噪处理。
可选地，所述趋势相关性比较、预警模块具体包括：
相关系数序列获取单元，用于趋势相关性比较、预警模块均值获取单元，用于获得均值的分步骤，基于每次滑动时各个时刻对应参数的相关系数序列计算所述估计序列和所述量测序列中各个时刻对应参数的相关系数的均值；
检测结果获取单元，用于取所述均值中最大的均值作为从起始时刻至当前时刻所述估计序列和所述量测序列的趋势相关性的检测结果；
判定、预警单元，用于若所述最大的均值小于或等于所述门限值，则判定所述估计序列和所述量测序列的趋势不相关，所述水下运载器运动发生异常并实施预警；若所述最大的均值大于所述门限值，则判定所述估计序列和所述量测序列的趋势具有相关性，并进一步采用四分位数展布法对所述惯性导航设备在当前时刻的实测的输出数据和预估的输出数据进行检测，若检测到所述惯性导航设备在当前时刻的实测的输出数据相对于预估的输出数据存在异常，则判定所述水下运载器运动发生异常并实施预警。本发明实施例还提供了一种水下运载器运动异常检测系统，包括：
惯性导航设备，安装于水下运载器，用于采集表征水下运载器运行状态的实测数据；。应用中，惯性导航设备可以包括平台式惯导、捷联式惯导等。
异常检测处理器，安装于水下运载器，用于实时接收惯性导航设备输出的实测数据和水下运载器的潜浮控制系统输出的操纵数据，并执行上述水下运载器运动异常检测方法，对水下运载器运动状态进行检测。
本发明实施例中的水下运载器运动异常检测系统，通过惯性导航设备实时采集水下运载器的运动状态数据，并通过异常检测处理器将运动态势相关性分析方法和基于动力学的水下运载器运动状态空间方程相结合对水下运载器的运动状态进行检测，从而能够快速有效检测出海洋内波对水下运载器运动状态的影响，提高了检测结果的准确性和时效性。
本发明实施例还提供了一种计算设备，参照图8，该计算设备包括存储器1120、处理器1110和存储在存储器1120内并能由处理器1110运行的计算机程序，该计算机程序存储于存储器1120中的用于程序代码的空间1130，该计算机程序在由处理器1110执行时实现用于执行任一项根据本发明的方法步骤1131。
本发明实施例还提供了一种计算机可读存储介质。参照图9，该计算机可读存储介质包括用于程序代码的存储单元，该存储单元设置有用于执行根据本发明的方法步骤的程序1131’，该程序被处理器执行。
本申请实施例还提供了一种包含指令的计算机程序产品。当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行任一项根据本发明的方法步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、获取其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成的，程序可以存储于计算机可读存储介质中，存储介质是非短暂性(英文：non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(英文：magnetic tape)，软盘(英文：floppy disk)，光盘(英文：opticaldisc)及其任意组合。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (14)

1.一种水下运载器运动异常检测方法，其特征在于：包括如下步骤：
获得估计序列步骤，所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
获得量测序列步骤，所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
比较趋势相关性步骤，以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。
2.根据权利要求1所述的检测方法，其特征在于：所述获得估计序列的步骤采用如下方式实现：
获取起始时刻能够表征所述水下运载器运行状态的实测数据以及操纵数据；
将获取的起始时刻的实测数据和操纵数据作为初始数据，输入预先构建的水下运载器运动模型；
将起始时刻至当前时刻的操纵数据依次输入所述水下运载器运动模型，得到每个时刻的预估数据，形成估计序列。
3.根据权利要求2所述的检测方法，其特征在于：所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
获得预估输出数据的分步骤，对所述预估运动参数进行坐标转换，得到起始时刻的下一时刻所述惯性导航设备预估的输出数据；
迭代获得估计序列的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻所述惯性导航设备预估的输出数据作为新的初始数据，重复上述获得起始运动参数的分步骤、获得起始运动参数导数的分步骤、获得预估运动参数的分步骤、获得预估输出数据的分步骤，直至获取到当前时刻所述惯性导航设备预估的输出数据，进而得到所述惯性导航设备输出数据的估计序列。
4.根据权利要求2所述的检测方法，其特征在于：所述水下运载器运动模型基于动力学原理构建，具有运动坐标系；在起始时刻，所述水下运载器的重心位于运动坐标系的原点；
所述获得估计序列步骤具体包括：
获得初始数据的分步骤，使用惯性导航设备获取起始时刻能够表征水下运载器运行状态的实测数据作为初始数据；
获得起始运动参数的分步骤，将初始数据转换至运动坐标系下，得到运动坐标系下水下运载器的起始运动参数；
获得起始运动参数导数的分步骤，将所述起始运动参数、起始时刻的操纵数据代入所述水下运载器运动模型，得到水下运载器的起始运动参数导数；
获得预估运动参数的分步骤，基于所述起始运动参数和所述起始运动参数导数，得到运动坐标系下水下运载器在起始时刻的下一时刻的预估运动参数；
迭代的分步骤，将所述起始时刻的下一时刻作为新的起始时刻，将起始时刻的下一时刻的预估运动参数作为新的起始运动参数，重复上述获得起始运动参数导数的分步骤和获得预估运动参数的分步骤，直至获取到当前时刻的预估运动参数，进而得到各个时刻的预估运动参数；
坐标转换得到估计序列的分步骤，对各个时刻的预估运动参数进行坐标转换，得到各个时刻所述惯性导航设备预估的输出数据，形成估计序列。
5.根据权利要求2-4任一项所述的检测方法，其特征在于：能够表征水下运载器运行状态的数据包括：北向速度、东向速度、垂向速度、北向加速度、东向加速度、垂向加速度、航向角、横倾角、纵倾角、航向角速度、横倾角速度、纵倾角速度；和/或，
所述水下运载器的操纵数据包括：水下运载器的尾升降舵角、首升降舵角、方向舵角、基准定常航速、水下运载器重力、水下运载器浮力。
6.根据权利要求1-4任一项所述的检测方法，其特征在于：所述获得量测序列步骤采用如下方式实现：
使用惯性导航设备，得到所述水下运载器自起始时刻直至当前时刻的运行状态的实测数据。
7.根据权利要求5所述的检测方法，其特征在于：所述获得量测序列步骤中，在使用惯性导航设备得到水下运载器的实测数据后，还包括对所述实测数据进行降噪处理的步骤。
8.根据权利要求7所述的检测方法，其特征在于：所述获得量测序列步骤中，采用Savitzky-Golay平滑最小二乘拟合对所述实测数据进行降噪处理。
9.根据权利要求1所述的方法，其特征在于，所述比较趋势相关性步骤具体包括：
获得相关系数序列的分步骤，以所述估计序列为基准，根据所述水下运载器运动模型与实际响应的滞后时间确定滑动分析的范围，采用spearman秩相关法分别对所述估计序列和所述量测序列中各个时刻对应参数的趋势相关性进行分析，得到各个时刻对应参数的相关系数序列；
获得均值的分步骤，基于每次滑动时各个时刻对应参数的相关系数序列计算所述估计序列和所述量测序列中各个时刻对应参数的相关系数的均值；
获得检测结果的分步骤，取所述均值中最大的均值作为从起始时刻至当前时刻所述估计序列和所述量测序列的趋势相关性的检测结果；
判定、预警的分步骤，若所述最大的均值小于或等于所述门限值，则判定所述估计序列和所述量测序列的趋势不相关，所述水下运载器运动发生异常并实施预警；若所述最大的均值大于所述门限值，则判定所述估计序列和所述量测序列的趋势具有相关性，并进一步采用四分位数展布法对所述惯性导航设备在当前时刻的实测的输出数据和预估的输出数据进行检测，若检测到所述惯性导航设备在当前时刻的实测的输出数据相对于预估的输出数据存在异常，则判定所述水下运载器运动发生异常并实施预警。
10.一种水下运载器运动异常检测装置，包括：
估计序列获取模块，用于获取估计序列，其中所述估计序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的预估数据的数据序列；
量测序列获取模块，用于获取量测序列，其中所述量测序列为能够表征水下运载器自起始时刻至当前时刻的运行状态的实测数据的数据序列；
趋势相关性比较、预警模块，用于以所述估计序列为基准，检测所述量测序列与所述估计序列的趋势相关性，基于所述趋势相关性的检测结果，判断所述量测序列是否存在异常，在判断为异常时，实施预警。
11.一种水下运载器运动异常检测系统，包括：
惯性导航设备，安装于水下运载器，用于采集表征水下运载器运行状态的实测数据；
异常检测处理器，安装于所述水下运载器，用于实时接收所述惯性导航设备输出的实测数据和所述水下运载器的潜浮控制系统输出的操纵数据，并执行权利要求1-9任一项所述的水下运载器运动异常检测方法，对所述水下运载器运动状态进行检测。
12.一种计算机设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的方法。
13.一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如权利要求1至9中任一项所述的方法。
14.一种计算机程序产品，包括计算机可读代码，当所述计算机可读代码由计算机设备执行时，导致所述计算机设备执行权利要求1至9中任一项所述的方法。
CN201811530267.6A 2018-12-14 2018-12-14 水下运载器运动异常检测方法、装置及系统 Active CN110926496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811530267.6A CN110926496B (zh) 2018-12-14 2018-12-14 水下运载器运动异常检测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811530267.6A CN110926496B (zh) 2018-12-14 2018-12-14 水下运载器运动异常检测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN110926496A true CN110926496A (zh) 2020-03-27
CN110926496B CN110926496B (zh) 2021-06-22

Family

ID=69856503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811530267.6A Active CN110926496B (zh) 2018-12-14 2018-12-14 水下运载器运动异常检测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110926496B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298319A (zh) * 2010-05-21 2011-12-28 费希尔-罗斯蒙特系统公司 过程分析模型与实际过程运转的在线对齐
CN102393196A (zh) * 2011-10-14 2012-03-28 中国船舶重工集团公司第七一五研究所 一种海洋内波声学探测方法
CN102970697A (zh) * 2011-09-01 2013-03-13 鼎桥通信技术有限公司 异常检测方法及装置
CN103900541A (zh) * 2014-03-06 2014-07-02 哈尔滨工程大学 一种海况估计器
CN105513091A (zh) * 2015-11-26 2016-04-20 哈尔滨工程大学 一种基于双贝叶斯估计的水下运动体运动状态估计方法
CN108593005A (zh) * 2018-05-31 2018-09-28 深圳智达机械技术有限公司 一种基于水下机器人的海洋环境监测系统
CN108986433A (zh) * 2018-08-09 2018-12-11 厦门硅田系统工程有限公司 一种船舶倾覆的告警方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298319A (zh) * 2010-05-21 2011-12-28 费希尔-罗斯蒙特系统公司 过程分析模型与实际过程运转的在线对齐
CN102970697A (zh) * 2011-09-01 2013-03-13 鼎桥通信技术有限公司 异常检测方法及装置
CN102393196A (zh) * 2011-10-14 2012-03-28 中国船舶重工集团公司第七一五研究所 一种海洋内波声学探测方法
CN103900541A (zh) * 2014-03-06 2014-07-02 哈尔滨工程大学 一种海况估计器
CN105513091A (zh) * 2015-11-26 2016-04-20 哈尔滨工程大学 一种基于双贝叶斯估计的水下运动体运动状态估计方法
CN108593005A (zh) * 2018-05-31 2018-09-28 深圳智达机械技术有限公司 一种基于水下机器人的海洋环境监测系统
CN108986433A (zh) * 2018-08-09 2018-12-11 厦门硅田系统工程有限公司 一种船舶倾覆的告警方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JONATHAN D.NASH 等: "Estimating Internal Wave Energy Fluxes in the Ocean", 《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY》 *
刘曙光 等: "水下滑翔机内波观测方法", 《海洋科学进展》 *
颜梅 等: "海洋内波预报技术研究的必要性与可行性初探", 《海洋预报》 *

Also Published As

Publication number Publication date
CN110926496B (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN107990891B (zh) 基于长基线和信标在线标定的水下机器人组合导航方法
CN105823503B (zh) 基于改进灰色预测gm（1,1）模型自主水下航行器传感器故障诊断方法
CN111860146B (zh) 海洋锋区域的获取方法、装置、计算机设备和存储介质
Banazadeh et al. Frequency domain identification of the Nomoto model to facilitate Kalman filter estimation and PID heading control of a patrol vessel
CN107179693A (zh) 基于Huber估计的鲁棒自适应滤波和状态估计方法
CN110555398A (zh) 一种基于滤波最优平滑确定故障首达时刻的故障诊断方法
Moreno-Salinas et al. Identification of a surface marine vessel using LS-SVM
JP2019532262A (ja) 船舶運航を最適化するための方法及びシステム
CN115342814B (zh) 一种基于多传感器数据融合的无人船定位方法
CN104180873A (zh) 一种单波束测深仪水深粗差检测修正方法及系统
CN106527454B (zh) 一种无稳态误差的远程水下航行器定深控制方法
Yoon et al. Estimation of the roll hydrodynamic moment model of a ship by using the system identification method and the free running model test
CN113297810B (zh) 一种检验海面高度的现场观测设备布放方法和系统
KR101406176B1 (ko) 수중로봇의 위치 추정 장치 및 그 방법
CN110926496B (zh) 水下运载器运动异常检测方法、装置及系统
CN111999747B (zh) 一种惯导-卫星组合导航系统的鲁棒故障检测方法
CN105783909B (zh) 一种基于ukf和pso-svm的hov混合水下导航定位方法
CN116910473A (zh) 海底沉积物宽频声速预测方法、计算机装置和存储介质
CN114488220A (zh) 一种基于超短基线的近海底视频数据定位校正方法
JP6610898B2 (ja) 横メタセンタ高さ推定装置及び横メタセンタ高さ推定方法
CN108711203B (zh) 一种基于代理模型的破损船体波浪载荷快速预报方法
Newhall et al. Improved estimation of the shape of towed sonar arrays
CN117367410B (zh) 状态估计方法、无人水下航行器及计算机可读存储介质
Bremnes et al. Sensor-based hybrid translational observer for underwater navigation
Rentzow et al. Temperature gradient following method for box-shaped AUV

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant