CN111532398A - 一种关于无人船的模拟与观测算法 - Google Patents

Abstract

本发明公开了一种关于无人船的模拟与观测算法，包括无人船模型、环境模型、观测模型。本发明涉及的无人船的模拟与观测算法，针对模拟无人船状态和观测信号这一关键技术，基于非线性解法，建立无人船模拟器模型和观测器模型，保证了在进行控制系统模拟时可以模拟真实工作情况，得到准确度较高的模拟结果。此方法对无人船研究领域的发展和后续研究工作奠定了良好的基础。

Description

一种关于无人船的模拟与观测算法

技术领域

本发明涉及一种无人船智能控制下的模拟与观测方法，尤其是涉及一种关于无人船的模拟与观测算法。

背景技术

无人船一般是以有动力的船体为平台，搭载通讯设备、控制设备和特殊功能设备，开展某项特殊工作。通过地面的基站或母船的控制中心可以完成无人船的远程控制或无人船实现完全自主控制。目前，无人船相关研究成为热点，无人船具有灵活性高、控制性能强、成本低等优点。目前现有的针对无人船的控制性能的研究，大多基于各类控制算法，并利用实验进行模拟，以保证算法的可行性。这些实验对场地和设备要求较高，不利于研究的开展。一些现有的模拟方法对无人船的参数考虑的也不够全面，无法保证模拟的准确性。因此，需要一种完善的无人船的模拟与观测算法，可以确保对无人船进行仿真模拟和观测。

发明内容

为解决上述技术问题，本发明设计了一种关于无人船的模拟与观测算法。

本发明采用如下技术方案：

一种关于无人船的模拟与观测算法，包括无人船模型、环境模型、观测模型；

上述无人船模型，在已知的模拟对象上，记录船型参数涉及到的各项信息，并利用算法加以整合；

上述无人船模型，其主要组成参数有：船长、无人船质量、附加质量、惯性矩、吃水深度和横稳心高度；

上述环境模型，主要考虑无人船航行的是风载荷模型、浪载荷模型和流载荷模型；

上述环境模型，其中的风载荷模型与流载荷模型，其计算公式为：

F＝Cv²

式中：

F：风载荷、流载荷的拖曳力；C：载荷系数；v：无人船运动速度；

上述环境模型，其中的风载荷模型，其大小和方向计算公式为：

w_wind＝[X_wind,Y_wind,N_wind]

式中：

C_X、C_Y：风力系数；C_N：风力矩系数；ρ_a：空气的密度；A_T、A_L：横向和侧向投影面积；L：船舶的长度；V_r：相对风速；

上述环境模型，其中的浪载荷模型主要考虑二阶波浪力；

上述环境模型，其中的浪载荷模型采用波浪谱与公式相结合的方式计算；

上述环境模型，其中的浪载荷模型载荷矢量为：

w_wave＝[X_wave,Y_wave,N_wave]

式中：

w_i(i＝1,2,3)：高斯白噪声；λ：波长；

上述环境模型，其中的流载荷模型，其速度计算公式为：

式中：

无人船在两个方向上的速度分量；

上述观测模型，主要模拟船用GPS信号和船用惯性导航信号；

上述观测模型，包括平移观测器和姿态观测器两部分；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式连接；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式主要是指：船用GPS独自处理船舶的位置信息，船用惯性导航系统的处理器则会处理速度、加速度的信息；这两个系统相互独立，可以同时对数据进行处理；

上述观测模型，平移观测器主要用于测量无人船的位置和速度，测量中产生的噪声通过卡尔曼滤波方法处理；

上述观测模型，平移观测器在数据处理时将通过改变时间步的方式将信号进行离散化处理；

上述观测模型，姿态观测器主要用于测量无人船目前的姿态；

上述观测模型，姿态观测器在测量时利用投影算子控制陀螺仪的偏置。

本发明的有益效果是：本发明涉及的无人船的模拟与观测算法，针对模拟无人船状态和观测信号这一关键技术，基于非线性解法，建立无人船模拟器模型和观测器模型，保证了在进行控制系统模拟时可以模拟真实工作情况，得到准确度较高的模拟结果。此方法对无人船研究领域的发展和后续研究工作奠定了良好的基础。

附图说明

图1是无人船模拟算法的工作流程；

图2是无人船观测算法的工作流程

具体实施方式

下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体描述：

实施例：一种关于无人船的模拟与观测算法，包括无人船模型、环境模型、观测模型；

上述无人船模型，在已知的模拟对象上，记录船型参数涉及到的各项信息，并利用算法加以整合；

上述无人船模型，其主要组成参数有：船长、无人船质量、附加质量、惯性矩、吃水深度和横稳心高度；

上述环境模型，主要考虑无人船航行的是风载荷模型、浪载荷模型和流载荷模型；

上述环境模型，其中的风载荷模型与流载荷模型，其计算公式为：

F＝Cv²

式中：

F：风载荷、流载荷的拖曳力；C：载荷系数；v：无人船运动速度；

上述环境模型，其中的风载荷模型，其大小和方向计算公式为：

w_wind＝[X_wind,Y_wind,N_wind]

式中：

C_X、C_Y：风力系数；C_N：风力矩系数；ρ_a：空气的密度；A_T、A_L：横向和侧向投影面积；L：船舶的长度；V_r：相对风速；

上述环境模型，其中的浪载荷模型主要考虑二阶波浪力；

上述环境模型，其中的浪载荷模型采用波浪谱与公式相结合的方式计算；

上述环境模型，其中的浪载荷模型载荷矢量为：

w_wave＝[X_wave,Y_wave,N_wave]

式中：

w_i(i＝1,2,3)：高斯白噪声；λ：波长；

上述环境模型，其中的流载荷模型，其速度计算公式为：

式中：

无人船在两个方向上的速度分量；

上述观测模型，主要模拟船用GPS信号和船用惯性导航信号；

上述观测模型，包括平移观测器和姿态观测器两部分；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式连接；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式主要是指：船用GPS独自处理船舶的位置信息，船用惯性导航系统的处理器则会处理速度、加速度的信息；这两个系统相互独立，可以同时对数据进行处理；

上述观测模型，平移观测器主要用于测量无人船的位置和速度，测量中产生的噪声通过卡尔曼滤波方法处理；

上述观测模型，平移观测器在数据处理时将通过改变时间步的方式将信号进行离散化处理；

上述观测模型，姿态观测器主要用于测量无人船目前的姿态；

上述观测模型，姿态观测器在测量时利用投影算子控制陀螺仪的偏置。

结合图1说明本发明涉及的无人船模拟器算法的工作方式。在进行无人船的模拟时，主要工作是通过无人船水面下的几何形状，在三维频域线性势流理论框架内，计算出无人船的重要水动力参数。需要计算的水动力系数包括：无人船的排水体积(即无人船质量)，无人船的附加质量与阻尼系数，无人船的一阶波浪力传递函数，二阶定常慢漂力传递函数。同时通过无人船水面下的几何形状，给出无人船的流载荷系数表格，计算海流载荷。同理，通过无人船水面上的几何形状，给出无人船的风载荷系数表格，实时模拟无人船的风载荷。最后在时域框架内，应用无人船的波浪载荷系数，附加质量阻尼系数，风、流载荷系数，实时地进行模拟，得到无人船模拟状态下，在某海况载荷作用下，以及无人船的推进力作用下的六自由度无人船运动。无人船运动信息包括：无人船的加速度，角加速度，速度，位置等。模拟得到的无人船运动信息可以用来模拟船载传感器的读数，为后续无人船的观测算法提供数据。

结合图2说明本发明涉及的无人船观测算法的工作方式。在姿态观测器中，主要处理模拟惯性导航传感器的读数，即加速度计的模拟读数

与陀螺仪的模拟读数

为物体收到的外力产生的加速度相对于惯性参考系的值在随体坐标系下的表达，利用陀螺仪将该读数转换到惯性坐标系下。图2中，姿态观测器的输入端为传感器输入

与

地磁的测量

与地磁模型m^e、以及加速度

在惯性坐标系下的表达。姿态观测器的输出为处理后的转换矩阵、角速度

耦合修正项

以及陀螺仪的定常偏置

将加速度测量转换到惯性坐标系之后，可以通过积分加速度得到速度，进一步得到位置。由于加速度传感器与陀螺仪在传感器物理层面存在偏置，所以在平移观测器中，将加速度积分得到的位置与全球定位系统得到的位置进行比对，并修正陀螺仪的误差。平移观测器的输入端为给出的位置与速度测量在惯性坐标系下的表达、加速度测量

耦合修正项

以及随体坐标系到惯性坐标系的转换矩阵。由此，可以得到无人船在模拟航行时观测到的模拟位置变化信息、模拟速度信息、模拟加速度信息和模拟姿态信息。

本发明涉及的关于无人船的模拟与观测算法，其工作时主要工作流程是：

(1)确定模拟的船舶的各项参数和模拟的环境参数；

(2)通过本发明提出的模拟算法在软件中生成船舶模型，并将风载荷、浪载荷和流载荷施加在模型上；

(3)输入无人船起始位置的虚拟GPS信号，本发明提出的观测算法可以利用地球模型、虚拟GPS系统、虚拟惯性导航系统模拟无人船在航行时的观测信号；

(4)利用本发明提出的虚拟平移观测器和虚拟姿态观测器对信号进行处理，得到虚拟位置、速度、加速度、姿态等信息。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (1)

1.一种关于无人船的模拟与观测算法，其特征是，其包括无人船模型、环境模型、观测模型；

上述无人船模型，在已知的模拟对象上，记录船型参数涉及到的各项信息，并利用算法加以整合；

上述无人船模型，其主要组成参数有：船长、无人船质量、附加质量、惯性矩、吃水深度和横稳心高度；

上述环境模型，主要考虑无人船航行的是风载荷模型、浪载荷模型和流载荷模型；

上述环境模型，其中的风载荷模型与流载荷模型，其计算公式为：

F＝Cv²

式中：

F：风载荷、流载荷的拖曳力；C：载荷系数；v：无人船运动速度；

上述环境模型，其中的风载荷模型，其大小和方向计算公式为：

w_wind＝[X_wind,Y_wind,N_wind]

式中：

C_X、C_Y：风力系数；C_N：风力矩系数；ρ_a：空气的密度；A_T、A_L：横向和侧向投影面积；L：船舶的长度；V_r：相对风速；

上述环境模型，其中的浪载荷模型主要考虑二阶波浪力；

上述环境模型，其中的浪载荷模型采用波浪谱与公式相结合的方式计算；

上述环境模型，其中的浪载荷模型载荷矢量为：

w_wave＝[X_wave,Y_wave,N_wave]

式中：

w_i(i＝1,2,3)：高斯白噪声；λ：波长；

上述环境模型，其中的流载荷模型，其速度计算公式为：

式中：

无人船在两个方向上的速度分量；

上述观测模型，主要模拟船用GPS信号和船用惯性导航信号；

上述观测模型，包括平移观测器和姿态观测器两部分；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式连接；

上述观测模型，平移观测器与姿态观测器采用松耦合的方式主要是指：船用GPS独自处理船舶的位置信息，船用惯性导航系统的处理器则会处理速度、加速度的信息；这两个系统相互独立，可以同时对数据进行处理；

上述观测模型，平移观测器主要用于测量无人船的位置和速度，测量中产生的噪声通过卡尔曼滤波方法处理；

上述观测模型，平移观测器在数据处理时将通过改变时间步的方式将信号进行离散化处理；

上述观测模型，姿态观测器主要用于测量无人船目前的姿态；

上述观测模型，姿态观测器在测量时利用投影算子控制陀螺仪的偏置。

Images