CN115469553B - 一种船舶运动状态重构方法、装置、设备及存储介质 - Google Patents

一种船舶运动状态重构方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115469553B
CN115469553B CN202211359385.1A CN202211359385A CN115469553B CN 115469553 B CN115469553 B CN 115469553B CN 202211359385 A CN202211359385 A CN 202211359385A CN 115469553 B CN115469553 B CN 115469553B
Authority
CN
China
Prior art keywords
ship
state equation
interference
equation
state information
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.)
Active
Application number
CN202211359385.1A
Other languages
English (en)
Other versions
CN115469553A (zh
Inventor
谢华伟
韩俊庆
李伟
孟凡彬
胡英俊
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.)
707th Research Institute of CSIC
707th Research Institute of CSIC Jiujiang Branch
Original Assignee
707th Research Institute of CSIC
707th Research Institute of CSIC Jiujiang Branch
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 707th Research Institute of CSIC, 707th Research Institute of CSIC Jiujiang Branch filed Critical 707th Research Institute of CSIC
Priority to CN202211359385.1A priority Critical patent/CN115469553B/zh
Publication of CN115469553A publication Critical patent/CN115469553A/zh
Application granted granted Critical
Publication of CN115469553B publication Critical patent/CN115469553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种船舶运动状态重构方法、装置、设备及存储介质。包括：获取船舶的行驶参数，根据行驶参数建立船舶航向的初始状态方程；获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程；将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，重构船舶运动状态信息包括船舶航向改变量。通过获取船舶的行驶参数建立船舶航向的初始状态方程后再通过干扰项对初始状态方程进行扩展，能够有效地滤除海浪干扰环境下航向信号中的高频干扰，以实现减少船舶航行时的无效舵问题，再将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，实现海浪滤波的同时消除干扰环境下状态观测静差问题。

Description

一种船舶运动状态重构方法、装置、设备及存储介质
技术领域
本发明涉及船舶控制领域，尤其涉及一种船舶运动状态重构方法、装置、设备及存储介质。
背景技术
船舶在海上航行时，海浪的一阶波浪力会造成船舶航向的高频振荡，若直接将此信号反馈给自动舵系统，航向控制器会输出相应的高频舵角指令；然而由于船舶是一个大惯性系统，其航向运动的响应频率较小，当船舶的舵机系统接收到高于船舶航向响应频率的舵角指令时，无论采取多大舵角，船舶的运动状态都不会响应，这种操舵被称为无效操舵。
为了解决无效舵问题，通常的做法是对海浪高频干扰下的航向信号进行滤波，常用的滤波方法有均值滤波、低通滤波、带通滤波与陷波滤波等。
但是现有技术这几种滤波方法会产生信号的相位滞后，这种滞后会恶化航向控制器的控制效果；为解决相位滞后问题，可采用现代控制理论中的状态观测器实现无相位滞后的海浪滤波，但这种方法在风、流等干扰环境下会出现估计静差。
发明内容
本发明提供了一种船舶运动状态重构方法、装置、设备及存储介质，以实现船舶运动状态中的高频海浪干扰滤波以及低频干扰环境下运动状态的无差估计，有效减弱海浪环境下的无效舵问题。
根据本发明的一方面，提供了一种船舶运动状态重构方法，包括：
获取船舶的行驶参数，根据行驶参数建立船舶航向的初始状态方程；
获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程；
将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，重构船舶运动状态信息包括船舶航向改变量。
优选的，根据行驶参数建立船舶航向的初始状态方程，包括：根据行驶参数获得船舶状态信息，其中，船舶状态信息包括增益参数、时间常数和高频摆动值；根据船舶状态信息生成初始状态方程。
优选的，根据行驶参数获得船舶状态信息，包括：获取Nomoto模型，根据行驶参数对Nomoto模型进行离散处理，获得离散后的Nomoto模型；将离散后的Nomoto模型进行参数估计，获得参数估计值，其中，参数估计值用于表示船舶航向角；根据参数估计值获得增益参数和时间常数。
优选的，根据行驶参数获得船舶状态信息，包括：获取预先构建的一阶波浪力的二阶传递函数，将行驶参数代入二阶传递函数得到船舶航向的高频摆动值。
优选的，根据船舶状态信息生成初始状态方程，包括：将高频摆动值代入预先构建的状态方程，生成波浪力状态方程；根据波浪力状态方程、增益参数和时间常数生成初始状态方程。
优选的，船舶状态信息还包括总航向角，获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程，包括：提取船舶的行驶参数中的环境干扰力，将环境干扰力作为干扰项；将干扰项结合总航向角对初始状态方程进行扩展，生成最终状态方程。
优选的，将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，包括：对最终状态方程进行离散化处理获得离散信息，其中，离散信息中包括当前时刻的离散信息和上一时刻的离散信息；根据上一时刻的离散信息计算当前时刻的状态先验值及卡尔曼增益；根据状态先验值和卡尔曼增益计算状态后验值以及协方差后验值；根据状态后验值以及协方差后验值获得重构船舶运动状态信息。
根据本发明的另一方面，提供了一种船舶运动状态重构装置，包括：
初始状态方程建立模块，用于获取船舶的行驶参数，根据行驶参数建立船舶航向的初始状态方程；
最终状态方程生成模块，用于获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程；
重构运动状态信息获取模块，用于将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，重构船舶运动状态信息包括船舶航向改变量。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种船舶运动状态重构方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种船舶运动状态重构方法。
本发明实施例的技术方案，通过获取船舶的行驶参数建立船舶航向的初始状态方程后再通过干扰项对初始状态方程进行扩展，能够有效地滤除海浪干扰环境下航向信号中的高频干扰，以实现减少船舶航行时的无效舵问题，再将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，实现海浪滤波的同时消除干扰环境下状态观测静差问题。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种船舶运动状态重构方法的流程图；
图2是根据本发明实施例一提供的另一种船舶运动状态重构方法的流程图；
图3是根据本发明实施例二提供的一种获得重构船舶运动状态信息方法的流程图；
图4是根据本发明实施例三提供的一种船舶运动状态重构装置的结构示意图；
图5是实现本发明实施例的一种船舶运动状态重构方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种船舶运动状态重构方法的流程图，本实施例可适用于船舶海上航行的情况，该方法可以由抗干扰的船舶运动状态重构装置来执行，该抗干扰的船舶运动状态重构装置可以采用硬件和/或软件的形式实现，该抗干扰的船舶运动状态重构装置可配置于计算机中。如图1所示，该方法包括：
S110、获取船舶的行驶参数，根据行驶参数建立船舶航向的初始状态方程。
其中，船舶的行驶参数可以理解为船舶在行驶过程中对自身的航行状态及所处环境干扰因素进行测量得出的参数，可以是船舶纵向速度、船舶横向速度、转艏角速度以及舵角等，控制器会在获取到船舶的行驶参数后，会将行驶参数输入模型，模型是指一阶线性Nomoto模型，再根据模型的输出建立船舶航向的初始状态方程。
图2为本发明实施例一提供了一种航道路径确定方法的流程图，步骤S110主要包括如下的步骤S111至步骤S112：
S111、根据行驶参数获得船舶状态信息。
其中，船舶状态信息包括增益参数、时间常数和高频摆动值，高频摆动值代表航向的高频信号。
优选的，获取Nomoto模型，根据行驶参数对Nomoto模型进行离散处理，获得离散后的Nomoto模型；将离散后的Nomoto模型进行参数估计，获得参数估计值，其中，参数估计值用于表示船舶航向角；根据参数估计值获得增益参数和时间常数。
具体的，将行驶参数中的舵角输入和转艏角速度以获取Nomoto模型，即采用如下公式（1）表示船舶Nomoto模型：
Figure 114849DEST_PATH_IMAGE001
（1）
其中，T表示时间常数，K表示增益参数，d表示行驶参数中环境干扰因素组成的干 扰项，
Figure 31990DEST_PATH_IMAGE002
表示舵角输入，r表示转艏角速度，
Figure 608465DEST_PATH_IMAGE003
表示转艏角速度的导数，为了对Nomoto模型的 K、T参数进行辨识，假设干扰项d=0，使用后向差分的方法对一阶线性Nomoto模型进行离散 化，即用
Figure 3674DEST_PATH_IMAGE004
代替
Figure 552467DEST_PATH_IMAGE003
，后向差分是指后一项减前一项再比上离散化的采样时间，对于
Figure 374929DEST_PATH_IMAGE005
可以 得到
Figure 438700DEST_PATH_IMAGE006
，其他项同理，离散化过程如式（2）所示：
Figure 637600DEST_PATH_IMAGE007
（2）
其中，T表示时间常数，K表示增益参数，TS表示离散化的采样时间，
Figure 40900DEST_PATH_IMAGE002
表示舵角输 入，
Figure 34264DEST_PATH_IMAGE008
表示总航向角，k表示项数即采样次数，控制器会将离散化的Nomoto方程转化为参数 估计的形式，即采用如下公式（3）表示：
Figure 585331DEST_PATH_IMAGE009
（3）
其中，
Figure 322343DEST_PATH_IMAGE010
表示艏向角，
Figure 580149DEST_PATH_IMAGE011
表示辨识参数，
Figure 9993DEST_PATH_IMAGE012
表示前一时刻的航向信息、前两时刻 的航向信息以及前一时刻的舵角信息的总和，k表示项数即采样次数，本实施方式中基于船 舶巡航航速下的Z型实验数据采用带有遗忘因子的最小二乘算法进行参数估计，即采用如 下公式（4）进行参数估计：
Figure 251618DEST_PATH_IMAGE013
（4）
其中，P（k）与K（k）表示算法的辅助矩阵，
Figure 74212DEST_PATH_IMAGE014
表示遗忘因子，
Figure 717683DEST_PATH_IMAGE011
表示辨识参数，k表示 项数即采样次数，控制器根据参数估计值获得增益参数和时间常数，最终可采用如下公式 （5）计算增益参数和时间常数：
Figure 787270DEST_PATH_IMAGE015
（5）
其中，T表示时间常数，K表示增益参数，TS表示离散化的采样时间，
Figure 516192DEST_PATH_IMAGE016
表示和
Figure 391744DEST_PATH_IMAGE017
表 示辨识参数。
优选的，根据行驶参数获得船舶状态信息，包括：获取预先构建的一阶波浪力的二阶传递函数，将行驶参数代入二阶传递函数得到船舶航向的高频摆动值。
具体的，海浪对于航行中船舶的作用力分为一阶波浪力与二阶波浪力。其中，二阶波浪力为漂移力，其作用可使船舶偏离原航向；一阶波浪力为高频作用力，其作用会使船舶航向高频摆动，控制器可以将行驶参数代入一阶海浪力对船舶航向产生的高频摆动运动的二阶传递函数得到船舶航向的高频摆动值，即采用如下公式（6）表示高频摆动值：
Figure 889721DEST_PATH_IMAGE018
（6）
其中，
Figure 395789DEST_PATH_IMAGE019
表示零均值高斯白噪声随机过程，
Figure 346428DEST_PATH_IMAGE020
表示海浪高频信号对船舶航向运动 影响的主频率，
Figure 25671DEST_PATH_IMAGE021
表示阻尼比，s表示拉普拉斯算子，
Figure 378154DEST_PATH_IMAGE022
表示高频摆动值，
Figure 55123DEST_PATH_IMAGE023
表示高频航向 信息的增益参数。
S112、根据船舶状态信息生成初始状态方程。
优选的，根据船舶状态信息生成初始状态方程，包括：将高频摆动值代入预先构建的状态方程，生成波浪力状态方程；根据波浪力状态方程、增益参数和时间常数生成初始状态方程。
具体的，控制器会将高频摆动值代入预先构建的状态方程生成波浪力状态方程，即采用如下公式（7）表示波浪力状态方程：
Figure 493058DEST_PATH_IMAGE024
（7）
其中，
Figure 710413DEST_PATH_IMAGE022
表示高频摆动值，
Figure 182982DEST_PATH_IMAGE025
表示高频摆动值的导数，
Figure 342437DEST_PATH_IMAGE026
表示高频信号积分项，
Figure 64406DEST_PATH_IMAGE027
表示高频信号积分项的导数，
Figure 288713DEST_PATH_IMAGE020
表示海浪高频信号对船舶航向运动影响的主频率，
Figure 350210DEST_PATH_IMAGE021
表 示阻尼比，
Figure 368982DEST_PATH_IMAGE019
表示零均值高斯白噪声随机过程，
Figure 781509DEST_PATH_IMAGE023
表示高频航向信息的增益参数。
控制器联合波浪力状态方程、增益参数和时间常数生成初始状态方程，即采用如下公式（8）表示初始状态方程：
Figure 606245DEST_PATH_IMAGE028
（8）
其中，
Figure 787828DEST_PATH_IMAGE029
表示低频摆动值即航向低频信号，
Figure 711922DEST_PATH_IMAGE030
表示低频摆动值的导数，
Figure 611744DEST_PATH_IMAGE022
表示高 频摆动值，
Figure 725325DEST_PATH_IMAGE025
表示高频摆动值的导数，
Figure 26993DEST_PATH_IMAGE026
表示高频信号积分项，
Figure 121988DEST_PATH_IMAGE027
表示高频信号积分项的 导数，
Figure 509107DEST_PATH_IMAGE031
表示航向角速度的低频信号，
Figure 675647DEST_PATH_IMAGE032
航向角速度的低频信号积分项的导数，T表示时间 常数，K表示增益参数，
Figure 566242DEST_PATH_IMAGE021
表示阻尼比，
Figure 363297DEST_PATH_IMAGE033
表示舵角输入，
Figure 706554DEST_PATH_IMAGE020
表示海浪高频信号对船舶航向运 动影响的主频率，
Figure 880046DEST_PATH_IMAGE023
表示高频航向信息的增益参数。
S120、获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程。
优选的，船舶状态信息还包括总航向角，获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程，包括：提取船舶的行驶参数中的环境干扰力，将环境干扰力作为干扰项；将干扰项结合总航向角对初始状态方程进行扩展，生成最终状态方程。
其中，船舶状态信息还包括总航向角由船舶上的罗经设备测得的总航向角，总航向角可认为是由操舵产生的航向角、一阶海浪力产生的航向角和测量干扰叠加而成，即采用如下公式（9）表示航向角：
Figure 687465DEST_PATH_IMAGE034
（9）
其中，
Figure 655421DEST_PATH_IMAGE008
表示总航向角，
Figure 485974DEST_PATH_IMAGE035
表示零均值高斯测量噪声，
Figure 197578DEST_PATH_IMAGE029
表示航向低频信号，
Figure 859503DEST_PATH_IMAGE022
表示高频摆动值。
进一步的，由于船舶在航行过程中会受到风、流、浪的二阶干扰力影响，即这些干 扰力会造成船舶的无效舵现象，即干扰力会造成船舶航向的高频振荡，若直接将此信号反 馈给自动舵系统，航向控制器会输出相应的高频舵角指令；然而由于船舶是一个大惯性系 统，其航向运动的响应频率较小，当船舶的舵机系统接收到高于船舶航向响应频率的舵角 指令时，无论采取多大舵角，船舶的运动状态都不会响应，故通过将干扰项加入初始状态方 程可以对干扰项进行消除，综上，Nomoto模型中环境与未建模的干扰项
Figure 998361DEST_PATH_IMAGE036
会使状态观测的 结果存在误差，因此本实施例中将干扰项作为扩张状态加入到初始状态方程中，即采用如 下公式（10）表示最终状态方程：
Figure 581789DEST_PATH_IMAGE037
（10）
其中，
Figure 565925DEST_PATH_IMAGE029
表示低频摆动值即航向低频信号，
Figure 551199DEST_PATH_IMAGE030
表示低频摆动值的导数，
Figure 918681DEST_PATH_IMAGE022
表示高 频摆动值，
Figure 989405DEST_PATH_IMAGE025
表示高频摆动值的导数，
Figure 777233DEST_PATH_IMAGE026
表示高频信号积分项，
Figure 617013DEST_PATH_IMAGE027
表示高频信号积分项的 导数，
Figure 97673DEST_PATH_IMAGE031
表示航向角速度的低频信号，
Figure 186852DEST_PATH_IMAGE032
航向角速度的低频信号积分项的导数，T表示时间 常数，K表示增益参数，
Figure 43949DEST_PATH_IMAGE021
表示阻尼比，
Figure 472656DEST_PATH_IMAGE038
表示舵角输入，
Figure 124218DEST_PATH_IMAGE020
表示海浪高频信号对船舶航向运 动影响的主频率，d表示行驶参数中环境干扰因素组成的干扰项，
Figure 966272DEST_PATH_IMAGE023
表示高频航向信息的 增益参数。
S130、将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息。
具体的，控制器基于卡尔曼滤波算法原理根据船舶航行时的实时输入输出数据重构运动状态信息，其中，重构船舶运动状态信息包括船舶航向改变量，控制器通过海浪二阶传递函数与一阶Nomoto模型建立用于海浪滤波的四阶状态方程即初始状态方程，并通过干扰项为扩张状态建立五阶状态方程即最终状态方程，最后基于卡尔曼滤波递推算法设计海浪滤波器，即将最终状态方程结合卡尔曼滤波算法获得重构运动状态信息，即通过控制船舶航向改变量实现海浪滤波的同时消除干扰环境下状态观测静差问题。
本发明实施例的技术方案，通过获取船舶的行驶参数建立船舶航向的初始状态方程后再通过干扰项对初始状态方程进行扩展，能够有效地滤除海浪干扰环境下航向信号中的高频干扰，以实现减少船舶航行时的无效舵问题，再将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，实现海浪滤波的同时消除干扰环境下状态观测静差问题。
实施例二
图3为本发明实施例二提供的一种获得重构船舶运动状态信息方法的流程图，本实施例对上述实施例一中的将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息进行具体说明。如图3所示，该方法包括：
S210、对最终状态方程进行离散化处理获得离散信息。
其中，离散信息中包括当前时刻的离散信息和上一时刻的离散信息，控制器使用后向差分方法对扩张状态的状态空间表达式进行离散化处理，由于使用后差分法进行离散化处理的过程为现有技术，故本实施方式中不再进行赘述，即采用如下公式（11）表示离散化处理后的最终状态方程：
Figure 361481DEST_PATH_IMAGE039
（11）
其中，
Figure 910274DEST_PATH_IMAGE040
，
Figure 732736DEST_PATH_IMAGE041
，
Figure 796507DEST_PATH_IMAGE042
,
Figure 995408DEST_PATH_IMAGE043
与
Figure 133128DEST_PATH_IMAGE044
表示系统输入输出的离散量，
Figure 392071DEST_PATH_IMAGE045
表示上一时刻的离散信息，
Figure 146400DEST_PATH_IMAGE046
表示对角矩阵，
Figure 430882DEST_PATH_IMAGE047
为采样时间，Zk表示测量值，A、B及C分别代表 最终状态方程中的矩阵，并且
Figure 954267DEST_PATH_IMAGE048
，
Figure 118533DEST_PATH_IMAGE049
，
Figure 94579DEST_PATH_IMAGE050
。
S220、根据上一时刻的离散信息计算当前时刻的状态先验值及卡尔曼增益。
具体的，控制器会基于卡尔曼滤波原理根据船舶航行时的实时输入输出数据重构 运动状态信息，控制器会确定过程噪声方差Q、测量噪声方差R、初始状态
Figure 432019DEST_PATH_IMAGE051
以及初始协方差 矩阵
Figure 75490DEST_PATH_IMAGE052
，根据上一时刻的离散信息计算当前时刻的状态先验值，即采用如下公式（12）计算 当前时刻的状态先验值：
Figure 410657DEST_PATH_IMAGE053
（12）
其中，
Figure 873999DEST_PATH_IMAGE054
表示过程噪声方差，
Figure 952813DEST_PATH_IMAGE055
表示状态转移矩阵，
Figure 247528DEST_PATH_IMAGE056
表示
Figure 753596DEST_PATH_IMAGE055
的转置，
Figure 704235DEST_PATH_IMAGE057
表示输 入增益，
Figure 586740DEST_PATH_IMAGE044
表示系统输出的离散量，
Figure 735962DEST_PATH_IMAGE058
表示当前时刻的状态先验值，
Figure 678510DEST_PATH_IMAGE059
表示当前时 刻的协方差先验值，
Figure 850865DEST_PATH_IMAGE045
表示上一时刻的离散信息，
Figure 271482DEST_PATH_IMAGE060
表示上一时刻的协方差矩阵，同时 控制器还会计算出卡尔曼增益，即采用如下公式（13）计算卡尔曼增益：
Figure 744052DEST_PATH_IMAGE061
（13）
其中，R表示测量噪声方差，
Figure 637927DEST_PATH_IMAGE062
表示输出增益，
Figure 563158DEST_PATH_IMAGE059
表示当前时刻的协方差先验 值，
Figure 521887DEST_PATH_IMAGE063
表示
Figure 848963DEST_PATH_IMAGE062
的转置，
Figure 930051DEST_PATH_IMAGE064
表示卡尔曼增益。
S230、根据状态先验值和卡尔曼增益计算状态后验值以及协方差后验值。
具体的，控制器在获得状态先验值和卡尔曼增益后，还会根据状态先验值以及测量值和卡尔曼增益计算状态后验值以及协方差后验值，即采用如下公式（14）计算状态后验值以及协方差后验值：
Figure 342578DEST_PATH_IMAGE065
（14）
其中，
Figure 839419DEST_PATH_IMAGE062
表示输出增益，
Figure 21001DEST_PATH_IMAGE066
表示测量值，I表示对角矩阵，
Figure 476253DEST_PATH_IMAGE067
表示卡尔曼增益，
Figure 172814DEST_PATH_IMAGE059
表示当前时刻的协方差先验值，
Figure 738925DEST_PATH_IMAGE058
表示当前时刻的状态先验值，
Figure 509434DEST_PATH_IMAGE043
表示状态后验 值，
Figure 135588DEST_PATH_IMAGE068
表示协方差后验值。
S240、根据状态后验值以及协方差后验值获得重构船舶运动状态信息。
具体的，控制器可以根据状态后验值以及协方差后验值获得重构船舶运动状态信息，即可以通过状态后验值以及协方差后验值确定船舶航向的改变量，因此船舶在海上航行时，即使遇到海浪的一阶波浪力造成的高频振荡，也不会使航向控制器输出高频舵角指令，即通过对海浪的一阶波浪力进行滤波后可以重构船舶运动状态，避免无效舵问题。
本发明实施例的技术方案，通过获取船舶的行驶参数建立船舶航向的初始状态方程后再通过干扰项对初始状态方程进行扩展，能够有效地滤除海浪干扰环境下航向信号中的高频干扰，以实现减少船舶航行时的无效舵问题，再将最终状态方程结合卡尔曼滤波算法，根据卡尔曼滤波算法输出的状态后验值以及协方差后验值获得重构船舶运动状态信息获得重构船舶运动状态信息，实现海浪滤波的同时消除干扰环境下状态观测静差问题。
实施例三
图4为本发明实施例三提供的一种船舶运动状态重构装置的结构示意图。如图4所示，该装置包括：初始状态方程建立模块310，用于获取船舶的行驶参数，根据行驶参数建立船舶航向的初始状态方程；最终状态方程生成模块320，用于获取干扰项，根据干扰项对初始状态方程进行扩展生成最终状态方程；重构运动状态信息获取模块330，用于将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，重构船舶运动状态信息包括船舶航向改变量。
优选的，初始状态方程建立模块310，具体包括：船舶状态信息获得单元，用于根据行驶参数获得船舶状态信息，其中，船舶状态信息包括增益参数、时间常数和高频摆动值；初始状态方程生成单元，用于根据船舶状态信息生成初始状态方程。
优选的，船舶状态信息获得单元，具体用于：获取Nomoto模型，根据行驶参数对Nomoto模型进行离散处理，获得离散后的Nomoto模型；将离散后的Nomoto模型进行参数估计，获得参数估计值，其中，参数估计值用于表示船舶航向角；根据参数估计值获得增益参数和时间常数。
优选的，船舶状态信息获得单元，具体用于：获取预先构建的一阶波浪力的二阶传递函数，将行驶参数代入二阶传递函数得到船舶航向的高频摆动值。
优选的，初始状态方程生成单元，具体用于：将高频摆动值代入预先构建的状态方程，生成波浪力状态方程；根据波浪力状态方程、增益参数和时间常数生成初始状态方程。
优选的，最终状态方程生成模块320，具体用于：提取船舶的行驶参数中的环境干扰力，将环境干扰力作为干扰项；将干扰项结合总航向角对初始状态方程进行扩展，生成最终状态方程。
优选的，重构运动状态信息获取模块330，具体用于：对最终状态方程进行离散化处理获得离散信息，其中，离散信息中包括当前时刻的离散信息和上一时刻的离散信息；根据上一时刻的离散信息计算当前时刻的状态先验值及卡尔曼增益；根据状态先验值和卡尔曼增益计算状态后验值以及协方差后验值；根据状态后验值以及协方差后验值获得重构船舶运动状态信息。
本发明实施例的技术方案，通过获取船舶的行驶参数建立船舶航向的初始状态方程后再通过干扰项对初始状态方程进行扩展，能够有效地滤除海浪干扰环境下航向信号中的高频干扰，以实现减少船舶航行时的无效舵问题，再将最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，实现海浪滤波的同时消除干扰环境下状态观测静差问题。
本发明实施例所提供的一种船舶运动状态重构装置可执行本发明任意实施例所提供的一种船舶运动状态重构方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如一种船舶运动状态重构方法。
在一些实施例中，一种船舶运动状态重构方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的一种船舶运动状态重构方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行一种船舶运动状态重构方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (8)

1.一种船舶运动状态重构方法，其特征在于，包括：
获取船舶的行驶参数，根据所述行驶参数建立船舶航向的初始状态方程；
获取干扰项，根据所述干扰项对所述初始状态方程进行扩展生成最终状态方程；
将所述最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，所述重构船舶运动状态信息包括船舶航向改变量；
其中，所述根据所述行驶参数建立船舶航向的初始状态方程，包括：根据所述行驶参数获得船舶状态信息，其中，所述船舶状态信息包括增益参数、时间常数和高频摆动值；根据所述船舶状态信息生成所述初始状态方程；
其中，所述船舶状态信息还包括总航向角，所述获取干扰项，根据所述干扰项对所述初始状态方程进行扩展生成最终状态方程，包括：提取所述船舶的行驶参数中的环境干扰力，将所述环境干扰力作为所述干扰项；将所述干扰项结合所述总航向角对所述初始状态方程进行扩展，生成所述最终状态方程。
2.根据权利要求1所述的方法，其特征在于，所述根据所述行驶参数获得船舶状态信息，包括：
获取Nomoto模型，根据所述行驶参数对所述Nomoto模型进行离散处理，获得离散后的所述Nomoto模型；
将所述离散后的Nomoto模型进行参数估计，获得参数估计值，其中，所述参数估计值用于表示船舶航向角；
根据所述参数估计值获得所述增益参数和所述时间常数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述行驶参数获得船舶状态信息，包括：
获取预先构建的一阶波浪力的二阶传递函数，将所述行驶参数代入所述二阶传递函数得到船舶航向的所述高频摆动值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述船舶状态信息生成所述初始状态方程，包括：
将所述高频摆动值代入预先构建的状态方程，生成波浪力状态方程；
根据所述波浪力状态方程、所述增益参数和所述时间常数生成所述初始状态方程。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，包括：
对所述最终状态方程进行离散化处理获得离散信息，其中，所述离散信息中包括当前时刻的离散信息和上一时刻的离散信息；
根据所述上一时刻的离散信息计算当前时刻的状态先验值及卡尔曼增益；
根据所述状态先验值和所述卡尔曼增益计算状态后验值以及协方差后验值；
根据所述状态后验值以及所述协方差后验值获得所述重构船舶运动状态信息。
6.一种船舶运动状态重构装置，其特征在于，包括：
初始状态方程建立模块，用于获取船舶的行驶参数，根据所述行驶参数建立船舶航向的初始状态方程；
最终状态方程生成模块，用于获取干扰项，根据所述干扰项对所述初始状态方程进行扩展生成最终状态方程；
重构运动状态信息获取模块，用于将所述最终状态方程结合卡尔曼滤波算法获得重构船舶运动状态信息，其中，所述重构船舶运动状态信息包括船舶航向改变量；
其中，初始状态方程建立模块，具体包括：船舶状态信息获得单元，用于根据所述行驶参数获得船舶状态信息，其中，所述船舶状态信息包括增益参数、时间常数和高频摆动值；初始状态方程生成单元，用于根据所述船舶状态信息生成所述初始状态方程；
其中，所述船舶状态信息还包括总航向角，最终状态方程生成模块，具体用于：提取所述船舶的行驶参数中的环境干扰力，将所述环境干扰力作为所述干扰项；将所述干扰项结合总航向角对所述初始状态方程进行扩展，生成所述最终状态方程。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的方法。
CN202211359385.1A 2022-11-02 2022-11-02 一种船舶运动状态重构方法、装置、设备及存储介质 Active CN115469553B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211359385.1A CN115469553B (zh) 2022-11-02 2022-11-02 一种船舶运动状态重构方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211359385.1A CN115469553B (zh) 2022-11-02 2022-11-02 一种船舶运动状态重构方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115469553A CN115469553A (zh) 2022-12-13
CN115469553B true CN115469553B (zh) 2023-03-24

Family

ID=84337996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211359385.1A Active CN115469553B (zh) 2022-11-02 2022-11-02 一种船舶运动状态重构方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115469553B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131809B (zh) * 2023-10-26 2024-01-26 中国船舶集团有限公司第七〇七研究所 基于多次测量扩维并行滤波的动力定位船舶参数辨识方法
CN117669396B (zh) * 2024-02-02 2024-05-24 陕西欧卡电子智能科技有限公司 无人船运动检测方法、装置、无人船及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2906520A1 (fr) * 2006-10-03 2008-04-04 Renault Sas Procede et dispositif de detection de situation de conduite en virage.
CN114924480A (zh) * 2022-02-25 2022-08-19 哈尔滨工程大学 船舶航向跟踪自适应控制方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006112416A1 (ja) * 2005-04-15 2006-10-26 Mitsui Engineering & Shipbuilding Co., Ltd. 自動船位保持制御方法及び自動船位保持制御装置
CN101968369B (zh) * 2010-08-31 2012-09-12 哈尔滨工业大学 基于b样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法
US10747226B2 (en) * 2013-01-31 2020-08-18 Flir Systems, Inc. Adaptive autopilot control systems and methods
CN103454923B (zh) * 2013-09-26 2016-03-09 哈尔滨工程大学 一种基于无源理论的船舶航向海浪滤波方法
CN105785999B (zh) * 2016-04-27 2018-11-02 大连海事大学 无人艇航向运动控制方法
CN111061262B (zh) * 2019-11-19 2023-06-06 中国船舶重工集团公司第七0七研究所九江分部 一种减少无效操舵的航向控制方法
CN112013849A (zh) * 2020-09-03 2020-12-01 浙江傲宋智能科技有限公司 一种水面船自主定位方法及系统
CN113390421B (zh) * 2021-08-17 2021-12-10 武汉理工大学 基于卡尔曼滤波的无人机定位方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2906520A1 (fr) * 2006-10-03 2008-04-04 Renault Sas Procede et dispositif de detection de situation de conduite en virage.
CN114924480A (zh) * 2022-02-25 2022-08-19 哈尔滨工程大学 船舶航向跟踪自适应控制方法

Also Published As

Publication number Publication date
CN115469553A (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN115469553B (zh) 一种船舶运动状态重构方法、装置、设备及存储介质
CN105785999B (zh) 无人艇航向运动控制方法
US9262874B2 (en) Real-time performance models for vessels
Popov et al. Adaptive Kalman filtering for dynamic positioning of marine vessels
Wang et al. An EMD-MRLS de-noising method for fiber optic gyro Signal
CN114312843B (zh) 用于确定信息的方法和装置
CN115457152A (zh) 外参标定方法、装置、电子设备及存储介质
CN116205819B (zh) 字符图像生成方法、深度学习模型的训练方法和装置
CN115790665B (zh) 一种陀螺误差补偿方法、装置、电子设备及存储介质
CN115793449B (zh) 直升机飞行姿态控制器设计方法及装置、设备、存储介质
CN111273671A (zh) 一种智能船舶的非周期通讯远程观测器
CN116608859A (zh) 一种基于阈值处理的自适应无迹卡尔曼滤波的导航方法、存储介质和设备
CN115628754A (zh) 里程计初始化方法、装置、电子设备及自动驾驶车辆
CN115407785A (zh) 一种船舶避碰控制方法、装置、设备及存储介质
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
CN115164888B (zh) 一种误差修正方法、装置、电子设备和存储介质
CN108920842B (zh) 一种潜艇动力学模型参数在线估计方法及装置
CN115096304B (zh) 延时误差修正方法、装置、电子设备和存储介质
CN116295389B (zh) 一种捷联罗经系统状态平稳切换方法、装置、设备和介质
JP7491065B2 (ja) 状態推定装置、及び状態推定方法、状態推定プログラム
CN117864172B (zh) 一种自动驾驶控制方法、装置以及设备
CN116380056B (zh) 惯性定位方法、装置、电子设备及存储介质
Ma et al. Modified Kalman Filter with Recursive Covariance Estimation for Gyroscope Denoising
CN117539602A (zh) 落后者任务推测的方法及装置、电子设备和存储介质
Vediakova et al. Drem-based online identification of a surface vessel dynamic model

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