多傳感信息融合的船舶動力定位控制系統設計與仿真

孫 弢

(吉林電子信息職業技術學院，吉林 吉林132021)

0 引 言

隨著人類對海洋資源開發的不斷深入和海上運輸要求的不斷提高，使得船舶定位問題的研究具有重要的理論意義和實用價值。海上風浪流等外界干擾對船舶的航行影響很大，為使船舶在某一特定位置保持船位，船舶必須能夠準確地產生用來抵消外界干擾力的反向力和力矩。動力定位能夠實時控制船舶當前位置和航行方向，是船舶主要的定位方式之一。與錨泊定位方式相比，動力定位適用于任意水深位置，為船舶提供推力和力矩來抵抗外界的環境擾動，因此是一種較為理想的船舶定位方法。船舶動力定位系統主要包括動力裝置、推進裝置、測量裝置和自動控制系統［1］。其中，自動控制系統通常是帶信號反饋功能的閉環系統，接受傳感器檢測的船舶位置和航行方向信號，通過計算機處理，消除風浪等外界條件的干擾信號，轉化為各推進裝置的推力和力矩輸出信號。目前，船舶定位控制方法主要包括傳統的PID 控制技術、線性最優控制技術、非線性控制技術、自適應控制技術和智能控制技術［2－6］等。此外，實時、準確的測量裝置是船舶動力系統安全性能和控制性能的重要保障。近年來，隨著信息融合技術［7－8］的發展，應用多傳感器信息系統來提高動力定位測量裝置的準確性和精度是目前船舶定位技術必須解決的關鍵問題［9］。本文將基于多傳感信息融合技術進行船舶動力定位控制系統設計與仿真。

1 動力定位系統多傳感測量模型

首先選擇在北東地坐標系和船體坐標系作為參考坐標系建立船舶的方向和位置向量，北東地坐標系下船的位置向量和方向向量分別為:

式中:η1為北東地船舶位置;η2為歐拉角。則船體坐標系中船舶移動和轉動的速度可表示為:

式中:υ1為船體坐標系中的船舶平移速度;υ2為船舶旋轉速度。則船舶位置方向和速度之間的關系可表示為

地球中心固定坐標系與北東地坐標系如圖1所示。

測量模型是表征傳感器檢測信號與目標物體運動狀態之間的關系，本文以差分DGPS 作為船舶位置參考系統。數值計算過程中進行DGPS 原始數據的轉換和偏差補償的預處理，得到北東地坐標系DGPS 的線性觀測方程為:

圖1 地球中心固定坐標系與北東地坐標系Fig.1 Conventional terrestrial pole and north east down coordinate systems

式中:z(k)為觀測向量;x(k)為系統狀態向量;ν(k)為零均值白噪聲向量;輸出矩陣h 為常矩陣。若DGPS 所測信息為位置信息，則x(k)為六維，此時矩陣為:

若DGPS 所測信息為位置和速度信息，此時矩陣h 為:

2 多傳感信息融合控制系統設計

根據動力定位系統的實際需求，結合多傳感信息融合理論，設計基于多傳感信息的船舶動力控制系統結構，如圖2 所示。動力定位系統中的多個傳感器獲得的數據信息進過數據質量檢測進入子系統進行濾波，經過預處理的測量數據是不能直接濾波，原因在于某些傳感點測得的不良數據會使整個系統的濾波能力下降或發散。另一方面，測量裝置中的單個傳感器故障有可能會造成整個控制系統的癱瘓，因此每個傳感器測量信息必須進過故障檢測才能與其他傳感信息進行融合，本文采用傳感故障檢測與容錯算法配合實現傳感器測量數據的質量檢測和傳感器故障檢測。系統中各傳感器及其數據傳輸過程相互獨立，并行工作，無需融合反饋，因此，該系統中只要有1 套子系統正常工作的情況下整個控制系統便可正常運行，具有很高的容錯性。控制系統采用動力定位異步位置參考系統融合算法。該算法參考系統具有不同的參與頻率，可進行多尺度分布式融合估計，在最高采樣頻率時獲得最細尺度上的系統狀態融合估計。每個傳感子系統均設置容錯控制模塊，根據不同的數據信息質量建立容錯準則，最終實現異步位置參考信息的動態冗余組合。建立的異步位置參考系統融合算法如圖3所示。

圖2 基于多傳感信息的船舶動力控制系統結構Fig.2 Structure of dynamic positioning control system vessels based on multi-sensor information fusion

圖3 異步位置參考系統融合算法Fig.3 Fusion algorithm of asynchronous position reference system

3 多傳感信息融合控制系統仿真

以船舶GPS 定位測量系統為研究對象，利用半實物仿真系統的試驗數據，對建立的多傳感信息的船舶動力控制系統進行仿真分析。船舶半實物仿真系統主要由試驗平臺、子傳感器系統、數據處理模塊和仿真模塊組成，可以根據控制系統給定的仿真模型模擬船舶的六自由度運動情況，進行船舶動力定位系統的仿真。

對船舶測量裝置，設角度ψ、角度r 為狀態向量，按照建立的系統模型，有:

式中:w(t)為系統過程噪聲，為零均值高斯白噪聲。按照試劑采樣周期T=0.1 s 進行離散化，則:

式中:Φ= ［1，0.1，0，1］;Γ = ［0，0.1］;Q=［0.3］為系統過程噪聲協方差。若觀測向量z =［ψ］為測可表示為:

式中:H = ［1，0］;i 為傳感器數量。

根據本次實驗數據，從中選擇1 組幅值變化較緩的測量數據作為3 個電羅經的測量值，分別記為data －1、data －2 和data －3;同樣，選擇1 組幅值變化較快的測量數據作為3 個電羅經的測量值，分別記為data－12、data －22 和data －32，利用上述2 組數據進行仿真分析。

子系統濾波算法為自適應KF，利用電羅經實際測量數據data－1、data－2 和data－3，對最優分布式融合算法和局部估計加權融合算法進行仿真，2組算法的仿真分別記為融合和加權，仿真結果如圖4 和圖5 所示。

圖4 第1 組船舶首向測量值Fig.4 First group measured values of the ship heading

圖5 第1 組船舶首向融合值Fig.5 First group fused values of the ship heading

如圖6 和圖7 所示，對第2 組實際測量數據進行最優分布式融合算法和局部估計加權融合算法仿真，并分別記為融合和加權。

圖6 第2 組船舶首向測量值Fig.6 Second group measured values of the ship heading

圖7 第2 組船舶首向融合值Fig.7 Second group fused values of the ship heading

由以上2 組電羅經測量數據的仿真結果可知，本文所設計的船舶多傳感信息融合方法的融合性能比測量數據濾波后加權融合優越，建立的動力定位系統傳感測量模型和多傳感信息融合控制方法基本能夠滿足船舶半實物仿真實驗系統的電羅經測量數據的融合要求。

4 結 語

在地球中心固定坐標系與北東地坐標系中，建立了船舶動力定位系統傳感測量模型，利用半實物仿真系統的試驗數據，對建立的多傳感信息的船舶動力控制系統結構進行仿真分析。仿真結果表明，建立動力定位系統模型和控制系統能夠滿足船舶半實物仿真實驗系統的電羅經測量數據的融合要求，且本文設計的船舶多傳感信息融合方法的融合性能優于測量數據濾波后加權融合，本文研究結果可為船舶動力定位控制系統的設計與仿真提供理論指導和試驗依據。

［1］吳德烽，楊國豪．船舶動力定位關鍵技術研究綜述［J］．艦船科學技術，2014，36(7):1 －6．WU De-feng，YANG Guo-hao．Review on key techniques for ship dynamic positioning system［J］． Ship Science and Technology，2014，36(7):1 －6．

［2］SARGENT J S，COWGILL P N． Design considerations for dynamically positioned utility vessels［C］． Proceedings of the 8th Offshore Technology Conference，Dalas，1976:175－196．

［3］錢佳，何祖軍． 船舶動力定位非線性自適應濾波算法［J］．艦船科學技術，2013，35(12):25 －28．QIAN Jia，HE Zu-jun． Dynamic positioning nonlinear adaptive filtering algorithm ［J］． Ship Science and Technology，2013，35(12):25 －28．

［4］齊國鵬，俞孟蕻，袁偉． 動力定位系統自適應濾波技術［J］．艦船科學技術，2013，35(10):96 －100．QI Guo-peng，YU Meng-hong，YUAN Wei． Research on adaptive filtering techniques in dynamic positioning systems，2013，35(10):96 －100．

［5］DING L，MAO X G． Dynamic positioning of ships using a planned neural network controller［J］． Journal of Ship Research，1996，40(2):164 －171．

［6］芮世民，朱繼懋，黃根余． 應用自適應模糊控制實施船舶動力定位［J］． 上海交通大學學報，2000，34(1):56－59．RUI Shi-min，ZHU Ji-mao，HUANG Gen-yu．Adaptive fuzzy control for ship dynamic positioning system［J］． Journal of Shanghai Jiaotong University，2000，34(1):56 －59．

［7］林雪原．無反饋多級式多傳感器組合導航系統［J］． 中國空間科學技術，2012(1):21 －26．LIN Xue-yuan． Multi-level multi-sensor integrated navigation system without feedback［J］． Chinese Space Science and Technology，2012(1):21 －26．

［8］宋強，崔亞奇，何友．反饋式多目標多傳感器系統誤差融合估計技術［J］．宇航學報，2011，32(1):115 －122．SONG Qiang，CUI Ya-qi，HE You．Multi-target multi-sensor systematic error fusion estimation technique with feedback［J］．Journal of Astronautics，2011，32(1):115 －122．

［9］NOURELDIN A，EL－SHAFIE A，BAYOUMI M．GPS/INS integration utilizing dynamic neural networks for vehicular navigation［J］．Information Fusion，2011，12(1):48 －57．