多传感信息融合的船舶动力定位控制系统设计与仿真

孙 弢

(吉林电子信息职业技术学院，吉林 吉林132021)

0 引 言

随着人类对海洋资源开发的不断深入和海上运输要求的不断提高，使得船舶定位问题的研究具有重要的理论意义和实用价值。海上风浪流等外界干扰对船舶的航行影响很大，为使船舶在某一特定位置保持船位，船舶必须能够准确地产生用来抵消外界干扰力的反向力和力矩。动力定位能够实时控制船舶当前位置和航行方向，是船舶主要的定位方式之一。与锚泊定位方式相比，动力定位适用于任意水深位置，为船舶提供推力和力矩来抵抗外界的环境扰动，因此是一种较为理想的船舶定位方法。船舶动力定位系统主要包括动力装置、推进装置、测量装置和自动控制系统［1］。其中，自动控制系统通常是带信号反馈功能的闭环系统，接受传感器检测的船舶位置和航行方向信号，通过计算机处理，消除风浪等外界条件的干扰信号，转化为各推进装置的推力和力矩输出信号。目前，船舶定位控制方法主要包括传统的PID 控制技术、线性最优控制技术、非线性控制技术、自适应控制技术和智能控制技术［2－6］等。此外，实时、准确的测量装置是船舶动力系统安全性能和控制性能的重要保障。近年来，随着信息融合技术［7－8］的发展，应用多传感器信息系统来提高动力定位测量装置的准确性和精度是目前船舶定位技术必须解决的关键问题［9］。本文将基于多传感信息融合技术进行船舶动力定位控制系统设计与仿真。

1 动力定位系统多传感测量模型

首先选择在北东地坐标系和船体坐标系作为参考坐标系建立船舶的方向和位置向量，北东地坐标系下船的位置向量和方向向量分别为:

式中:η1为北东地船舶位置;η2为欧拉角。则船体坐标系中船舶移动和转动的速度可表示为:

式中:υ1为船体坐标系中的船舶平移速度;υ2为船舶旋转速度。则船舶位置方向和速度之间的关系可表示为

地球中心固定坐标系与北东地坐标系如图1所示。

测量模型是表征传感器检测信号与目标物体运动状态之间的关系，本文以差分DGPS 作为船舶位置参考系统。数值计算过程中进行DGPS 原始数据的转换和偏差补偿的预处理，得到北东地坐标系DGPS 的线性观测方程为:

图1 地球中心固定坐标系与北东地坐标系Fig.1 Conventional terrestrial pole and north east down coordinate systems

式中:z(k)为观测向量;x(k)为系统状态向量;ν(k)为零均值白噪声向量;输出矩阵h 为常矩阵。若DGPS 所测信息为位置信息，则x(k)为六维，此时矩阵为:

若DGPS 所测信息为位置和速度信息，此时矩阵h 为:

2 多传感信息融合控制系统设计

根据动力定位系统的实际需求，结合多传感信息融合理论，设计基于多传感信息的船舶动力控制系统结构，如图2 所示。动力定位系统中的多个传感器获得的数据信息进过数据质量检测进入子系统进行滤波，经过预处理的测量数据是不能直接滤波，原因在于某些传感点测得的不良数据会使整个系统的滤波能力下降或发散。另一方面，测量装置中的单个传感器故障有可能会造成整个控制系统的瘫痪，因此每个传感器测量信息必须进过故障检测才能与其他传感信息进行融合，本文采用传感故障检测与容错算法配合实现传感器测量数据的质量检测和传感器故障检测。系统中各传感器及其数据传输过程相互独立，并行工作，无需融合反馈，因此，该系统中只要有1 套子系统正常工作的情况下整个控制系统便可正常运行，具有很高的容错性。控制系统采用动力定位异步位置参考系统融合算法。该算法参考系统具有不同的参与频率，可进行多尺度分布式融合估计，在最高采样频率时获得最细尺度上的系统状态融合估计。每个传感子系统均设置容错控制模块，根据不同的数据信息质量建立容错准则，最终实现异步位置参考信息的动态冗余组合。建立的异步位置参考系统融合算法如图3所示。

图2 基于多传感信息的船舶动力控制系统结构Fig.2 Structure of dynamic positioning control system vessels based on multi-sensor information fusion

图3 异步位置参考系统融合算法Fig.3 Fusion algorithm of asynchronous position reference system

3 多传感信息融合控制系统仿真

以船舶GPS 定位测量系统为研究对象，利用半实物仿真系统的试验数据，对建立的多传感信息的船舶动力控制系统进行仿真分析。船舶半实物仿真系统主要由试验平台、子传感器系统、数据处理模块和仿真模块组成，可以根据控制系统给定的仿真模型模拟船舶的六自由度运动情况，进行船舶动力定位系统的仿真。

对船舶测量装置，设角度ψ、角度r 为状态向量，按照建立的系统模型，有:

式中:w(t)为系统过程噪声，为零均值高斯白噪声。按照试剂采样周期T=0.1 s 进行离散化，则:

式中:Φ= ［1，0.1，0，1］;Γ = ［0，0.1］;Q=［0.3］为系统过程噪声协方差。若观测向量z =［ψ］为测可表示为:

式中:H = ［1，0］;i 为传感器数量。

根据本次实验数据，从中选择1 组幅值变化较缓的测量数据作为3 个电罗经的测量值，分别记为data －1、data －2 和data －3;同样，选择1 组幅值变化较快的测量数据作为3 个电罗经的测量值，分别记为data－12、data －22 和data －32，利用上述2 组数据进行仿真分析。

子系统滤波算法为自适应KF，利用电罗经实际测量数据data－1、data－2 和data－3，对最优分布式融合算法和局部估计加权融合算法进行仿真，2组算法的仿真分别记为融合和加权，仿真结果如图4 和图5 所示。

图4 第1 组船舶首向测量值Fig.4 First group measured values of the ship heading

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

如图6 和图7 所示，对第2 组实际测量数据进行最优分布式融合算法和局部估计加权融合算法仿真，并分别记为融合和加权。

图6 第2 组船舶首向测量值Fig.6 Second group measured values of the ship heading

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

由以上2 组电罗经测量数据的仿真结果可知，本文所设计的船舶多传感信息融合方法的融合性能比测量数据滤波后加权融合优越，建立的动力定位系统传感测量模型和多传感信息融合控制方法基本能够满足船舶半实物仿真实验系统的电罗经测量数据的融合要求。

4 结 语

在地球中心固定坐标系与北东地坐标系中，建立了船舶动力定位系统传感测量模型，利用半实物仿真系统的试验数据，对建立的多传感信息的船舶动力控制系统结构进行仿真分析。仿真结果表明，建立动力定位系统模型和控制系统能够满足船舶半实物仿真实验系统的电罗经测量数据的融合要求，且本文设计的船舶多传感信息融合方法的融合性能优于测量数据滤波后加权融合，本文研究结果可为船舶动力定位控制系统的设计与仿真提供理论指导和试验依据。

［1］吴德烽，杨国豪．船舶动力定位关键技术研究综述［J］．舰船科学技术，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］钱佳，何祖军． 船舶动力定位非线性自适应滤波算法［J］．舰船科学技术，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］齐国鹏，俞孟蕻，袁伟． 动力定位系统自适应滤波技术［J］．舰船科学技术，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，朱继懋，黄根余． 应用自适应模糊控制实施船舶动力定位［J］． 上海交通大学学报，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．无反馈多级式多传感器组合导航系统［J］． 中国空间科学技术，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］宋强，崔亚奇，何友．反馈式多目标多传感器系统误差融合估计技术［J］．宇航学报，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．