船舶動力定位中的數(shù)據(jù)融合技術(shù)文獻綜述

伍梁凱

【摘 要】本文論述了船舶動力定位技術(shù)及其數(shù)據(jù)融合技術(shù)，介紹了多傳感器數(shù)據(jù)融合的起源和發(fā)展，對數(shù)據(jù)融合技術(shù)的主要融合算法進行了歸納總結(jié)，闡述了動力定位系統(tǒng)中測量系統(tǒng)濾波和數(shù)據(jù)融合的研究現(xiàn)狀。最后對船舶動力定位數(shù)據(jù)融合技術(shù)未來發(fā)展方向進行了展望。

【關(guān)鍵詞】動力定位技術(shù)（DPS）；多傳感器；數(shù)據(jù)融合；綜述

【Abstract】This review discusses ship dynamic positioning system（DPS） and its data fusion. The origin and history of multi-sensor data fusion are firstly introduced. Then the main fusion algorithm of data fusion are summarized and analyzed. Research status filtering and data fusion in DPS are introduced. Finally the future directions of data fusion in ship DPS are pointed out.

【Key words】 Dynamic positioning； Multi-sensor； Data fusion； Summary

0 引言

隨著世界經(jīng)濟的發(fā)展，能源和資源問題日趨尖銳。海洋環(huán)境復(fù)雜多變，先進的技術(shù)和設(shè)備是開發(fā)和利用海洋資源必備的。動力定位系統(tǒng)（dynamic positioning system， DPS）已經(jīng)成為必不可少的支持系統(tǒng)。

動力定位系統(tǒng)采用閉環(huán)反饋控制，先測量實際的位置信號然后比較與要求值之間的差值，同時加入風(fēng)前饋，再由控制器發(fā)出控制指令，然后進行各個推進器的推力分配，最后推進器產(chǎn)生反力和反力矩使船舶向預(yù)定的位置運動（圖1）。

對于船舶動力定位船舶，其船舶位置測量系統(tǒng)的信息精度、可信度將對動力定位系統(tǒng)的控制產(chǎn)生很大的影響。對于從事特種作業(yè)的動力定位船舶，一旦定位出現(xiàn)錯誤將產(chǎn)生嚴(yán)重后果，因而其定位精度尤為重要。因此動力定位船舶一般配備多種位置參考系統(tǒng)和多個傳感器，對所到的位置數(shù)據(jù)和其他測量數(shù)據(jù)進行融合以提高數(shù)據(jù)的精度和可信度。因此需要在動力定位系統(tǒng)中引入數(shù)據(jù)融合技術(shù)。

圖1中，箭頭所示的傳感器系統(tǒng)、信號處理與船舶狀態(tài)估計濾波器是船舶動力定位數(shù)據(jù)融合技術(shù)研究要點，將獲得的數(shù)據(jù)要進行濾波處理去除干擾噪聲與無效的信號，最后采用多傳感器數(shù)據(jù)融合技術(shù)進行融合獲取可靠有效的信息。

1 多傳感器數(shù)據(jù)融合的起源和發(fā)展

多傳感器數(shù)據(jù)融合是將多個傳感器數(shù)據(jù)進行多級別、多方面、多層次的處理，從而得到一組更準(zhǔn)確、更可靠的數(shù)據(jù)。多傳感器數(shù)據(jù)融合將多個或多種傳感器所提供的信息進行綜合處理，獲得有用的信息并進行有效的組合以得到一個新的信息。組合后的信息能夠充分利用傳感器之間的互補性，并且能完善地、準(zhǔn)確地反映環(huán)境的特征，其結(jié)果優(yōu)于單個傳感器的信息。

信息融合這一概念是20世紀(jì)70年代由美國軍方提出的。最早研究主要集中在雷達系統(tǒng)上，隨著科學(xué)技術(shù)和高新軍事技術(shù)的發(fā)展，對信息的需求量及精度也越來越大，從而使得各種類型傳感器得以快速發(fā)展，多傳感器數(shù)據(jù)融合技術(shù)也隨之飛速發(fā)展。20世紀(jì)80年代以后，尤其近幾年隨著計算機技術(shù)、通信技術(shù)的發(fā)展，多傳感器數(shù)據(jù)融合在世界范圍內(nèi)得到了快速發(fā)展。自20世紀(jì)80年代以后，美國軍方對應(yīng)用數(shù)據(jù)融合的戰(zhàn)術(shù)和戰(zhàn)略監(jiān)視系統(tǒng)一直給予了高度的重視，相繼研究開發(fā)了幾十個軍用信息融合系統(tǒng)。而在國際上數(shù)據(jù)融合的應(yīng)用領(lǐng)域也開始從最初的軍事領(lǐng)域擴展到各個領(lǐng)域，如被用于機器人、智能交通、醫(yī)療診斷等，其應(yīng)用越來越廣泛。

在國內(nèi)信息融合起步較晚，但是發(fā)展速度較快，各項研究也取得了一定的成果，近幾年的發(fā)展使得信息融合技術(shù)在各個領(lǐng)域的應(yīng)用也逐漸廣泛，如在軍事方面有雷達目標(biāo)跟蹤、衛(wèi)星導(dǎo)航、潛艇目標(biāo)識別、導(dǎo)彈控制等；在民用方面有傳感器故障診斷、AUV水下導(dǎo)航、醫(yī)療診斷等。

2 多傳感器數(shù)據(jù)融合技術(shù)的分類

多傳感器數(shù)據(jù)融合技術(shù)按融合方法大體可以分為估計方法、分類方法、推理方法和人工智能方法四種，其具體分類如表1所示。

其中，應(yīng)用比較廣泛的方法有加權(quán)平均法、貝葉斯推理、證據(jù)組合推理、卡爾曼濾波和人工神經(jīng)網(wǎng)絡(luò)等。下面分別介紹這幾種方法的基本原理。

2.1 加權(quán)平均法

加權(quán)平均法是最簡單的融合方法。其將各個傳感器的輸入數(shù)據(jù)分別分配一個權(quán)值，將各個傳感器的數(shù)據(jù)乘以各個權(quán)值最后得到一個新的值，這種融合方法確實能在一定程度上提高測量的精度，但只適合簡單的數(shù)據(jù)級融合，并且權(quán)值的調(diào)整要根據(jù)經(jīng)驗值來確定，過程比較復(fù)雜，目前多采用一些改進的權(quán)值調(diào)整方法，如一些自適應(yīng)權(quán)值調(diào)整方法等。

2.2 貝葉斯估計

貝葉斯融合方法產(chǎn)生于數(shù)據(jù)融合技術(shù)的早期，它首先對各傳感器信息進行相容性分析，刪除可信度低的錯誤信息，在假定已知先驗概率的前提下，根據(jù)貝葉斯規(guī)則獲得每個輸出假設(shè)的概率。對可信度低的錯誤信息可以采用數(shù)據(jù)探測技術(shù)中分布圖法剔除。

貝葉斯融合是靜態(tài)環(huán)境中多傳感器低層信息一種常用方法，適用于加性高斯噪聲的不確定信息。此法局限性在于先驗概率的獲得比較困難。

2.3 D-S證據(jù)組合推理

D-S證據(jù)理論是貝葉斯方法的擴展，它采用概率區(qū)間和不確定區(qū)間來確定多證據(jù)下假設(shè)的似然函數(shù)，首先分析每一組分析每一組數(shù)據(jù)對各種可能的決策證據(jù)的支持程度，然后經(jīng)過分析各種組合找到其中最受支持的一項決策。

此方法的缺點是一般情況計算量非常大，且要求合并的證據(jù)相互獨立，在實際應(yīng)用中難以滿足。

2.4 卡爾曼濾波

卡爾曼濾波方法是一種線性最小方差估計，這種遞推算法可以利用狀態(tài)空間方法構(gòu)建并完成整個濾波過程。卡爾曼濾波具有很好的濾波性能，在線性高斯白噪聲假設(shè)條件下，濾波過程能得到最優(yōu)狀態(tài)估計。在很多情況下，由于系統(tǒng)是非線性系統(tǒng)，并且線性化的實現(xiàn)比較復(fù)雜，因此又產(chǎn)生了一種比普通卡爾曼濾波更先進的方法——擴展卡爾曼濾波（EKF），它是目前最常用的融合方法之一。由于卡爾曼濾波具有模型簡單、數(shù)據(jù)存儲量小的特點，因此應(yīng)用范圍比較廣泛。

2.5 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法是數(shù)據(jù)融合技術(shù)在智能控制學(xué)科的延伸。基于神經(jīng)網(wǎng)絡(luò)的信息融合實質(zhì)上是模仿人大腦的處理機制的網(wǎng)絡(luò)系統(tǒng)，有大量的人工神經(jīng)元或節(jié)點組成，充分利用外部環(huán)境信息，通過自我學(xué)習(xí)和推理來調(diào)整權(quán)值，從而建立一個融合模型，該模型的功能是從給定一個輸入量中可以得到期望的輸出量。訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型就可以實現(xiàn)融合，將測量數(shù)據(jù)作為輸入量，神經(jīng)網(wǎng)絡(luò)根據(jù)訓(xùn)練好的模型得到融合值。

神經(jīng)網(wǎng)絡(luò)以其特有并行性和學(xué)習(xí)方式提供了一種不同于傳統(tǒng)融合理論的數(shù)據(jù)融合方法，其特點是具有高度自組織性、自適應(yīng)能力和靈活性。但是其網(wǎng)絡(luò)模型、網(wǎng)絡(luò)層次與每層的節(jié)點數(shù)的確定以及學(xué)習(xí)策略的確定比較復(fù)雜。

3 船舶動力定位測量系統(tǒng)濾波和數(shù)據(jù)融合技術(shù)研究現(xiàn)狀

動力定位測量系統(tǒng)的信息精度和可信度至關(guān)重要。動力定位船舶均配備多種位置參考系統(tǒng)和多個傳感器，如衛(wèi)星、張緊索、水聲等測量系統(tǒng)和風(fēng)傳感器、電羅經(jīng)等傳感器，船舶在定位過程中會受到外部干擾，傳感器會被高頻噪聲污染，因此研究測量系統(tǒng)的濾波技術(shù)。姜華[1]等基于船舶數(shù)學(xué)模型，設(shè)計了Kalman濾波器，進行仿真驗證了此濾波器可較好地估計船舶實際船位和方向。王宗義等[2]采用Kalman濾波器計算得到船舶三自由度低頻運動，還能濾除測量中船舶綜合位置信息的高頻噪聲。付明玉等[3]建立船舶低頻和高頻運動數(shù)學(xué)模型，設(shè)計了濾除偏差信號中高頻分量的最優(yōu)估計濾波器和有限沖擊濾波器。王曉聲等[4]結(jié)合最優(yōu)控制和自適應(yīng)Kalman濾波技術(shù)，對在復(fù)雜多變的海洋環(huán)境下工作的船舶高、低頻運動實施估計，保證定位系統(tǒng)僅對船舶低頻運動進行控制。李蘭花等[5]克服卡爾曼濾波要求系統(tǒng)具有準(zhǔn)確的動態(tài)模型并且要求噪聲是白噪聲的缺點，采用H∞濾波方法獲得船舶的低頻運動。信洪杰[6]則采用自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)濾波器有效地消除船舶的高頻分量。

由于動力定位系統(tǒng)中的位置參考系統(tǒng)和傳感器存在冗余，必須應(yīng)用數(shù)據(jù)融合技術(shù)得到船舶的精確位置信息。現(xiàn)有相關(guān)的數(shù)據(jù)融合方法主要針對具體融合算法的研究，針對動力定位系統(tǒng)方面的較少。衣鵬飛[7]采用基于置信測度的融合方法，仿真和半實物仿真結(jié)果表明該方法可實時處理數(shù)據(jù)并融合，且能給出融合最優(yōu)結(jié)果。Shi 等人[8]提出綜合無跡卡爾曼濾波（ UKF） 和聯(lián)邦濾波（ Federated filter）的數(shù)據(jù)融合方法，UKF 可提高算法的精度，而聯(lián)邦結(jié)構(gòu)則改善了多速率信息融合的濾波能力。徐樹生[9]等提出了一種多傳感器閉環(huán)分級融合算法，以全局融合信息的反饋作為局部估計初始值進行時間更新，自適應(yīng)地調(diào)節(jié)全局融合的增益，提高融合數(shù)據(jù)的準(zhǔn)確性，并用半實物仿真試驗驗證了該算法的有效性。林孝工[10]等基于模糊自適應(yīng)濾波和濾波器可信度的模糊評判，建立了多傳感器數(shù)據(jù)融合算法。該方法與線性或非線性系統(tǒng)狀態(tài)估計相結(jié)合，構(gòu)成模糊自適應(yīng)融合算法，有效抑制濾波發(fā)散問題。在其他領(lǐng)域多傳感器數(shù)據(jù)融合算法還有許多具體算法，如基于粒子群算法、基于小波神經(jīng)網(wǎng)絡(luò)、自適應(yīng)神經(jīng)網(wǎng)絡(luò)等融合技術(shù)，這些技術(shù)可以引用到船舶動力定位中。

4 結(jié)論

本文總結(jié)了船舶動力定位系統(tǒng)中數(shù)據(jù)融合技術(shù)常用融合算法，及測量系統(tǒng)濾波和數(shù)據(jù)融合技術(shù)的研究進展，得出以下結(jié)論：

在船舶動力定位系統(tǒng)中，多傳感器數(shù)據(jù)融合技術(shù)能有效提供可靠、精確的信息。Kalman濾波方法是測量系統(tǒng)濾波技術(shù)的主流方法。而動力定位中的數(shù)據(jù)融合技術(shù)在國內(nèi)研究較少，但多傳感器的數(shù)據(jù)融合方法研究較多，可以多加吸收借鑒應(yīng)用到動力定位系統(tǒng)中。

【參考文獻】

[1]姜華，王建平.Kalman濾波技術(shù)在船舶動力定位技術(shù)中的應(yīng)用[J].大連海事大學(xué)學(xué)報，1998，24（2）：54-57.

[2]王宗義，削中，等.船舶動力定位數(shù)學(xué)模型和濾波方法[J].哈爾濱工程大學(xué)學(xué)報，2002，2（4）：24-28.

[3]付明玉，丁福光.船舶動力定位系統(tǒng)濾波器的設(shè)計與研究[J].船舶工程，1996（ 2）：43-46.

[4]王曉聲.船舶動力定位系統(tǒng)設(shè)計及試驗研究[J].中國造船，1991（3）：11-19.

[5]李蘭花，夏國清.H∞濾波器在船舶動力定位系統(tǒng)中的應(yīng)用[J].自動化技術(shù)與應(yīng)用，2005，24（11）：35-37.

[6]信洪杰.船舶動力定位系統(tǒng)濾波及控位方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2011.

[7]衣鵬飛.船舶動力定位位置參考系統(tǒng)信息融合方法研究[D].哈爾濱：哈爾濱工程大學(xué)，2010.

[8]SHI Xiao-cheng，SUN Xing-yan，F(xiàn)U Ming-yu，et al.Federated filter for multi-sensor data fusion of dynamic positioning ship[C]//Proceeding of the IEEE International Conference on Automation and Logistics，Zhengzhou，China，2012：13-18.

[9]徐樹生，林孝工.船舶動力定位多傳感器閉環(huán)分級融合算法[J].電子學(xué)報，2014，40（3）：512-516.

[10]林孝工，徐樹生，趙大威.動力定位冗余測量系統(tǒng)的模糊自適應(yīng)融合算法[J]. 傳感器與微系統(tǒng)，2012，31（7）：130-134.

[責(zé)任編輯：王偉平]