一种两船相对运动状态实时测算方法技术

本申请公开了一种两船相对运动状态实时测算方法，测算方法步骤包括坐标系定义、建立船舶运动模型、基于扩展卡尔曼滤波器进行船舶运动状态测量信息的融合与观测处理、船体任意结构点运动状态计算以及时钟校正与两船相对运动状态解算。本申请针对风浪环境中两船或多船协同作业时运动状态监视与运动控制需求，通过船体六自由度运动状态观测算法对与船体位姿测量信息的融合处理，避免了船舶动力学模型复杂非线性的影响，并通过扩展卡尔曼滤波算法滤除测量噪声，融合冗余测量信息，获取船舶实时运动状态的最优估计；基于时空一致坐标系计算两船在纵向、横向、垂荡、艏摇、横摇及纵摇方向的相对运动状态。向的相对运动状态。向的相对运动状态。

【技术实现步骤摘要】
一种两船相对运动状态实时测算方法


[0001]本申请涉及一种两船相对运动状态实时测算方法，适用于两船或多船协同作业时相对位置、相对速度及两点直线距离等状态信息的测量与计算，属于船舶与海洋工程自动化控制


技术介绍

[0002]随着数字化及智能化技术在船舶与海洋工程领域的深入发展，风浪环境下两船或多船协同作业时的船舶运动控制问题成为船舶与海洋工程自动化控制领域的研究热点，而两船间相对运动的实时测算是解决此类运动控制问题、实现高效协同作业的关键。对于编队航行、航行补给、过驳卸载等船舶协同作业场景，两船相对运动状态不仅受到两船操纵航行状态影响，并与两船瞬时的耐波性运动密切相关。
[0003]中国专利CN113485121A(申请号CN2021108880673)，专利技术了“一种分布式多船协同动力定位控制方法”，根据多船动力定位传感器及船
‑
船通信网络关系，基于协同控制目标状态计算多船协同误差矢量，并进行分布式控制，并考虑执行器故障影响，以提升复杂工程场景中多艘动力定位船舶的作业效率。该专利所述协同误差矢量指对每艘船运动状态矢量与协同目标之间的误差，并非两船间的实时相对运动，而其协同目标更侧重航行操纵控制过程的位置与航速状态。中国专利CN113589271A(申请号CN202110768809.9)专利技术了“一种测量靠帮补给时两船相对运动量的测量装置及方法”，该专利技术针对两船靠帮作业时两船相对垂荡运动对浮吊作业的影响，融合了双目相机与雷达测距、激光测距、超声波测距等装置的测量信息，实时测算吊装货物与船体甲板之间的距离，并据此对浮吊起降过程进行补偿控制，以提升海上浮吊控制的精确性与安全性。本专利侧重考虑两船垂直方向的相对运动量，未涉及横向、纵向及速度的相对运动量。专利技术专利“System and methods for determining relative position and relative motion of objects”(美国专利号US2022/0089416A1，日本专利号JP2021544543)基于光学相机对预设目标形成时序图像，通过对时序图像的解算获取物体之间的相对位置与相对运动，作为船舶目标跟踪、直升机降落、浮吊等控制系统的输入，为作业提供保障，通常应用海上船舶目标跟踪、直升机降落、码头货物吊装等作业。上述专利技术均涉及光学图像处理技术，实施过程不仅测量两船相对运动的维度数量有限，且无法在多船协同作业场景中应用实施。本申请通过对两船运动状态高频测量信息的观测处理与数据融合，对两船相对运动状态的最优测算，实时获取六自由度的两船相对运动状态信息，对于两船或多船协同作业监视与控制技术的发展具有重要的实际意义。

技术实现思路

[0004]本申请的目的在于提供一种两船相对运动状态实时测算方法，根据协同作业船舶运动状态(六自由度位姿与速度)测量，获取两船之间的相对运动状态信息，为两船或多船协同作业运动控制与监视状态反馈信息。
[0005]为了达到上述目的，本申请的技术方案是提供了一种两船相对运动状态实时测算方法，其特征在于，包括以下步骤：
[0006]步骤一：坐标系定义，分别建立全局坐标系、随船坐标系及船体结构点数据模型；
[0007]步骤二：基于船舶运动学方程建立船舶运动模型；
[0008]步骤三：基于卡尔曼滤波器算法对船舶运动状态进行测量融合与滤波观测处理；
[0009]步骤四：船体任意结构点运动状态计算；
[0010]步骤五：时钟校正处理与两船相对运动状态解算。
[0011]所述步骤一中，按照右手定则定义全局坐标系与随船坐标系，并以北
‑
东
‑
地坐标系作为全局坐标系，其X轴指向正北方向，Y轴指向正东方向，Z轴垂直水平面向下，坐标原点O
N
位于水平面上；随船坐标系原点O
b
位于船舶中纵剖面、中横剖面与船体重心高度的水线面之间的交点，x轴垂直中横剖面指向船艏，y轴垂直中纵剖面指向右舷，右手定则确定z轴正方向，随船坐标系与船体固联，随船体摇荡同步运动；北东坐标系记为{n}，{b1}和{b2}为两船随船坐标系，两坐标系原点在{n}中的坐标向量分别为和A和B分别为两船体上任意结构点，对应坐标向量分别为和
[0012]所述步骤二中，基于船舶六自由度运动学方程建立运动模型：
[0013][0014]上式中，η＝(X Y Z φ θ ψ)
T
为随船坐标系{b}在局部坐标系{n}下的位置与姿态(欧拉角)；
[0015]为船舶在随船坐标系各坐标轴方向上的平移速度与旋转速，V
b|0
为初始速度；
[0016]J(η)为转换矩阵，由旋转矩阵R与平移T矩阵组成，分别对应线速度与角速度从{b}转换到{n}的变换矩阵，仅与欧拉角有关：
[0017][0018][0019][0020]式中c代表cos函数，s代表sin函数，t代表tan函数。
[0021]所述步骤三中，基于船舶运动方程建立船舶运动过程模型，采用拓展卡尔曼滤波器形成设计滤波观测算法，实现对船舶运动状态测量信息滤波、融合与观测估计：
[0022][0023]其中：
[0024]状态向量x＝[η；V
b
]；
[0025]测量向量y＝(X Y φ θ ψ u v w q p r)
T
；
[0026]非线性向量域
[0027]H为测量矩阵，11x12定常矩阵；
[0028]ε
P
为过程噪声向量；
[0029]ε
M
为测量噪声向量；
[0030]采用向前欧拉法对(005)式过程模型离散化处理：
[0031][0032]其中：
[0033]Δ
t
为时间步长；
[0034]是基于k时刻状态估计对k+1时刻的预测值；
[0035]为k时刻状态向量校正后的估计值。
[0036]基于拓展卡尔曼滤波器观测方法步骤如下：
[0037][0038]其中，K
k
为卡尔曼增益矩阵。
[0039]所述步骤四中，船体任意结构点运动状态计算为：
[0040]通过步骤三获取船舶当前时刻运动状态的最优估计值；对于{b1}坐标系的运动状态，记为：
[0041][0042]对于{b1}坐标系中A点，其在北东坐标系{n}中的位置及线性速度计算如下：
[0043][0044][0045]上式中：
[0046]A点在船体{b1}中坐标向量；
[0047]船体{b1}原点时间k时在{n}中的坐标向量；
[0048]A点时间k时在{n}中坐标向量；
[0049]{b1}时间k时在{n}中的欧拉角；
[0050]A点在{n}坐标系的速度矢量；
[0051]船体{b1}在{n}坐标轴方向的角速度向量；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种两船相对运动状态实时测算方法，其特征在于，包括以下步骤：步骤一：坐标系定义，分别建立全局坐标系、随船坐标系及船体结构点数据模型；步骤二：基于船舶运动学方程建立船舶运动模型；步骤三：基于卡尔曼滤波器算法对船舶运动状态进行测量融合与滤波观测处理；步骤四：船体任意结构点运动状态计算；步骤五：时钟校正处理与两船相对运动状态解算。2.如权利要求1所述的两船相对运动状态实时测算方法，其特征在于，所述步骤一中，按照右手定则定义全局坐标系与随船坐标系，并以北
‑
东
‑
地坐标系作为全局坐标系，其X轴指向正北方向，Y轴指向正东方向，Z轴垂直水平面向下，坐标原点O
N
位于水平面上；随船坐标系原点O
b
位于船舶中纵剖面、中横剖面与船体重心高度的水线面之间的交点，x轴垂直中横剖面指向船艏，y轴垂直中纵剖面指向右舷，右手定则确定z轴正方向，随船坐标系与船体固联，随船体摇荡同步运动；北东坐标系记为{n}，{b1}和{b2}为两船随船坐标系，两坐标系原点在{n}中的坐标向量分别为和A和B分别为两船体上任意结构点，对应坐标向量分别为和3.如权利要求2所述的两船相对运动状态实时测算方法，其特征在于，所述步骤二中，基于船舶六自由度运动学方程建立运动模型：上式中，η＝(X Y Z φ θ ψ)
T
为随船坐标系{b}在局部坐标系{n}下的位置与姿态，欧拉角角为船舶在随船坐标系各坐标轴方向上的平移速度与旋转速，V
b|0
为初始速度；J(η)为转换矩阵，由旋转矩阵R与平移T矩阵组成，分别对应线速度与角速度从{b}转换到{n}的变换矩阵，仅与欧拉角有关：到{n}的变换矩阵，仅与欧拉角有关：到{n}的变换矩阵，仅与欧拉角有关：式中c代表cos函数，s代表sin函数，t代表tan函数。4.如权利要求3所述的两船相对运动状态实时测算方法，其特征在于，所述步骤三中，基于船舶运动方程建立船舶运动过程模型，采用拓展卡尔曼滤波器形成设计滤波观测算法，实现对船舶运动状态测量信息滤波、融合与观测估计：
其中：状态向量x＝[η；V
b
]；测量向量y＝(X Y φ θ ψ u v w q p r)
T
；非线性向量域H为测量矩阵，11...

【专利技术属性】
技术研发人员：赵威，
申请(专利权)人：中国船舶工业集团公司第七零八研究所，
类型：发明
国别省市：