基于平台姿态校正的真风融合算法及无人帆船控制系统技术方案

本发明专利技术提供一种基于平台姿态校正的真风融合算法及无人帆船控制系统。该算法将船载风传感器坐标系转换为大地坐标系，对相对风速、相对风向、船速风速、船速风向进行滤波处理，并采用滤波之后的数据进行真风风速速度融合处理。利用旋转坐标转换思想把相对风矫正到帆船水平姿态时的状态，相对于其他风速风向补偿算法，本发明专利技术不依赖于传感器或其他硬件调整，使无人帆船控帆系统更加简单、便捷。便捷。便捷。

【技术实现步骤摘要】
基于平台姿态校正的真风融合算法及无人帆船控制系统


[0001]本专利技术涉及海洋工程
，尤其涉及一种基于平台姿态校正的真风融合算法及无人帆船控制系统。

技术介绍

[0002]对于应用于海洋的无人帆船移动观测平台，风是无人帆船的动力来源，对风的利用最关键的地方就是根据不同的真风向能及时反应并做出相应控制动作。但在无人帆船等运动平台上真风无法直接测量，只能依靠矢量模型计算间接获取，无人帆船控制过程中，采用的是风向风速传感器感知检测的风向和风力数据。
[0003]然而，无人帆船在实际航行过程，帆船会出现艏摇、横摇、纵摇运动，安装在帆船上的风向风速传感器的空间位置随之发生变化，而对于超声波风向风速传感器其测量精度很受平台姿态的影响，因而其测量值和真实值中间存在误差，不能满足无人帆船控制把风向风速作为控制输入的精度要求，会导致帆船风帆控制存在比较大的问题，无人帆船控制效果不理想。
[0004]为了获得更准确的无人帆船控制效果，需要对风检测的风向和风速数据进行修正和补偿。
[0005]现有技术中，对风向和风速补偿的方法主要包括以下几种。(1)对移动平台上风向风速传感器的运动补偿系统，主要是对于风速的补偿，但是不能同时对风向进行补偿。(2)虽然也有部分算法提出了针对船舶摇摆状态下的风速测量误差分析和补偿，但并不能从根本上解决平台姿态对风向和风速影响的问题。

技术实现思路

[0006]本专利技术的目的在于解决以上技术问题，提供一种基于平台姿态校正的真风融合算法及无人帆船控制系统，以其对检测的海洋风进行补偿，获得更贴近真风的数据，以用于无人帆船的控制，获得更佳的控制效果。
[0007]为实现上述目的，本专利技术采用的技术方案是：
[0008]一种基于平台姿态校正的真风融合算法，所述平台搭载风传感器，所述风传感器检测的风向定义为相对风向，检测的风速定义为相对风速，所述融合算法包括以下步骤：
[0009]坐标变换步骤：将船载风传感器坐标系转换为大地坐标系：
[0010][0011]其中：P为大地坐标系下向量，P'为船载坐标系下风传感器测得的风向量，R为旋转正交矩阵；
[0012]其中：
[0013][0014]α为船舶平台横摇角，β为船舶平台纵摇角，γ为船舶平台艏摇角度；
[0015]校正之后的风向量表达式为：
[0016]P＝[V
X
,V
Y
,0]；
[0017]其中：V
X
为校正后相对风速沿X轴的分量，V
Y
为校正后相对风速沿Y轴的分量；
[0018]校正之后的相对风速为：
[0019][0020]校正之后的相对风向为：
[0021][0022]真风计算步骤：基于校正之后的相对风向和校正之后的相对风速计算真风风向和真风风速：
[0023][0024][0025]其中：AWD为矫正之后的相对风风向，V
AWS
为矫正之后的相对风速，T
WD为
计算后的真风风向，V
TWS
为计算后的阵风风速，SWD为船速风向，V
SWS
为船速风速。
[0026]本专利技术一些实施例中，进一步包括风速滤波及速度融合步骤，用于对相对风速、相对风向、船速风速、船速风向进行滤波处理，用滤波后的相对风速、相对风向、船速风速、船速风向建立速度融合模型：
[0027]建立真风速度融合数学模型，真风速度融合系统的状态方程为：
[0028]X(k+1)＝Φ(k)X(k)+w(k)；
[0029]其中：X(k)是速度矩阵；φ(k)是状态矩阵，w(k)是过程噪声；
[0030]取：x1＝V
sws
,x2＝V
Aws
；
[0031]取：
[0032]则有：
[0033][0034]真风速度融合系统的观测方程为：
[0035]Z(k)＝h[k,X(k)]+V(k)。
[0036]其中：V(k)为观测噪声，h[k,X(k)]为状态变量X的非线性函数。
[0037]将真风风速计算模型作为真风速度融合系统的观测模型：
[0038][0039]其中：V
AWS
为校正之后的相对风的风速，V
SWS
为船速风速，AWD为校正之后的相对风的风向，SWD为船速风向，V
TWS
校正之后的真风风速；
[0040]对线性化的模型根据卡尔曼基本方程可得扩展卡尔曼的滤波递推方程
[0041][0042]P(k+1|k)＝Φ(k+1|k)P(k|k)Φ
T
(k+1|k)+Q(k)
[0043]K(k+1)＝P(k+1|k)H
T
(k+1)(H(k+1)P(k+1|k)H
T
(k+1)+R(k+1))
‑1[0044][0045]P(k+1)＝[I
‑
K(k+1)H(k+1)]P(k+1|k)
[0046]其中：表示k时刻真风预测值；表示k时刻的最优估计值的非线性函数P(k+1|k)表示k时刻预测协方差；P(k|k)表示k时刻最优估计协方差；φ(k+1|k)表示状态转移矩阵；Q(k)表示过程噪声的方差；K(k+1)表示卡尔曼滤波增益；I表示单位矩阵；H(k+1)表示；观测矩阵R(k+1)表示观测噪声方差；Z(k+1)表示k+1时刻真风观测值；
[0047]是观测矩阵与k时刻真风预测值的乘积；
[0048]采用扩展卡尔曼滤波器对真风风速进行滤波估计，求真风观测方程的雅克比矩阵：
[0049][0050]滤波之后的真风风速为：
[0051][0052][0053]本专利技术一些实施例中，进一步提供一种无人帆船控制系统，采用以上所述的基于平台姿态校正的真风融合算法。
[0054]本专利技术提供的基于平台姿态校正的真风融合算法及无人帆船控制系统，其有益效果在于：
[0055]1、本专利技术对于因为帆船姿态位置发生变换而引起的测量误差，利用旋转坐标转换思想把相对风矫正到帆船水平姿态时的状态，相对于其他风速风向补偿算法，本专利技术不依赖于传感器或其他硬件调整，使无人帆船控帆系统更加简单、便捷。
[0056]2、真风数据对无人帆船路径规划、自主航行起到重要作用，本专利技术对相对风速风向卡尔曼滤波，大大降低误差。
[0057]3、在校正相对风向风速的基础上，与航行风速数据融合，得到的真风数据与原始
真风误差更小，精度和准确性更高。
[0058]4、实现真风风向风速测量，为无人帆船控帆系统提供的控制输入效果更好。
附图说明
[0059]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平台姿态校正的真风融合算法，其特征在于，所述平台搭载风传感器，所述风传感器检测的风向定义为相对风向，检测的风速定义为相对风速，所述融合算法包括以下步骤：坐标变换步骤：将船载风传感器坐标系转换为大地坐标系：其中：P为大地坐标系下向量，P'为船载坐标系下风传感器测得的风向量，R为旋转正交矩阵；其中：α为船舶平台横摇角，β为船舶平台纵摇角，γ为船舶平台艏摇角度；校正之后的风向量表达式为：P＝[V
X
,V
Y
,0]；其中：V
X
为校正后相对风速沿X轴的分量，V
Y
为校正后相对风速沿Y轴的分量；校正之后的相对风速为：校正之后的相对风向为：真风计算步骤：基于校正之后的相对风向和校正之后的相对风速计算真风风向和真风风速：风速：其中：AWD为矫正之后的相对风风向，V
AWS
为矫正之后的相对风速，TWD为计算后的真风风向，V
TWS
为计算后的阵风风速，SWD为船速风向，V
SWS
为船速风速。2.如权利要求1所述的基于平台姿态校正的真风融合算法，其特征在于，进一步包括风速滤波及速度融合步骤，用于对相对风速、相对风向、船速风速、船速风向进行滤波处理，并采用滤波之后的数据进行真风风速速度融合处理：
建立真风速度融合数学模型，真风速度融合系统的状态方程为：X(k+1)＝Φ(k)X(k)+w(k)；其中：X(k)是速度矩阵；φ(k)是状态矩阵，w(k)是过程噪声；取：x1＝V
SWS
,x2＝V
AWS
；取：则有：其系统观测方程为：Z(k)＝h[k,...

【专利技术属性】
技术研发人员：迟书凯，宇文国朴，陈震，何成龙，黎明，牛炯，魏鹏飞，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：