毕业答辩多传感器数据融合融合技术在DPS中应用研究.ppt

广东石油化工学院 2011级毕业答辩 姓名 学号:计算机与电子信息学院 班级:电气11-3 THe eTIrIHI  目录 研究背景与意义 研究目标 论文结构 数据融合技术的介绍与方法 船舶运动模型的建立 EKF算法的原理与应用 实验验证与仿真 结论 致谢  研究背景与意义 车事 雷达目标跟踪 海底油气开采 航迹融 深海水产捕捞 战场侦察与监控 海洋地质考察  研究对象 船舶动力定位系统(DPS) 船舶动力定位系统 推进器系统 控制器系统 环境检测系统 数据处理、融合、推理 产生并分配推力 分配指令下达 外界环境数据收集  论文框架 数据融合技术的介绍与方法 船舶运动模型的建立 EKF算法的原理与应用 实验验证与仿真 小结  船舶运动模型 船舶运动方程 低频运动 MV,+D(,-v=t, +a 高频运动  EKF算法的原理与应用 EKF算法的原理:EKF取非线性函数的泰勒( Taylor)展开式进行 阶偏导部分(忽略其余高阶项),从而将非线性问题转化为线性 这样就可以将卡尔曼线性滤波算法应用到非线性系统中。从而解决了 非线性化的问题。 ●EKF滤波公式:在扩展卡尔曼滤波器( Extended Kalman Filter, 简称EKF)中状态转换和观测模型不需要是状态的线性函数,可替换 为(可微的)函数。 h(X 在每一步中使用当前的估计状态计算 Jacobian矩阵,将非线性问题 线性化。扩展卡尔曼滤波器的等式为 状态的一步预测方程 k-D)=/(x(k+1k-1)Mk-D0  协方差的一步预测 滤波增益方程 K(k)=P(k-1)(kk)P(k-1)(k)+G(k)R(kG(k 滤波估计方程 因)=k-1)+人(K儿k)一履刘处-1)0 滤波协方差更新方程 P(Kk)=(I-K(K)H(K)P(Hk-1)  船舶的测量模型 超声波接收器/发送器,测量船舶的位置,船舶的速度以及船舶的加 速度,相关的运动信息,电罗经角速度,船舶附体坐标系与惯性坐标 系的转换公式为 Vy=G我w 引入四元参数 X=E. ya,Zn, u,v,w,x,,y, 2, vr, Vs, V2.x,,y,, 2,, 9p, v]T 电罗经测量k时刻三个方向的角速度 具体的船舶测量模型 Z=[1y214,V1MW92a,B,d