摘 要

在经济全球化的影响下，世界各国之间的海上贸易量持续上升。但随着船只的数量不断增多以及行航线日益繁忙，有关环境污染、人力成本的增长和安全性的问题被广泛关注，智能船舶的概念应运而生。智能船舶获取信息的来源主要是各类传感器，但是传感器获取的信息总是伴随着各种噪声干扰，单个传感器提供信息已经无法满足要求，必须依靠多传感器数据融合技术来获取更加精确可靠的信息。多传感器数据融合（Multisensor Information Fusion）是指对多个传感器获得的数据进行多方面、多级别和多层次的处理，从而产生新的更加精确可靠的信息。

数据处理方面，本文介绍了时间对准和空间对准的几种方法。重点研究了野值剔除的方法，通过改进莱特准则和格拉布斯准则，获得更好的野值剔除效果。并通过仿真比较了两种方法。

数据融合方面，主要利用卡尔曼滤波算法。采用分布式融合结构，先对传感器进行局部滤波，然后通过融合算法对滤波后的估计值进行融合。本文关于数据融合有三种方法，第一种方法是最典型的联邦卡尔曼滤波算法；第二种方法根据加权平均法对局部滤波估计值进行权值赋值，达到融合的目的；借此提出第三种方法通过单个传感器和其他传感器数据的相关性进行赋值，获得其他传感器支持越多，权值赋值越高，反之则越低。最后使用MATLAB对这三种方法进行仿真和比较。

关键词：智能船舶；数据处理；野值剔除；卡尔曼滤波；数据融合

Abstract

With the influence of economic globalization, maritime trade between countries has continued to rise. However, as the number of vessels continues to increase and the route is growing, environmental pollution, the growth of human costs and safety issues are widely concerned, the concept of intelligent ships came into being. The source of intelligent ship access information is mainly all kinds of sensors, but the information obtained by the sensor is always accompanied by a variety of noise interference, a single sensor to provide information has been unable to meet the requirements, we must rely on multi-sensor data fusion technology to obtain more accurate and reliable information. Multisensor Information Fusion (Multisensor Information Fusion) refers to the multi-sensor data obtained in many ways, multi-level and multi-level processing, resulting in new and more accurate and reliable information.

Data processing, this paper describes the time alignment and spatial alignment of several methods. The method of wild value elimination is studied, and the better wild value elimination effect is obtained by improving the Wright criterion and the Grabus criterion. And compared the two methods by simulation.

Data fusion, the main use of Kalman filter algorithm. The distributed fusion structure is used to filter the sensor locally, and then the fusion estimation algorithm is used to fuse the estimated value. There are three methods for data fusion in this paper. The first method is the most typical federal Kalman filter algorithm. The second method is based on the weighted average method to assign the weighted value of the local filter to achieve the goal of fusion. The method is assigned by the correlation of a single sensor and other sensor data. The more the other sensors are supported, the higher the weight assignment, and vice versa. Finally, we use MATLAB to simulate and compare these three methods.

Key Words：Intelligent ship; motion mathematical model; data processing; wild value elimination; Kalman filter; data fusion

目录

摘要 II

Abstract III

第一章 绪论 1

1.1研究背景和意义 1

1.2 国内外研究现状 2

1.3 本文主要内容 3

第二章 智能船舶的介绍 4

2.1 智能船舶的功能 4

2.2 智能船舶系统 5

2.2.1 船舶的综合桥楼控制系统（IBS） 5

2.2.2 船舶综合控制系统（ICS/VMS） 6

2.2.3 船舶的性能监测系统 6

2.2.4 船舶维修维护系统 6

2.3 智能船舶工作原理 6

2.4 本章小结 7

第三章 船舶运动数学模型 8

3.1.船舶运动数学模型的分类 8

3.1.1整体型模型结构 8

3.1.2分离型模型结构 8

3.2.坐标系 9

3.2.1固定坐标系 10

3.2.2 运动坐标系Gxyz 10

3.2.3固定坐标系与运动坐标系之间的转换 11

3.3 船舶六自由度运动模型 11

3.4 本章小结 13

第四章 传感器数据处理 14

4.1 时间配准 14

4.1.1 最小二乘法 14

4.1.2 内插外推法 15

4.2 空间配准 17

4.2.1 平台级空间配准 17

4.2.2 系统级空间配准 18

4.3 野值剔除 19

4.3.1 自适应变系数的莱特准则 19

4.3.2 基于格拉布斯准则的野值剔除 20

4.4 仿真结果 20

4.5 本章小结 24

第五章 多传感器数据融合 25

5.1 数据融合的概述 25

5.1.1 数据融合的定义 25

5.2 数据融合的级别 25

5.2.1 数据级融合 25

5.2.2 特征级融合 26

5.2.3 决策级融合 26

5.3 多传感器数据融合系统结构 27

5.3.1 集中式融合系统 27

5.3.2 分布式无反馈融合系统 28

5.3.3 分布式有反馈融合系统 28

5.3.4 并行分布式有反馈融合系统 29

5.4 数据融合的方法 30

5.4.1 卡尔曼滤波法 30

5.4.2 联邦卡尔曼滤波算法 33

5.4.3 基于卡尔曼滤波的聚类分析融合算法 35

5.4.4 基于卡尔曼滤波改进的加权融合算法 37

5.5 仿真实验 39

5.6 本章小结 44

结论 45

参考文献 46

致谢 48

第一章 绪论

1.1研究背景和意义

随着世界各国的贸易量持续上升，国与国之间主要通过海上进行贸易往来，因此船只的数量不断增多以及航线日益繁忙，随之海上运输的各种问题也暴露出来（如环境污染、人力成本增加和安全事故几率增加）。其中安全性问题最为关注，船舶在航行的过程中，经常会遇到碰撞等事故的危险，油船、液化天然气船（LNG）、化学品船等，一旦这些船失事，造成的不光是经济上的损失，还会带来严重的环境污染，破坏生态环境。若果是客船那将造成大量的人员伤亡。例如，2002年11月13日，载有7.7万吨原油的“威望”号和一个漂浮的集装箱在西班牙加利西亚附近海域相撞，造成原油泄漏，19日后，油船断裂成两段，最终完全沉没，造成严重的环境污染和生态破坏；2012年1月13日，意大利的“科斯塔康科迪亚”号邮轮在意大利的托斯卡纳大区吉廖岛附近因触礁而发生侧翻，船上载有来自70个国家的4229名乘客，其中32人遇难。在所有船舶碰撞事故中，绝大部分原因是船员的操纵不当、不按规则、疲劳驾驶、瞭望疏忽等造成的。因此，人们开始探求通过计算机等技术代替人对船做出决策，智能船舶应运而生。

“智能”也就是通过传感器获得的信息和具体的任务综合考虑，制定一系列船舶航行最优决策，达到安全、经济和环保的目的。智能船舶上没有船员，对于环境的感知主要通过传感器，但是单个传感器无法满足数据的精度和可靠性的要求，因此多传感器数据融合技术成为关键，为智能船舶做出最优决策提供了保障。智能船舶用来获取信息的工具主要是传感器，作用就相当于人类的视觉、听觉、味觉、嗅觉和触觉等，比如单从视觉很难判断蛋糕好坏，要通过嗅觉和味觉综合判断，得出准确的信息。多传感器数据融合的特点就是能够把多种同类的或者异类的传感器所获得的信息进行融合，然后利用融合后的信息对目标做出决策，克服了单一传感器精度和可靠性不高的缺陷。