一种用于恶劣海况下无人船对准的改进UKF算法的制作方法

所属领域

本发明属于测绘技术领域，具体涉及一种用于恶劣海况下无人船对准的改进ukf算法。

背景技术：

对于海上作业的无人船来说，大风浪是影响其航行以及正常工作的常见的恶劣海况条件，会使得船舶做六自由度的摇荡，其中艏摇，横摇、纵摇对船舶的不利影响最大。无人船在工作前通过母船将其拖到海上，随机投放，这种投放的不确定性使得无人船在初始对准中会出现大失准角的情况，所以解决无人船在恶劣海况下被投放到海上，在大失准角下的初始对准问题具有重要的现实意义。考虑到恶劣海况对无人船工作的实际影响，不仅会做大幅摇摆，还会受到冲击、砰击等外界干扰，结合无人船的自主性和智能性，研究带有自适应调节能力的对准技术是无人船对准中的关键。

恶劣海况下船体的大幅摇摆会使得sins无法快速准确地完成自主粗对准，不能得到小角度误差，为解决此问题gaiffe提出惯性坐标系对准方法，自此国内外学者便对惯性坐标系对准法展开研究。秦永元提出的间接法对准，存在算法复杂，依赖外部经纬度信息的弊端，直接法中重力数据误差对对准的不利影响也无法忽视。关于动基座sins对准，国内提出许多创新方法。利用开路法构建数学稳定平台隔离载体摇摆，实现快速对准，由于没有反馈校正只适用于纯理想的摇摆环境；通过寻找零速摇晃中心，利用杆臂效应将摇摆基座自对准问题转化为静基座对准问题，但是闭环补偿法的应用使闭环初值的选取，切换时间的确定成为问题。经典的罗经法对准也被应用到恶劣条件下船用sins初始对准中，但是在水平方位精对准前要先进行粗对准，具有局限性。对于摇摆基座下的sins初始对准问题的另一种解决办法是采用非线性滤波器进行精对准。受此启发，为解决复杂恶劣海况下，无人船在摇摆运动时观测量受到阵发性短时强干扰或周期性瞬时冲击的对准问题，本文提出一种基于遗传算法的自适应鲁棒ukf算法(garukf)，提高了对准精度和稳定性。

技术实现要素：

本发明正是针对现有技术中的问题，提供了一种用于恶劣海况下无人船对准的改进ukf算法，当无人船在恶劣海况下不仅做大幅摇摆，还受到阵发性短时强干扰或周期性瞬时冲击时，可有效提高对准的精度和稳定性。

上述目的通过以下技术方案实现：

一种用于恶劣海况下无人船对准的改进ukf算法，该算法包括以下步骤；

s1，将新息向量统计特性中的γk作为观测量是否受到外界干扰的判断标准，实现ukf算法和遗传自适应鲁棒ukf(garukf)两种滤波算法的切换，若则执行s2，否则执行s7，其中

s2，利用投影统计(ps)算法计算出长度为wl的滑动窗口内的新息向量的投影统计(ps)值，通过计算ps值检测出有外界噪声干扰时，存在异常的新息向量；

s3，利用投影统计值对滑动窗口内异常的新息向量重新赋权；

s4，利用滑动窗口内重新分配过权重的新息向量估计出当前时刻的新息协方差阵，进而估计出当前时刻的量测噪声方差阵；

s5，建立自适应因子阵调节量测噪声方差阵的估计量，进而得到当前时刻量测噪声方差阵的准确值；

s6，利用遗传(ga)算法求解自适应因子阵的各个参数[λ1,λ2,…λm]；

s7，进行ukf算法量测更新的下步运算。

进一步地，本发明方法中，步骤s1将新息向量统计特性中的γk作为观测量是否受到外界干扰的判断标准。

已知在滤波稳定的情况下，新息向量统计特性满足：

因此将γk作为观测量受到外界干扰的判断标准，当时，判定此时观测量有异常值出现，使用基于遗传算法的自适应鲁棒ukf算法(garukf)对量测噪声方差阵进行实时估计，当观测量无异常值出现时，使用常规的ukf算法。由于遗传算法往往会以时间为代价，引入γk判断依据实现两种滤波算法的切换，使得garukf算法仅应用在异常值出现时的情况，减少对准时间的消耗，提高garukf算法在无人船对准中的工程应用性。

进一步地，本发明方法中，步骤s2利用投影统计(ps)算法计算出长度为wl的滑动窗口内的新息向量的投影统计(ps)值，通过计算ps值检测出有外界噪声干扰时，存在异常的新息向量。滑动窗口sw＝[l1,l2,l3,…lwl]，每个新息向量lj对应的ps值为psj。设置阈值η，当psj＞η时，判定此时的新息向量为异常值。

进一步地，本发明方法中，步骤s3对滑动窗口内异常的新息向量重新赋予权重：

其中自由度m为量测值的数量。

进一步地，本发明方法中，步骤s4中利用滑动窗口内重新分配过权重的新息向量估计出当前时刻的新息协方差阵，进而估计出量测噪声方差阵。

其中为滑动窗口内存储的新息向量均值。

估计出量测噪声方差阵：

对作对称正定化处理：

进一步地，本发明方法中步骤s5建立自适应调节因子阵，引入多重因子对量测噪声方差阵的估计量进行调整，使得各个滤波通道具有不同的调节能力，克服单调节因子对多变量跟踪能力差的局限性。

fk＝diag[λ1,λ2,…,λm]

进一步地，本发明方法中s6中利用遗传算法求取多变量优化问题具有稳健的求解性能来求解参数[λ1,λ2,…λm]。

建立目标函数：

其中λ1,λ2,…λm≥1。

与现有技术相比，本发明的有益效果为：

(1)当无人船处在恶劣的海况中，仅做大幅度摇摆运动时，利用ukf滤波算法可得到非线性状态空间模型下更好的对准效果。

(2)当无人船处在恶劣的海况下，不仅做大幅度摇摆运动，还遭受阵发性短时强干扰或周期性瞬时冲击，使得量测噪声方差阵不再是常值矩阵且不满足高斯特性，通过投影统计(ps)算法判断出异常的新息向量，对滑动窗口内的新息向量重新赋权，实现对量测噪声方差阵的实时估计。

(3)针对处于复杂恶劣海况中的无人船对准时，各个观测量必然不会只受单一的外界干扰，利用遗传(ga)算法求解自适应因子阵，最优化地调整量测噪声方差阵；与常规自适应鲁棒ukf算法(arukf)算法相比，该算法实现了自适应调节能力的最优化，可提高恶劣海况下无人船对准的精度和稳定性。

(4)引入新息向量统计特性中的γk作为判定依据，实现基于遗传自适应鲁棒ukf(garukf)算法和ukf算法的切换，使得遗传算法对准时间长的缺点就可以减弱甚至避免，既提高了含有干扰时的对准精度，又平衡了对准速度和精度间的关系。

附图说明

图1为本发明的应用于恶劣海况下无人船对准的遗传自适应鲁棒ukf算法流程图；

图2为包含新息向量的滑动窗口图；

图3为通过投影统计算法寻找异常点的原理图。

具体实施方式

如图1所示，本发明的用于恶劣海况下无人船对准的遗传自适应鲁棒ukf算法，具体步骤如下：

s1，将新息向量统计特性中的γk作为观测量是否受到外界干扰的判断标准，实现ukf算法和遗传自适应鲁棒ukf(garukf)两种滤波算法的切换，若则执行s2，否则执行s7，其中

已知在滤波稳定的情况下，新息向量统计特性满足：

因此将γk作为观测量受到外界干扰的判断标准，当时，判定此时观测量有异常值出现，使用基于遗传算法的自适应鲁棒ukf算法(garukf)对量测噪声方差阵进行实时估计，当观测量无异常值出现时，使用常规的ukf算法。由于遗传算法往往会以时间为代价，引入γk判断依据实现两种滤波算法的切换，使得garukf算法仅应用在异常值出现时的情况，减少对准时间的消耗，提高garukf算法在无人船对准中的工程应用性。

s2，利用投影统计(ps)算法计算出长度为wl的滑动窗口内的新息向量的投影统计(ps)值，通过计算ps值检测出有外界噪声干扰时，存在异常的新息向量滑动窗口，sw＝[l1,l2,l3,…lwl]，每个新息向量lj对应的ps值为psj。设置阈值η，当psj＞η时，判定此时的新息向量为异常值。

s3，利用投影统计值对滑动窗口内异常的新息向量重新赋权；

其中自由度m为量测值的数量。

s4，利用滑动窗口内重新分配过权重的新息向量估计出当前时刻的新息协方差阵，进而估计出当前时刻的量测噪声方差阵；

其中为滑动窗口内存储的新息向量均值。

估计出量测噪声方差阵：

对作对称正定化处理：

s5，建立自适应调节因子阵，引入多重因子对量测噪声方差阵的估计量进行调整，使得各个滤波通道具有不同的调节能力，克服单调节因子对多变量跟踪能力差的局限性。

fk＝diag[λ1,λ2,…,λm]

s6，利用遗传算法求取多变量优化问题具有稳健的求解性能来求解参数[λ1,λ2,…λm]。

建立目标函数：

其中λ1,λ2,…λm≥1。

s7，进行ukf算法量测更新的下步运算。

具体实例：

为了验证本发明算法的有效性，分别进行仿真和半实物实验的验证。仿真过程中设置600s的仿真时间，并且每7s给观测量增加瞬时冲击干扰，从300s以后增加短时强干扰，仿真结果表明水平方向对准精度达4角分，方位对准精度可达5角分，且仿真的精度和稳定性均高于ukf算法和常规的单一因子的自适应鲁棒ukf算法。

半实物实验验证中采集放置在地面上的无人船在启动过程中的20s数据，从静止逐渐启动的过程，人为推击的干扰、马达的振动、船身的不规则抖动以及船抖动过程中与四轮拖车的不确定性摩擦阻力等都会给惯性传感器的数据采集过程带来误差，对采集的数据进行基于遗传的自适应鲁棒ukf算法处理，东、北向失准角收敛至1角分以内，天向失准角收敛至4角分，精度和稳定性均高于ukf算法和单一因子的自适应鲁棒ukf算法。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。