[發明專利]一種無人船虛實融合多孿生智能感知增強方法

在審

• 申請號: 202210162169.1
• 申請日: 2022-02-22
• 公開（公告）號: CN114820997A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 范云生;張磊;趙永生
• 申請（專利權）人: 大連海事大學
• 主分類號: G06T19/00
• 分類號: G06T19/00;G06T17/05;G06T15/20;G06K9/62;G01S13/937;G01S13/86;G01C21/20
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

1.一種無人船虛實融合多孿生智能感知增強方法，其特征在于，包括：

S1、獲取數據信息；

S2、對獲取的所述數據信息進行數據融合處理，并將融合后的結果存儲到數據庫并構建模型數據庫；

S3、將模型數據庫中的數據傳輸至電子海圖顯示平臺、三維視景顯示平臺以及虛實融合顯示平臺，實現對無人船的輔助駕駛。

2.根據權利要求1所述的無人船虛實融合多孿生智能感知增強方法，其特征在于，所述步驟S1中，獲取的數據信息包括環境信息、本船信息以及他船信息，其中：

環境信息包括天氣信息、洋流信息以及航道信息、浮標信息；多種傳感器及設備共同獲取無人船航行的環境信息，獲取環境信息的傳感器設備包括用于測量水深的測深儀、用于測量風速風向的風速風向儀、用于測量水流速度和方向的測流儀、用于測量海浪數據的波浪儀、用于提供航道信息的電子海圖；

本船信息包括本船航行時產生的數據信息，數據信息用于反映本船的航行狀態；獲取本船信息的設備包括用于提供無人船方位的陀螺羅經、用于對船舶進行定位并提供準確的經緯度信息的GPS、用于測量航程并進行航跡推算的計程儀、用于獲取無人船自動舵的反饋信息便于進行優化調整的舵角反饋器；

他船信息包括探測一定范圍內的目標船舶數據信息，獲取目標船舶數據信息的設備包括雷達和AIS。

3.根據權利要求2所述的無人船虛實融合多孿生智能感知增強方法，其特征在于，所述步驟S2中，對獲取的所述數據信息進行數據融合處理，主要是對雷達和AIS獲取的目標船舶數據信息的冗余部分進行數據融合，具體如下：

空間統一：

采用墨卡托投影轉換AIS信息坐標，墨卡托投影公式如下所示：

其中，a表示橢球體的長軸，a的值為6378137m；b表示的是楠球體的短半軸其值約為6356752.3142m；表示基準紳度；λ表示經度，單位為弧度；表示緯度，單位是單位弧度；λ₀表示中央經線且中央經度為0；表示卯酉圈曲率半徑；e表示第一偏心率且e.表示第二偏心率且

將雷達的信息格式從極坐標系轉換為直角坐標系，轉換公式如下所示：

其中，R表示雷達目標在k時刻的距離；θ(k)表示雷達目標在k時刻的方位角；x(k)表示雷達目標k時刻在直角坐標系中X軸分量；y(k)表示雷達目標k時刻在直角坐標系中y軸分量；

時間統一：

選用線性插值算法實現時間對準，具體如下：

在區間[a,b]上，給定n+1個節點：a＝t₀＜t₁＜…＜t_n-1＜t_n＝b和對應y₀,y₁,…,y_n，設h_i＝t_i+1-t_i，插值函數為S_h(t)，其為一條折線函數，在任一個小區間[t_i,t_i+1]上可以表示為t_i＜t＜t_i+1；

采用基函數法構造分段線性函數，在整個區間[a,b]上S_h(t)為其中l_j(t)為朗格朗日插值基函數，朗格朗日插值基函數的公式如下所示：

采用距離-速度綜合細關聯算法，根據同一目標在一定時間內運動特性相同的特點進行關聯，具體如下：

選取一定采樣時間內的一段航跡，并計算雷達和AIS相應點在x和y方向上位置和速度等數值之差，差值最小的認為是關聯的目標；已知雷達對目標的量測矩陣為AIS對目標的量測矩陣為計算公式如下所示：

其中，式中Dx_ij，Dy_ij分別表示N個測量點內雷達目標i與AIS目標j在x和y方向的平均速度差，滿足最小的雷達跟蹤目標i和AIS跟蹤目標j確定關聯；航跡融合算法基于統計加權準則，對融合結果采用擴展卡爾曼濾波進行處理使航跡更接近真實軌跡；

對多傳感器進行數據融合其權重分配的準確性決定了數據融合的準確性，設有n個感知設備，z_i(i＝1,2,3,...,n)為測量值，為權重，n個傳感器中第i個傳感器的測量值為z_i＝x_i+e_i，其中z_i為測量值，x_i為真實值，e_i為誤差值，由于各傳感器間不存在干擾互相獨立，因此都服從正態分布，如下式所示：

統計加權即將稱重與測量值相乘并累加得到估計值為達到無偏估計，需滿足得到

采用最小均方差對權重分配，公式如下所示：

將其轉為線性規劃問題，如下所示：

針對線性規劃，采用拉格朗日乘數法并構造輔助函數求解，輔助函數設為計算得到最優權重及最小方差如下：

數據融合：

對距離、方位、航速、航向進行數據融合，融合公式如下所示：

其中，為雷達和AIS距離方差，是方位方差，分別為航速方差、航向方差；

為了提高融合精度對融合結果采用擴展卡爾曼濾波進行處理，擴展卡爾曼濾波公式如下所示：

其中，為狀態預測均值，P_k|k-1為狀態預測方差，K_k為卡爾曼增益，為目標后驗的均值，P_k為目標后驗的方差，船舶運動動模型狀態向量為x＝[X,Y,SOG,COG]^T，X,Y,SOG,COG分別為橫縱坐標、航速、航向，得到船舶運動系統方程如下所示：

其中，觀測矩陣為z＝[D,B,SOG,COG]^T，D,B,SOG,COG分別為距離、方位角、航速、航向，觀測方程如下所示：