基于MEMS惯性传感器数据融合的波浪浮标波向测量方法研究
项目介绍
AI项目解读
基本信息
- 批准号:41706101
- 项目类别:青年科学基金项目
- 资助金额:24.0万
- 负责人:
- 依托单位:
- 学科分类:D0608.海洋物理与观测探测技术
- 结题年份:2020
- 批准年份:2017
- 项目状态:已结题
- 起止时间:2018-01-01 至2020-12-31
- 项目参与者:朱洪海; 汤永佐; 赵杰; 付明阳; 万婧;
- 关键词:
项目摘要
To overcome the shortcomings of the current wave buoy, it is necessary to establish a wave buoy inertial-sensors data fusion model based on the Kalman filter framework. The Kalman filter model and the related algorithm are established to improve the accuracy of wave direction measurement. Due to the existence of accelerometer zero bias, gyroscope drift, wave direction will be affected by the measurement error. Based on the error source analysis of inertial-sensors, a suitable error mathematical model is established to study the inertial-sensor error compensation model and algorithm. Based on the Kalman filter model, a data fusion model based on wave buoy gyroscope and accelerometer is established to reduce measurement errors of buoyancy and tilt. The Longuet-Higgins method is used to calculate the direction spectrum of the waves, and the mean wave direction and principal wave direction. Further, wave direction inversion algorithm based on Extended Kalman Filter (EKF) and Unscented Kalman Filter (UKF) are researched. The convergence and comparison of Kalman Filter, EKF and UKF are studied. And the mean square error of the calculated wave direction is calculated. The prototype is constructed and the effectiveness of the model and the algorithm was validated and improved by the sea test.
针对当前波浪浮标波向测量准确度有限的不足,本项目通过研究基于卡尔曼滤波框架的波浪浮标MEMS惯性传感器数据融合模型,建立波向的卡尔曼滤波计算模型和相关算法,以提高波向的解算精度。由于加速度计存在零偏,陀螺仪存在漂移,波向测量将受误差影响。基于MEMS惯性传感器的误差源分析,建立合适的误差数学模型,研究MEMS惯性传感器误差补偿模型和算法;利用卡尔曼滤波模型,建立基于波浪浮标陀螺仪、加速度计的数据融合模型,以减少浮标升沉及倾斜的测量误差,使用Longuet-Higgins方法计算波浪的方向谱,得出平均波向和主波向;研究基于扩展卡尔曼滤波及无迹卡尔曼滤波的数据融合波向解算模型和算法,分析和对比卡尔曼滤波器、扩展卡尔曼滤波器及无迹卡尔曼滤波器的收敛性及所解算波向的均方误差值,对其性能进行评估;拟建立波浪浮标波向测量原形系统,并通过海试实验对模型及算法的有效性进行验证和改进。
结项摘要
波浪浮标具有实时、长期、连续、准确的收集海洋波浪资料的功能。一方面,为海洋预报提供实时波浪资料,另一方面为海洋开发和研究部门使用。因此,浮标作为一种重要的波浪波浪观测设备,越来越受到重视。本项目针对基于MEMS惯性传感器的波浪浮标方向谱反演问题,从姿态估计优化、方向谱求解模型、方向谱反演算法等三个核心问题入手开展研究。首先,建立了基于卡尔曼滤波的波浪浮标姿态估计方法,分别建立了基于MEMS惯性传感器数据的浮标姿态欧拉角计算模型、本地坐标系与东北天坐标系之间的坐标系变换模型,实现了基于卡尔曼滤波的俯仰角、横滚角及方向角的准确估计。其次,完成了波浪浮标方向谱求解模型的建模,建立了传感器测量值时间序列与波浪浮标方向谱之间的非线性方程组约束。最后,完成了波浪浮标方向谱反演算法研究,对傅里叶直接展开法、最大似然法、最大熵法等波浪浮标常用的方向谱反演算法进行了分析,针对最大熵法中存在的雅克比矩阵不可逆问题,提出了一种基于遗传算法的最大熵法,通过求解约束问题的最值问题,解决了雅克比矩阵不可逆问题。通过数值模拟试验、岸边及海上试验对基于遗传算法的最大熵法的有效性进行了验证。研究为解决波浪浮标波向测量方法的关键问题提供了重要的方法和计算依据,对波浪浮标的研发具有重要的指导意义。
项目成果
期刊论文数量(1)
专著数量(0)
科研奖励数量(0)
会议论文数量(4)
专利数量(1)
Parallel Branch and Bound Algorithm for Product Testing Job Scheduling Problems using MapReduce
使用 MapReduce 解决产品测试作业调度问题的并行分支定界算法
- DOI:--
- 发表时间:2020
- 期刊:International Journal of Machine Learning and Computing
- 影响因子:--
- 作者:于雨
- 通讯作者:于雨
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--"}}
- 发表时间:{{ item.publish_year || "--" }}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--"}}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ patent.updateTime }}
其他文献
其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--" }}
- 发表时间:{{ item.publish_year || "--"}}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--" }}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
内容获取失败,请点击重试
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:
AI项目摘要
AI项目思路
AI技术路线图
请为本次AI项目解读的内容对您的实用性打分
非常不实用
非常实用
1
2
3
4
5
6
7
8
9
10
您认为此功能如何分析更能满足您的需求,请填写您的反馈:
相似国自然基金
{{ item.name }}
- 批准号:{{ item.ratify_no }}
- 批准年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}
相似海外基金
{{
item.name }}
{{ item.translate_name }}
- 批准号:{{ item.ratify_no }}
- 财政年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}