数据融合理论、快速算法及其在船舶动力定位中的应用研究

The project proposes novel intelligent data fusion methods and efficient algorithm which are used in the ship dynamic positioning to solve the problem that the precision of ship dynamic positioning is not high because the multi-sensor signal is difficult to reach the convergence and steady state in the situation of interference such as wind, wave and ocean current. Theory: taking the multivariate gaussian distribution and mixing multivariate gaussian distribution for the mathematical model, using the delta method as the basic analysis method, and Four yuan gaussian distribution positive definite integral formula for dimension reduction as auxiliary means, derived the asymptotic expressions mean and variance proposed under the given correlation coefficient matrix, and derived the variance exact expression of Kendall coefficient of concordance and Kendall rank correlation coefficient under the multivariate Gaussian model.Algorithms: fast convergence, and stability as a entry point, build a fast algorithm based on multi-sensor data fusion theory, fast convergence and stability, reduce the relationship between the time complexity of the algorithm and the channel number from square to linear.Applications: the new theory and new method of multi-sensor data fusion is applied to the multi-channel disorders signal of marine dynamic positioning multiple sensors, heterogeneous sensor signal and the whole group of associated data analysis, improve marine dynamic positioning accuracy, and verify the applicability and the scalability of study result.

针对船舶动力定位多传感器在风、浪、流等干扰环境下，多传感器信号难收敛、难稳定，导致船舶动力定位精确度不高，本项目提出基于多传感器信号关联分析的数据融合方法，并系统地研究其统计特性、快速算法以及应用前景。理论方面：以多元高斯分布以及混合多元高斯分布为数学模型，以德尔塔方法为基本分析方法，以四元高斯分布正定限积分降维公式为辅助手段，推导所提出的在给定相关系数矩阵下均值和方差的渐近表达式，并推导肯德尔和谐系数及平均肯德尔秩次相关系数在多元高斯模下方差的精确表达式。算法方面：快速收敛、稳定为切入点，基于多感器数据融合理论以及快速收敛、稳定，构建快速算法，将算法时间复杂度从与通道数成平方关系降低与通道数成线性关系。应用方面：将多传感器数据融合的新理论、新方法应用于船舶动力定位多传感器多通道失常信号、异构传感器信号以及全组联数据的关联分析，提高船舶动力定位的精确度，并验证研究成果的可适用性和可扩展性。

船舶动力定位是指船舶在风、浪、流的干扰情况下，利用船舶自身的推力器系统使船舶自动地保持固定位置和航向，或者使船舶按照预定运动轨迹运动。针对船舶动力定位中多传感器在风、浪、流等干扰环境下，多传感器信号难收敛、难稳定，导致船舶动力定位精确度不高，本课题研究了船舶多传感器信号关联分析的智能数据融合的理论问题、关键技术和方法，以多元高斯分布以及混合多元高斯分布为数学模型，以德尔塔方法为基本分析方法，以四元高斯分布正定限积分降维公式为辅助手段，推导所提出在给定相关系数矩阵下均值和方差的渐近表达式，并推导肯德尔和谐系数及平均肯德尔秩次相关系数在多元高斯模型下方差的精确表达式。重点研究：（1）研究了船舶动力定位自航模试验，构建基于支持向量机的船舶航迹回归算法；（2）研究了基尼相关（GC）在混合高斯模型（CGM）下的渐近统计特性，并且推导出GCC和OSCOC在给定相关系数矩阵下的均值和方差的渐近表达式，同时理论证明基于对多种相关系数在混合高斯模型下的理论结果，通过实验验证其性能；（3）研究了基于组合规则的双样本数据融合方法、基尼相关系数（GCC）与无量纲相结合的数据融合方法、分布式多传感器数据融合的船舶室内动态定位跟踪算法、基于互无量纲的数据融合方法、基于无量纲指标、KNN相结合的故障证据融合方法、研究基于和谐系数的数据融合方法等多种智能数据融合方法。（4）研究基于输入-状态稳定、快速算法的船舶动力定位非线性观测器设计。另外，课题组在船舶运动模型系统识别、船舶故障诊断、机器学习与强化学习等方面进行了扩展研究。. 本课题历经四年的研究，按照要求完成了每年的研究计划，在国内外期刊上共发表和录用论文52篇，其中SCI收录16篇；申请发明专利7项、计算机软件著作权5项（均授权），培养博士研究生4人，硕士研究生8人。课题顺利完成了研究任务并取得了预期的研究成果。