动力定位国内外研究的现状及存在的问题起重船动力定位系统的滤波技术也随着动力定位的产生而不断发展,第一代动力定位系统滤波技术普遍采用低通滤波器,利用该滤波器滤除测量信号中的高频成分,消除被控信号中的冗余部分。但低通滤波器具有时滞特性,当低通滤波器的阶数越高时,其延时就会越长。而控制系统讲究的是实时性,一旦延时过长,就会对控制效果产生严重的影响,这就导致了低通滤波在动力定位系统中的运用受到极大的限制[6]。59215

    70年代,由于工业技术的快速发展,也要求相应的控制技术自动化程度更高。1976年,Balchen等人提出了基于模型的Kalman滤波,该滤波算法具有最优控制效果[6];随后,Kalman滤波算法被广泛应用到各类起重船动力定位系统中,第二代动力定位系统随之产生,意义较为深远。

    在起重船动力定位系统当中,Kalman滤波器的主要作用是结合系统模型从测量信号中估计出船舶的位置信号和艏向信息,并将所得的信息及时反馈给控制系统,使得起重船能按照要求运行[7]。经过Kalman滤波器滤波后的信号是起重船位置获艏向的低频信号,高频和噪声部分被滤除,也不会进入控制回路[9]。Kalman滤波器能有效克服低通滤波器相位滞后的缺陷,使得采样信号的输入和修正信号的输出时间间隔极短,不会出现延影响控制系统运作的现象。随着Grimble、Fung和Selid等人的进一步研究,Kalman滤波器在动力定位系统中重要的作用位置被进一步确认。

    由于起重船工作环境比较复杂,故动力定位系统方程是非线性的,而Kalman滤波器是基于精确的线性系统模型,因此在运用Kalman滤波算法之前必须对所建立的非线性系统线性化[12]。这表现在起重船艏向上,将分为多个工作点,对于每个工作点都必须线性化,之后再将线性化模型通过Kalman滤波算法进行计算,这就大大增加了系统的在线计算量,而且其中大量的协方差值难于调整,降低了系统的稳定性[13]。源]自[优尔^`论\文"网·www.youerw.com/

    进入上世纪90年代后,非线性理论得到快速发展,用于控制设计当中。Grovlen和Fossen提出了Backstepping观测器,运用该观测器设计了DP系统,使得该系统具有全局指数稳定性[14]。随后Grimble M J、Patton R J和Wise D A等人又在非线性观测器的基础上简化了环境对系统的干扰,使得模型进一步得到简化。Fossen和Strand又提出了自适应无源观测器[1]。

    在前人研究的基础上,何黎明提出了一种具有增广特性的非线性观测器,非线性理论在动力定位系统中的基础地位进一步得到巩固[9]。随后,Lindegaard和Loria等人在此基础上又做了进一步的研究和设计。

    目前在起重船中应用比较广泛的滤波算法还是Kalman滤波技术及其发展型,Kalman滤波器能够正常工作的前提是所建的模型必须准确,且干扰信号的统计特性已知[9]。在大多数实际应用情况下,外部环境干扰信号的统计特性无法确定,且系统模型本身存在着摄动,因此系统模型具有一定不确定性。由于环境的多变性及起重船作业状态的改变,系统存在着很大的不确定性,随之产生了扩展Kalman[11]。针对起重船动力定位滤波系统中存在的不确定性,引入扩展Kalman思想,这也是今后扩展Kalman理论在动力定位系统中的应用的一研究热点[13]。

    起重船动力定位系统是一项涉及交叉学科的高新技术。起重船动力定位系统的应用范围广泛、回报收益高,各个国家的起重船科研单位都对其展开了深入的研究,并取得了很多研究成果。经过近几十年的发展，装配有有动力定位系统的大型工程船舶越来越多，随着海洋工程领域的快速发展，动力系统将会有更大的发展空间。