雷達(dá)測(cè)風(fēng)組合的艦面穩(wěn)態(tài)風(fēng)向風(fēng)速估計(jì)

張玉瑩， 劉繁明， 盧志忠

(哈爾濱工程大學(xué) 智能科學(xué)與工程學(xué)院，黑龍江 哈爾濱 150001)

艦面空氣流場(chǎng)嚴(yán)重影響艦載機(jī)起飛降落安全，因此準(zhǔn)確的艦面風(fēng)場(chǎng)實(shí)測(cè)信息是海上艦船軍事活動(dòng)及軍事作戰(zhàn)的重要依據(jù)[1-2]。氣流場(chǎng)通常隨空間和時(shí)間不斷變化，實(shí)際用戶通常關(guān)注的是艦面穩(wěn)態(tài)風(fēng)速風(fēng)向參數(shù)，定義為未被艦面結(jié)構(gòu)物擾動(dòng)的自由來流在空間和時(shí)間上的平均值，被直接用于艦載機(jī)起降時(shí)迎風(fēng)角度的調(diào)整，測(cè)量準(zhǔn)確度要求很高，對(duì)艦載機(jī)起降安全至關(guān)重要[3]。通常艦面桅桿處布置有2個(gè)或多個(gè)風(fēng)速風(fēng)向傳感器，傳統(tǒng)的測(cè)風(fēng)方法簡(jiǎn)單選取各傳感器中實(shí)測(cè)風(fēng)速最大的傳感器測(cè)量值輸出[4]，這種方法的應(yīng)用前提是桅桿傳感器布置區(qū)域的流場(chǎng)符合自由來流假設(shè)，不受艦面結(jié)構(gòu)物的擾動(dòng)。

然而由于艦船特別是軍用艦船在桅桿處布置了越來越多的外部設(shè)備，上述假設(shè)已經(jīng)越來越難以保證，導(dǎo)致實(shí)際輸出的風(fēng)向風(fēng)速參數(shù)存在較大誤差，已不能滿足艦載機(jī)起降對(duì)測(cè)量精度的要求[5-6]。

直接利用桅桿處布置的風(fēng)速風(fēng)向傳感器測(cè)量真風(fēng)屬于站點(diǎn)式現(xiàn)場(chǎng)測(cè)量類型，可實(shí)時(shí)、快速監(jiān)測(cè)隨時(shí)間變化的觀測(cè)點(diǎn)處海面風(fēng)場(chǎng)信息，相對(duì)而言置信度高[7]。Yelland等[8]應(yīng)用流體力學(xué)(computational fluid dynamic,CFD)模型模擬船舶的氣流流動(dòng)情況，風(fēng)速儀分別設(shè)立在良好暴露位置與非良好暴露位置對(duì)風(fēng)速進(jìn)行預(yù)測(cè)，但由于船舶本身會(huì)引起氣流畸變，風(fēng)速儀測(cè)量結(jié)果會(huì)產(chǎn)生10%的風(fēng)速誤差。Reinsvold等[9]研究了船舶運(yùn)動(dòng)對(duì)風(fēng)場(chǎng)參數(shù)測(cè)量的影響，指出船舶橫縱搖運(yùn)動(dòng)造成桅桿高處的風(fēng)速計(jì)產(chǎn)生了很大的動(dòng)態(tài)風(fēng)畸變，并分析了船舶橫縱搖、上層建筑對(duì)風(fēng)速計(jì)的影響；針對(duì)艦船甲板氣流場(chǎng)受艦面結(jié)構(gòu)物遮擋的影響，郜冶等[4]以CFD計(jì)算軟件為工具，對(duì)不同風(fēng)速(工況)下傳感器周邊氣流場(chǎng)的畸變情況進(jìn)行了仿真，結(jié)果表明傳感器當(dāng)前安裝位置向桅桿外平移后，將有利于降低風(fēng)向、風(fēng)速值的測(cè)量誤差；船舶本身周圍氣流場(chǎng)易受船舶橫縱搖的影響，針對(duì)這一問題，胡桐等[10]應(yīng)用數(shù)值模擬計(jì)算的方法分析了艦船周圍氣流場(chǎng)的分布情況，并且應(yīng)用實(shí)船實(shí)驗(yàn)數(shù)據(jù)對(duì)數(shù)值模擬計(jì)算得到的結(jié)果進(jìn)行了驗(yàn)證。由于測(cè)風(fēng)傳感器安裝在艦船桅桿時(shí)，不可避免受到周圍結(jié)構(gòu)物的遮擋，致使艦船遭遇的自由來流被破壞且無明顯的規(guī)律，因此無法直接獲得真實(shí)的風(fēng)速風(fēng)向信息[11]。

航海雷達(dá)也能用于反演距離本船1 km附近海面的平均風(fēng)速風(fēng)向信息，由于其獨(dú)有的測(cè)量區(qū)域不存在結(jié)構(gòu)物擾動(dòng)、更接近自由來流的優(yōu)勢(shì)，已成為海面風(fēng)場(chǎng)信息獲取研究的熱點(diǎn)[12-13]，其中基于海面風(fēng)場(chǎng)成像特征的算法被廣泛研究，包括局部梯度法、自適應(yīng)縮減法和能量譜法等[14]。Dankert等[15]提出局部梯度法提取海面風(fēng)向信息；Wang等[16]提出自適應(yīng)縮減算子提取海面風(fēng)向，利用自適應(yīng)局部梯度計(jì)算局部風(fēng)向；Wang等[17]提出基于能量譜的海面風(fēng)向提取技術(shù)，風(fēng)向反演精度較其他算法精度有所提升。但因原理所限航海雷達(dá)測(cè)量手段仍存在誤差較大的缺陷[18]。

文獻(xiàn)[4]中利用CFD模型分析了不同風(fēng)速(工況)下風(fēng)傳感器布放區(qū)域周圍氣流場(chǎng)的畸變特性，研究表明現(xiàn)有測(cè)風(fēng)傳感器布置條件下測(cè)風(fēng)誤差較大，但未能給出有效提高風(fēng)速風(fēng)向估計(jì)精度的方法。為了滿足用戶對(duì)精度提高的強(qiáng)烈需求，本文在文獻(xiàn)[4]基礎(chǔ)上開展了進(jìn)一步研究，提出了一種四傳感器布置方案，進(jìn)而提出了基于雷達(dá)測(cè)風(fēng)參數(shù)組合的四傳感器加權(quán)融合艦面穩(wěn)態(tài)風(fēng)速風(fēng)向估計(jì)算法(RFSF)，在四傳感器加權(quán)融合算法基礎(chǔ)上，加入航海雷達(dá)圖像反演所獲得的風(fēng)向參數(shù)作為先驗(yàn)條件，能夠利用艦面桅桿處風(fēng)速風(fēng)向儀的實(shí)測(cè)值進(jìn)行艦面穩(wěn)態(tài)風(fēng)向風(fēng)速估計(jì)技術(shù)研究，有效降低了風(fēng)場(chǎng)測(cè)量誤差。

1 風(fēng)傳感器布置位置流場(chǎng)分析

便于對(duì)艦面風(fēng)場(chǎng)的研究，本文將使用CFD數(shù)值模擬計(jì)算軟件對(duì)艦面穩(wěn)態(tài)風(fēng)場(chǎng)進(jìn)行相應(yīng)的數(shù)值模擬。采用文獻(xiàn)[4]中的方法驗(yàn)證傳感器不同布置位置對(duì)風(fēng)場(chǎng)參數(shù)的影響，根據(jù)文獻(xiàn)[4]中在實(shí)船模型上的風(fēng)傳感器布放位置可知，現(xiàn)有風(fēng)傳感器布放位置的坐標(biāo)為(0.0 m,3.68 m,13.23 m)和(0.0 m,-3.68 m,13.23 m)，分別記為左舷監(jiān)測(cè)點(diǎn)、右舷監(jiān)測(cè)點(diǎn)，如圖1所示。

圖1 雙傳感器現(xiàn)有布置位置Fig.1 The current location of two anemometers

應(yīng)用CFD計(jì)算軟件對(duì)艦面穩(wěn)態(tài)風(fēng)場(chǎng)進(jìn)行數(shù)值模擬，由于風(fēng)傳感器安裝位置向外移動(dòng)有助于減小測(cè)量誤差，當(dāng)風(fēng)傳感器布放位置向前移動(dòng)到天線位置處時(shí)，能夠明顯降低風(fēng)速值的測(cè)量誤差且風(fēng)向值的測(cè)量誤差不會(huì)顯著提高，故改變艦船上風(fēng)傳感器的布置位置，并對(duì)風(fēng)傳感器附近的流場(chǎng)進(jìn)行分析。由于風(fēng)傳感器在實(shí)船上的安裝高度為13.23 m，用X、Y軸坐標(biāo)值來表示風(fēng)傳感器的布放位置，忽略了Z軸坐標(biāo)，以便于后文分析。在不改變風(fēng)傳感器安裝高度的情況下，x的值分別取0和-4.6 m時(shí)，y的值分別取±3、±4、±5、±6、±7和±8 m(詳見文獻(xiàn)[4])，當(dāng)風(fēng)速為12 m/s時(shí)，風(fēng)傳感器在左、右監(jiān)測(cè)點(diǎn)距桅桿不同距離處的氣流場(chǎng)受湍流效應(yīng)影響后的風(fēng)向絕對(duì)誤差、風(fēng)速相對(duì)誤差對(duì)比后可知，距離桅桿8 m處(x=0，-4.6 m)監(jiān)測(cè)點(diǎn)的傳感器所測(cè)風(fēng)向絕對(duì)誤差、風(fēng)速相對(duì)誤差最小。

本文對(duì)所測(cè)風(fēng)場(chǎng)數(shù)據(jù)進(jìn)行了進(jìn)一步分析，結(jié)果表明左右舷監(jiān)測(cè)點(diǎn)處所測(cè)得的風(fēng)場(chǎng)與無窮遠(yuǎn)處真風(fēng)場(chǎng)存在相當(dāng)大的差異。由于雙傳感器傳統(tǒng)算法目前仍存在較大的缺陷，風(fēng)傳感器現(xiàn)有布放位置受湍流效應(yīng)的影響較為明顯，使得雙傳感器現(xiàn)有的布放位置不能滿足用戶對(duì)風(fēng)場(chǎng)參數(shù)估計(jì)精度的要求，風(fēng)傳感器即使被安裝在艦船暴露良好的位置上，也有相當(dāng)大的可能產(chǎn)生一個(gè)高達(dá)10%的風(fēng)速誤差[19]。針對(duì)雙傳感器布置方案的一些缺陷，通過分析文獻(xiàn)[4]，優(yōu)選了分布在距桅桿中心8 m的位置處，在桅桿附近布放了4個(gè)相同規(guī)格的風(fēng)傳感器。其中，x=0，x=-4.6 m的橫桁上各有2個(gè)風(fēng)傳感器，它們的布置位置分別為①和②、③和④，如圖2所示，將多傳感器所測(cè)風(fēng)場(chǎng)信息進(jìn)行融合來提高風(fēng)場(chǎng)信息的精度。

圖2 四傳感器布置位置示意Fig.2 Diagram of four anemometers layout

2 數(shù)據(jù)與方法

為了研究不同來風(fēng)條件下艦面測(cè)風(fēng)點(diǎn)的風(fēng)向、風(fēng)速畸變規(guī)律，本文使用CFD對(duì)艦船的表面風(fēng)場(chǎng)進(jìn)行數(shù)值模擬。在仿真過程中，首先選取x=0位置，并從橫桁的+3 m和-3 m處向外擴(kuò)散，以1 m為間隔每側(cè)各選取6個(gè)測(cè)風(fēng)點(diǎn)，故x=0處的測(cè)風(fēng)點(diǎn)共計(jì)12個(gè)。此外，在x=-4.6 m位置處新增了以相同方式選點(diǎn)的橫桁，這樣一共選取了24個(gè)測(cè)風(fēng)點(diǎn)。自由來流風(fēng)場(chǎng)仿真初試條件方面，將真風(fēng)速從3～15 m/s分為工況A、B、C、D、E這5種工況，每次遞增3 m/s；對(duì)于每種工況，各均勻取72個(gè)風(fēng)向角(從0°風(fēng)開始每5°風(fēng)遞增直到360°)作為輸入真風(fēng)向。因此仿真數(shù)據(jù)中，每個(gè)測(cè)風(fēng)點(diǎn)的數(shù)據(jù)為360組(每組數(shù)據(jù)包含一對(duì)風(fēng)向風(fēng)速值)，24個(gè)測(cè)風(fēng)點(diǎn)共計(jì)8 640組艦面穩(wěn)態(tài)風(fēng)場(chǎng)輸入條件下的風(fēng)場(chǎng)仿真數(shù)據(jù)，作為本文研究艦面穩(wěn)態(tài)風(fēng)向、風(fēng)速估計(jì)技術(shù)的基礎(chǔ)數(shù)據(jù)。

對(duì)CFD數(shù)值模擬仿真結(jié)果進(jìn)行研究后發(fā)現(xiàn)，艦船上方無窮遠(yuǎn)處自由來流真風(fēng)場(chǎng)與各擬布設(shè)傳感器測(cè)風(fēng)點(diǎn)觀測(cè)值之間的偏差關(guān)系復(fù)雜，無法找到簡(jiǎn)單的函數(shù)關(guān)系式，表達(dá)自由來流與各觀測(cè)值之間的關(guān)系模型。因此，本文探討了應(yīng)用非線性尋優(yōu)方法解決上述問題，通過仿真模型得到傳感器不同測(cè)風(fēng)點(diǎn)的數(shù)據(jù)值，輸入至非線性尋優(yōu)模型中不斷訓(xùn)練，進(jìn)而估計(jì)出與無窮遠(yuǎn)處自由來流真風(fēng)場(chǎng)誤差最小的非線性關(guān)系式，實(shí)現(xiàn)最優(yōu)估計(jì)。另外，多傳感器可以從不同的位置、方向上獲取更多方位、級(jí)別、層次的綜合信息，因此能夠反映更加豐富的差異性信息，故本文選取了多傳感器數(shù)據(jù)融合的方法。

3 雷達(dá)測(cè)風(fēng)組合四傳感器加權(quán)融合算法

目前，多傳感器數(shù)據(jù)融合算法中最常用的為最優(yōu)加權(quán)算法，通過權(quán)值乘以各個(gè)傳感器的測(cè)量值來估計(jì)測(cè)量參數(shù)的最優(yōu)值[20]。4個(gè)相同規(guī)格的風(fēng)傳感器應(yīng)用加權(quán)融合算法有其獨(dú)特的優(yōu)勢(shì)，一方面，當(dāng)多傳感器系統(tǒng)中部分傳感器發(fā)生故障時(shí)，可保證該系統(tǒng)仍然可以正常工作；另一方面，多傳感器系統(tǒng)加強(qiáng)了對(duì)周圍環(huán)境的描述能力，能夠獲得更加全面、準(zhǔn)確的環(huán)境信息[21]。傳感器測(cè)風(fēng)的傳統(tǒng)算法，其效果主要依賴測(cè)風(fēng)位置是否受到船體上層結(jié)構(gòu)物的遮擋效應(yīng)，即取決于測(cè)風(fēng)位置風(fēng)向角的角度[22]。由于目前航海雷達(dá)反演風(fēng)向的技術(shù)較為成熟，所得風(fēng)向精度更高，故將雷達(dá)所測(cè)得的風(fēng)向作為先驗(yàn)條件，在該風(fēng)向角度下，對(duì)該風(fēng)向角度范圍約束下的傳感器信息進(jìn)行校驗(yàn)，進(jìn)而進(jìn)行風(fēng)速風(fēng)向估計(jì)。

3.1 航海雷達(dá)反演風(fēng)向

隨著海洋遙感技術(shù)的發(fā)展，使得利用雷達(dá)反演海表面參數(shù)成為可能，越來越多的人對(duì)航海雷達(dá)反演風(fēng)向技術(shù)進(jìn)行了研究，并取得了比較滿意的結(jié)果[23-24]。采用文獻(xiàn)[17]中基于能量譜海面風(fēng)向反演算法獲取精度高的風(fēng)向，步驟為：

1)對(duì)實(shí)測(cè)雷達(dá)圖像序列應(yīng)用3×3模板的2-D非線性平滑中值濾波，抑制同頻對(duì)海面風(fēng)場(chǎng)研究的影響：

式中：g(s,t)為雷達(dá)圖像像元點(diǎn)在極坐標(biāo)位置(s,t)的圖像回波強(qiáng)度值；f′(r,θ)為濾波后圖像在極坐標(biāo)位置(r,θ)的灰度值；N(r,θ)為中心點(diǎn)在(r,θ)處的像元點(diǎn)；(s,t)取以(r,θ)為中心的8個(gè)點(diǎn)。

2)將極坐標(biāo)圖像歸一化，應(yīng)用雷達(dá)圖像序列建立全局低通濾波器，濾除海浪等高頻信號(hào)，僅保留靜態(tài)或準(zhǔn)靜態(tài)頻率特征信號(hào)，主要為風(fēng)場(chǎng)導(dǎo)致的風(fēng)條紋信號(hào)；接著，將二維極坐標(biāo)圖像對(duì)應(yīng)區(qū)域的極坐標(biāo)應(yīng)用最近點(diǎn)插值為笛卡爾坐標(biāo)，將值賦予到已建立的笛卡爾坐標(biāo)下。

3.2 算法實(shí)現(xiàn)

將4個(gè)傳感器所在位置(①、②、③、④)獲取的數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，設(shè)每個(gè)風(fēng)傳感器之間不存在相互干擾，并且每個(gè)風(fēng)傳感器的測(cè)量值為真實(shí)值的無偏估計(jì)。因此，設(shè)各個(gè)風(fēng)傳感器X、Y軸的風(fēng)速分量為Xxi、Xyi，其中i=1,2,…,n，n為傳感器個(gè)數(shù)。ωxi、ωyi代表第i個(gè)傳感器X、Y軸風(fēng)速分量的權(quán)重值。每個(gè)傳感器對(duì)應(yīng)的權(quán)值計(jì)算如下(以計(jì)算X軸分量權(quán)值為例，Y軸分量權(quán)值計(jì)算過程相同)：

(1)

(2)

估計(jì)值與各個(gè)風(fēng)傳感器的Xxi均視為X軸風(fēng)速分量Xx的無偏估計(jì)，因此式(2)兩側(cè)得到的期望值相等，那么，傳感器的權(quán)重系數(shù)之和為1：

(3)

(4)

(5)

對(duì)上式的變量ωxi與λ分別進(jìn)行求導(dǎo)，使導(dǎo)數(shù)為0，求出估計(jì)值方差的極小值：

(6)

權(quán)重系數(shù)的求解：

(7)

則傳感器的估計(jì)值為：

(8)

式(8)中通過測(cè)量數(shù)據(jù)與參考數(shù)據(jù)計(jì)算得到各個(gè)風(fēng)傳感器的測(cè)量方差與權(quán)重系數(shù)。

將自由來流真風(fēng)速vref與每個(gè)傳感器布置位置風(fēng)速vsensor沿X軸、Y軸進(jìn)行正交分解，對(duì)0°～360°的風(fēng)向范圍以每5°為步長(zhǎng)逐一進(jìn)行分組。獲取4個(gè)傳感器的權(quán)值后，引入2.1節(jié)中導(dǎo)航雷達(dá)圖像反演海面風(fēng)向的測(cè)量數(shù)據(jù)θradar對(duì)傳感器測(cè)量數(shù)據(jù)進(jìn)行風(fēng)向角度范圍約束，由于應(yīng)用EMS風(fēng)向反演算法所獲得風(fēng)向標(biāo)準(zhǔn)差σ為8.29°，故可假設(shè)雷達(dá)測(cè)得的風(fēng)向存在±20°(<3σ)的偏差，因此在雷達(dá)測(cè)得的風(fēng)向約束角度θradar±20°范圍內(nèi)，將風(fēng)向數(shù)據(jù)每5°分為一組，并對(duì)該風(fēng)向角度范圍內(nèi)的所有風(fēng)速的數(shù)據(jù)應(yīng)用多傳感器的最優(yōu)加權(quán)融合算法，那么，傳感器對(duì)應(yīng)的權(quán)值分布為：

i=1,2,…,n,0°≤θradar≤360°

(9)

式中：i代表傳感器的序號(hào)；n為傳感器的個(gè)數(shù)(n=4)；f(θradar)j代表查找得到的j組傳感器對(duì)應(yīng)權(quán)值，j為根據(jù)雷達(dá)測(cè)量風(fēng)向分組序號(hào)，j=1,2,…,9。wxij、wyij為第j組第i個(gè)傳感器的在雷達(dá)測(cè)量角度θradar下的X、Y軸分量的最優(yōu)加權(quán)權(quán)值。

得到每個(gè)傳感器對(duì)應(yīng)的不同權(quán)值，估計(jì)每組角度范圍下風(fēng)速風(fēng)向估計(jì)值：

(10)

(11)

(12)

式中j=1,2，…,9。

引入代價(jià)函數(shù)，在θradar±20°范圍內(nèi)，取其中代價(jià)函數(shù)最小的那一組風(fēng)速作為輸出：

(13)

4 驗(yàn)證與分析

在真實(shí)環(huán)境中，遠(yuǎn)處吹來的自由來流勢(shì)必會(huì)隨著時(shí)間、空間的變化產(chǎn)生不可預(yù)知的隨機(jī)變化，而本文研究艦面穩(wěn)態(tài)風(fēng)場(chǎng)時(shí)進(jìn)行的CFD數(shù)值模擬仿真假設(shè)了無窮遠(yuǎn)處的風(fēng)場(chǎng)在時(shí)間、空間上是均勻的。由于風(fēng)傳感器實(shí)測(cè)數(shù)據(jù)獲取困難，且是否符合上述仿真設(shè)定的時(shí)間空間均勻性假設(shè)，以及偏離這種假設(shè)的程度均未知，因此本文應(yīng)用CFD數(shù)值模擬計(jì)算的風(fēng)場(chǎng)數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)進(jìn)行了算法性能初步分析，其局限性在于僅評(píng)估了符合時(shí)空均勻仿真假設(shè)理想條件下的算法性能。

根據(jù)CFD數(shù)值模擬仿真數(shù)據(jù)，對(duì)雷達(dá)測(cè)風(fēng)組合四傳感器融合算法(RFSF)分別從風(fēng)速估算與風(fēng)向估計(jì)兩方面進(jìn)行了驗(yàn)證評(píng)估，并與四傳感器加權(quán)融合算法[25](FSF)的計(jì)算結(jié)果，分別分析了風(fēng)速與風(fēng)向的誤差，其中風(fēng)向使用了絕對(duì)誤差MAE=|θm-θr|、風(fēng)速使用了相對(duì)誤差MRE=|(vm-vr)/vm|。

4.1 理想仿真條件下算法性能分析

圖3為5種工況下(工況A-E的標(biāo)準(zhǔn)風(fēng)速分別為3、6、9、12、15 m/s)FSF與雷達(dá)測(cè)風(fēng)組合RFSF的性能分析對(duì)比圖(理想仿真條件下)。

圖3(a)為理想條件下的FSF風(fēng)速相對(duì)誤差，從圖中可以看出風(fēng)向角度范圍為0°～180°，整體誤差較高，風(fēng)速相對(duì)估算誤差分布在5%～15%的范圍內(nèi)。圖3(b)為理想條件下RFSF的風(fēng)速相對(duì)誤差，大部分的風(fēng)速相對(duì)誤差值分布在8%以下的區(qū)域，只有極少數(shù)部分的點(diǎn)超過了8%。圖3(c)為理想條件下的FSF風(fēng)向絕對(duì)誤差圖，觀察到整個(gè)圖中風(fēng)向絕對(duì)誤差在5°以上的風(fēng)向角度占很大比重，只有當(dāng)風(fēng)向角度為70°到110°范圍內(nèi)的風(fēng)向絕對(duì)誤差較低。圖3(d)為理想條件下RFSF風(fēng)向絕對(duì)誤差，其中風(fēng)向絕對(duì)誤差主要分布在0°～5°內(nèi)，大部分在5°以下，只有兩側(cè)與中間部分的風(fēng)向絕對(duì)誤差較大，但風(fēng)向絕對(duì)誤差最大值只達(dá)到7°。

圖3 理想條件下2種算法效果對(duì)比Fig.3 Comparison diagram of the two algorithms under ideal conditions

4.2 考慮噪聲情況下算法性能分析

圖4為加入傳感器噪聲情況下四傳感器融合算法與加入傳感器噪聲情況下雷達(dá)測(cè)風(fēng)組合四傳感器融合算法的效果對(duì)比圖。

圖4(a)為傳感器噪聲條件下FSF風(fēng)速相對(duì)誤差，其中，風(fēng)速相對(duì)誤差主要分布在0%～18%內(nèi)，位于10%左右的值較為密集。圖4(b)為傳感器噪聲條件下RFSF的風(fēng)速相對(duì)誤差，其分布范圍主要在0%～13%，且風(fēng)速的相對(duì)誤差值集中在8%以下。圖4(c)為傳感器噪聲條件下FSF風(fēng)向絕對(duì)誤差，其分布范圍集中在5°以上，在0°～5°分布的值只占少數(shù)。圖4(d)為傳感器噪聲條件下RFSF風(fēng)向絕對(duì)誤差，其分布情況整體在0°～9°之內(nèi)，且風(fēng)向絕對(duì)誤差在5°之下的值占絕大部分。通過圖4可以看出，在風(fēng)速較大工況下的風(fēng)速相對(duì)誤差與風(fēng)向絕對(duì)誤差明顯優(yōu)于風(fēng)速較小的工況。

圖4 加入傳感器噪聲情況下2種算法效果對(duì)比Fig.4 Comparison diagram of the two algorithms under anemometer noise

表1為理想情況下與傳感器噪聲下FSF與RFSF誤差對(duì)比，從表中可以看出，理想情況下RFSF估計(jì)算法的風(fēng)速相對(duì)誤差則整體提升了2.14%，但風(fēng)向誤差均值相較于FSF的誤差均值降低了2.54°；傳感器噪聲下RFSF的風(fēng)速相對(duì)誤差值比傳統(tǒng)的方法精確度提升了0.13%，且RFSF的風(fēng)向絕對(duì)誤差較FSF精確了2.37°。

表1 不同情況下2種算法誤差對(duì)比

5 結(jié)論

1)提出了將原有傳感器位置向外移動(dòng)并加入了2個(gè)同規(guī)格不同位置的傳感器；

2)提出將不同位置的傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合的四傳感器觀測(cè)最優(yōu)估計(jì)方案；

3)將傳感器系統(tǒng)與遙感系統(tǒng)相結(jié)合，在四傳感器數(shù)據(jù)融合風(fēng)速風(fēng)向估計(jì)方法中引入雷達(dá)反演風(fēng)向參數(shù)，提出了基于雷達(dá)測(cè)風(fēng)組合的四傳感器融合風(fēng)速風(fēng)向估計(jì)方法。

4)本文旨在將航海雷達(dá)測(cè)得的風(fēng)向、測(cè)風(fēng)傳感器測(cè)量的風(fēng)向/風(fēng)速等三者結(jié)合，在理想仿真條件下，對(duì)比四傳感器融合算法，改進(jìn)算法的風(fēng)向誤差均值降低了2.54°、風(fēng)速相對(duì)誤差提高了2.14%；加入傳感器噪聲條件下，風(fēng)向絕對(duì)誤差提高了2.37°、風(fēng)速相對(duì)誤差提升了0.13%。雷達(dá)測(cè)風(fēng)組合的四傳感器加權(quán)融合算法相對(duì)傳統(tǒng)算法大大提高了校正后的風(fēng)速、風(fēng)向測(cè)量精度，相比四傳感器加權(quán)融合算法其效果也更好。

仿真結(jié)果表明傳感器噪聲對(duì)于算法的風(fēng)向誤差影響不大，對(duì)風(fēng)速誤差影響稍大，可能是由于雷達(dá)測(cè)得風(fēng)向的加入較好的校正了風(fēng)向估計(jì)值。本文CFD仿真過程中未考慮船舶在海面上存在的橫搖與縱搖情況，對(duì)于船舶在航行狀態(tài)以及橫搖、縱搖的情況，可做進(jìn)一步研究。同時(shí)，通過仿真模型可得出傳感器不同布放位置觀測(cè)值的偏差規(guī)律，在此基礎(chǔ)上結(jié)合艦船總體規(guī)定的傳感器布放位置約束范圍，可進(jìn)一步綜合評(píng)估傳感器的最優(yōu)布置方案，從而選取出傳感器最優(yōu)布放位置。