NO20093007A1

NO20093007A1 - Fartoybevegelser

Info

Publication number: NO20093007A1
Application number: NO20093007A
Authority: NO
Inventors: Thor Hukkelas; Arne Rinnan; Ola Erik Fjellstad; Finn Otto Sanne; Edgar Johansen; Terje Bogfjellmo
Original assignee: Kongsberg Seatex As
Priority date: 2009-09-16
Filing date: 2009-09-16
Publication date: 2011-03-17
Also published as: WO2011034435A1; EP2477883A4; EP2477883A1; BRPI1007176A2; US20110276305A1

Abstract

Fremgangsmåte og system for å modellere et fartøys rotasjonsakselerasjoner, slik at krefter/akselerasjoner i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet sted på fartøyet eller i nærheten av fartøyet, forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster.

Description

Fartøybevegelser

Den foreliggende oppfinnelsen gjelder en fremgangsmåte og et system for å modellere et fartøys rotasjonsakselerasjoner, slik at krefter/akselerasjoner i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet sted på fartøyet eller i nærheten av fartøyet, i samsvar med innledningen til patentkrav 1 og henholdsvis 16.

Bakgrunn

Økende bruk av fartøyer i kompliserte operasjoner gjør at behovet for å ha kontroll over krefter som virker mellom et fartøy og f.eks. en last eller ulike punkter på fartøyet har blitt viktigere enn tidligere. Eksempler er krefter som virker på en last på dekk, bevegelser i tuppen på en kran eller krefter som virker på en rørledning i det den forlater fartøyet. Fartøyer og operasjoner vil gjerne forholde seg til visse grenseverdier for krefter som kan tillates for at en operasjon skal være trygg.

Akselerometre kan benyttes til å måle krefter i et gitt punkt på et fartøy. Dersom alle bevegelser var lineære kunne man teoretisk plassere 3-aksede akselerometre hvor som helst på fartøyet, og anta at de samme krefter virker i hvilket som helst annet punkt. En viktig del av et fartøys bevegelser er imidlertid rotasjoner rundt alle tre akser indusert av vind og bølger. Det betyr at krefter (akselerasjoner) målt i et punkt på fartøyet langt fra representerer krefter i et annet punkt. Siden det er kostbart, og mange ganger svært vanskelig å plassere akselerometre i alle punkter der man er interessert i å måle krefter, er detønskelig å kunne transformere målinger fra et punkt til et annet. Siden fartøyene gjerne er store konstruksjoner er detønskelig å kunne gjøre slike transformasjoner over avstander på flere titalls meter med svært høy nøyaktighet.

En type instrument som kan benyttes for å gjøre slike transformasjoner er såkalte AHRS-er ("Attitude & Heading Reference Systems") som i prinsippet består av tre akselerometre og tre gyroer, som i utgangspunktet måler vinkelhastighet og lineære akselerasjoner, for måling av bevegelse i seks frihetsgrader. Et eksempel på slike instrumenter er søkers egne MRU-produkter. Å transformere posisjon og hastighet fra målepunktet til et annet punkt for fartøyet er regnet som trivielt med et slikt instrument. Når det gjelder transformasjon av krefter (akselerasjoner), er man på grunn av at basismålingen fra gyroen er vinkelhastighet, avhengig av å derivere denne for å kunne transformere akselerasjonsmålingene til et annet punkt. Problemet med dette er imidlertid at målestøyen begrenser nøyaktigheten i for stor grad.

En fremgangsmåte for å redusere effekten av målestøyen er f.eks. å benytte et Kalmanfilter som modellerer fartøyets bevegelser (posisjon, hastighet og akselerasjon), og som oppdateres med målinger fra bl.a. en eller flere AHRS-er. Dermed kan kreftene (akselerasjoner) indirekte hentes ut av den oppdaterte fartøymodellen som et alternativ til direkte sensormålinger. Kvaliteten på denne løsningen begrenses imidlertid av hvor godt den statistiske modellen av fartøyet (Kalmanfilteret) representerer det virkelige fartøyet og dets respons på bølger og vind.

Formål

Hovedformålet med den foreliggende oppfinnelsen er å utbedre de ovenfor nevnte problemene ved å skape en fremgangsmåte og et system for å redusere effekten av målestøyen og dermed øke nøyaktigheten av målinger og transformasjoner. Det er videre et formål å modellere et fartøys rotasjonsakselerasjoner ved hjelp av uavhengige oscillatorer i rull og stamp retning, drevet av målinger fra et instrument som i et gitt målepunkt registrerer lineære akselerasjoner og vinkelhastigheter, slik at krefter (akselerasjoner) i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet punkt på fartøyet.

Det er videre et formål med den foreliggende oppfinnelsen å skape et system og en fremgangsmåte som kan kombinere målinger fra et vilkårlig antall måleinstrumenter plassert i vilkårlige punkter til å gi ut transformerte bevegelser til et vilkårlig antall punkter, og at dette gjøres med høy nøyaktighet og integritet. Det er til slutt et formål at transformasjoner kan utføres i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet.

Oppfinnelsen

En fremgangsmåte i samsvar med oppfinnelsen er angitt i patentkrav 1. Fordelaktige trekk ved fremgangsmåten er angitt i patentkravene 2-15.

Et system i samsvar med oppfinnelsen er angitt i patentkrav 16. Fordelaktige trekk ved systemet er angitt i patentkravene 17-20.

I samsvar med oppfinnelsen er det skapt en fremgangsmåte for å redusere effekten av målestøy fra måleinstrumenter og øke nøyaktigheten i målinger og transformasjoner. Fremgangsmåten tar utgangspunkt i målinger fra et eller flere vilkårlig plasserte måleinstrumenter, så som en eller flere MRU-er eller lignende, som gir informasjon om fartøyets bevegelser. Spesielt er fremgangsmåten rettet mot å modellere fartøyet med hensyn på aktuelle rotasjoner ved å benytte uavhengige harmoniske oscillatorer som hver for seg representerer rull- og stampbevegelser. Statistisk sett er dette gunstig siden middelverdien av disse bevegelsene nødvendigvis må være null på et normalt fartøy. De fleste fartøyer er også konstruert slik at koblingen mellom rull og stamp vil være svak. En slik fremgangsmåte vil derfor være godt egnet som grunnlag for å transformere akselerasjoner fra et målepunkt, der man måler både akselerasjoner og vinkelhastighet, til ett eller flere vilkårlige punkter ombord eller i nærheten av fartøyet. Dette gjør at krefter (akselerasjoner) i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet punkt på fartøyet, forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster.

Som nevnt innledningsvis er det kjent å benytte et Kalmanfilter til modellering av et fartøys bevegelser (posisjon, hastighet og akselerasjon), men kvaliteten på denne løsningen begrenses av hvor godt Kalmanfilteret representerer det virkelige fartøyet og dets respons på bølger og vind.

Den foreliggende fremgangsmåten baserer seg også blant annet på en kalmanfilter-tilnærming, men ved å benytte seg av uavhengige harmoniske oscillatorer som hver for seg representerer rull-og stampbevegelser. Blant annet benyttes Kalmanfilteret for estimering av vinkelakselerasjon basert på målinger fra ett eller flere måleinstrumenter, så som en eller flere MRU-er, ombord på et fartøy.

Ved beregning av lateral hastighet og akselerasjonsnivåer ved et gitt punkt ombord på et fartøy basert på målinger fra ett eller flere måleinstrumenter, dvs. ved bruk av vektstangsberegning, er det viktig at det finnes gode og støvfrie estimater av både vinkelhastigheter og vinkelakselerasjoner. Overvåkning av lateral hastighet og akselerasjonsnivåer er viktige deler av produkter som overvåkningssystemer for helikopterdekk, fartøysbevegelser og lignende systemer eller avstamminger av disse.

Lineære hastigheter og akselerasjoner ved et gitt punkt beregnes som summen av de lineære komponentene i posisjonen til måleinstrumentet, i tillegg til bidrag fra vinkelhastigheter og vinkelakselerasjoner, hvilket kan uttrykkes i følgende to ligninger for hastighet og akselerasjon i et gitt punkt mp:

hvor:

h: kurs

b: kropp

mp: overvåkningspunkt

C£(0): rotasjonsmatrise fra kroppsramme til kursramme

cobh: vinkelhastigheter for kroppsramme, relativ til kursramme

Man kan se fra ligningene ovenfor at støyen for vinkelakselerasjonsestimatene (cobh ) er forsterket med distansen eller lengden til vektoren mellom måleinstrumentet og det gitte punktet.

Estimatene for vinkelakselerasjonene fra måleinstrumentet er basert på en enkel nummerisk derivasjon av målte vinkelrater og følgelig temmelig støvfull:

hvor dt er tidssteg eller samplingsintervall, mens k angir nåværende tidssteg, mens k- 1 angir forrige tidssteg.

Gjennom en Kalmanfilter-tilnærming i samsvar med oppfinnelsen kan man dermed finne de beste optimale estimatene for vinkelakselerasjoner basert på vinkel- og/eller vinkelhastighetsmålinger fra et måleinstrument, så som en MRU. Kalmanfilter-tilnærmingen i samsvar med oppfinnelsen baserer seg på å modellere et fartøys rotasjonsakselerasjoner ved hjelp av uavhengige oscillatorer i rull-, stamp- og/eller hivretning, hvilke oscillatorer drives av målinger fra måleinstrumenter i gitte målepunkter ombord på et fartøy. Videre vil fremgangsmåten omfatte en måte å kombinere målinger fra flere måleinstrumenter, posisjonert ved egnete steder ombord på et fartøy, til å gi ut transformerte bevegelser til et vilkårlig antall punkter. Det er en forutsetning at dette gjøres med høy nøyaktighet og integritet. Ved hjelp av fremgangsmåten er det dermed mulig å utføre transformasjon i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet.

Fremgangsmåten i samsvar med oppfinnelsen kan oppsummeres i følgende trinn:

a) innhente målinger fra et eller flere måleinstrumenter anordnet i gitte målepunkter ombord på et fartøy,

b) beregne posisjon, hastighet og akselerasjon for gitte målepunkter,

c) kombinere målinger fra et vilkårlig antall måleinstrumenter plassert i vilkårlige punkter til å gi ut transformerte bevegelser til et vilkårlig antall punkter, d) transformasjon i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet,

e) gjenta trinne a)-d) kontinuerlig.

Trinn a) omfatter innhenting av verdier/målinger fra måleinstrumenter anordnet ved gitte

målepunkter på et fartøy, hvilke måleinstrumenter omfatter ett eller flere av følgende: MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende.

Trinn b) omfatter å beregne posisjon, hastighet og akselerasjon for gitte målepunkter ved hjelp av et Kalmanfilter i samsvar med oppfinnelsen. Kalmanfilteret i samsvar med oppfinnelsen omfatter oscillatorer drevet av målingene fra måleinstrumentene. Parametrene til oscillatorene i Kalmanfilteret er videre tilpasset det aktuelle fartøyet basert på modelleringer eller praktiske målinger. Kalmanfilteret kan videre være satt opp for bare bruk av vinkelmålinger, bare vinkelhastighetsmålinger eller bruk av både vinkelhastighetsmålinger og vinkelmålinger. Kalmanfilteret kan videre være satt opp med konstant forsterkning eller variabel forsterkning. Trinn c) omfatter kombinering av vinkelmålinger fra flere måleinstrumenter. Trinnet omfatter å: 1. beregne gjennomsnittsverdien til gravitasjonsvektoren ved bruk av avlesninger fra vertikalt monterte måleinstrumenter,

2. beregne gjennomsnittsverdi av feilvinkler i rull og stamp for hvert måleinstrument,

3. subtrahere feilvinklene fra rull- og stampmålingene for hvert måleinstrument,

4. lage pseudo-målinger ved å vekte sammen hver korrigerte måling ved bruk av hvert

måleinstruments målingskovarians.

Dette gjøres med høy nøyaktighet og integritet.

Trinn d) omfatter transformasjon i sann tid av krefter (akselerasjoner) til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet med stor grad av nøyaktighet. Dette er forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster. De beregnede verdier for rotasjonsakselerasjoner i måleinstrumentets posisjon er referert til en geografisk ramme, mens lineære akselerasjoner er referert til kursrammen. Følgelig må bidrag til lineære akselerasjoner i et målepunkt pga. rotasjonsakselerasjonen roteres fra geografisk ramme til kursrammen. De beregnede lineære akselerasjoner i et målepunkt blir da summen av de lineære komponentene fra måleinstrumentet og de transformerte bidragene fra rotasjonsakselerasjonene.

Trinn e) omfatter å gjenta trinnene a)-d) så lenge det erønskelig å transformere krefter (akselrasjoner).

Videre omfatter oppfinnelsen et system for utføring av fremgangsmåten. Systemet kan være frittstående eller integrert i et eksisterende overvåkningssystem, så som overvåkningssystemer for helikopterdekk, fartøybevegelser eller lignende. Et eksempel på et slikt overvåkningssystem er søkers egen "Vessel Motion Monitor - VMM 200". Et slikt system har vanligvis en eller flere av følgende funksjoner:

- skape et grensesnitt for bevegelses-, posisjons- og værsensorer,

- gjøre det mulig for bruker å overvåke bevegelsen i ethvert punkt på fartøyet,

- gi advarsel til brukeren dersom verdier overskrider forhåndsdefinerte grenser,

- utføre statistisk analyse og presentere resultatet i sanntid,

- registrere data som tidsserier av brukerdefinerte lengder,

- gjøre det mulig for bruker å se registrert data og utføre ulike typer analyser av registrert data. Det er spesielt i forbindelse med overvåkning avgitte punkter, enten ombord på fartøyet eller i nærheten av fartøyet at den foreliggende oppfinnelsen gir store forbedringer til eksisterende systemer. Gjennom den ovenfor beskrevne fremgangsmåten er det mulig å transformere krefter (akselerasjoner) fra et gitt punkt (målepunkt) til et vilkårlig antall punkter ombord på fartøyet eller i nærheten av fartøyet.

Et system i samsvar med oppfinnelsen omfatter for dette en styringsenhet, enten integrert i et eksisterende overvåkningssystem, en enhet anordnet/koblet til et eksisterende overvåkningssystem eller en frittstående enhet. Videre omfatter systemet ett eller flere måleinstrumenter anordnet på egnete steder ombord på et fartøy, enten eksisterende måleinstrumenter eller måleinstrumenter anordnet for systemet spesifikt, så som en eller flere av: MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende systemer for å måle verdier, fortrinnsvis registrere lineære akselerasjoner og vinkelhastigheter, i et gitt punkt hvor måleinstrumentet er anordnet. Styringsenheten er videre fortrinnsvis innrettet med midler og/eller forsynt med programvare/algoritmer for gjennomføring av fremgangsmåten, herunder et Kalmanfilter i samsvar med oppfinnelsen omfattende de uavhengige harmoniske oscillatorene.

Dersom styringsenheten er anordnet til eller integrert i et eksisterende overvåkningssystem, kan den bruke monitorer som dette har til å vise informasjon, men om det er en frittstående enhet omfatter systemet fortrinnsvis en egen monitor for dette.

Resultater fra fremgangsmåten kan benyttes til blant annet styring av fartøyet og styring av utstyr montert til fartøyet, så som kraner og lignende. Et målepunkt kan defineres plassert på slikt utstyr slik at bevegelse kan overvåkes relativt til fartøyets koordinatsystem, eller inn i et geografisk koordinatsystem. Det siste vil gjøre at bevegelse kan overvåkes relativt til fastpunkter utenfor fartøyet. Dette kan være fastpunkter slik som andre fartøyer, faste konstruksjoner og naturlige formasjoner. Bevegelser i målepunkter relativt til hverandre kan også overvåkes for å unngå skader på utstyr.

Begrensninger i bevegelser for et sett av målepunkter kan planlegges over tid, slik at en operasjon kan overvåkes og avbrytes hvis grensene for ett av disse målepunktene overskrides. Dette kan for eksempel anvendes for komplekse offshore-operasjoner som nedsetting av produksjonsmoduler på store havdyp, med del-operasjoner som lasting av moduler fra lekter til fartøy med kraner, flytting av moduler på fartøyets dekk, senking av moduler gjennom fartøyets moonpool til havbunnen.

En annen anvendelse kan være overvåkning av belastinger på containere plassert på et containerskip, for å forhindre at belastningen på festeanordninger ikke overskrides under kraftig sjøgang.

Resultater fra fremgangsmåten benyttes i stor grad som et beslutningsstøttesystem for gjennomføring av operasjoner til havs, når operasjoner kan og bør starte og om de må stoppes underveis fordi bevegelse overstiger eller nærmer seg de grensene som er satt for gjennomføring av operasjonen. Typiske operasjoner er flytting av moduler på lastedekket, gjennomføring av kranoperasjoner, styring/guiding av brønnverktøy gjennom trange ventiler i et borerør eller stigerør ved lett brønnintervensjonsoperasjoner, samt helikopteroperasjoner på bevegelige helikopterdekk.

Ytterligere fordelaktige trekk og detaljer ved oppfinnelsen vil fremgå av den etterfølgende eksempelbeskrivelsen.

Eksempel

Oppfinnelsen vil nå bli beskrevet i detalj med henvisninger til de vedlagte figurene, hvor:

Fig. 1 viser en skisse av et fartøy og typiske punkter hvor man ønsker å overvåke,

Fig. 2 illustrerer skjematisk tids- og målingsoppdatering for et lineært, diskret Kalmanfilter,

Fig. 3 viser et blokkdiagram for et diskret Kalmanfilter i samsvar med oppfinnelsen,

Fig. 4 viser en sammenligning mellom et nøyaktig montert måleinstrument og et unøyaktig montert måleinstrument, Fig. 5 viser simulering av målte rullvinkler fra måleinstrumenter og en resulterende vektet rullvinkelmålingen,

Fig. 6a viser simuleringsresultater for rullvinkel,

Fig. 6b-c viser simuleringsresultater for rullhastighet,

Fig. 6d-e viser simuleringsresultater for rullakselerasjon,

Fig. 7 viser simulering av utviklingen i Kalmanfilter-forsterkninger over tid,

Fig. 8a-b viser simulering av estimater for vinkelhastighet og den tilsvarende rullperioden, og

Fig. 9 viser et blokkskjema for et system i samsvar med oppfinnelsen.

For å kunne forstå den foreliggende oppfinnelsen er det en forutsetning å kjenne til Kalmanfilterteknologien. Nedenfor følger derfor en kort og generell introduksjon til Kalmanfilterteori, mens det for utdypende forklaring henvises til eksempelvis " An Introduction to the Kalman Filter, by Greg Welch and Gary Bishop, TR 95- 041 Department of Computer Science, University of North Carolina at Chapel Hill, Chapel Hill, NC 27599- 3175".

Kalmanfilteret adresserer det generelle problemet med å forsøke å estimere tilstanden xk=e9?° av en diskret tidskontrollert prosess som styres av den lineære stokastiske differanseligningen: med en måling zk=e 9?m som er:

De vilkårlige variablene wkand vkrepresenterer prosessen og henholdsvis målingsstøy. De er antatt å være uavhengige av hverandre, hvit og med normale sannsynlighetsfordelinger:

I praksis kan kovariansmatrisen Q for prosesstøy og kovariansmatrisen R for målingsstøy endres for hvert tidssteg eller måling, imidlertid antar vi her at de er konstante.

Matrisen A i differanseligningen (Lign. 3) angår tilstander ved det tidligere tidssteget k- 1 til tilstanden ved det foreliggende steget k, i fraværet av enten en drivende funksjon eller prosesstøy. I praksis kan A endres for hver tidssteg. n x I matrisen B angår optimal styringsinput til tilstanden x, mens m x n matrisen H i måleligningen (Lign. 4) angår tilstanden til målingen zk.

Vi definerer x=éR" til å være vårt a priori estimat ved steget k, gitt kunnskap om prosessen ved steget k, og x=éFP til å være vårt a posteriori estimat ved steget k gitt målingen zk. Vi kan så definere a priori and a posteriori estimatfeil som følger:

a priori estimatfeilekovariansen er dermed: og a posteriori estimatfeilkovariansen er:

Ved derivasjon av ligningene for Kalmanfilteret er målet å finne en ligning som beregner et a posteriori tilstandsestimat xksom en lineær kombinasjon av et a priori estimat xkog en vektet differanse mellom en aktuell måling zkog en målingsprediksjon H • xk som vist nedenfor:

Differansen (zk— H • xk ) kalles måleinnovasjonen eller resten. Resten reflekterer avviket mellom beregnet måling H • xkog den aktuelle målingen zk . En rest lik null betyr at de to samsvarer fullstendig.

n X m matrisen K i lign. 7 er valgt til å være forsterkningen eller blandefaktoren som minimaliserer a posteriori feilkovariansen. En type K som minimaliserer denne kovariansen er:

Kalmanfilteret estimerer en prosess ved bruk av en tilbakemeldingskontroll. Dette gjøres ved at kalmanfilteret estimerer prosesstilstanden ved et tidspunkt og så oppnår tilbakemelding i form av (støy) målinger. Disse ligningene for Kalmanfilteret faller innenfor to grupper:

1) tidsoppdatert ligninger, og

2) målingsoppdaterte ligninger.

De tidsoppdaterte ligningene er ansvarlige for å fremskynde (i tid) den foreliggende tilstanden og feilkovariansestimater for å oppnå a priori estimatene for det neste tidssteget, mens de målingsoppdaterte ligningene er ansvarlige for tilbakemeldingen, dvs. for å innlemme en ny måling inn i a priori estimatet for å oppnå et forbedret a posteriori estimat. De tidsoppdaterte ligningene kan også tenkes på som prediksjonsligninger, mens de målingsoppdaterte ligningene kan tenkes på som korrigeringsligninger. Dette er illustrert skjematisk i Fig. 2 som prediksjons- og korrigeringsligninger for et lineært, diskret Kalmanfilter.

Med utgangspunkt i det som er beskrevet ovenfor kan rull- og stampbevegelser, også hivbevegelser dersom detønskelig, for et fartøy modelleres i samsvar med oppfinnelsen som uavhengige harmoniske oscillatorer. Dette er basert på antakelsen om at fartøy ikke utfører noen looper eller ruller, dvs. at gjennomsnittlige rull-, stamp og hivhastigheter er null. I samsvar med oppfinnelsen kan en oscillator beskrives med følgende ligninger:

hvor:

Xi: amplitude/vinkel

x2: vinkelhastighet/rate

x3: vinkelakselerasjon

D: demping

O: vinkelfrekvens

På diskret form gir det følgende ligninger:

Merk atx3 er en derivert variable og ikke en del av tilstandsvariablene som sådan, dvs. ikke oppdatert av innovasjonssignalet.

Det gir følgende overgangsmatrise:

og følgende målematrise:

For både vinkel- og vinkelhastighetsmålinger vil det gi følgende H matrise:

For bare vinkelmålinger vil vi få følgende H matrise:

For bare vinkelhastighetsmålinger vil vi få følgende H matrise:

Ved bruk av variabel forsterkning, dvs. elementene til 2x2 matrisen K, beregnes verdiene ved bruk av fulle ligninger selv om verdiene raskt stabiliseres mot konstante verdier, hvilket gir følgende oppsett for K matrisen:

Ut ifra dette kan det vises at forholdet mellom Ki and K2 kan beskrives som en konstant forsterkning, hvilket sikrer kritisk demping av et stabilt tilstandsfilter (eksempelvis alfa-betafiltre), hvilket gir følgende:

Eksempelvis kan Kxvære 0,5, mens K2er 1.667.

Som nevnt innledningsvis er det viktig å ha kontroll over målingsstøy for å kunne beregne gode estimater. Fra måleinstrumenter, så som en MRU, kan man hente ut informasjon om dette gjennom målingsstøykovarians. Det gir oss en målingsstøykovariansmatrise Q som er en 2x2 matrise som er som følger:

Henviser nå til Fig. 3 som viser et blokkdiagram av et diskrete Kalmanfilteret for den foreliggende oppfinnelsen, basert på ligningene ovenfor, hvor D er dempingen og delta T indikerer samplingen/prediksjonstiden eller tidssteget og Z1 indikerer et tidsskifte. Blokkene som inneholder teksten SW indikerer svitsjer som er lukket når en ny måling er tilgjengelig. Som kan ses ut fra blokkdiagrammet kan filteret få input fra måleinstrumenter om både vinkelmålinger og vinkelratemålinger eller bare en av disse og ut ifra dette beregne Xi som er posisjon, X2 som er hastighet og X3 som er akselrasjon for et gitt punkt.

Som nevnt innledningsvis er det mulig å kombinere målinger fra flere måleinstrumenter, så som flere MRU-er. Det er flere måter å kombinere disse målingene på.

En mulig måte ved bruk av målinger fra flere måleinstrumenter er å sekvensielt oppdatere Kalmanfilteret, dvs. kjøre korrigeringsligningene i en sekvens i samsvar med ankomsttiden til de ulike målingene. Dette er en robust og enkel metode å implementere og man kan unngå problemet med langsom drifting, noe som er viktig i forbindelse med høynøyaktige måleinstrumenter, ytterligere forklart nedenfor. Imidlertid tar ikke denne metoden hensyn til målingenes kovarians. Ideelt bør de fulle matriseligningene derfor kjøres for hvert ulikt måleinstrument ved bruk av denne metoden.

En annen måte er å benytte en metode som kalles optimal statistisk blanding. En optimal statistisk blanding er en "pseudo-måling", skapt gjennom å vekte målingene fra de ulike måleinstrumentene mot hverandre. Vektingene bør ideelt reflektere nøyaktigheten til hvert måleinstrument uttrykt av kovariansen til målingsstøyen, hvilken er gitt av følgende:

Dersom vi tar utgangspunkt i to måleinstrumenter, så som to MRU-er, som har den samme målingsnøyaktigheten kan en pseudo-vinkelmåling beregnes som følger:

En metode omfattende vekting av målingene ved deres kovarians kan føre til farlige resultater når en høynøyaktighetssensor (lav målingskovarians) driver langsomt med en tidskonstant i det samme området som selve prosessen. Dette forhindres imidlertid i den foreliggende oppfinnelsen fordi kovariansene ikke beregnes kontinuerlig, men konstantverdier som er funnet gjennom kalibrering er verdiene som blir benyttet.

En alternativ beskrivelse av overføring av posisjon fra et kroppfast (fartøyfast/kroppramme) til et globalt system er beskrevet nedenfor som ikke har dette problemet.

De uavhengige oscillatorene i rull- og stampretning representerer en modell som estimerer forover, sideveis og vertikal forflytning, samt hastighet og akselerasjon i et punkt på et fartøy relativt til en middelverdi på null. Modellen har derfor sin nytteverdi knyttet til et fartøys faste koordinatsystem.

For å detektere en drift i posisjon relativt til et geografisk koordinatsystem må man benytte et referanse-posisjoneringssystem som GNSS. GNSS-målinger inkluderer målinger av posisjon og hastighet for en GNSS-mottakerantenne. Disse målingene kan benyttes for å korrigere posisjonsestimater et gitt sted ombord på et fartøy når vektarmen mellom posisjonen til dette stedet og posisjonen til GNSS-antennen er kjent. Posisjonen til et punkt P<;>^ombord på et fartøy relativt til en geografisk koordinatramme kan utledes fra følgende ligning:

hvor er posisjonen til GNSS-antennen relativt til en geografisk koordinatramme, C| er translasjonsmatrise fra geografisk ramme til kroppsrammen, og r er avstandsvektor mellom måleposisjon og GNSS-antenneposisjon i kroppsrammen.

Dette gir følgende rotasjonsmatrise fra kropp til geografisk ramme:

Vektingsmetoden beskrevet ovenfor antar at måleinstrumentene, eksempelvis MRU-er, er nøyaktig montert og innrettet aksialt med fartøyets rull- og stampakser. Dette er noen ganger ikke tilfellet og måleinstrumentenes rull- og stampmålinger har derfor en forskyvning (offset) sammenlignet med et nøyaktig montert måleinstrument.

Henviser nå til Figur 4 viser en 60 sekunds tidsserie for rull- og stampmålinger for et nøyaktig montert måleinstrument MRU_N og et unøyaktig montert måleinstrument MRU_U. Man kan her klart se at den unøyaktig monterte MRU_U har en offset sammenlignet med den nøyaktig monterte

MRU_N.

Fremgangsmåten i samsvar med oppfinnelsen omfatter derfor estimering og kompensering for disse feilvinklene, som er et resultat av unøyaktig montering.

Dersom et måleinstrument, så som et akselerometer, er montert med en liten vinkel dø i forhold til den horisontale planaksen vil den måle et bidrag fra g-vektoren lik:

Gjennomsnittsverdien til akselerasjonen på grunn av et noe skråstilt måleinstrument beregnes over en viss tidsperiode og kan brukes for å beregne feilvinklene for rull- og stampmålinger for hvert måleinstrument. Formelen som brukes for gjentagende beregning av gjennomsnittsverdi er:

Den lokale verdien for gravitasjonsvektoren kan så beregnes som en gjennomsnittlig verdi av målingene fra alle måleinstrumenter montert vertikalt.

Henviser nå til Fig. 5 som viser de målte rullvinklene fra et nøyaktig montert måleinstrument MRU_N og et unøyaktig montert måleinstrument MRIMJ i tillegg til den resulterende vektede rullmålingen brukt for å oppdatere filteret. Selv om MRU_U her har en offset, så ser vi at den vektede rullvinkelmålingen gir et meget godt resultat.

Kombinering av vinkelmålinger fra flere måleinstrumenter, kan dermed oppsummeres i følgende trinn: 1. Beregne gjennomsnittsverdien til gravitasjonsvektoren ved bruk av avlesninger fra vertikalt monterte måleinstrumenter,

4. Lage pseudo-målinger ved å vekte sammen hver korrigerte måling ved bruk av hvert måleinstruments målingskovarians.

Formelen nedenfor illustrerer hvordan de kombinerte rullmålingene konstrueres basert på avlesninger fra to måleinstrumenter måleinstrl og måleinstr2:

Som nevnt ovenfor omfatter fremgangsmåten estimering av frekvens og tidsperiode for

bevegelsen, hvilket kan beskrives som følger:

Som vist beregnes estimatet for frekvensen som kvadratroten av den gjennomsnittlige verdien av Q<2>. Denne gjennomsnittlige verdien kan så brukes til å oppdatere frekvensen brukt i Kalmanfilteret, se Fig. 3, ved jevne intervaller, f.eks. hvert 30 sekund eller ved en annen egnet oppdateringsrate.

Tidsperioden beregnes som:

Både Kalmanfilter med konstant forsterkning ("alfa-beta") og Kalmanfilteret med fulle ligninger, dvs. med variabel forsterkning, er implementert i egnet simuleringsverktøy og simulert og testet basert på virkelige målinger fra et nøyaktig montert måleinstrument MRU_N, så som en MRU, og et unøyaktig montert måleinstrument MRIMJ, så som en MRU, ombord på et virkelig fartøy. De følgende parametrene ble brukt for å estimere rulltilstandsvektoren:

Samplingstid, dt O.lOOOsek

Demping 0.05sek

Initial omega 0.698sek

Periode 9sek

Forsterkningene for Kalmanfilteret med konstant forsterkning ble satt til:

Konstant Kl 0.5000

Konstant K2 1.6667<5>

Henviser nå til Figur 6a som viser simuleringsresultater for henholdsvis faktiske målinger fra måleinstrumenter, estimatet fra Kalmanfilteret med konstant forsterkning og estimatet fra Kalmanfilteret med fulle ligninger (variabel forsterkning) for rullvinkel for en periode på 60 sekunder. Som kan sees er kurvene for alle praktiske formål identiske.

Henviser nå til Figur 6b som viser henholdsvis faktiske målinger fra måleinstrumenter, estimatet fra Kalmanfilteret med konstant forsterkning og estimatet fra Kalmanfilteret med fulle ligninger (variabel forsterkning) for rullhastighet for en periode på 60 sekunder, mens Fig. 6c viser det samme for en tidsperiode på 20 sekunder.

Fig. 6b og 6c viser at begge filtrene gir jevne hastighetsestimater med akseptabel forsinkelse, men at Kalmanfilteret med konstant forsterkning gir mindre tidsforsinkelse enn Kalmanfilteret med variabel forsterkning.

Henviser nå til Fig. 6d som viser henholdsvis faktiske målinger fra måleinstrumenter, estimatet fra Kalmanfilteret med konstant forsterkning og estimatet fra Kalmanfilteret med fulle ligninger (variabel forsterkning) for rullakselerasjon for en periode på 60 sekunder, mens Fig. 6e viser det samme for en tidsperiode på 12,5 sekunder.

De to figurene viser at kurvene for alle praktiske formål er identiske.

Henviser nå til Fig. 7 som viser hvordan de to Kalmanfilter-forsterkninger Kl og K2 utvikler seg over tid. Som det kan sees stabiliserer de seg til en stabil verdi relativt raskt, dvs. etter omtrent 1,5

-2 sekunder.

Henviser nå til Fig. 8a og 8b som viser simulering av estimatene for vinkelhastighet og den tilsvarende rullperioden. Vi ser her at verdien for rullomega stabiliserer seg til en stabil verdi etter ca. 2,5 - 3 sekunder, mens den tilsvarende rullperioden stabiliserer seg til en stabil verdi etter 2,5

-3,5 sekunder.

Simulering er gjort for tre ulike målingsmatriser ved bruk av fulle Kalmanligninger, dvs. ved bruk av bare vinkelmålinger, vinkelratemålinger og både vinkel og ratemålinger, i tillegg til en enkel alfa-beta-filter implementering og bare vinkelmålingsoppdatering.

Simuleringene viser at den foreslåtte fremgangsmåten for estimering av vinkelakselerasjoner basert på harmonisk oscillatorer gir gode resultater. Dette viser at det er ingen behov for å anordne flere måleinstrumenter, så som MRU-er, akselerometere eller lignende, for estimering av rullvinkelakselerasjon i tillegg til de måleinstrumenter, så som MRU-er eller lignende, som vanligvis allerede er ombord på et fartøy.

Det kan videre ses at det er ingen betydelig forbedring av tilstandsestimatene ved bruk av vinkelrate eller både vinkelrate og vinkelmålinger sammenlignet med bare vinkelmålinger. Siden Kalmanfilter-forsterkningen stabiliseres til stabil tilstandsverdi relativt raskt, er det tilstrekkelig å benytte konstant forsterkning, dvs. at det ikke er behov for å kjøre Kalmanfilter med fulle ligninger. Dette betyr at den resulterende implementeringen av filteret blir enkel. Simuleringen viser videre at den foreslåtte fremgangsmåten for å kombinere målinger fra flere måleinstrumenter gir tilfredsstillende resultater. Dette betyr først å trekke fra en estimert feilvinkel fra de "rå" målingene og så vekte de sammen med vinkelavlesninger ved bruk av hvert måleinstruments karakteristiske målingskovarians som vekting. Simuleringene viser også at den foreslåtte fremgangsmåten for estimering av vinkelfrekvens gir tilfredsstillende og stabile resultater.

Resultatet av simuleringene viser derfor at ligningene overfor vil gi et godt resultat for en fremgangsmåte i samsvar med oppfinnelsen som kan oppsummeres i følgende trinn: Fremgangsmåten i samsvar med oppfinnelsen kan oppsummeres i følgende trinn: a) Innhente målinger fra et eller flere måleinstrumenter anordnet i gitte målepunkter ombord på et fartøy,

b) beregne posisjon, hastighet og akselerasjon for gitte målepunkter,

c) kombinere målinger fra et vilkårlig antall måleinstrumenter plassert i vilkårlige målepunkter til å gi ut transformerte bevegelser til et vilkårlig antall punkter, d) transformasjon i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet,

e) gjenta trinne a)-d) kontinuerlig.

målepunkter på et fartøy, hvilke måleinstrumenter omfatter ett eller flere av følgende: MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende. Målinger som

innhentes vil typisk være vinkel, vinkelhastighet, vinkelakselerasjon og kovarians for måleinstrumentet/målingene.

Trinn b) omfatter å beregne posisjon, hastighet og akselerasjon for gitte punkter ved hjelp av et Kalmanfilter i samsvar med oppfinnelsen. Kalmanfilteret i samsvar med oppfinnelsen omfatter oscillatorer drevet av målingene fra måleinstrumentene. Parametrene til oscillatorene i Kalmanfilteret er videre tilpasset det aktuelle fartøyet basert på modelleringer eller praktiske målinger. Kalmanfilteret kan videre være satt opp for bare bruk av vinkelmålinger, bare vinkelhastighetsmålinger eller bruk av både vinkelhastighetsmålinger og vinkelmålinger. Kalmanfilteret kan videre være satt opp med konstant forsterkning eller variabel forsterkning. Trinn c) omfatter kombinering av vinkelmålinger fra flere måleinstrumenter. Trinnet omfatter å: 1. beregne gjennomsnittsverdien til gravitasjonsvektoren ved bruk av avlesninger fra vertikalt monterte måleinstrumenter,

måleinstruments målingskovarians.

Dette gjøres med høy nøyaktighet og integritet.

Trinn d) omfatter transformasjon i sann tid av krefter (akselerasjoner) til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyets med stor grad av nøyaktighet. Dette er forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster.

Henviser nå til Fig. 9 som viser et blokkskjema for et system i samsvar med oppfinnelsen. Et system i samsvar med oppfinnelsen kan som nevnt innledningsvis enten være et separat system eller et system som integreres sammen med et eksisterende overvåkningssystem om bord på et fartøy. System kan dersom det er integrert sammen med et eksisterende overvåkningssystem benytte seg at allerede eksisterende monitorer, måleinstrumenter osv. Naturligvis kan systemet være separat selv om fartøyet er forsynt med et eksisterende overvåkningssystem dersom det erønskelig. Dette vil avhenge av brukerens ønsker. Et system i samsvar med oppfinnelsen omfatter dermed måleinstrumenter 10, så MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende systemer for å måle verdier i gitte målepunkter på fartøyet. Videre omfatter systemet en styringsenhet 11, hvilken er innrettet til å innhente målinger fra måleinstrumentene 10, samt forsynt med midler og/eller programvare/algoritmer for gjennomføring av fremgangsmåten beskrevet ovenfor. Videre omfatter systemet en monitor 12 for visning av resultatene av beregningene og overvåkning av de gitte målepunktene på eller i nærheten av fartøyet.

Styringsenheten 10 skaper følgelig et grensesnitt for brukeren på den aktuelle monitor 12. Videre omfatter systemet midler 13 for lagring av registrert og behandlet data/verdier. Styringsenheten 11 er fortrinnsvis videre innrettet for analyse og behandling av de registrerte og behandlede verdiene, samt innrettet for å forsyne verdier/data for eksterne systemer, så som kranstyringssystemer og lignende, samt gi en visuell og/eller hørbar alarm dersom verdiene overstiger gitte grenser.

Modifikasjoner

Fremgangsmåten kan omfatte prediksjon avfartøybevegelsene i ulike punkt på fartøyet basert på bølgevarsel og modell avfartøybevegelsene basert på bølgevarselet (respons på fartøyet basert på et bølgespekter). Dette kan anvendes til å finne en optimal kurs som fartøyet bør holde for at bevegelsen i ett eller flere punkt på fartøyet er minst mulig (stikkord fartøymodell, prediksjon av fartøybevegelser frem i tid, bølgevarsel).

Fremgangsmåten kan videre omfatte overvåkning av relativ bevegelse i ett eller flere punkter mellom to fartøy, f.eks. mellom et fartøy og en lekter, gangvei mellom to fartøy osv. Dette krever måling av bevegelsene på begge fartøyene og overføring av disse dataene til en felles styringsenhet.

Fremgangsmåten og systemet kan også omfatte etablering av integritetssjekk i systemet og tuning av de harmoniske oscillatorene mht. karakteristikken for det aktuelle fartøyet systemet er installert på.

Systemet kan videre være innrettet for overføring av data til andre systemer ombord, andre fartøy eller til land.

Claims

1. Fremgangsmåte for å modellere et fartøys rotasjonsakselerasjoner, slik at krefter/akselerasjoner i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet sted på fartøyet eller i nærheten av fartøyet, forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster,karakterisert vedat den omfatter følgende trinn: a) innhente målinger fra et eller flere måleinstrumenter anordnet i gitte målepunkter ombord på et fartøy, b) beregne posisjon, hastighet og akselerasjon for gitte punkter, c) kombinere målinger fra et vilkårlig antall måleinstrumenter plassert i vilkårlige punkter til å gi ut transformerte bevegelser til et vilkårlig antall punkter, d) transformasjon i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet, e) gjenta trinne a)-d) kontinuerlig

2. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat trinn a) omfatter innhenting av verdier/målinger fra måleinstrumenter anordnet ved gitte punkter på et fartøy, hvilke måleinstrumenter omfatter ett eller flere av følgende: MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende.

3. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat trinn b) omfatter å beregne posisjon, hastighet og akselerasjon for gitte punkter ved hjelp av et Kalmanfilter.

4. Fremgangsmåte i samsvar med patentkrav 2 og 3,karakterisert vedat kalmanfilteret omfatter oscillatorer drevet av målingene fra måleinstrumentene.

5. Fremgangsmåte i samsvar med patentkrav 3-4,karakterisert vedat parametrene til oscillatorene i Kalmanfilteret er tilpasset det aktuelle fartøyet basert på modelleringer eller praktiske målinger.

6. Fremgangsmåte i samsvar med patentkrav 3-5,karakterisert vedat kalmanfilteret er innrettet for bare bruk av vinkelmålinger, bare vinkelhastighetsmålinger eller bruk av både vinkelhastighetsmålinger og vinkelmålinger.

7. Fremgangsmåte i samsvar med patentkrav 3-6,karakterisert vedat kalmanfilteret er innrettet for konstant forsterkning eller variabel forsterkning.

8. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat trinn c) omfatter å kombinere målinger fra et vilkårlig antall måleinstrumenter plassert i vilkårlige punkter på fartøyet til å gi ut transformerte bevegelser til et vilkårlig antall punkter med høy nøyaktighet og integritet.

9. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat trinn d) omfatter transformasjon i sann tid av krefter (akselerasjoner) til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyets med stor grad av nøyaktighet.

10. Fremgangsmåte i samsvar med patentkrav 3,karakterisert vedat ved bruk av målinger fra flere måleinstrumenter oppdateres Kalman-filteret sekvensielt ved at Kalman-filterets målingsligninger kjøres i en sekvens i samsvar med ankomsttiden til de ulike målingene.

11. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat ved at ved bruk av målinger fra flere måleinstrumenter benyttes optimal statistisk blanding, skapt gjennom å vekte målingene fra de ulike måleinstrumentene mot hverandre, hvor vektingene reflekterer nøyaktigheten til hvert måleinstrument uttrykt av kovariansen til målingsstøyen.

12. Fremgangsmåte i samsvar med patentkrav 1,karakterisert vedat fremgangsmåten videre omfatter estimering og kompensering av feilvinkler ut fra målinger fra måleinstrumentene, hvilke feilvinkler er forårsaket av unøyaktig montering av måleinstrumenter.

13. Fremgangsmåte i samsvar med patentkrav 3,karakterisert vedat fremgangsmåten videre omfatter estimering av frekvens og tidsperiode for bevegelser ut fra målinger fra måleinstrumentene for å oppdatere frekvensen brukt i Kalman-filteret.

14. Fremgangsmåte i samsvar med patentkravene 1-13,karakterisert vedat fremgangsmåten omfatter etablering av integritetssjekk av målinger/verdier fra måleinstrumentene, oscillatorene og Kalman-filteret.

15. Fremgangsmåte i samsvar med patentkrav 4,karakterisert vedat fremgangsmåten videre omfatter tuning av de harmoniske oscillatorene mht. karakteristikken for det aktuelle fartøyet.

16. System for å modellere et fartøys rotasjonsakselerasjoner, slik at krefter/akselerasjoner i sann tid og med en stor grad av nøyaktighet kan transformeres til et hvilket som helst annet sted på fartøyet, forutsatt at fartøyet kan betraktes som et stivt legeme og at fartøyet ikke foretar loop eller ruller rundt som en del av sitt normale bevegelsesmønster, hvilket system omfatter en monitor (12), ett eller flere måleinstrumenter (10), så som MRU, IMU, VRU, akselerometer, gyroskop, kombinert IMU/GNSS-system eller lignende systemer for å måle verdier i et gitt målepunkt på fartøyet, en styringsenhet (11) og midler (13) for lagring av data/verdier,karakterisert vedat styringsenheten (11) er innrettet med et kalmanfilter forsynt med oscillatorer drevet av målinger måleinstrumentene (10).

17. System i samsvar med patentkrav 16,karakterisert vedat styringsenheten (11) er forsynt med midler og/eller programvare/algoritmer for å innhente målinger fra måleinstrumentene (10) anordnet i gitte målepunkter ombord på fartøyet.

18. System i samsvar med patentkrav 16-17,karakterisert vedat styringsenheten (11) videre er forsynt med midler og/eller programvare/algoritmer for å: - beregne posisjon, hastighet og akselerasjon for gitte målepunkter, - kombinere målinger fra et vilkårlig antall måleinstrumenter (10) plassert i vilkårlige målepunkter til å gi ut transformerte bevegelser til et vilkårlig antall punkter, - transformasjon i sann tid til et vilkårlig antall fysiske eller virtuelle punkter på eller i nærheten av fartøyet.

19. System i samsvar med patentkrav 16-18,karakterisert vedat systemet enten er integrert i et eksisterende overvåkningssystem, en enhet anordnet/koblet til et eksisterende overvåkningssystem eller en frittstående enhet.

20. System i samsvar med patentkrav 16,karakterisert vedat systemet omfatter midler og/eller programvare/algoritmer for en eller flere av: - registrering av data/verdier, - analyse av registrert data, - skape grensesnitt mellom bruker og systemet, - overføring av data til andre systemer ombord, andre fartøy eller til land, - integritetssjekk i systemet og tuning av de harmoniske oscillatorene mht. karakteristikken for det aktuelle fartøyet systemet er installert på.