臺灣博碩士論文加值系統

海洋資料採樣是觀測台灣天氣和管控漁業資源的重要來源，水下滑翔機為無人水下載具的一種，可被賦予長期與危險性的水下探測任務，是節省人力成本資源且有效地紀錄海洋資料的海洋情報蒐集載具。為了可以長期停留在海底並執行蒐集海洋資訊任務，得仰賴水中航行的定位系統及路徑規劃。海洋中的環境具有相當多的變化性，造成定位及路徑規劃的困難影響任務完成率，如果沒有完善定位系統措施，除了無法完成任務需求外，也可能使水下滑翔機造成遺失或者損壞。水下無人滑翔機的定位系統好壞將影響水下滑翔機的路徑規劃、水下工作時間以及能源的消耗。因考量到傳統定位方式的誤差問題，本文利用卡爾曼濾波器預測及估計水下滑翔機的路徑並修正定位點的誤差，且加入模仿生物計算中優勝劣汰遺傳的機制來優化其系統雜訊共變異數，使其系統可快速適應各種環境變化性的問題。由研究結果可得知，本論文設計之系統平均誤差相較於無卡爾曼濾波器減少了27%，加入基因演算法機制後，相較於無卡爾曼濾波器可減少了33%，且此系統可快速適應環境變化降低平均定位誤差。

Ocean data sampling is an important technique for observing weather and managing fishery resources in Taiwan. Underwater glider is a kind of unmanned water vehicle that can be endowed with long-term and dangerous underwater detection tasks, to save labor cost, to intelligently gather and to effectively record marine data. In order to cruise in sea for a long time and complete the task of collecting marine information, the navigation system and path planning in sea are significant issues because the oceanic environment has quite a lot of variability, which makes the difficulty of positioning and path planning to affect the task completion. If there is no qualified positioning system, it will be not able to complete the mission requirements, even the underwater glider could be lost or damaged. Thus, a good positioning system of the underwater unmanned glider is a key to slove the problems of the path planning, underwater working time and energy consumption of the glider. Therefore, to improve the traditional positioning method, in this paper, a Kalman filter with Genetic Algorithm is proposed to estimate the glider position and mitigate the positioning error. The random search of genetic algorithm is helpful to discover the optimal solution of Kalman filter to enable the proposed system quickly adapting to various environmental variability problems. The research results show that the average error of the proposed approach with Kalman filter is reduced by 27%. When the genetic algorithm is introduced to work with Kalman filter, the average error is reduced by 33%. The contribution of this work has presented a milestone and is helpful to develop a position technology of underwater vehicles.

中文學位論文考試審定書 ii
英文學位論文考試審定書 iii
摘要 iv
Abstract v
致謝 vii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 3
1.3 論文架構 3
第二章 相關技術及文獻探討 4
2.1 水下滑翔機簡介 4
2.2 水下滑翔機路徑規劃與定位技術現況 7
2.3 卡爾曼濾波器 8
2.3.1 自適應卡爾曼濾波器 11
2.4 基因演算法 12
2.4.1 演化式計算技術介紹 12
2.4.2 基因演算法架構及特性 12
2.4.3 基因演算法編碼方式 14
2.4.4 適應函數及選優機制 15
2.4.5 交配機制 18
2.4.6 突變機制 21
2.5 利用仿生物計算技術優化卡爾曼濾波器應用例 22
第三章 利用仿生物計算優化卡爾曼濾波器之水下滑翔機路徑規劃技術 24
3.1 水下滑翔機的定位問題 24
3.2 針對水下滑翔機定位的卡爾曼濾波器設計 25
3.3 卡爾曼濾波器濾波估計定位方法 29
3.4 基因演算法計算共變因數 30
第四章 實驗測試與分析 34
4.1 實驗目的 34
4.2 模擬實驗環境與實驗參數設定 34
4.3 模擬結果 36
4.3.1 卡爾曼濾波器效能驗證 37
4.3.2 性能評估分析 59
第五章 結論與未來展望 61
5.1 研究結論 61
5.2 未來展望 62
參考文獻 63

[1] 陳靖惠, “屬於海洋工程應用趨勢”, 經濟部技術處金屬中心產業技術評析, 2017
[2] 方銘川, 王舜民, “智慧型自主式水下載具之研發”, 國立成功大學研究發展處成大研發快訊第十九卷第一期, 2011
[3] 郭振華, “無人水下載具（UUV）的現況與未來”, 清流月刊, 98年8月份, 2009
[4] 維基百科，"水下滑翔機"，2017
[5] Slocum Glider, "Woods Hole Oceanographic Institution", 2017
[6] 許仁華, “水下滑翔機：海洋探索與反潛神器”, 百度知道日報, 2014
[7] 宋祚忠, “探索「靜與動奧秘」水下滑翔機”, 國立海洋科技博物館展示教育組, 2016
[8] 維基百科，"自主水下航行器"，2017
[9] 海洋科學學習中心, “「水下滑翔機」簡介”, 國立海洋科技博物館, 2017
[10] 施建州, “應用於水下滑翔機可達路徑規劃之演化計算技術研發”, 國立高雄應用科技大學電子工程系博士論文, 2016
[11] 維基百科，"航位推算法"，2017
[12] 黃敬群, 葉濟賢, 黃偉立, “結合影像和慣性元件之定位技術與系統”, 100-101年度獎勵科技大學及技術學院教學卓越計畫產學及研究成果轉專題製作教材, 2012
[13] 每日頭條，"慣性導航的基本原理"，2017
[14] 維基百科，"卡爾曼濾波器"，2017
[15] 李苗鋒, “淺談簡單卡爾曼濾波器”, 台灣中油股份有限公司設計處, 2017
[16] Howard Musoff and Paul Zarchan, “Fundamentals of Kalman Filtering: A Practical Approach” American Institute of Aeronautics and Astronautics Inc., 978-1-62410-277-6, January 2013
[17] Edward Fiorelli, Pradeep Bhatta, Naomi Ehrich Leonard and Igor Shulman, “Adaptive Sampling Using Feedback Control of an Autonomous Underwater Glider Fleet ”, Proceedings 13th International Symposium on Unmanned Untethered Submersible Technology, pp.1-11, August 2003
[18] 林家瑋, “應用平均位移法於變形物體之即時視覺追循”, 國立中山大學機械與機電工程學系研究所碩士論文, 2009
[19] 陳世宏, “基因演算法應用於電腦適性化測驗之最佳個人化組卷及曝光率控制之研究”, 國立屏東教育大學資訊科學系碩士論文, 2013
[20] 葉明生, 張孝龍, 蕭金財, 張良正, “應用卡門濾波理論與遺傳演算法於地下水最佳觀測井網設計”, 國立交通大學土木工程系, 2002
[21] T. O. Ting, Ka Lok Man, Eng Gee Lim and Mark Leach, “Tuning of Kalman Filter Parameters via Genetic Algorithm for State-of-Charge Estimation in Battery Management System”, The Scientific World Journal, Article ID 176052, pp.1-11, 2014
[22] Yeosun Kyung, Seung Joon Lee, Minchul Kim, Chang Won Lee, Kyung Kwon Jung and Ki-Hwan Eom, “Noise Reducing of Multi-sensor RFID System by Improved Kalman Filter”, Communications in Computer and Information Science vol.195,pp.1-2 ,2011
[23] 賴士堯, “模糊強跟蹤無跡卡爾曼濾波器於整合導航之設計”, 國立臺灣海洋大學, pp.67-85, 2008
[24] Dead reckoning，The Editors of Encyclopaedia Britannica
[25] 郭振華, 邱逢深, 鄭勝文, “自主式水下載具淺海域作業系統整合技術之研究-整合型導航系統之建構及性能模擬”, 中華民國第十九屆海洋工程研討會論文集, 1997
[26] Grewal M. S. and Andrews A. P. , “Kalman Filtering: Theory and Practice Using MATLAB”, R. John Wiley & Sons Inc., 978-1-118-85121-0 ,2001
[27] 臺灣周圍海域200公尺網格地形模型, 國立台灣大學海洋研究所科技部海洋學門資料庫, April 2013