2. 四川城市职业学院 信息技术学院,四川 成都 610101
2. School of information technology, Urban Vocational College of Sichuan, Chengdu 610101, China
我国船舶航行使用的电子海图系统通常以计算机作为平台[1],这种导航系统成本较高,运行维护难度较大。物联网技术是一种实现多方交互和通信的技术,其以信息传感设备为基础,依据通信协议实现[2],能够将物体的信息进行实时传送,实现智能化的识别、定位以及监管等。为实现船舶的智能导航,张莉[3]研究基于Qt的船舶航行控制系统;陈志超等[4]研究基于改进LOS导航算法的船舶管理系统。但是,上述系统无法实现船舶的自动靠泊。因此,本文研究基于物联网技术的船舶智能导航系统,该系统结合物联网显著优势,通过传感设备及时获取船舶航行信息,并引入导航模块,实现船舶的智能导航,保证船舶航行安全。
1 船舶智能导航系统 1.1 系统整体架构本文设计基于物联网技术的船舶导航系统,该系统采用多层结构、多种体系的设计方式完成,共分为物理层、通信层、资源层、技术层以及平台层,其整体结构框架如图1所示。物理层:该层主要由采集单元组成,每个采集单元均有温度传感器、湿度传感器、压力传感器、速度传感器、采集卡、转换器以及滤波器等装置组成,主要作用是实时采集船舶航行过程中的信息数据,对采集的信息实行滤波处理[5],删除其中的冗余信息,并通过通信模块连接通信层将信息安全传送至资源层。通信层:该层主要包含网络接口、网络节点、通信协议、防火墙、ZigBee网络协议等;其主要作用是完成系统中信息数据的通信和传送[6],并且该层为保证通信的实时性,采用高精度时间同步组网算法,完成网络通信优化,避免通信过程中发生较长时延。资源层:该层包括通信服务器、安全设备、数据库、应用中间件、缓存处理等功能,其接收由物理层传送的信息数据后,通过应用中间的分类处理后,存储至数据库中,当信息数据量较大时,缓存处理功能能够对系统的负载工作以及延迟情况实行优化,保证信息数据的完成存储[7]。除此之外,该层中还设有时间、空间和类别3种索引,用于支撑所需信息的检索。技术层:该层的主要作用是实现信息数据的共享、调度、更新等,并依据采集的信息实行海图引擎建立,完成航行地图的生成;在地图生成过程中,其结合全球定位系统(GPS)完成,准确定位船舶的航行位置,并且通过接口通信协议与平台层之间进行通信和交互[8]。除此之外,该层具有批处理以及实时计算功能,实现海量数据的同时处理,实时分析并掌握船舶的运行情况,并完成船舶的智能导航。同时该层中设有基于视线导航算法,实现船舶自动靠泊控制。平台层:该层主要由人工交互、预警提醒、系统控制、导航控制、后台管理等功能组成。其中导航控制主要是依据导航结果,对船舶的航迹实行控制,避免船舶在航行过程中发生碰撞现象。
![]() |
图 1 基于物联网技术的船舶智能导航系统架构 Fig. 1 Architecture of ship intelligent navigation system based on Internet of Things technology |
系统实现船舶智能导航的基础是物理层采集单元获取船舶航行信息,其结构用图2描述。采集单元整体划分为3个模块,分别是采集模块、处理模块以及通信模块。
![]() |
图 2 采集单元结构 Fig. 2 Acquisition unit structure |
采集的信息在通信过程中,其安全性尤为重要,本文在设计过程中,充分考虑信息通信的安全性,也同时结合物联网技术的优势,主要依据ZigBee网络协议完成采集信息的通信,该协议的结构用图3描述。
![]() |
图 3 ZigBee网络协议结构 Fig. 3 ZigBee network protocol structure |
船舶自动靠泊控制是船舶智能导航系统重要应用,依据采集船舶的信息完成航行地图的生成,依据生成的地图,可控制船舶进行自动靠泊。采用视线导航算法完成船舶自动靠泊控制。设船舶的起始点用P0表示,航路点用Pk和Pk+1表示,前者经过后两者达到航行终点Pn,在该航行过程中,各段路径的约束用下式描述:
$ \left\{ {\begin{array}{*{20}{c}} {U = \left\{ {{U_0},{U_1},\cdots,{U_k},{U_n}} \right\}},\\ {\psi = \left\{ {{\psi _0},{\psi _1},\cdots,{\psi _k},{\psi _n}} \right\}}。\end{array}} \right. $ | (1) |
式中:
船舶航行过程中,由Pk和Pk+1两点组成的航行路径,需完成2个坐标系之间的转换,其为大地坐标系和船舶的附体坐标系。如果原点用Pk表示,则
$ {\alpha _k} = a\tan 2\left( {{y_{k + 1}} - {y_k},{x_{k + 1}} - {x_k}} \right)。$ | (2) |
式中:
位于固定航行路径参考坐标系上的船舶坐标计算公式为:
$ \left\{ {\begin{array}{*{20}{c}} {s\left( t \right) = \left[ {x\left( t \right) - {x_k}} \right]\cos \left( {{\alpha _k}} \right) + \left[ {y\left( t \right) - {y_k}} \right]\sin \left( {{\alpha _k}} \right)},\\ {e\left( t \right) = \left[ {x\left( t \right) - {x_k}} \right]\sin \left( {{\alpha _k}} \right) + \left[ {y\left( t \right) - {y_k}} \right]\cos \left( {{\alpha _k}} \right)} ,\end{array}} \right. $ | (3) |
基于视线导航算法完成船舶自动靠泊控制的目标是保证横向漂移距离偏差收敛结果为0,即
$ {\varphi _d}\left( t \right) = {\alpha _k} + {\varphi _r}\left( t \right),$ | (4) |
其中:
$ {\varphi _r}\left( t \right) = \arctan \left( { - \frac{1}{\Delta }e} \right),$ | (5) |
式中:
如果积分比例
$ {\varphi _r}\left( t \right) = \arctan \left( { - {K_p}e} \right),$ | (6) |
将积分增益
$ {\varphi _r}\left( t \right) = \arctan \left( { - {K_p}e - {K_i}\int_0^t {e\left( \tau \right){d_\tau }} } \right)。$ | (7) |
式中:
$ \psi = \varphi - \beta,$ | (8) |
式中:
$ \beta = \arcsin \left( {\frac{v}{U}} \right),$ | (9) |
式中,
当船舶的速度和算法的向量位于同一直线时,将
$ \bar \psi = \psi - {\varphi _d} + \beta,$ | (10) |
期望首向角
$ {\psi _d} = {\alpha _k} + \arctan \left( { - {K_p}e - {K_i}\int_0^t {e\left( \tau \right){\text{d}_\tau }} } \right) - \beta。$ | (11) |
基于上述步骤即可完成船舶自动靠泊控制。
1.5 智能船舶航行防碰撞风险预测船舶智能航行过程中,为避免发生碰撞现象,在智能导航过程中,需实现碰撞风险预测,以此保证航行安全。系统的平台层则采用层次分析法和卷积神经网络结合,完成智能航行防碰撞风险预测。
2 测试分析测试船长10.5 m,型宽3.2 m,有效载荷2600 kg。在船上部署物联网传感器,其详情如表1所示。设定该船的起始点和航路点坐标分别为P0 (1.5 m,1.5 m),P1~P3依次为(22 m,17 m)、(35 m,22 m)、(47 m,31 m)、(56 m,22 m)、(65 m,34 m);初始首向角为0°、航速为1m/s、靠泊点坐标为(120 m,120 m)。绝对流速为0.06 m/s,流向为−40°。应用需求为实时掌控船舶行驶情况,保证信息的同时时延在2 s内,能够准确按照设定的航路点航行,并准确完成自动靠泊,可靠完成防碰撞。
![]() |
表 1 部署的物联网传感器详情 Tab.1 Details of deployed iot sensors |
![]() |
图 4 船舶航行数据实时采集结果 Fig. 4 Real-time acquisition results of ship navigation data |
![]() |
图 5 目标航线航行地图生成结果 Fig. 5 Navigation map generation results of target route |
为测试本文系统的导航性能,获取不同能见度下,船舶的航行结果如图6所示。可知,在不同的能见度下,本文系统应用后,均能够可靠完成船舶的导航,使其按照设定航迹完成航行,即使可见度在2m时,航行结果依旧与设定航迹吻合,没有发生明显偏差,因此,本文系统的导航性能良好,能够保证船舶航行的准确导航。
![]() |
图 6 导航性能测试结果 Fig. 6 Navigation performance test results |
为测试本文方法的导航效果,由起始点开始,经由设定的5个航路点,到达靠泊点的航行结果如图7所示。可知,本文系统应用后,船舶能够依据设定的起始点和航路点进行智能航行,并且在本文系统采用的视线导航算法的控制下,自动达到设定的靠泊点。
![]() |
图 7 智能航行结果测试 Fig. 7 Intelligent navigation result test |
船舶航行过程中,导航系统的导航效果直接影响船舶的航行结果以及安全情况,因此,本文研究基于物联网技术的船舶智能导航系统,并对该系统的应用效果实行相关测试。结果显示:本文所设计的导航系统,可完成船舶航行信息的实时、全面采集以及传输;能够依据采集的信息生成导航地图,并且导航性能良好,适用于海上复杂天气的导航应用,可完成船舶的自动停靠。
[1] |
张崇猛, 邓福建, 杨涛, 等. 基于因子图的船用导航系统信息融合算法[J]. 中国惯性技术学报, 2020, 28(4): 448-455. |
[2] |
谢军, 庄建楼, 康成斌. 基于北斗系统的物联网技术与应用[J]. 南京航空航天大学学报, 2021, 53(3): 329-337. |
[3] |
张莉. 基于Qt的船用CCD星敏感器导航系统仿真研究[J]. 船舶工程, 2021, 43(5): 114-120+128. |
[4] |
陈志超, 薛圻蒙, 罗凯, 等. 基于改进LOS导航算法的智能船舶自动靠泊控制研究[J]. 中国航海, 2021, 44(2): 126-133. DOI:10.3969/j.issn.1000-4653.2021.02.021 |
[5] |
于春荣, 王益芳, 于瑷雯. 基于光纤传感的物联网节点定位技术研究[J]. 光通信研究, 2020(6): 8-11. |
[6] |
孟峰, 张磊, 赵子未, 等. 基于物联网的智能传感器技术及其应用[J]. 工矿自动化, 2021, 47(S1): 48-50. |
[7] |
王壮, 李嘉源, 黄连忠, 等. 基于改进K近邻算法的船舶通航环境智能识别[J]. 上海海事大学学报, 2020, 41(3): 36-41. |
[8] |
罗贤程, 尹建川, 李宏宾. 基于动态分阶势场法的船舶自动避碰系统[J]. 上海海事大学学报, 2020, 41(1): 1-7. |