船舶在海洋环境中航行时,需要充分考虑海洋气候变化以及海流要素变化[1]。海流要素影响船舶航行时的方向以及速度,船舶在复杂航道中航行时,容易出现偏离航线情况,航线偏离容易造成航海事故。海流是海洋环境信息中对船舶航行影响极大的因素。海洋横流作用较大时,船舶与预先设置的导航方向偏离[2],影响船舶行驶。船舶行驶的海洋环境存在较高随机性,船舶航行时间和航行空间并不固定,从大型海洋环境数据库中挖掘船舶航行区域的海流要素,提升海洋环境数据库的数据可靠性[3],满足船舶导航需求。船舶航行方向与海流方向存在较高一致性时,有利于提升船舶航行速度,节约船舶航行燃料,缩短船舶航行时间[4]。海流要素包括地形要素、气象要素以及时空尺度等众多要素。船舶航行的海洋地形复杂度较高时,海流出现涡旋等情况时,提升了海流要素的预报难度[5]。利用数据挖掘方法获取海流要素的相关数据,明确船舶航行海域的海流变化,对于制定船舶导航决策具有较高的指导作用。
数据挖掘方法是挖掘海量数据中有用数据的重要方法,利用数据挖掘方法从大型海洋环境数据库中挖掘海流要素,获取船舶航行区域的海流变化信息[6],将所挖掘海流要素作为船舶导航决策依据,精准定位船舶,保证船舶的航行安全。目前针对船舶导航的研究众多,庞玺斌等[7]针对船舶导航系统误差进行研究,降低了船舶导航误差,提升船舶导航精度;张崇猛等[8]将因子图应用于船舶导航系统中,改善船舶导航仅采用路径信息导致,导航精度差的缺陷。以上2种方法虽然可以提升船舶导航性能,但是由于未考虑船舶航行过程中受海流影响,导致船舶航行方向以及航行速度变化的缺陷,应用性较差。针对以上2种导航方法存在的缺陷,研究基于数据挖掘和海流要素的船舶导航改进方法,利用数据挖掘方法挖掘船舶航行区域的海流要素,将挖掘结果应用于船舶导航改进中,通过船舶导航改进,提升船舶行驶安全性。
1 海流要素的船舶导航改进 1.1 K-means聚类的海洋要素挖掘算法K-means聚类算法包括迭代和重定位两部分,通过迭代过程计算数据集中的各样本点的间距,将样本划分至与样本距离最短的簇内,利用依据距离对样本的初始划分结果,实现数据集的初步聚类;通过重定位过程,更新所划分各簇的聚类中心[9],将与该类别相近的样本点划分至更新后的类别中。重复以上过程,直至聚类中心为固定情况时,终止聚类。利用K-means聚类算法对大型海洋环境数据库进行数据挖掘,海流要素挖掘过程如图1所示。
![]() |
图 1 K-means聚类算法流程图 Fig. 1 Flow chart of K-means clustering algorithm |
可知,在大型海洋环境数据库中随机选取数量为
$ d\left( {{x_i},{x_j}} \right) = \sqrt {\sum\limits_{i = 1}^m {\sum\limits_{j = 1}^m {{{\left( {{x_i} - {x_j}} \right)}^2}} } },$ | (1) |
式中,
利用欧式距离衡量大型海洋环境数据库中样本点间的间距。样本与样本间的欧式距离越小时,表示2个样本具有较高的相似性,否则则表示样本点间的相似性较小。利用样本与样本间的欧式距离,完成大型海洋环境数据库内样本的初步划分。划分后获取的数据集中平均样本距离表达式如下:
$ MeanD{\text{ist}}\left( D \right){\text{ = }}\sum\limits_{i = 1}^m {\sum\limits_{j = 1}^m {d\left( {{x_i},{x_j}} \right)} } /C_n^2 ,$ | (2) |
式中:
通过聚类算法挖掘海洋要素获取的数据集
$ E = \sum\limits_{i = 1}^k {\sum\limits_{x \in {c_i}} {d{{\left( {x,{c_i}} \right)}^2}} } 。$ | (3) |
式中:
通过所获取的
研究船舶导航问题时,需要建立船舶导航的环境感知模型,利用所建立的环境感知模型进行船舶航行的路径规划实现船舶导航。船舶导航过程中的障碍物信息获取极为重要[11],选取声呐作为船舶导航的感知水下环境的重要工具,利用罗经仪获取船舶坐标信息,建立船舶导航的路径规划全局坐标系的环境感知模型表达式如下:
$ \left[ {\begin{array}{*{20}{c}} X \\ Y \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} {\cos \delta }&{ - \sin \delta } \end{array}} \\ {\begin{array}{*{20}{c}} {\sin \delta }&{\cos \delta } \end{array}} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} x \\ y \end{array}} \right] + \left[ {\begin{array}{*{20}{c}} {{x_s}} \\ {{y_s}} \end{array}} \right]。$ | (4) |
式中:
可得船舶在局部坐标系下的位置更新表达式如下:
$ \left[ {\begin{array}{*{20}{c}} {{x_{t + 1}}} \\ {{y_{t + 1}}} \end{array}} \right] = V\left[ {\begin{array}{*{20}{c}} {{x_t}} \\ {{y_t}} \end{array}} \right] + V\left[ {\begin{array}{*{20}{c}} {\cos \gamma } \\ {\sin \gamma } \end{array}} \right]\Delta t + \left[ {\begin{array}{*{20}{c}} u \\ v \end{array}} \right]\Delta t。$ | (5) |
式中,
考虑海流要素对船舶导航的影响,船舶导航控制的速度计算公式如下:
$ \left[ {\begin{array}{*{20}{c}} {{u_r}} \\ {{v_r}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{u_a}} \\ {{v_a}} \end{array}} \right] - \left[ {\begin{array}{*{20}{c}} u \\ v \end{array}} \right]。$ | (6) |
式中:
船舶导航中的期望速度以及转角表达式如下:
$ {v_z} = \sqrt {u_r^2 + v_r^2},$ | (7) |
$ \mu = \arctan {v_z} - \delta。$ | (8) |
通过以上过程可知,船舶导航需要获取关键航行点的位置信息,利用船舶航行的环境信息以及海流要素,确定当前船舶位姿状态[12],完成船舶航行的环境感知。基于海流要素的船舶导航流程图如图2所示。可知,船舶导航中船舶位姿的确定极为重要。利用声呐感知船舶行驶航线的环境信息,判断船舶前进方向是否存在障碍物。
![]() |
图 2 海流要素的船舶导航流程图 Fig. 2 Flow chart of ship navigation with ocean current elements |
为了提升船舶导航性能,利用船舶定位校正方法对船舶导航进行改进。通过数据挖掘方法获取的船舶航道海流流量东分量、北分量以及流速等海流要素,与船舶经纬度、航行时间结合,对船舶定位进行校正,提升船舶导航性能。利用牛顿定律体现船舶运动表达式如下:
$ \bar F = m{\rm{d}}\bar V/{\rm{d}}t 。$ | (9) |
式中:
船舶在航道行驶时,船舵和螺旋桨受到海流作用的反作用力。利用水动力模型体现船舶航行过程中,运动参数与船舶总作用力间的关系。航道海流要素中的水深与流速等因素与船舶受到的作用力影响较大。将航道的海流要素与操舵舵角和螺旋桨转速等众多外力结合,建立船舶运动方程式如下:
$ \left\{ {\begin{array}{*{20}{l}} {X = m\dot u - vr - m{x_G}{r^2}} ,\\ {Y = m\dot v - ur - m{x_G}{r^2}} ,\\ {N = {I_Z}\dot r + ur + m{x_G}\dot v} 。\end{array}} \right. $ | (10) |
式中:
航道的海流力与力矩表达式如下:
$ \left\{ {\begin{array}{*{20}{l}} {{X_C}{{ = }}AV_C^2\left( {\rho {G_{XC}}} \right)/2} ,\\ {{Y_C}{{ = }}AV_C^2\left( {\rho {G_{YC}}} \right)/2} ,\\ {{N_C}{{ = }}AV_C^2L\left( {\rho {G_{MC}}} \right)/2} 。\end{array}} \right. $ | (11) |
式中:
利用近似方法处理船舶航行水面以及进水面,获取船舶运动过程中,船体与海流的相对运动状况。船舶航行过程中利用一阶非线性微分方程表达式如下:
$ \frac{{{\rm{d}}y}}{{{\rm{d}}t}} = F\left( {y,w\left( t \right)} \right) $ | (12) |
利用改进的龙格-库塔法处理式(12),获取考虑海流要素情况下,船舶航行过程中受海流影响,形成的船舶经度与纬度变化表达式如下:
$ {L_j}\left( {n + 1} \right) = {L_j}\left( n \right) + u\left( n \right) + \left( {R * \cos {L_w}\left( n \right)} \right)/{\rm{d}}t,$ | (13) |
$ {L_w}\left( {n + 1} \right) = {L_w}\left( n \right) + v\left( n \right)R/{\rm{d}}t 。$ | (14) |
式中:
通过以上过程,利用数据挖掘算法挖掘的海流要素,获取船舶航行过程中的实际坐标,实现船舶定位的校正,将校正后的船舶坐标,代入船舶导航流程中,完成船舶导航的改进,提升船舶导航精度。
2 实验结果与分析本文方法挖掘海洋要素的挖掘结果如表1所示。可知,采用本文方法可以有效挖掘影响船舶导航性能的海洋要素,所挖掘的海洋要素可以作为船舶导航的数据基础。
![]() |
表 1 海洋要素挖掘结果 Tab.1 Mining results of marine elements |
统计采用本文方法挖掘海流要素的调整兰德系数和调整互信息系数,统计结果如图3所示。可知,采用本文方法挖掘影响船舶导航的海洋要素,挖掘结果的调整兰德系数和调整互信息系数均高于0.5,实验结果验证本文方法采用K-means聚类算法具有较高的数据挖掘性能,可以有效挖掘大型海洋环境数据库的海洋要素,为船舶导航提供有效的数据基础。
![]() |
图 3 本文方法挖掘性能 Fig. 3 Mining performance of our method |
![]() |
图 4 船舶定位校正结果 Fig. 4 Ship positioning correction results |
依据挖掘的海洋要素,获取研究海域在船舶航行时间内的海流流速数据如图4所示。海流流速是影响船舶航行方向以及航行速度的重要因素。本文方法可以获取船舶航行区域的海流流速,为利用船舶定位校正对船舶导航进行改进提供重要的依据。
利用船舶定位校正,提升船舶导航性能。统计本文方法的船舶定位校正结果,统计结果如图4所示。可知,采用本文方法校正后的船舶定位结果与实际船舶定位结果更加接近,说明采用本文方法可以有效利用海洋要素实现船舶定位校正,本文方法利用海洋要素校正船舶定可提升船舶导航性能。
3 结 语海流要素对船舶航行方向以及航行速度影响较大,利用海流要素对船舶导航进行改进,提升船舶导航性能。海流要素应用于船舶导航中,有效降低仅采用罗经以及计程仪等设备对船舶导航定位精度的影响,利用海流要素降低船舶定位误差,提升船舶的导航精度。利用船舶导航改进,为船舶安全航行、缩短船舶航行时间提供决策支持。
[1] |
周春辉, 黄弘逊, 易晚霞, 等. 桥区河段原油船队航行仿真方法研究[J]. 系统仿真学报, 2021, 33(3): 690-697. |
[2] |
张进峰, 朱学秀, 彭斯杨. 基于历史航次信息的船舶典型轨迹[J]. 中国航海, 2021, 44(3): 39-43+50. DOI:10.3969/j.issn.1000-4653.2021.03.007 |
[3] |
滕菲, 单麒赫, 李铁山. 智能船舶综合能源系统及其分布式优化调度方法[J]. 自动化学报, 2020, 46(9): 1809-1817. |
[4] |
刘佳仑, 杨帆, 马枫, 等. 智能船舶航行功能测试验证的方法体系[J]. 中国舰船研究, 2021, 16(1): 45-50. |
[5] |
王凤武, 尹忠勋, 徐翌森, 等. 船舶大风浪航行安全评价方法综述[J]. 安全与环境学报, 2021, 21(2): 475-482. |
[6] |
黄帅. 船用惯性导航设备缓冲系统设计[J]. 机床与液压, 2021, 49(22): 133-136. DOI:10.3969/j.issn.1001-3881.2021.22.025 |
[7] |
庞玺斌, 梁成程, 张闯. 一种船舶组合导航系统混合误差模型及应用[J]. 船海工程, 2020, 49(5): 127-132. DOI:10.3963/j.issn.1671-7953.2020.05.030 |
[8] |
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. |
[9] |
方涛, 黄卫权, 王宗义. 船用极区格网惯性导航系统综合校正方法[J]. 哈尔滨工业大学学报, 2020, 52(4): 58-65. |
[10] |
谢鸿伟, 张英俊, 邢胜伟, 等. 基于模型预测控制的船舶自主避碰方法[J]. 船舶工程, 2021, 43(8): 23-28+95. |
[11] |
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 |
[12] |
吴晓明. 船用北斗导航系统终端定位性能的检测验证[J]. 中国航海, 2020, 43(4): 89-93+115. DOI:10.3969/j.issn.1000-4653.2020.04.015 |