舰船科学技术  2022, Vol. 44 Issue (13): 174-177    DOI: 10.3404/j.issn.1672-7649.2022.13.038   PDF    
基于数据挖掘的舰船组合导航人机交互界面系统
宁滔     
桂林电子科技大学 计算机工程学院,广西 北海 536000
摘要: 设计基于数据挖掘的舰船组合导航人机交互界面系统,精准挖掘有效导航信息,实现舰船组合导航人机交互,确保舰船航行安全。将采集导航信息与环境信息,利用自适应K中心点聚类算法挖掘有效导航信息与环境信息,生成最佳导航信息集,依据最佳导航信息集建立环境地图,利用改进遗传算法规划舰船路径完成舰船导航控制,通过控制显示模块呈现导航控制结果,完成人机交互。实验证明,该系统可有效完成舰船组合导航人机交互,精准挖掘有效导航信息与环境信息,可有效规划路径,避开障碍物,确保航行安全。
关键词: 数据挖掘     舰船组合导航     人机交互界面     聚类算法     遗传算法     路径规划    
Design of man-machine interface system for ship integrated navigation based on data mining
NING Tao     
School of computer engineering, Guilin University of Electronic Technology, Beihai 536000, China
Abstract: Design the human-computer interaction interface system of ship integrated navigation based on data mining, accurately mine the effective navigation information, realize the human-computer interaction of ship integrated navigation, and ensure the safety of ship navigation. It will collect navigation information and environment information, mine effective navigation information and environment information by using adaptive K-center clustering algorithm, generate the best navigation information set, establish the environment map according to the best navigation information set, use the improved genetic algorithm to plan the ship path to complete the ship navigation control, present the navigation control results through the control display module, and complete the human-computer interaction. Experiments show that the system can effectively complete the human-computer interaction of ship integrated navigation, accurately mine the effective navigation information and environmental information, effectively plan the path, avoid obstacles and ensure the safety of navigation.
Key words: data mining     ship integrated navigation     human-computer interaction interface     clustering algorithm     genetic algorithm     path planning    
0 引 言

组合导航系统在确保舰船航行安全中至关重要,应用该系统还可提升舰船自动化水平。在舰船组合导航系统中应用人机交互技术,可进一步提升舰船组合导航效果,为船员提供清晰的导航结果[1-3]。为此设计一个交互性能友好、界面美观的人机交互界面系统,对舰船组合导航系统的发展至关重要。田华等[4]设计人机交互系统,利用深度学习识别手势,经过姿态估计提取关节特征,通过卷积神经网络分类特征,完成人机交互,该系统可有效识别手势,完成人机交互。谢新连等[5]设计人机交互系统,利用单深度相机跟踪目标物与手势,结合触觉重定向方法,提升交互操作切换的连续性,避免因手抖影响交互效果,该系统具备较优的交互精度。但这2个系统均无法精准采集有效信息,使用的信息中存在大量冗余信息,影响人机交互效果,无法达到实时性需求,不能保证舰船航行安全。

为舰船组合导航人机交互界面系统设计,提供精准的有价值信息[6],避免受冗余信息影响,降低人机交互效果。为此设计基于数据挖掘的舰船组合导航人机交互界面系统,为确保舰船航向安全提供帮助。

1 舰船组合导航人机交互界面系统

按照开放性模块化原理,设计舰船组合导航人机交互界面系统,该系统的结构如图1所示。用户通过语音输入模块输入舰船组合导航人机交互界面的控制指令,通过无线局域网传输控制指令至舰船搭载PC机;通过组合导航模块实时采集舰船的导航信息与环境信息;舰船搭载PC机中舰船导航信息挖掘模块,依据控制指令,利用自适应K中心点聚类算法在采集的导航信息与环境信息内,挖掘有效的舰船导航信息与环境信息,生成最佳导航信息集。舰船路径规划模块依据最佳导航信息集,建立舰船航行的环境地图,利用改进遗传算法规划舰船航行路径完成舰船导航控制;经由通信模块传输至控制显示模块,通过该模块呈现舰船导航控制结果。

图 1 舰船组合导航人机交互界面系统 Fig. 1 Man-machine interface system of ship integrated navigation
1.1 舰船组合导航模块

利用舰船组合导航模块实时采集舰船导航信息与环境信息,该模块的结构如图2所示。利用嵌入式计算机设计舰船组合导航模块,该模块主要包含嵌入式处理器、FLASH与SDRAM等,具备显示与存储导航、环境信息以及海图功能,还能够实时处理导航设备采集的导航信息与环境信息[7-8]

图 2 舰船组合导航模块 Fig. 2 Ship integrated navigation module
1.2 基于数据挖掘的舰船导航信息挖掘

利用自适应K中心点聚类算法在实时采集的舰船导航信息与环境信息内,采集有效的舰船导航信息与环境信息,生成最佳舰船导航信息集。信息挖掘过程中,为方便描述舰船导航信息与环境信息统称为导航信息,令随机2个舰船导航信息样本点是i(xi,yi)、j(xj, j),它们距离是d,通过舰船导航信息观测值和实际值间的差值,获取均方误差,聚类算法挖掘舰船导航信息步骤为:

1) 在(x,y)内任意选择m个初始对象(G1,G2,…,Gm),以(G1,G2,…,Gm)为初始聚类中心点,确定舰船导航信息聚类中心点数K

2) 利用式(1)求解其余舰船导航信息样本点至每个(G1,G2,…,Gm)的距离,将每个舰船导航信息样本点,划入和每个(G1,G2,…,Gm)距离最近的类簇内;

3) 任意选取一个非中心点Gr,通过式(2)求解获取E值,持续由Gr取代Gm,令E值不断降低;

4) 反复操作步骤2与步骤3,以误差值不再改变为止,此时聚类中心不再改变,结束算法。

输出K个聚类中心点的类簇,即有效舰船导航信息与环境信息聚类结果,通过聚类结果,生成最佳导航信息集。

1.3 基于改进遗传算法的舰船路径规划

依据生成的最佳导航信息集,绘制舰船航行的环境地图,按照绘制的环境地图,利用改进遗传算法规划舰船路径。舰船路径规划是在绘制的二维环境地图中完成的,在该环境地图中找到一条最短路径,且不会与障碍物发生碰撞,同时该路径为一条平滑航线。舰船航行的起点是A,终点B是舰船的目的地,路径规划即在AB之间,在约束区间中获取中间点时序坐标,结构是 $ \left( {{{x'}_0},{{y'}_0}} \right) \to \left( {{{x'}_1},{{y'}_1}} \right) \cdots \left( {{{x'}_g},{{y'}_g}} \right) \to \left( {{{x'}_h},{{y'}_h}} \right) $ ,其中,A的坐标是 $ \left( {{{x'}_0},{{y'}_0}} \right) $ B的坐标是 $ \left( {{{x'}_h},{{y'}_h}} \right) $ $ \left( {{{x'}_g},{{y'}_g}} \right) \left( {g = 1,2, \cdots ,h - 1} \right) $ AB间的一系列中间点,AB间中间点数量是h,仅需编码 $ \left( {{{x'}_g},{{y'}_g}} \right) $ 。大地坐标系xoy内,舰船路径点坐标为二维的,变换xoy获取XOY,降低编码繁琐程度。在XOY内,AB间的连线为X轴,将X轴均匀分割成 $ {X_1},{X_2}, \cdots , {X_{h - 1}} $ ,因此在XOY内,舰船路径点编码便简化成一维的Y轴编码问题。舰船路径规划具体步骤如下:

步骤1 种群初始化,利用生成的最佳导航信息集,绘制舰船航行的环境地图,在该环境地图中选择 $ V \times V $ 个网格点,舰船路径会经过网格点中心,不包含障碍物网格点。

步骤2 分析产生的舰船路径是否是不间断的,若是间断路径,那么展开插入处理,令舰船路径为不间断的,若产生的初始舰船路径为不间断的,那么选取一条航线的网格点,在其附近可行网格点内插入航线,对比分析插入航线前后的f值,如果f值变大,那么由新产生的航线取代插入前的航线。以确保舰船路径为不间断的为前提,展开删除处理,去掉多余的路径点,分析生成航线有无重复路径点,若有,那么去掉多余航路点,降低网格点数量,提升f值。

步骤3 利用轮盘赌法实施选择操作,求解种群内个体f值。

步骤4 分析是否达到最大迭代次数Qmax,若达到Qmax,那么继续步骤8,反之继续步骤5;

步骤5 展开交叉、变异操作,交叉是否成功,若成功,那么实施寻优处理,返回步骤4。

步骤6 分析是否达到Qmax,若达到Qmax,那么返回步骤5,反之继续步骤7。

步骤7 展开重构操作,返回步骤6。

步骤8 展开平滑操作,选取两两邻近航路点的中点,记作H1H2,连接H1H2,首次平滑航线,降低舰船转向角,以此类推,共平滑处理4次,获取平滑的舰船规划路径。

1.4 舰船组合导航人机交互界面设计

以可用性为舰船组合导航人机交互界面的设计原理,设计符合用户需求、可提升工作效率的舰船组合导航人机交互界面,可用性舰船组合导航人机交互界面设计流程如图3所示。

图 3 舰船组合导航人机交互界面设计流程 Fig. 3 Design process of human-computer interaction interface for ship integrated navigation
2 实验结果与分析

以某舰船为实验对象,该船长204 m,宽23 m,排水量47000 t,满载排水量57000 t,在该船中应用本文设计的组合导航人机交互界面系统,验证本文系统的有效性。

应用本文系统后,组合导航人机交互界面系统的主页如图4所示,航行至目标位置时,点击组合导航模块后,可呈现导航信息采集结果,实现组合导航的人机交互,组合导航模块操作结果如图5所示。综合分析图4图5可知,本文系统可有效应用于该船中,首页可呈现各个模块的操作按钮,并呈现舰船的目标位置;操作组合导航模块后,可有效采集舰船导航信息,利用GPS采集的地理位置信息与实际位置信息相差较小,说明本文系统可精准采集舰船导航信息,且可呈现提示信息,提示导航设备是否正常工作,若有导航设备无法正常工作,可及时提醒船员进行维修,避免影响舰船导航信息采集精度。实验证明,本文系统可有效实现舰船组合导航的人机交互,为舰船导航提供便利,方便船员实时了解舰船导航状况。

图 4 舰船组合导航人机交互界面系统首页 Fig. 4 Home page of man-machine interaction interface system for ship integrated navigation

图 5 组合导航模块操作结果 Fig. 5 Operation result of integrated navigation module

舰船导航信息与环境信息挖掘结果如图6所示。分析图6可知,本文系统可有效挖掘有效舰船导航信息与环境信息,且挖掘结果边缘并未出现边界混淆情况。实验证明,本文系统可有效挖掘有效导航信息与环境信息。

图 6 有效舰船导航信息与环境信息挖掘结果 Fig. 6 Mining results of effective ship navigation information and environmental information

本文系统路径规划结果如图7所示。分析图7可知,本文系统可完成舰船路径规划,规划后的舰船航行路径,可有效避开障碍物,结果表明,本文系统可有效根据组合导航人机界面,实时掌握舰船的航行情况,确保航行安全。

图 7 舰船路径规划结果 Fig. 7 Ship path planning results
3 结 语

人机交互技术属于衡量系统性能的关键因素之一,人机交互效果优劣,直接影响舰船组合导航效果,为此设计基于数据挖掘的舰船组合导航人机交互界面系统,提升舰船组合导航效果,便于船员及时了解舰船航行的实时情况,及时发现存在的问题,避免发生不必要的危险,确保舰船海上航行安全。

参考文献
[1]
吴林, 吴超, 黄浪, 等. 微系统人机界面的安全信息流模型构建及其应用[J]. 中国安全生产科学技术, 2020, 16(3): 151-156.
WU Lin, WU Chao, HUANG Lang, et al. Construction and application of safety information flow model for human-machine interface of micro system[J]. Journal of Safety Science and Technology, 2020, 16(3): 151-156. DOI:10.11731/j.issn.1673-193x.2020.03.024
[2]
韩云东, 李伟, 黄谦, 等. 无卫导条件下多舰船联合导航方法研究[J]. 火力与指挥控制, 2020, 45(1): 43-46+52.
HAN Yundong, LI Wei, HUANG Qian, et al. Combined Navigation Method for Multi-warship Without Satellite Navigation[J]. Fire Control & Command Control, 2020, 45(1): 43-46+52. DOI:10.3969/j.issn.1002-0640.2020.01.009
[3]
黄宏程, 廖强, 胡敏, 等. 基于知识图谱波纹网络的人机交互模型[J]. 电子与信息学报, 2022, 44(1): 221-229.
HUANG Hongcheng, LIAO Qiang, HU Min, et al. Human-computer Interaction Model Based on Knowledge Graph Ripple Network[J]. Journal of Electronics & Information Technology, 2022, 44(1): 221-229.
[4]
田华, 何翼. 基于绕质心聚类算法的大数据挖掘[J]. 计算机应用研究, 2020, 37(12): 3586-3589.
TIAN Hua, HE Yi. Big data mining based on around-centroid clustering algorithm[J]. Application Research of Computers, 2020, 37(12): 3586-3589. DOI:10.19734/j.issn.1001-3695.2019.09.0540
[5]
谢新连, 刘超, 魏照坤. 海洋气象环境影响下的复杂水域船舶路径规划[J]. 重庆交通大学学报(自然科学版), 2021, 40(2): 1-7+20.
XIE Xinlian, LIU Chao, WEI Zhaokun. Ship Path Planning in Complex Water Areas under the Influence of Marine Meteorological Environment[J]. Journal of Chongqing Jiaotong University (Natural Sciences), 2021, 40(2): 1-7+20.
[6]
周怡, 袁传平, 谢海成, 等. 基于DDPG算法的游船航行避碰路径规划[J]. 中国舰船研究, 2021, 16(6): 19-26+60.
ZHOU Yi, YUAN Chuanping, XIE Haicheng, et al. Collision avoidance path planning of tourist ship based on DDPG algorithm[J]. Chinese Journal of Ship Research, 2021, 16(6): 19-26+60. DOI:10.19693/j.issn.1673-3185.02057
[7]
曹旺, 邓烈威, 郭瑶, 等. 基于改进NSGA-Ⅲ的船舶路径规划方法[J]. 船舶工程, 2021, 43(S1): 343-347+375.
CAO Wang, DENG Liewei, GUO Yao, et al. Research on Path Planning Method of Ship Based on Improved NSGA-Ⅲ[J]. Ship Engineering, 2021, 43(S1): 343-347+375. DOI:10.13788/j.cnki.cbgc.2021.S1.078
[8]
倪生科, 刘正江, 蔡垚, 等. 基于混合遗传算法的船舶避碰路径规划[J]. 上海海事大学学报, 2019, 40(1): 21-26.
NI Shengke, LIU Zhengjiang, CAI Yao, et al. Ship collision avoidance path planning based on hybrid genetic algorithm[J]. Journal of Shanghai Maritime University, 2019, 40(1): 21-26.