0 引　言

随着全球贸易的持续繁荣，船舶作为主要的运输工具，其规模与数量不断增长。船舶行业在追求高效运营、降低成本与提升安全性的进程中，对自动化技术的依赖愈发强烈。在船舶运营成本中，人力成本占据了相当大的比重。一艘大型远洋货轮通常需要配备数十名船员，而自动化技术的应用能够显著减少人力需求。通过自动化的甲板机械控制系统，原本需要多人协作完成的锚机、绞车操作，如今仅需少数船员在控制室内即可精准掌控，大大节省了人力成本^[1]。此外，自动化系统能够实时监测设备运行状态，提前预判故障，避免因设备突发故障导致的维修成本增加与运输延误，从而提升了船舶运营的经济性。在安全层面，船舶航行环境复杂多变，尤其是在恶劣海况下，人工操作甲板机械面临巨大挑战，极易出现操作失误。自动化控制系统能够依据传感器实时采集的环境数据，如风速、海浪高度等，精准控制甲板机械的运行，降低操作风险。

国外在船舶甲板机械自动化领域处于领先地位，诸多先进技术已广泛应用。在欧美等发达国家，船舶普遍采用高度集成化的自动化控制系统，将船舶动力系统、甲板机械系统以及各类监测系统整合于统一平台，实现了信息共享与协同作业。丹麦的马士基航运公司，其船舶配备的自动化锚机系统，借助先进的传感器与智能算法，能够根据海底地质条件自动调整锚链下放速度与张力，大大提高了锚泊作业的效率与安全性^{[2 − 3]}。同时，国外还在积极探索人工智能技术在船舶自动化中的应用，如利用机器学习算法对船舶设备运行数据进行分析，实现故障的精准预测与诊断。国内在船舶甲板机械自动化方面也取得了显著进展。近年来，国内船舶制造企业加大了对自动化技术的研发投入，部分国产船舶已实现了基本的甲板机械自动化操作。一些内河船舶与近海船舶采用了自主研发的 PLC 控制系统，实现了绞车、舵机等设备的自动化控制^{[4 − 5]}。然而与国外先进水平相比，仍存在一定差距。在系统集成度方面，国内多数船舶的自动化系统各模块相对独立，信息交互不畅，难以实现高效协同作业。在核心技术上，如高精度传感器、先进控制算法等，仍依赖进口。此外，国内在船舶自动化技术的应用创新方面也相对滞后，对于人工智能、大数据等前沿技术的应用探索尚处于起步阶段。

本文在对国内外船舶甲板机械自动化控制系统充分调研的基础上，提出一种基于嵌入式平台的自动化控制系统架构，并提出多机协同控制策略，提升系统响应速度以及控制精度等。

1 船舶甲板机械自动化控制系统架构设计 1.1 整体架构设计

船舶甲板机械自动化控制系统采用分层架构设计，由管理层、控制层和设备层构成，各层既各司其职，又紧密协作，共同保障系统高效稳定运行。图1为设计的船舶甲板机械自动化控制系统整体架构。

1）管理层处于系统的最高层级，主要负责宏观决策与管理。它集成了各类管理软件与人机交互界面，能够为船舶管理人员提供全面的系统运行信息。通过这个层面，管理人员可对整个船舶甲板机械自动化控制系统进行远程监控与操作，如设定锚机、绞车、起重机等设备的运行任务与参数。同时，管理层还具备数据分析与处理功能，能够收集控制层上传的设备运行数据，进行深度挖掘与分析，为船舶运营决策提供有力支持，例如预测设备维护周期、优化能源消耗策略等。此外，管理层还可与船舶的其他管理系统，如船舶动力管理系统、物资管理系统等进行信息交互，实现船舶整体管理的智能化与协同化。

2）控制层是整个系统的核心枢纽，承担着指令下达与数据处理的关键任务，主要由各类控制器组成，本文采用ARM嵌入式处理器，选用意法半导体的 STM32H7系列。STM32H7 是基于Cortex-M7内核的32位微控制器，具备高达1 GHz的运行频率，能够提供强大的运算能力，满足船舶甲板机械复杂控制算法的快速处理需求。

控制层接收来自管理层的操作指令，并将这些指令解析转化为具体的控制信号，发送至设备层的执行器，精确控制甲板机械的运行。同时，控制层实时采集设备层传感器反馈的设备运行状态数据，如位置、压力、速度等信息，对设备运行情况进行实时监测。当发现设备运行异常时，控制层能够迅速做出响应，采取相应的控制措施，如紧急制动、调整运行参数等，以确保设备安全稳定运行^[6]。此外，控制层还负责对采集到的数据进行初步处理与分析，筛选出关键信息上传至管理层，实现数据的高效传输与利用。

3）设备层处于系统的最底层，直接与船舶甲板机械进行交互。这一层主要由各类传感器和执行器组成。传感器负责实时采集甲板机械的运行状态数据，例如，位置传感器用于监测锚链的下放长度、起重机吊钩的位置；压力传感器可检测绞车钢丝绳的张力、液压系统的压力等；速度传感器则能测量机械部件的运转速度。这些传感器将采集到的数据实时反馈给控制层，为系统的精确控制提供依据。在传感器选型方面，对于位置检测，选用倍加福的NBB系列电感式接近传感器，能精准检测金属目标物位置，且具备较高的抗干扰能力，适合船舶复杂电磁环境下的应用。测量甲板机械运行压力时，采用霍尼韦尔的ST3000系列压力传感器，其测量精度高，稳定性强，能将压力信号精确转换为电信号供系统处理。在速度测量上，选择欧姆龙的E6B2系列增量式旋转编码器，通过检测旋转部件的脉冲信号，可准确获取设备运行速度信息。这些传感器布局时，应根据甲板机械的结构与运行特点，安装在能精准采集数据的位置，如将位置传感器安装在锚机的锚链卷筒旁，压力传感器安装在液压系统管路关键节点处，速度编码器安装在绞车电机输出轴等部位。

图2为甲板吊车的工作流程。在甲板吊车作业过程中，控制层会依据实际作业需求向执行器发送控制信号。执行器接收到信号后，会根据控制层的指令驱动甲板吊车执行相应动作，比如控制吊车的吊臂升降，以调整吊运货物的高度；控制吊臂的回转，改变吊运的方向；控制绞车的收放，实现货物的起吊和下放。设备层的传感器与执行器密切协作，传感器实时监测吊车各部分的运行状态，如吊臂的角度、绞车的绳索长度、货物的重量等信息，并将这些数据反馈给控制层。控制层根据反馈信息，不断调整控制信号，确保甲板吊车按照系统设定的要求精准运行，这是保障甲板吊车安全、高效作业的关键所在。在驱动甲板吊车的电机时，选用英飞凌的XMC4800系列电机驱动芯片，该芯片能够高效驱动直流电机和步进电机等多种类型的电机，满足甲板吊车在不同作业情况下的动力需求，无论是起吊重物时的大扭矩需求，还是精准定位时的精确控制需求，都能有效应对。而在控制液压、气动设备的阀门时，采用SMC的电磁阀系列产品。这些电磁阀响应速度快，能够精准控制流体的通断与流量，进而精确控制液压系统的压力和流量，实现对吊臂升降、回转以及绞车收放的稳定控制^[7]。

各层之间通过可靠的通信网络实现信息交互。管理层与控制层之间通常采用高速、稳定的工业以太网进行数据传输，以保障大量管理信息与控制指令的快速、准确传递。控制层与设备层之间则根据具体应用场景，灵活选用不同的通信方式，如CAN总线适用于对实时性和可靠性要求较高的设备连接，能够有效保障传感器数据与控制信号的稳定传输；对于一些分布较为分散的设备，也可采用无线通信技术，如蓝牙、Wi-Fi等，实现便捷的数据交互，提升系统的灵活性与可扩展性。通过这种分层架构设计以及各层之间高效的交互机制，船舶甲板机械自动化控制系统能够实现对各类甲板机械的精准控制与智能化管理，满足船舶在复杂运行环境下的多样化需求。

1.2 软件架构设计

对于船舶甲板机械的运动控制，如锚机、绞车、起重机等设备的动作控制，可采用自适应滑模控制算法。该算法能依据系统实时运行状态和外部干扰情况，自动调整控制参数，使机械运动更加平稳、精确。在面对船舶航行时的晃动、风浪等干扰因素，自适应滑模控制算法能够快速响应，保证甲板机械按照预定轨迹运行，避免因外界干扰导致的操作失误，提升设备运行的安全性和可靠性。​

在数据采集方面，采用定时中断采集方式，确保传感器数据的实时性。为提高数据准确性，运用卡尔曼滤波算法对采集到的数据进行处理。卡尔曼滤波算法能有效去除噪声干扰，从含有噪声的测量数据中准确估计出系统的真实状态。例如，在处理压力传感器、速度传感器等反馈的数据时，卡尔曼滤波算法可通过建立系统状态模型和观测模型，对数据进行最优估计，为后续的控制决策提供可靠依据。

2 船舶甲板机械自动化控制系统优化 2.1 多机协同控制策略

在本文设计的系统架构上，为了提升甲板机械自动化控制系统的响应速度，需要实现甲板的多机协同控制。多机协同控制需要制定相应的控制策略，主要包括：​

1）基于任务优先级的调度策略（策略1）

根据船舶作业的实际需求，为不同的甲板机械作业任务分配优先级。在船舶靠泊时，锚机的锚泊作业任务优先级最高，因为其直接关系到船舶的安全停靠。当多个作业任务同时存在时，控制系统按照任务优先级进行调度，优先执行高优先级任务。同时，在任务执行过程中，根据实际情况动态调整任务优先级，如当发现某个高优先级任务因设备故障无法继续执行时，自动降低其优先级，将资源分配给其他可执行的任务。

2）分布式协同控制算法（策略2）

采用分布式协同控制算法，让各本地控制器在本地信息和全局信息的基础上进行决策。在多台起重机协同吊运大型货物时，每台起重机的本地控制器根据自身传感器采集到的货物位置、姿态信息以及与其他起重机之间的通信信息，运用协同控制算法计算出自身的控制量，使各起重机能够协同动作，保持货物的平稳吊运。常见的分布式协同控制算法有一致性算法、模型预测控制算法等^[8]。一致性算法通过让各本地控制器不断交换信息，使它们在某些状态变量上达成一致，从而实现协同作业；模型预测控制算法则根据系统的预测模型，在考虑系统约束条件的基础上，优化未来一段时间内的控制输入，以实现多机协同控制的最优性能。​

3）故障诊断与容错控制策略（策略3）

建立完善的故障诊断与容错控制策略，确保在某台设备或某个控制器出现故障时，多机协同作业仍能继续进行。通过实时监测设备的运行状态参数，如电机电流、油温、压力等，运用故障诊断算法判断设备是否发生故障以及故障类型。一旦检测到故障，系统立即启动容错控制策略。例如，如果某台起重机的电机出现故障，系统自动调整其他起重机的控制策略，通过增加其他起重机的吊运力来弥补故障起重机的缺失，同时将故障信息及时反馈给管理层，以便进行维修处理。

4）混合策略（策略4）

在作业任务启动时，依据策略1，按船舶作业实际需求给甲板机械作业任务分配优先级，像船舶靠泊时锚机作业优先级最高，优先获取资源执行。任务执行中，借助策略2，各本地控制器基于本地和全局信息，运用分布式协同控制算法，如一致性算法或模型预测控制算法，让多机协同动作，如起重机吊运货物时保持平稳。当系统监测到设备故障，策略3启动，通过实时监测设备运行参数诊断故障，启动容错控制，调整其他设备控制策略，同时反馈故障信息给管理层，以此保障多机协同作业高效、稳定进行。

2.2 多机协同策略仿真研究

建立多机协同策略仿真环境，船舶在一个繁忙的大型港口开展货物装卸作业。现场配备了5台不同型号且起重能力各异的起重机，共同协同吊运多种规格的集装箱，其中既有普通干货集装箱，也有冷藏集装箱和危险化学品集装箱。同时，2台锚机负责船舶的锚泊定位工作，确保船舶在装卸过程中保持稳定；3台绞车辅助货物的平移与精准定位，以满足不同货舱的装卸需求。港口环境复杂多变，海风风力在2～6级之间波动，海浪高度在0.5～2 m范围起伏，且不同作业时段港口调度指令频繁变更，对船舶作业的协同性和灵活性提出了极高要求。

1）任务完成时间

从港口调度下达作业指令至所有货物装卸完成且船舶锚泊恢复初始状态的总时长。考虑不同工况下各策略完成任务的时间，结果如图3所示。其中工况1为平峰-小雨，工况2为平峰-中雨，工况3为高峰-微风-某起重机电机故障，工况4为高峰-强风-某绞车传感器故障。

对于任务完成时间，正常作业时为30 min，船舶起重机电机故障后的故障情况耗时45 min。假设策略1在正常作业时接近平均水平，能在30 min左右完成任务，但在故障发生后，由于其故障处理机制不够高效，可能在重新分配任务和协同剩余设备工作方面存在延迟，导致任务完成时间大幅延长至超过45 min。策略2或许在正常作业时就稍显拖沓，用时多于30 min，在故障工况下，应对复杂情况的能力不足，任务完成时间进一步增加，且增幅较大。策略3可能凭借高效的优先级调度和协同算法，正常作业时能高效完成任务，用时短于30 min；面对故障时，快速调整资源分配，迅速让其他起重机重新协同工作，任务完成时间虽有增加，但能较好控制在45 min左右，展现出较强的适应性。策略4在正常作业时表现中等，接近30 min完成任务，故障情况下，有一定应对能力，但任务完成时间会有所增加，介于策略1和策略3之间。

2）协同误差

以船舶上吊运货物的重心偏移量（cm）、各起重机吊钩高度差（cm）以及货物倾斜角度（°）来衡量。记录不同工况下[正常作业-微风（工况5）、正常作业-强风（工况6）、某起重机电机故障-微风（工况7）、某绞车传感器故障-强风（工况8）]各策略的协同误差。图4为多种工况下不同协同策略的重心偏移量，图5为不同协同策略的起重机倾斜角角度。

在重心偏移量控制方面，从工况5～工况8，由于外界条件的变化使得对起重机重心偏移量控制难度加大，整体呈现上升趋势，但策略4（混合策略）在复杂工况下其对重心的控制能力虽受到影响，在工况8时其重心偏移量为4.1 cm，且在其他工况下也要优于其他控制策略，在倾斜角度控制方面，混合策略在不同工况下表现良好，在工况5～工况7下对倾斜角度的控制要明显优于其他策略，在工况8下略优于其他3种策略。总体而言，策略4（混合控制策略）在不同工况下，对重心偏移量和倾斜角度的控制上综合表现不错，具备一定的稳定性和适应性。

3 结　语

船舶在复杂的运行环境中，其甲板机械自动化控制系统的高效稳定运行至关重要。通过一系列研究，可得出以下结论：

1）设计了甲板机械自动化控制系统架构，采用的分层架构设计，涵盖管理层、控制层与设备层，使用成熟的网络进行数据交换和通信，实现协同控制。

2）提出了4种多机协同控制策略，分别是基于任务优先级的调度策略、分布式协同控制算法、故障诊断与容错控制策略以及混合策略，混合策略经仿真验证优势明显。在任务完成时间方面、协同误差控制等方面，混合策略（策略 4）在多种工况下展现出良好的综合性能，为船舶甲板机械自动化控制系统优化提供了有效方案。