0 引　言

船舶液舱是保障船舶航行安全与动力供给的核心设备，其运行状态直接关系到船舶航行安全、货运可靠性及国际海事组织相关法规的合规性。当前船舶液舱监测多依赖传统手动巡检或有线监测系统，存在布线复杂、密闭舱室监测盲区多、动态工况下数据传输滞后、监测精度不足等突出难点，难以适配现代船舶智能化、实时化的监测需求。无线传感器网络（WSN）具备分布式部署、低功耗、自组织、可远程访问等优势，能够有效破解船舶液舱金属屏蔽、高温高湿、强振动、多电磁干扰等复杂工况带来的监测难题。

国内近年来随着智能船舶发展规划的推进，高校及科研机构重点开展WSN节点能耗优化、抗金属屏蔽通信等理论研究，逐步推动WSN监测系统在油舱、压载水舱等场景的试点应用，马亚蕾等^[1]将WSN技术应用于舰船液舱监控，搭建基础监控网络实现液舱核心参数自动化监测；何琪等^[2]基于Z-Stack协议栈设计船舶机舱WSN系统，为液舱等封闭舱室监测提供了低功耗组网参考；张传聪^[3]提出结合卡尔曼滤波预测船舶轨迹、动态调整节点密度的能耗控制算法，优化了船舶动态工况下WSN的运行稳定性；齐薇等^[4]通过自适应粒子群算法解决WSN部署的覆盖优化问题，无线传感节点布局提供技术支撑。但国内在核心技术层面仍存在短板，结合赵冬会等^[5]关于WSN抗干扰组网的研究结论及毛莉君等^[6]对船舶物联网异常节点检测的研究成果，当前国内研究主要存在WSN在船舶强干扰环境下通信可靠性不足、动态工况下监测精度欠佳、系统长期运行稳定性有待提升等问题，与国际先进水平存在一定差距。

针对上述强干扰下通信不稳和动态摇摆下数据不准两大核心问题，本文设计一套适配船舶液舱的高精度、高可靠、低功耗WSN监测系统，实现液舱液位、温度、可燃气体浓度等参数的实时采集、传输与智能预警，并对WSN抗干扰组网方法和改进卡尔曼滤波算法进行研究。

1 基于WSN的船舶液舱监测系统设计 1.1 系统设计要求

基于WSN的船舶液舱监测系统性能如表1所示。系统需要对液位、温度、可燃气体浓度等进行监测，且保证足够的实时性以及可靠性。

船舶液舱金属舱壁会产生严重的无线信号屏蔽效应，船体航行过程中的强振动、横摇±15°、纵摇±10°等动态工况，以及机舱设备带来的电磁干扰，对WSN监测系统的抗干扰能力、稳定性提出较高约束。WSN采用感知层、网络层、应用层3层简化架构，依托TSCH通信协议实现数据高效传输，结合其分布式、低功耗特性，可有效适配船舶液舱密闭、多干扰的应用场景，为系统设计提供核心技术支撑。

1.2 系统总体架构设计

结合船舶液舱监测需求，设计WSN监测系统总体架构，系统总体架构如图1所示，分为感知层、网络层、应用层3层，各层协同工作，实现液舱核心参数的全流程监测。

1）感知层设计及功能实现

感知层作为系统数据采集的核心载体，是整个WSN监测系统的基础，主要部署于船舶液舱内部及周边关键位置，根据液舱布局、监测盲区及参数采集需求，合理布设WSN传感器节点，核心功能是完成液舱液位、温度、可燃气体浓度三大核心参数的实时采集、信号转换及初步校验，为后续数据传输与处理提供原始数据支撑。

感知层的设计重点聚焦适配性与可靠性，结合船舶液舱高温高湿、强振动、金属屏蔽的工况特点，传感器节点采用密封式封装设计，防止舱内液体侵蚀或粉尘干扰；节点部署采用分布式布局，规避监测盲区，确保每个液舱的关键位置均有节点覆盖，部署数量根据液舱规模调整为10～15个；节点采样频率设定为每10 s 1次，既能保证数据的实时性，又能降低节点能耗，延长运行寿命；采集到的模拟信号经节点内部转换模块，转换为可传输的数字信号后，完成数据初步校验，再传输至网络层，确保原始数据的有效性。

2）网络层设计及功能实现

网络层作为感知层与应用层之间的桥梁，作用是实现数据的中继传输、初步预处理及通信协同，解决感知层节点通信距离有限、信号易衰减的问题，确保采集数据高效、可靠传输至应用层。网络层主要由多个汇聚节点组成，部署于液舱区域附近的非屏蔽位置，避免金属舱壁遮挡信号。

网络层的核心功能包括3个方面：一是数据接收，实时接收感知层所有传感器节点传输的数字信号，支持多节点同时接入，确保数据不丢失；二是数据预处理，对接收的数据进行去重、降噪、格式标准化处理，剔除冗余数据及干扰数据，减轻应用层的数据处理压力；三是数据转发，通过无线与有线通信兼容模式，将预处理后的有效数据转发至应用层监测终端，其中感知层到网络层的数据传输速率不低于100 kbps，网络层到应用层的传输速率不低于500 kbps，确保数据传输的实时性，满足系统整体延迟≤500 ms的要求。同时，网络层具备通信状态监测功能，可实时反馈各传感器节点的通信链路状态，便于及时发现节点故障。

3）应用层设计及功能实现

应用层作为系统终端展示与控制核心，面向船员及运维人员，核心实现数据存储、分析、显示、智能预警及远程管控功能，为液舱运维提供决策支撑，契合智能船舶监测需求。应用层由1个船舶驾驶室终端和1个远程监控平台组成，二者协同实现液舱监测的本地与远程双重管控。

驾驶室终端负责本地实时监测，显示核心参数及变化趋势、存储历史数据，参数超阈值时自动声光预警，并可管控传感器节点采样频率与工作模式；远程监控平台实现异地运维，支持远程查看监测数据、节点状态及预警信息，提升运维智能化水平。

2 WSN的抗干扰组网策略设计 2.1 基于自适应功率调节的WSN抗干扰组网方法

本文设计的抗干扰组网方法以TSCH协议为基础，增加了自适应功率调节机制，形成一套完整的组网方案，其主要思路是通过检测链路质量、动态调整传输功率，在保证抗干扰效果的同时，降低系统能耗。该方法以信噪比（SNR）作为判断链路质量的标准，设定10 dB为判断阈值，传感器节点与汇聚节点会实时检测链路的信噪比情况。功率调节$ {P}_{adj} $公式为：

$ {P}_{{\rm{adj}}}={P}_{\min}+\alpha \times (SN{R}_{{\rm{th}}}-SN{R}_{{\rm{real}}})。$

(1)

式中：$ {P}_{\min} $为最小功率，取10 dBm，经实验测试，α=0.5时可在功耗和响应速度间取得最佳平衡调节；当信噪比大于10 dB时，节点以10 dBm的低功耗状态运行；当信噪比低于10 dB时，将功率调整到20 dBm以内，以此保证通信稳定。该组网方法的运行流程为：WSN节点首先完成时隙分配和时间同步，随后实时检测信噪比并动态调整功率，传感器节点在指定的时隙和信道内传输数据，汇聚节点接收数据并完成初步处理后，转发至应用层，若出现链路中断情况，会自动重新分配时隙和信道。

2.2 改进卡尔曼滤波算法设计

本文改进的卡尔曼滤波算法，主要解决传统卡尔曼滤波在船舶±15°横摇、±10°纵摇工况下，监测精度不够、响应速度较慢的问题，其主要改进方式是加入一个与摇摆角度相关的摇摆干扰补偿因子，以此修正摇摆干扰带来的观测误差。算法的主要改进部分是观测更新方程，改进后的观测更新方程为：

$ {\hat{x}}_{k}=\hat{x}_{k}^-+{K}_{k}({z}_{k}-H\hat{x}_{k}^-)+\beta \times {\theta }_{k} 。$

(2)

式中：$ {\hat{x}}_{k} $和$ \hat{x}_{k}^{-} $分别为k时刻滤波后的最优估计值和先验估计值；$ {K}_{k} $为k时刻的卡尔曼增益，调整范围为0.05～0.2，用于平衡估计误差与观测误差；$ {z}_{k} $为k时刻的实际观测值；H为观测矩阵系数，用于建立观测值与估计值之间的线性关系；$ \beta $为摇摆干扰补偿因子，取值范围为0.01～0.05，用于修正船体摇摆带来的观测误差；$ {\theta }_{k} $为k时刻的船体摇摆角度。

该算法的运行流程为：先对卡尔曼滤波参数进行初始化，随后同步采集监测数据$ {z}_{k} $和摇摆角度$ {\theta }_{k} $，完成状态预测和卡尔曼增益计算后，将相关数据代入改进后的观测更新方程，完成滤波和干扰补偿，最后判断数据是否有效，并进入下一时刻的迭代过程。

2.3 仿真测试

为验证本文设计的WSN抗干扰组网策略及改进卡尔曼滤波算法的有效性，搭建半实物仿真测试平台，结合船舶液舱实物环境完成真实值采集与算法部署测试，分别开展WSN抗干扰测试与数据采集误差测试。选取某型船舶燃油液舱作为实测场景。通过船舶摇摆模拟台模拟横摇±15°、纵摇±10°的动态工况，并利用电磁干扰发生器施加0～20 dBm的工业电磁干扰，以复现船舶液舱的实际运行环境。在WSN的硬件配置上，配置12个传感器节点、1个汇聚节点及2个应用层终端，采样频率0.1 Hz，两类测试均设置实验组与对比组。

1）WSN的抗干扰测试

本测试控制变量为组网方法与干扰强度，保持实验时长、节点数量、采样频率等参数一致。

实验过程为：模拟不同强度的电磁干扰，干扰强度范围0～20 dBm，梯度3 dBm，覆盖船舶液舱从无干扰到强干扰的场景，分别采用本文组网方法与传统TSCH组网方法，进行多组重复测试，每组测试时长30 min，重复5次取平均值，减少测试误差，实时记录两类组网方法的通信成功率，统计不同干扰强度下的平均通信成功率，可得测试结果如图2所示。测试结果表明，本文设计的组网方法，其通信成功率始终保持在94.9%～98.9%，比传统TSCH组网方法高出18%～20%，抗干扰效果十分明显。

2）WSN的数据采集误差测试

本测试保持传感器精度、数据采集频率、干扰环境等参数统一，实验过程为：首先在船舶液舱不同关键位置部署精度为±0.01 m的高精度液位传感器，直接测量液舱实际液位值作为误差计算的真实基准值并实时同步至数据存储终端，随后通过WSN传感器节点采集含摇摆干扰、电磁干扰噪声的液舱液位原始数据，将其同步传输至2套搭载STM32F407核心板的嵌入式硬件平台，2套平台分别烧录传统卡尔曼滤波算法与本文改进卡尔曼滤波算法并并行处理原始数据、输出各自滤波结果，最后将2种算法的滤波值与高精度传感器实测的真实值进行对比，计算滤波误差（滤波值与真实值的差值绝对值），并在0°～15°不同船体摇摆角度下重复测试，整理关键误差数据得到测试结果如图3所示。

测试结果显示，随着船体摇摆角度增大，传统卡尔曼滤波的滤波误差显著上升，最大误差达到0.128 m，远超系统要求的精度标准；而本文改进算法的滤波误差始终控制在0.02 m以内，既能满足实时数据处理需求，又能有效修正摇摆干扰带来的误差，解决传统算法在摇摆工况下精度不足、响应较慢的问题，显著提升液舱监测数据的精度。

3 结　语

本文研究成果可应用在各类船舶的燃油舱、压载水舱等液舱监测中，帮助船员更好地掌握液舱运行状态，减少安全隐患。本文结论主要包括：

1）本文的WSN船舶液舱监测系统，能够适应船舶液舱金属屏蔽、强振动的复杂工况，满足液位、温度等核心参数的监测要求，可减少人工巡检的工作量。

2）本文提出的自适应功率调节抗干扰组网方法和改进卡尔曼滤波算法，有效提升了系统性能，其中组网方法的通信成功率保持在94.9%～98.9%，改进算法的滤波误差控制在0.02 m以内，解决了干扰和摇摆带来的监测难题。