0 引　言

舰船航行安全影响货物运输时效性和能源供应稳定性，受复杂海洋环境影响，舰船易发生碰撞、触礁等事故，威胁船员生命安全。早期靠船员肉眼和经验判断航行状态，无法在复杂海况下精准发现安全风险，增加事故概率。因此，需研究智能化舰船航行安全监控系统^[1]。

代左信等^[2]用摄像机采集图像信息，工作站分析监控安全状态，但摄像机监控范围有限，无法灵活调整；汪益兵等^[3]用决策树识别设备衰退趋势进行故障监测，不过决策树结构和规则固定，很难快速调整优化；白响恩等^[4]改进粒子群算法优化BP神经网络参数，输入船舶自动识别系统数据预测航行轨迹，但BP神经网络不能及时响应环境变化，影响实时性；杜子俊等^[5]通过Canny算法和YOLOv5目标检测算法确定舰船位置，融合航行态势数据与位置信息构造监测模型，但船舶自动识别系统数据易受到干扰，降低监测精度^[6]。

LoRa无线网络技术可实现远距离通信覆盖，提升监控数据完整性和准确性，在复杂电磁环境下保持稳定通信，提升数据传输可靠性，所以设计基于该无线网络的舰船航行安全监控系统，可提升舰船航行安全性。

1 舰船航行安全监控系统 1.1 舰船航行安全监控系统的总体架构

利用LoRa无线网络技术实时传输舰船航行信息，进行安全监控，基于无线网络的舰船航行安全监控系统架构如图1所示。用电罗经采集航向数据，多普勒计程仪测航速与水流速度，风速传感器采风速，北斗接收机获位置信息，温度传感器采温度，声呐探测航道水深，船舶自动识别系统接收机接收舰船密度信息，水位计确定水位变化幅度。为实现远距离通信覆盖，终端节点与网关节点组建LoRa无线网络，提升监控数据完整性。通过该网络将各传感器采集的数据传至监控终端。监控终端接收汇总数据，用集对分析方法计算多元联系数，监测安全态势并执行分级控制策略。

1.2 舰船航行数据传输的LoRa无线网络

利用LoRa无线网络，传输舰船航行相关数据至监控终端，实现远距离通信覆盖，提升监控数据的完整性，LoRa无线网络主要包含终端节点与网关节点两部分，第一部分与各个传感器相连，采集传感器数据，第二部分负责汇聚并转发各终端节点采集的数据。终端节点的结构如图2所示。

通过电平转换器将各传感器输出的电平信号转换成主控模块可识别的统一电平标准。主控模块预处理舰船航行相关数据并按预设逻辑生成待传输数据包。主控模块控制LoRa射频芯片的发射与接收时序，实现舰船航行数据双向交互。LoRa射频芯片采用LoRa调制技术，动态调整扩频因子将数据调制成射频信号，平衡通信距离与传输速率，发射匹配模块对射频信号进行阻抗匹配，确保数据稳定传输至网关节点。接收匹配模块对天线接收到的微弱射频信号进行阻抗匹配，识别网关回传的舰船航行指令。主控模块控制射频开关，在发射数据与接收指令2种状态间快速切换，确保收发链路互不干扰，提升数据传输可靠性。天线辐射发射匹配模块发射的射频信号或接收空中射频信号送入接收匹配模块。网关节点的结构如图3所示。

通过天线接收终端节点的舰船航行数据射频信号，发送航行指令至终端节点。用匹配模块在射频开关与天线间进行阻抗匹配，优化射频信号传输效率、降低损耗。微处理器控制射频开关在下发指令和接收数据状态间切换，确保收发链路互不干扰，提升数据传输稳定性。功率放大器放大接收的射频信号，实现远距离通信覆盖，确保网关节点接收偏远海域数据，提升安全监控数据全面性。前端芯片将射频信号解调成数字数据，网关射频模块提升抗干扰能力，确保复杂环境下数据低误码率传输。网关芯片进行数据协议转换与分发，将数字数据转发至微处理器。微处理器解析整合数据并传输至监控终端。

1.3 舰船航行安全监控的实现

以传输的航向、航速、舰船位置、舰船密度信、风速、温度、水流速度、水位变化幅度、航道水深等舰船航行数据为舰船航行安全态势要素集，采用集对分析方法，计算各要素的多元联系数，监测舰船航行安全态势，并执行对应的分级控制策略，完成舰船航行安全监控。LoRa无线网络传输的舰船航行数据作为安全航行要素集为：$ X=\{{x}_{1},{x}_{2},{x}_{3},{x}_{4},{x}_{5},{x}_{6},{x}_{7},{x}_{8},{x}_{9}\} $，其中，x₁为航向；x₂为航速；x₃为舰船位置（经纬度）；x₄为舰船密度；x₅为舰船航行环境风速；x₆为环境温度；x₇为水流速度；x₈为水位变化幅度；x₉为航道水深。h_i为每个态势要素设定理想安全标准值。

采用熵权法计算各舰船航行安全要素的权重，公式为：

$ {w}_{i}=\frac{1-{E}_{i}}{n-\displaystyle\sum\limits_{i=1}^{n}{E}_{i}}。$

(1)

式中：E_i为第$ i $个舰船航行安全要素的熵；$ n $为舰船航行安全要素数量；$ \boldsymbol W={\left[w\right]}_{1\times n} $为舰船航行安全要素的权重矩阵。

E_i的计算公式为：

$ {E}_{i}=-\frac{\displaystyle\sum\limits_{i=1}^{n}\frac{{\hat{x}}_{i}+1}{\displaystyle\sum\limits_{i=1}^{n}\left({\hat{x}}_{i}+1\right)}\ln \frac{{\hat{x}}_{i}+1}{\displaystyle\sum\limits_{i=1}^{n}\left({\hat{x}}_{i}+1\right)}}{\ln {n}}。$

(2)

式中：$ {\hat{x}}_{i} $为标准化处理的舰船航行安全要素，计算式为：

$ {\hat{x}}_{i}=\frac{{x}_{i}-{x}_{\min }}{{x}_{\max }-{x}_{\min }}。$

(3)

式中：x_min、x_max分别为x_i的最小、最大取值。

建立舰船航行安全要素的多元联系矩阵：

$ \boldsymbol{S}_{k}=\left(\begin{matrix} {s}_{11}\\ {s}_{21}\\ \vdots \\ {s}_{n1} \end{matrix}\right)=\left(\begin{matrix} {a}_{1}\; {b}_{1}\; b_{1}^{2}\; \ldots  \;{c}_{1}\\ {a}_{2}\; {b}_{2}\; b_{2}^{2}\; \ldots  \;{c}_{1}\\ \vdots  \vdots  \vdots  \ldots  \vdots \\ {a}_{n}\; {b}_{n} \;b_{n}^{2} \;\ldots  \;{c}_{n} \end{matrix}\right)。$

(4)

式中：S_k为第$ k $组舰船航行安全态势要素的多元联系矩阵；s_i1为第$ i $个舰船航行安全要素的单要素多元联系向量；a_i为第$ i $个舰船航行安全要素与h_i的相似程度；b_i为第$ i $个舰船航行安全要素与h_i的差异程度；c_i为第$ i $个舰船航行安全要素与h_i的对立程度。

通过W与S_k，得到集对加权矩阵为：

$ \boldsymbol S=\boldsymbol W\cdot \boldsymbol{S}_{k}=({w}_{1},{w}_{2},\ldots ,{w}_{n})\cdot \left(\begin{array}{c} {s}_{11}\\ {s}_{21}\\ \vdots \\ {s}_{n1} \end{array}\right)。$

(5)

令舰船航行安全要素的联系分量矩阵是$ \boldsymbol U= (1,{u}_{1},{u}_{2},\ldots ,{u}_{n-2},j) $，1为安全标记；$ {u}_{1},{u}_{2},\ldots ,{u}_{n-2} $为不确定标记；$ j $为危险标记，则舰船航行安全要素的多元联系数为：

$ y=\boldsymbol E\cdot \boldsymbol U={s}_{1}+{s}_{2}{u}_{2}+{s}_{3}{u}_{3}+\ldots +{s}_{l}{u}_{l}+\ldots +{s}_{n}j。$

(6)

式中：$ u $为多元联系数，其值越小代表安全性越高。当$ y\leqslant 0 $时，则舰船位于安全区，即舰船属于安全状态；当$ 0 \lt y\leqslant 1 $时，则舰船位于关注区，即舰船出现轻微偏差；当$ 1 \lt y\leqslant 2 $时，则舰船位于警戒区，即舰船航行风险较高，系统自动预警并启动对应控制策略；当$ 2 \lt y\leqslant 3 $时，则舰船位于危险区，即舰船航行风险极高，系统启动紧急控制策略。

舰船航行安全的分级控制策略如图4所示。

具体步骤如下：

步骤1　指挥员设定计划航线与任务参数，用集对分析方法算多元联系数，实时监测舰船安全等级。

步骤2　分级控制执行：舰船在安全区，系统仅记录与显示数据，不控制，保持正常航行；进入关注区，系统发提示，建议船员关注风险；进入警戒区，系统自动减速，发报警至监控终端；进入危险区，系统紧急控制，上报位置并发报警。

步骤3　人工介入与恢复：监控终端人员可查看态势与状态，随时接管控制权。控制执行后，系统监测态势，风险降低可自动恢复或等人工确认。

2 结果与分析

以3艘型号一致的舰船为研究对象，利用本文系统对这3艘舰船航行的安全状态进行监控，确保其安全航行。设置3艘舰船的安全态势分别为安全区、关注区与危险区。该舰船的基本信息如表1所示。

利用本文系统实时传输各传感器采集的舰船航行数据，以数据成功传输率衡量传输效果，分析结果见图5。可知，随网络节点数量增加，不同扩频因子下，本文系统舰船航行数据成功传输率均下降。节点增多时，信道冲突和碰撞概率增加，降低了数据成功传输率。扩频因子增大，传输时间变长、抗干扰能力增强，故扩频因子越大，数据成功传输率下降越快。当扩频因子为8时，最小数据成功传输率约0.90，与理想值1差距不大，表明本文系统舰船航行数据传输效果较优。

分析本文系统中LoRa无线网络有效通信范围，以验证舰船航行数据传输效果，结果如图6所示。可知，系统的LoRa无线网络中，10个网关节点可覆盖全部终端节点，无通信盲区，表明网关布局合理，能实现全海域通信覆盖，确保舰船航行数据在任何位置都可上传至监控终端，支持连续安全监控。此外，网关间存在少量重叠覆盖区域且面积较小，可确保舰船航行时实现网关间平滑切换，避免通信中断。

在海浪方向角为0°时，利用本文系统对这3艘舰船的航行安全进行监测，监测结果如图7所示。可以看出，本文系统可有效监测3艘舰船的航行安全态势，其中，船1的多元联系数始终低于0，即处于安全区。在09:00～18:00时，船2的多元联系数在0～1之间，在该时段内，本文系统监测到某些安全要素出现轻微偏差，但未达到危险程度，即此时船2处于关注区，在15:00～24:00时，船3的多元联系数在2～3之间，即此时船3处于危险区，表明本文系统在多个安全要素出现显著异常时，能及时触发高级别警报。本文系统能够实现全天连续监测，曲线平滑连续，说明数据采集与处理实时性良好，无明显延迟或中断。

当海浪方向角在±90°之间波动时，利用本文系统对3艘舰船的航行安全进行监测，分析本文系统的舰船航行安全监测精度，分析结果如图8所示。可以看出，当海浪方向角在±90°之间波动时，本文系统可有效完成舰船航行安全监测，且各样本点的监测结果始终在拟合线附近波动，未出现明显离群点，说明本文系统在不同海况下均能保持稳定的监测能力。样本点在海浪方向角−90°变化到+90°的过程中，未出现明显偏离拟合线的情况，说明本文系统具备良好的抗海浪干扰能力。样本点与拟合线高度一致，表明本文系统在复杂海况下仍能保持高精度监测，平均误差较小。

当海浪方向角在±90°之间波动时，利用本文系统对3艘舰船的航行安全进行控制，舰船航行安全控制结果如图9所示，以船3为例。可以看出，经过本文系统控制后，船3的航行轨迹，能够精准跟踪安全航迹，未出现明显偏离，说明本文系统可有效控制舰船航行安全，确保其安全航行。本文系统在监测到船3的危险状态后能迅速触发控制指令，令实际航迹在短时间内向安全航迹靠拢，未出现控制滞后或过度振荡现象，说明控制策略与执行机构响应协调良好。实际轨迹曲线平滑，未见急剧转向或频繁调整，说明本文系统控制平滑且符合航行习惯，有利于船舶稳定与设备寿命。

3 结　语

为确保舰船安全航行，设计无线网络的舰船航行安全监控系统。利用LoRa无线网络技术实现远距离通信覆盖，解决传统监控方式中通信距离有限的问题，提升监控数据的完整性。通过集对分析方法计算多个舰船航行安全要素的多元联系数，完成舰船航行安全监测，提升舰船航行安全监测的全面性。实验证明，本文系统的最低舰船航行数据成功传输率约为0.90，即数据传输效果较优。同时，LoRa无线网络内网关节点能够覆盖全部终端节点，且各网关节点有效通信范围之间的重叠面积较小，可实现远距离通信覆盖。在海浪方向角波动时，本文系统的舰船航行安全监控精度较高。