CN105070101B - 筒型平台拖带风险预警及可视化系统 - Google Patents

Abstract

本发明提供一种筒型平台拖带风险预警及可视化系统，包括信息采集模块，构建筒型平台拖带系统数据库；信息传输模块；拖带系统轨迹预测模块，基于MMG理论构建拖带系统运动模型，并进一步采用卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，实现拖带系统船舶轨迹预测，得到拖带系统轨迹信息；可视化模块将拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现拖带系统运动可视化；预警模块，包括航行风险预警子模块和任务设备故障告警子模块。本发明能准确的预测拖带系统航行轨迹，对可能存在的航行风险进行及时、准确的识别、预警并给出最优的风险缓解操作措施以供参考，同时当任务设备出现故障时发出告警信号，从而保障拖带系统的安全。

Description

筒型平台拖带风险预警及可视化系统

技术领域

本发明专利涉及到一种水上交通安全预警系统，特别涉及到一种筒型平台拖带风险预警及可视化系统。

背景技术

近年来，筒型基础海洋平台由于具有缩减工程量、节省投资以及可重复使用等优点，在很多领域已经取代了传统的桩基，这对于我国边际油田的开发具有重要的意义。研究筒型基础海洋平台的海上拖航风险，是筒型基础海洋平台投入实际使用的重要环节。如何保障海上拖航安全、提高海上拖航风险预防效果越来越成为广大工程技术人员和科研工作者，尤其是海上拖航相关部门关注的焦点问题。

目前，海上拖航作业存在相当的困难和复杂性：一是海上拖航作业面临的挑战越来越大，作业的天气和港区作业环境复杂多变；二是单船的操纵运动就具有相当的复杂性，双船的可控运动则更加难度；三是在远洋拖航作业中，需要用拖船通过拖缆来控制航向，但是在具体作业中，很难对拖缆进行恰当的控制，操作不当会影响海上航行的安全以及造成严重船舶颠覆事故；四是海上拖航控制的主观性强，缺乏有效的辅助拖航操纵控制设备。

依靠现代化的计算机网络和通信设备，运用先进的智能处理算法，以定量和定性相结合分析模式建立轨迹预测模型，这是现代海上数字化信息建设的重要内容之一。但是关于船舶航行轨迹预测算法还存在船舶航行轨迹的预测精度不够理想、计算过程复杂等一些不足。同时海上风险预警是海上应急管理的重要环节，预警的效果反映了海上安全主管机关应急能力，成功的预警能够使人们在事故发生时做好充分的心理准备，提前做好应急准备工作，降低事故造成的损失。

发明内容

本发明要解决的技术问题是：提供一种筒型平台拖带风险预警及可视化系统，能准确的预测拖带系统航行轨迹，对可能存在的航行风险进行及时、准确的识别、预警并给出最优的风险缓解操作措施以供参考，同时当任务设备出现故障时发出告警信号，从而保障拖带系统的安全。

本发明为解决上述技术问题所采取的技术方案为：一种筒型平台拖带风险预警及可视化系统，其特征在于：它包括：

信息采集模块，用于采集水域航道环境、船舶交通流、水文气象、拖带系统拖船和被拖筒型平台航行状态及任务设备运行状态信息，构建筒型平台拖带系统数据库；

信息传输模块，用于建立基于各种通信模式的数据链网，制定自适应的数据交互和通信协议，实现不同类型通信模式的切换，为其它模块之间在不同工作模式、不同工作环境下的信息交互提供可靠的传输通道；

拖带系统轨迹预测模块，用于根据筒型平台拖带系统数据库中的数据，基于MMG理论构建筒型平台拖带系统船舶运动模型，并进一步采用卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，实现筒型平台拖带系统船舶轨迹预测，得到筒形平台拖带系统轨迹预测信息；

可视化模块，用于将筒形平台拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现筒形平台拖带系统运动可视化；

预警模块，包括航行风险预警子模块和任务设备故障告警子模块；其中航行风险预警子模块用于从筒型平台拖带系统数据库中获取水域航道环境、船舶交通流信息，结合实际情况确定预警范围，设定预警指标、预警条件和预警方式，并确定预警流程，依据拖带系统轨迹预测信息进行航行风险预判，当拖带系统出现航行风险时发出预警信号；任务设备故障告警子模块用于实时监控所有任务设备的运行状况，包括拖船、被拖筒型平台、拖缆、信息采集传感器以及通信设备的运行状态，当任务设备出现故障时发出告警信号。

按上述方案，所述的信息采集模块包括数据采集单元、预处理单元和数据融合单元；其中数据采集单元用于利用传感器采集原始数据；预处理单元用于将原始数据进行去噪处理，构成筒型平台拖带系统数据库；数据融合单元用于将筒型平台拖带系统数据库的数据进行整理、分类和打包。

按上述方案，所述的水域航道环境包括航道长cl、宽cw、水深cd，通过电子海图/电子江图、雷达、测深仪等获得；船舶交通流信息包括船舶位置(x,y)、速度v、航向θ，通过AIS、雷达等获得；水文气象信息包括航道水域风w、浪c、流f，通过气象仪、风速计、计程仪等测量获得；拖带系统拖船和被拖筒型平台航行状态信息包括船舶位置(X,Y)、速度V、航向δ，通过MEMS传感器、AIS等获得。

按上述方案，所述的拖带系统轨迹预测模块构建船舶运动模型时，是在考虑拖带系统水平面运动中的横荡、纵荡和艏摇三自由度运动的基础上，结合通航环境信息，基于MMG理论进行构建的。

按上述方案，所述的拖带系统轨迹预测模块构建筒型平台拖带系统轨迹预测模型时，基于卡尔曼滤波算法，根据筒型平台拖带系统的状态方程和观测方程，以最小均方差为准则估计动态系统的状态。

按上述方案，所述的航行风险预警模块的预警范围分为：碰撞事故、搁浅事故和其他事故；所述的预警指标根据拖带风险预警范围确定，对于碰撞事故，将最近会遇距离(Distance to Closest Point of Approach，DCPA)、最近会遇时间(Time to ClosestPoint of Approach，TCPA)进行加权综合作为预警指标；对于搁浅事故及其他事故风险，选取富裕水深边界值作为预警指标。

本发明的有益效果为：通过采用MMG理论和卡尔曼滤波算法，能准确的预测拖带系统航行轨迹，并将拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现拖带系统运动可视化；对外界环境造成的航行风险进行预警，结合实际通航水域的实际情况确定预警范围，设定预警指标和预警条件，并确定预警流程，给出最优的风险缓解措施，同时实时监控所有任务设备的运行状况，对设备运行安全提供保障。当拖带系统存在安全风险时，对其动态行为实施监控并为控制中心提供及时的报警信息，实现拖带系统风险预警，保障拖带系统的安全，减小事故风险。

附图说明

图1为本发明一实施例的结构示意图。

图2为拖带系统坐标系示意图。

图3为拖缆运动模型示意图。

具体实施方式

下面结合具体实例和附图对本发明做进一步说明。

图1为本发明一实施例的结构示意图，它包括：

信息采集模块，用于采集水域航道环境、船舶交通流、水文气象、拖带系统拖船和被拖筒型平台航行状态及任务设备运行状态信息，构建筒型平台拖带系统数据库；

信息传输模块，用于建立基于各种通信模式的数据链网，制定自适应的数据交互和通信协议，实现不同类型通信模式的切换，为其它模块之间在不同工作模式、不同工作环境下的信息交互提供可靠的传输通道；

拖带系统轨迹预测模块，用于根据筒型平台拖带系统数据库中的数据，基于MMG理论构建筒型平台拖带系统船舶运动模型，并进一步采用卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，实现筒型平台拖带系统船舶轨迹预测，得到筒型平台拖带系统轨迹预测信息；

可视化模块，用于将筒型平台拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现筒型平台拖带系统运动可视化；

预警模块，包括航行风险预警子模块和任务设备故障告警子模块；其中航行风险预子警模块用于从筒型平台拖带系统数据库中获取水域航道环境、船舶交通流信息，结合实际情况确定预警范围，设定预警指标、预警条件和预警方式，并确定预警流程，依据拖带系统轨迹预测信息进行航行风险预判，当拖带系统出现航行风险时发出预警信号；任务设备故障告警子模块用于实时监控所有任务设备的运行状况，包括拖船、被拖筒型平台、拖缆、信息采集传感器以及通信设备的运行状态，当任务设备出现故障时发出告警信号。

①信息采集模块包括数据采集单元、预处理单元和数据融合单元。

1.1数据采集单元由多种传感器(包含GPS、AIS、雷达、电子海图/电子江图、气象仪、测深仪以及其他传感器等信息采集设备)构成，并通过多种传感器协同工作来获取筒型平台拖带风险预警及可视化系统所需的数据信息：包括研究水域航道环境C(包括航道长cl、宽cw、水深cd)、船舶交通流S(包括船舶位置(x,y)、速度v、航向θ)、水文气象W(包括航道水域风w、浪c、流f)以及拖带系统拖船和被拖筒型平台航行状态S(包括船舶位置(X,Y)、速度V、航向δ)信息。其中，研究水域航道环境信息C通过电子海图/电子江图、雷达、测深仪等传感器获得，船舶交通流信息S通过AIS、雷达等传感器获得，水文气象信息W通过气象仪、风速计、计程仪等测量获得，拖带系统拖船和被拖筒型平台航行状态信息S通过MEMS传感器、AIS等获得。

其中对于拖带系统拖船和被拖筒型平台航行状态信息S的采集过程如下，MEMS传感器模块单元水平固定在被拖带筒型平台上，在整个拖带过程中不断采集被拖带筒型平台的位置信息、航行信息、MEMS中加速度、横滚纵倾等数据。

1.2在完成拖带相关信息的采集后，预处理单元对数据进行简单的预处理，例如删除船舶AIS数据中的错误信息等等，构建了筒型平台拖带系统数据库，即Δ＝{C,F,W,S}＝{cl,cw,cd,x,y,v,θ,w,c,f,X,Y,V,δ}。

1.3完成预处理后，数据融合单元将进一步对数据进行整理、分类和打包，为数据的传输做准备。

②信息传输模块负责整个系统数据链网络和传输优化管理，实现筒型平台拖带系统中拖船和被拖筒型平台之间的通信功能。在筒型平台拖带系统中，为保障系统工作的稳定和可靠性，需要建立基于多种通信模式(包括有线通信、卫星通信、3G/4G网络通信、点对点通信等)的数据链网。数据传输模块根据系统及其各组成部分在不同工作模式、不同工作环境下的系统通信、系统控制、系统安全的需要，制定自适应的数据交互和通信协议，并实现不同类型通信模式的平稳切换，从而为系统提供可靠通信保障。

数据发射终端只需绑扎安装在筒型拖带平台上，数据接收显示端简易安装在拖轮上，通过数据传输模块实现筒型平台拖带系统中拖船和被拖筒型平台之间的通信功能。例如MEMS传感器将采集得到的被拖带筒型平台的位置信息、航行信息、MEMS中加速度、横滚纵倾等数据通过数据发射终端发送给数据接收显示端中的信号接收机。

模块使用CH2085\CH2086两个AIS频道，与当前AIS通用的CH2087\CH2088两个频道互不冲突，可兼容使用，并且保持本系统的私密性；因为时隙资源较空闲，发送端可每秒钟发送5次船舶位置航行及传感器数据；发射终端采用尼龙材质，防腐防盐雾防水，内置GPS模块和VHF发射天线；发射终端只需一根数据线连接传感器设备，安装简单方便；传感器设备可以使用AC220V供电，也可以接入DC24V船电；信号接收机VHF天线和GPS天线均为易装卸的吸盘天线。

③拖带系统轨迹预测模块接收拖带相关信息，基于MMG理论构建筒形平台拖带系统船舶运动模型，并进一步采用卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，实现筒形平台拖带系统船舶轨迹预测。

3.1考虑拖带系统水平面运动中的横荡、纵荡和艏摇三自由度运动，结合通航环境信息，基于MMG理论构建筒形平台拖带系统运动模型，获得任一时刻拖带系统中拖船和被拖平台的实时运动状态，来描述在n时刻每个运动矢量的值，包括位置、速度、航向、加速度，即X(n)＝[x(n),y(n),v_x(n),v_y(n),a_x(n),a_y(n)]^T，其中x(n)、y(n)为第n时刻船舶在平面直角坐标系中的横纵坐标；v_x(n)、v_x(n)为船舶在X、Y轴方向的速度分量，a_x(n)、a_y(n)分别为X、Y方向的分量加速度。

3.1.1)如图2，建立坐标系：首先建立两个坐标系，大地坐标系XOY和随船坐标系xoy，二者之间的转换矩阵如下：

3.1.2)建立运动模型：假定被拖筒形平台无舵无桨，其操纵运动完全靠拖轮来实现。因此，按照MMG建模的思想，可构建如下拖带系统运动模型：

结合拖船实际受力，外力及外力矩包括船体惯性项I、船体粘性项H、拖缆拉力项T、舵和桨作用力PR以及环境作用力风力W、波浪力F和水流力C，拖船的操纵运动方程如下：

被拖带筒型平台的运动方程和拖船的类似，由于被拖带筒型平台无动力，不考虑桨和舵的作用，其主动力为拖缆作用力，被拖大型平台的操纵运动方程如下：

其中对于船体惯性项采用船舶附加质量及附加惯性矩图谱获得；

m_x为船体纵向附加质量，m_y为船体横向附加质量，J_zz为船体绕垂直于坐标平面Z轴的附加惯性矩，L为船长，B为船宽，d_m为船舶吃水，C_b为船舶方形系数。

对于船体粘性项，当漂角较小时，选取贵岛模型计算；

X_H为船舶纵向水动力，X(u)为船舶直航阻力，X_vv、X_vr、X_rr为船舶操纵引起的交叉耦合水动力导数；Y_H为船舶横向水动力，N_H为艏摇力矩，Y_v、Y_r、N_v、N_r为线性水动力导数，Y_|v|v、Y_|r|r、Y_|v|r、N_vvr、N_vrr、N_|r|r为相应的非线性水动力导数。

对于船体粘性项，当漂角较大时，选取芳村模型计算；

X_H(r＝0)、Y_H(r＝0)、N_H(r＝0)为船首角速度为零时的低速域船体上的流体动力和力矩，C_d为漂角为90°时的横流阻力系数，C_ry、C_rn为修正系数。

对于外界环境影响，风的作用力采用Isherwood公式进行估算：

ρ为空气密度，A_X、A_Y为上层建筑在x,y方向的受风面积，V_rw为相对风速，γ_rw为相对风向，C_X(γ_rw)、C_Y(γ_rw)、C_N(γ_nw)分别为x,y方向的风压力系数及绕Z轴的风压力矩系数，有关风压力和风压力矩系数可以参考国外风洞试验的结果来选取。

对于外界环境影响，流的作用力简化为船舶对水的相对速度的影响：

V_c为流速，为流向，u_r、v_r分别为船舶对地速度在附体坐标系的分量，u、v为船舶对水速度的投影。

对于外界环境影响，波浪考虑二阶波浪漂移力的影响，根据Daidola对波浪对船舶操纵性能影响的研究，规则波中的波浪漂移力及力矩为：

L为水线长，a为平均波浪的幅值，为船舶与波浪的遭遇角，分别为波浪在三个方向上的实验系数。

根据ITTC波普，不规则波的计算可以看成是各种频率的规则波的叠加，每一种规则波的漂移力都可以按照上式计算，这样叠加起来得到：

对于拖缆拉力项，通过建立拖缆运动模型来获得(如图3)。考虑到海上拖带拖缆较长，不考虑拖缆两端悬挂高度差，利用考虑拖缆弹性影响的悬链线模型建立拖缆运动模型。

ω为揽重；E为缆绳的杨氏模量；A为拖缆截面积。

3.2通过3.1.2构建的拖带系统运动数学建模获取得到拖带系统的实时运动状态，在此基础上采用卡尔曼滤波算法构建拖带系统轨迹预测模型，实现拖带系统船舶轨迹预测；

3.2.1)坐标系转换

a)船舶位置坐标系转换

AIS播发的目标船舶位置信息是基于WGS84地理坐标系的经度和纬度，因此需要先将船舶的经纬度转换为大地平面坐标的值，然后运用卡尔曼滤波算法预测船舶位置状态。

假设目标船舶的经纬度坐标为大地平面直角坐标系原点O的坐标为目标船舶的坐标为(x,y)。其中正东方向为Y轴，正北方向为X轴，地理坐标转换为大地平面直角坐标，即

b)船舶速度坐标系转换

AIS播发的对地航速单位是节(kn)，在计算中根据下式将速度转换为国际标准单位m/s，并在坐标轴方向进行速度分解。假设船舶速度为U(kn)，对地航向为α，转换后的速度为V(m/s)，X轴方向的分量速度为V_x，Y轴方向的分量速度为V_y。

3.2.2)基于卡尔曼滤波算法进行拖带系统船舶轨迹预测

a)初始状态

卡尔曼滤波器是由Kalman提出的一种递推估计器，其最有意义的特点之一是预测估计采用递归技术，不必考虑多个过去的输入信号。卡尔曼滤波算法根据系统的状态方程和观测方程，以最小均方差为准则估计动态系统的状态，其系统方程为：

其中:X(n)为系统状态向量，通过②构建的拖带系统运动数学建模获取得到拖带系统的实时运动状态，它描述在n时刻每个运动矢量的值，包括位置、速度、航向、加速度，即X(n)＝[x(n),y(n),v_x(n),v_y(n),a_x(n),a_y(n)]^T，其中x(n)为第n时刻船舶在平面直角坐标系中的横坐标；y(n)为第n时刻船舶在平面直角坐标系中的纵坐标；v_x(n)为船舶在X轴方向的速度分量，v_x(n)为正时，船舶向X轴正方向(北方)行驶，否则船舶向相反方向行驶；v_y(n)为船舶在Y轴方向的速度分量，v_y(n)为正时，船舶向Y轴正方向(东方)行驶，否则船舶向相反方向行驶；a_x(n)、a_y(n)分别为X、Y方向的分量加速度；A(n|n-1)为状态转移矩阵，用于描述目标物体的运动；B(n|n-1)为干扰转移矩阵；ω(k)表示运动模型的系统噪声，其统计特性与白噪声或高斯噪声相似；Z(n)表示观测向量，它描述了n时刻的观测值，Z(n)＝[x(n),y(n),v_x(n),v_y(n)]^T；H(n)为观测矩阵；υ(n)为运动估计过程中产生的观测噪声。

系统噪声ω(n)与观测噪声υ(n)是相互独立的高斯白噪声，其统计特性为：

b)预测模型

卡尔曼滤波预测方程可以分为时间更新方程和观测跟新方程两个部分：

预测步骤如下：

步骤1：基于系统的上一状态而预测出现在的状态。即X(n|n-1)＝A(n|n-1)X(n-1|n-1)，式中X(n|n-1)为利用上一状态进行预测的现在的状态结果，X(n-1|n-1)是上一状态最优的结果。

步骤2：更新X(n|n-1)状态协方差.步骤1只是更新了系统结果，对于协方差(covariance)跟新如下，P(n|n-1)＝A(n|n-1)P(n-1|n-1)·A^T(n|n-1)+B(n|n-1)Q(n-1)·B^T(n|n-1)，式中P(n|n-1)为X(n|n-1)对应的协方差，P(n-1|n-1)为X(n-1|n-1)对应的协方差，B^T(n|n-1)为B(n|n-1)的转置矩阵，Q(n-1)为系统过程的协方差，A^T(n|n-1)为A(n|n-1)的转置矩阵。

步骤3：获取现在状态的测量值。结合现在状态的预测值和测量值，可以得到现在状态的最优化估算值X(n|n)，即X(n|n)＝X(n|n-1)+K(n)[Z(n)-H(n)X(n|n-1)]，式中K(n)为卡尔曼增益(Kalman Gain)。

步骤4：求取卡尔曼增益(Kalman Gain)，K(n)＝P(n|n-1)H(n)'/(H(n)P(n|n-1)H(n)'+R)。

步骤5：跟新X(n|n)状态协方差。到现在为止，我们已经得到了n状态下最优的估算值X(n|n)。但是为了要另卡尔曼滤波器不断的运行下去直到系统过程结束，我们还要更新n状态下X(n|n)的协方差：P(n|n)＝[I-K(n)H(n)]P(n|n-1)，式中I为1的矩阵，对于单模型单测量，I＝1。

当系统进入n+1状态时，P(n|n)就是步骤2中的P(n-1|n-1)，然后不断的重复步骤1～5进行计算，这样算法就可以自回归的运算下去，可以不断得到下一时刻拖带系统船舶的预测状态值，包括位置、速度、航向信息，为风险预警提供相应的信息。

④可视化模块将拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现拖带系统运动可视化。当信号接收机接收拖带相关信息后，通过串口传输给工业笔记本上面的电子海图数据分析软件平台，将拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，即可实时显示拖行船舶的实时状态信息，又可对数据进行存储，以备后期分析。⑤预警模块包含2方面内容：一是对外界环境造成的航行风险进行预警；二是在整个任务执行过程中实时监控所有任务设备的运行状况。当筒型平台拖带系统存在航行风险时，及时、准确的自动识别、报警，实现拖带系统风险预警，并给出最优的风险缓解措施。

对外界环境造成的航行风险进行预警过程如下，从拖带系统数据库中的水域航道环境、船舶交通流等信息，结合实际情况确定预警范围，设定预警指标和预警条件，并确定预警流程。当拖带系统存在航行安全风险时，自动识别航行风险并对拖带风险进行预警，并给出最优的风险缓解措施；

5.1对外界环境造成的航行风险进行预警的预警范围界定

船舶航行时，由于环境及自身因素，可能发生多种类型的事故。本文在研究船舶航行风险时只针对其中部分事故类型进行探讨：碰撞事故、搁浅事故、其他事故(触礁事故、触损事故等)。

5.2对外界环境造成的航行风险进行预警的预警指标

根据拖带风险预警范围确定预警指标，对于碰撞事故风险，将最近会遇距离(Distance to Closest Point of Approach，DCPA)、最近会遇时间(Time to ClosestPoint of Approach，TCPA)进行加权综合作为预警指标；对于搁浅及其他事故风险，选取富裕水深边界值作为预警指标。

5.3对外界环境造成的航行风险进行预警的预警条件

指标预警是根据预警指标的数值大小的变动来发出不同程度的警报。设需要进行预警的指标为ζ，设其安全区域为[ζ_a,ζ_b]，其初等危险区域为[ζ_c,ζ_a]和[ζ_b,ζ_d]，其高等危险区域为[ζ_e,ζ_c]和[ζ_d,ζ_f]，则：

当ζ_a≤ζ≤ζ_b时，不发出警报；

当ζ_c≤ζ≤ζ_a或ζ_b≤ζ≤ζ_d时，发出一级警报；

当ζ_e≤ζ≤ζ_c或ζ_d≤ζ≤ζ_f时，发出二级警报；

当ζ≤ζ_e或ζ≥ζ_f时,发出三级警报。

5.4对外界环境造成的航行风险进行预警的报警方式

电子江图/电子海图除了记录和显示航道信息之外，还能实时显示拖带系统船舶的航迹信息。当系统监测到船舶有事故风险时，该船舶会以醒目的颜色显示在电子江图上，同时并伴随有声音警报；当风险解除时，会恢复原来的颜色。

5.5拖带系统风险缓解措施

当拖带系统受到航行风险时，预警系统不仅会发出相应的警报，还会结合雷达标绘原理，确定拖带系统风险缓解措施和措施采取时间。

5.5.1)避让措施

当拖带系统存在航行风险时，系统自动发出安全风险警报，并给出相应的风险缓解措施供驾驶员参考。

通常采取的避让措施应满足以下避让原则：1)变向在30°以上；2)速度变化在原来的1/2以上。同时考虑相应的国际海事避碰规则，通常可以通过以下避让措施来消除航行风险：1)改向；2)变速；3)改向与变速相结合。具体避让措施要结合实际情况进行选取。

5.5.2)避让时间

确定最晚采取避让措施的临界时刻t₀，在临界时刻t₀之前采取相应的避让措施，即采取措施时刻t应满足t≤t₀。

5.5.3避让效果检验

对于避免碰撞，重新计算在采取避让措施后拖船或/和被拖带筒型平台与他船之间的DCPA和TCPA，其中D_ij为两船之间的相对距离，V_ij为两船的相对速度，所采取的避让措施的避让效果应满足DCPA≥D_safe,TCPA≥T_safe，其中D_safe为船舶之间的最小安全会遇距离，一般取2nmile，T_safe船舶之间的最小安全会遇时间。对于搁浅及其他事故风险，重新计算富余水深值其中δ_p为咸淡水差，_ΔB为横倾增加吃水，为半波高，δ_s为油水消耗减少吃水，S为船舶蹲底。判断是否满足KC≥kc₀，kc₀为最小富余水深值，一般结合实际船舶和港口要求确定。

5.6拖带系统风险预警流程

预警的基本思想是先预测，再进行警情判别，最后预警。在预警流程中,航迹预测和警情的判断是其中的关键环节。

步骤1：要实现对航行中的船舶进行实时动态预警，首先需要实时获取船舶航行状态以及通航环境的实时数据，可以通过②获得任一时刻拖带系统中拖船和被拖平台的实时运动状态，来描述在n时刻每个运动矢量的值，包括位置、速度、航向、加速度，即X(n)＝[x(n),y(n),v_x(n),v_y(n),a_x(n),a_y(n)]^T；

步骤2：然后对船舶航迹进行实时预测，不断的重复③中的步骤1～5进行计算，这样基于卡尔曼滤波算法的轨迹预测模型就可以自回归的运算下去，可以不断得到下一时刻拖带系统船舶的预测状态值，包括位置、速度、航向信息；

步骤3：从①构建的拖带系统数据库中获取得到研究水域航道环境、船舶交通流等信息，再根据航迹预测的结果判断是否存在警情,最后根据判别的结果给出预警信息。结合5.1～5.3确定的预警范围、预警指标和预警条件，确定拖带系统是否存在碰撞、搁浅等风险；

步骤4：如果判断得到拖带系统存在安全风险，报警系统会发出声音及灯光等报警信息，直到驾驶员确认收到报警信息并采取措施使得航行风险消除后，警报解除。若判断得到拖带系统不存在安全风险，则将此时刻的拖带系统航行状态信息作为初始值，带入下一步计算。

5.7预警子系统在整个任务执行过程中实时监控所有任务设备的运行状况，包括拖船、被拖筒型平台、拖缆、信息采集传感器以及通信设备的运行状态，当任务设备出现故障时，例如缆绳受力过大、数据传输中断等，发出声音和灯光警报，当任务设备故障消除后，警报解除。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (6)

1.一种筒型平台拖带风险预警及可视化系统，其特征在于：它包括：

信息采集模块，用于采集水域航道环境、船舶交通流、水文气象、拖带系统拖船和被拖筒型平台航行状态及任务设备运行状态信息，构建筒型平台拖带系统数据库；

信息传输模块，用于建立基于各种通信模式的数据链网，制定自适应的数据交互和通信协议，实现不同类型通信模式的切换，为其它模块之间在不同工作模式、不同工作环境下的信息交互提供传输通道；

拖带系统轨迹预测模块，用于根据筒型平台拖带系统数据库中的数据，基于MMG理论构建筒型平台拖带系统船舶运动模型，并进一步采用卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，实现筒型平台拖带系统船舶轨迹预测，得到筒形平台拖带系统轨迹预测信息；

可视化模块，用于将筒形平台拖带系统轨迹信息与电子海图/电子江图坐标信息相匹配，实现筒形平台拖带系统运动可视化；

预警模块，包括航行风险预警子模块和任务设备故障告警子模块；其中航行风险预警子模块用于从筒型平台拖带系统数据库中获取水域航道环境、船舶交通流信息，结合实际情况确定预警范围，设定预警指标、预警条件和预警方式，并确定预警流程，依据拖带系统轨迹预测信息进行航行风险预判，当拖带系统出现航行风险时发出预警信号；任务设备故障告警子模块用于实时监控所有任务设备的运行状况，包括拖船、被拖筒型平台、拖缆、信息采集传感器以及通信设备的运行状态，当任务设备出现故障时发出告警信号。

2.根据权利要求1所述的一种筒型平台拖带风险预警及可视化系统，其特征在于：所述的信息采集模块包括数据采集单元、预处理单元和数据融合单元；其中数据采集单元用于利用传感器采集原始数据；预处理单元用于将原始数据进行去噪处理，构成筒型平台拖带系统数据库；数据融合单元用于将筒型平台拖带系统数据库的数据进行整理、分类和打包。

3.根据权利要求1或2所述的一种筒型平台拖带风险预警及可视化系统，其特征在于：所述的水域航道环境包括航道长cl、宽cw、水深cd，通过电子海图/电子江图、雷达、测深仪获得；船舶交通流信息包括船舶位置(x,y)、速度v、航向θ，通过AIS、雷达获得；水文气象信息包括航道水域风w、浪c、流f，通过气象仪、风速计、计程仪测量获得；拖带系统拖船和被拖筒型平台航行状态信息包括船舶位置(X,Y)、速度V、航向δ，通过MEMS传感器、AIS获得。

4.根据权利要求1所述的一种筒型平台拖带风险预警及可视化系统，其特征在于：所述的拖带系统轨迹预测模块构建船舶运动模型时，是在考虑拖带系统水平面运动中的横荡、纵荡和艏摇三自由度运动的基础上，结合通航环境信息，基于MMG理论进行构建的。

5.根据权利要求1所述的一种筒型平台拖带风险预警及可视化系统，其特征在于：所述的拖带系统轨迹预测模块基于卡尔曼滤波算法构建筒型平台拖带系统轨迹预测模型，根据筒型平台拖带系统的状态方程和观测方程，以最小均方差为准则估计动态系统的状态。

6.根据权利要求1所述的一种筒型平台拖带风险预警及可视化系统，其特征在于：所述的航行风险预警模块的预警范围分为：碰撞事故、搁浅事故和其他事故；所述的预警指标根据拖带风险预警范围确定，对于碰撞事故，将最近会遇距离、最近会遇时间进行加权综合作为预警指标；对于搁浅事故及其他事故风险，选取富裕水深边界值作为预警指标。