CN107607092B - 一种基于无人机遥感的波浪与浮体运动预报系统 - Google Patents

一种基于无人机遥感的波浪与浮体运动预报系统 Download PDF

Info

Publication number
CN107607092B
CN107607092B CN201710722254.8A CN201710722254A CN107607092B CN 107607092 B CN107607092 B CN 107607092B CN 201710722254 A CN201710722254 A CN 201710722254A CN 107607092 B CN107607092 B CN 107607092B
Authority
CN
China
Prior art keywords
wave
monochromatic
corrugated
ship
forecast
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710722254.8A
Other languages
English (en)
Other versions
CN107607092A (zh
Inventor
段文洋
马学文
黄礼敏
王战
韩阳
赵彬彬
邵文勃
刘煜城
何强
吴东伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201710722254.8A priority Critical patent/CN107607092B/zh
Publication of CN107607092A publication Critical patent/CN107607092A/zh
Application granted granted Critical
Publication of CN107607092B publication Critical patent/CN107607092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于无人机遥感的波浪与浮体运动预报系统，属于船舶与海洋工程技术领域。本发明利用船载无人机获得船周远方波浪流场照片，将照片上的信息进行分析，反推得到波面高程信息；对无人机得到的波浪高程信息进行处理，将不规则的波面分解为多个规则波的叠加；根据波浪传播模型，计算出多个单色波到达船舶的时刻，并计算每个时刻到达船舶所在位置的单色波占总单色波的比例，如果高于设定的阈值认为可以开始预报；将各单色波根据预定的波浪模型生成波面，这个波面就是预报的波面，根据RAO、脉冲响应函数等快速算法计算出浮体的运动。本发明可为海上结构物与工程作业提供长周期且准确的波浪场信息与自身的运动预报信息，提高了作业效率。

Description

一种基于无人机遥感的波浪与浮体运动预报系统
技术领域
本发明属于船舶与海洋工程技术领域，具体涉及一种基于无人机遥感的波浪与浮体运动预报系统。
背景技术
海洋中有着极为丰富但的资源，人类对海洋一直在进行探索与开发。船舶与海洋平台等结构物是人们在海上进行作业活动的重要工具。这些结构物在海上执行任务的时候往往要求平台或船舶的运动幅度小于某一值，否则会干扰到任务的进行有时甚至会威胁到结构本身的安全。
船舶与平台时刻处于海洋的波浪场中，波浪对这些结构物运动的影响非常重要，要想准确地预报船舶的运动首先必须要正确预报波浪场。传统的波浪预报方式是基于统计理论来进行的，这种方法只能得到波浪在某一时间段内的统计特性，而无法获得某一确定时间的波浪信息。
本发明针对上述问题提出一种基于无人机遥感的波浪与浮体运动预报系统，这一系统可以利用无人机获得远方波浪场图像反演得到波浪场的具体数值信息，根据数值信息利用快速傅里叶变换进行处理从而预报未来一段时间内的波浪。
发明内容
本发明的目的在于提供一种能够解决实时海上波浪预报问题的基于无人机遥感的波浪与浮体运动预报系统。
本发明的目的是这样实现的：
本发明公开了一种基于无人机遥感的波浪与浮体运动预报系统，其具体的实现步骤包括：
(1)利用船载无人机获得船周远方波浪流场照片，将照片上的信息进行分析，反推得到实际的波面高程信息；
(2)利用快速傅里叶变换对无人机得到的波浪高程信息进行处理，将不规则的波面分解为多个规则波的叠加；
(3)根据波浪传播模型，计算出从无人机观测的波面信息中得到的多个单色波到达船舶所在位置的时刻，统计每个时刻到达或者离开船舶所在位置的单色波数目，计算到达船舶所在位置及离开船舶所在位置的单色波的能量占总单色波能量的比例，与设定的阈值进行比较，判断是否进行预测或预报；
(4)根据设定的波浪模型将到达的各单色波进行合成，得到预报的波面，并且根据RAO、脉冲响应函数等快速算法能计算出浮体的运动。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(1)中利用船载无人机获得船周远方波浪流场照片为远方波浪的瞬时照片或者是一段时间内的时历信息。
对于一种基于无人机遥感的波浪与浮体运动预报系统，步骤(3)中所述的波浪传播模型中计算波浪速度时根据实际波浪情况与测量位置和船舶所在位置的距离来选择线性色散关系或者是非线性色散关系。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(3)中当到达船舶所在位置的单色波的能量占所有单色波能量的比例高于预先设定的阈值时，开始预测；当离开的单色波的能量占所有单色波能量的比例高于设定的阈值时，标定不可预报。
对于一种基于无人机遥感的波浪与浮体运动预报系统，步骤(3)中所述的阈值为每个时刻到达或者留在船舶所在位置的单色波的波幅的平方的和与所有单色波波幅平方的和的比值。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(4)中在进行波浪合成时根据实际的波浪情况选择相适应的波浪模型。
本发明的有益效果在于：
本发明公开的一种基于无人机遥感的波浪与浮体运动预报系统通过波浪确定性预报理论，为海上的结构物等提供了准确的波浪信息，从而帮助海洋结构物准确并且持续地预报未来的运动，提高了作业效率，规避了危险情况；
此外，本发明通过无人机测量的方式摆脱了传统雷达测量时在时间与空间上的局限性，在无人机覆盖的范围内无间隔地连续测量波面，拥有更大的自由度。
附图说明
图1为本发明的流程示意图；
图2为本发明的结构示意图。
具体实施方式
本发明公开了一种基于无人机遥感的波浪与浮体运动预报系统，其具体的实现步骤包括：
(1)利用船载无人机获得船周远方波浪流场照片，将照片上的信息进行分析，反推得到实际的波面高程信息；
(2)利用快速傅里叶变换对无人机得到的波浪高程信息进行处理，将不规则的波面分解为多个规则波的叠加；
(3)根据波浪传播模型，计算出从无人机观测的波面信息中得到的多个单色波到达船舶所在位置的时刻，统计每个时刻到达或者离开船舶所在位置的单色波数目，计算到达船舶所在位置及离开船舶所在位置的单色波的能量占总单色波能量的比例，与设定的阈值进行比较，判断是否进行预测或预报；
(4)根据设定的波浪模型将到达的各单色波进行合成，得到预报的波面，并且根据RAO、脉冲响应函数等快速算法能计算出浮体的运动。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(1)中利用船载无人机获得船周远方波浪流场照片为远方波浪的瞬时照片或者是一段时间内的时历信息。
对于一种基于无人机遥感的波浪与浮体运动预报系统，步骤(3)中所述的波浪传播模型中计算波浪速度时根据实际波浪情况与测量位置和船舶所在位置的距离来选择线性色散关系或者是非线性色散关系。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(3)中当到达船舶所在位置的单色波的能量占所有单色波能量的比例高于预先设定的阈值时，开始预测；当离开的单色波的能量占所有单色波能量的比例高于设定的阈值时，标定不可预报。
对于一种基于无人机遥感的波浪与浮体运动预报系统，步骤(3)中所述的阈值为每个时刻到达或者留在船舶所在位置的单色波的波幅的平方的和与所有单色波波幅平方的和的比值。
对于一种基于无人机遥感的波浪与浮体运动预报系统，所述的步骤(4)中在进行波浪合成时根据实际的波浪情况选择相适应的波浪模型。
结合图1及图2，下面对本发明做进一步描述。
(1)首先利用船舶自身携带的无人机获得远方波浪场的瞬时波面照片，将这些照片传回船舶，根据这些瞬时照片反演得到具体的波浪数值信息。
(2)如果得到的是一张波面的瞬时照片，使用快速傅里叶变换对所得到的数据进行处理，假设共有N个数据，那么经过FFT可以得到N/2个频率为基础频率2pi/N的帧数倍的单色波，这里要注意的是FFT通常用作时域与频域的转化，但是对于波浪而言，当采集到的数据是某一时刻一段长度(空间)上的值时，根据波浪的表达式可以很容易地得到FFT的作用是对空域(空间)与空频(波数)之间的转化，又由于色散关系的存在，根据波数可以得到频率。
当无人机传回的是某点或者某几点的波浪时历时，使用FFT可以将时历信号转换到频域中，得到多个频率为基础频率整数倍的单色波。
(3)得到了每个单色波的频率、波数、波幅以后，根据当时的实际海况与水深情况选择相适应的色散关系，当所处位置的水深条件为浅水时，使用有限水深色散关系，当为深水时使用无限水深色散关系。当海况级别较低时，使用线性色散关系，当海况级别较高时，使用非线性色散关系。
(4)确定了色散关系以后，利用所选择的色散关系计算出每个单色波的群速度，将群速度作为每个单色波的传播速度。
(5)根据群速度计算出每个单色波到达船舶所在位置的时刻，计算每个时刻到达船舶所在位置的单色波的波幅的平方的和与所有单色波波幅平方的和的比值，将这个比值作为能否进行预报的依据，当比值大于预先设定的阈值(例如0.99)且时刻大于测量结束时刻时，认为可以开始预报，开始可以预报的时刻称为开始预报时刻。同时还计算每个单色波离开船舶所在位置的时刻，同样计算留在船舶所在位置的单色波的波幅的平方的和与所有单色波波幅平方的和的比值，当这个比值小于预先设定的阈值(例如0.99)且时刻大于测量结束时刻时认为不可预报，开始不可预报的时刻成为结束预报时刻。
(6)选择一个在可预报时间内的时间位置，即每次测量都预报距离测量结束时间t1的波浪，连续测量连续预报，最终可以得到实时预报的波浪时历信息，同时可以根据RAO、脉冲响应函数等快速算法计算出浮体的运动，这样就能得到运动时历信息。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于无人机遥感的波浪与浮体运动预报系统，其特征在于，具体的实现步骤包括：
(1)利用船载无人机获得船周远方波浪流场照片，将照片上的信息进行分析，反推得到实际的波面高程信息；
(2)利用快速傅里叶变换对无人机得到的波浪高程信息进行处理，将不规则的波面分解为多个规则波的叠加；
(3)根据波浪传播模型，计算出从无人机观测的波面信息中得到的多个单色波到达船舶所在位置的时刻，统计每个时刻到达或者离开船舶所在位置的单色波数目，计算到达船舶所在位置及离开船舶所在位置的单色波的能量占总单色波能量的比例，与设定的阈值进行比较，判断是否进行预测或预报；
(4)根据设定的波浪模型将到达的各单色波进行合成，得到预报的波面，并且根据RAO、脉冲响应函数快速算法能计算出浮体的运动；
步骤(3)中所述的波浪传播模型中计算波浪速度时根据实际波浪情况与测量位置和船舶所在位置的距离来选择线性色散关系或者是非线性色散关系；
所述的步骤(3)中当到达船舶所在位置的单色波的能量占所有单色波能量的比例高于预先设定的阈值时，开始预测；当离开的单色波的能量占所有单色波能量的比例高于设定的阈值时，标定不可预报；
步骤(3)中所述的阈值为每个时刻到达或者留在船舶所在位置的单色波的波幅的平方的和与所有单色波波幅平方的和的比值。
2.根据权利要求1所述的一种基于无人机遥感的波浪与浮体运动预报系统，其特征在于：所述的步骤(1)中利用船载无人机获得船周远方波浪流场照片为远方波浪的瞬时照片或者是一段时间内的时历信息。
3.根据权利要求1所述的一种基于无人机遥感的波浪与浮体运动预报系统，其特征在于：所述的步骤(4)中在进行波浪合成时根据实际的波浪情况选择相适应的波浪模型。
CN201710722254.8A 2017-08-22 2017-08-22 一种基于无人机遥感的波浪与浮体运动预报系统 Active CN107607092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710722254.8A CN107607092B (zh) 2017-08-22 2017-08-22 一种基于无人机遥感的波浪与浮体运动预报系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710722254.8A CN107607092B (zh) 2017-08-22 2017-08-22 一种基于无人机遥感的波浪与浮体运动预报系统

Publications (2)

Publication Number Publication Date
CN107607092A CN107607092A (zh) 2018-01-19
CN107607092B true CN107607092B (zh) 2019-11-12

Family

ID=61065335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710722254.8A Active CN107607092B (zh) 2017-08-22 2017-08-22 一种基于无人机遥感的波浪与浮体运动预报系统

Country Status (1)

Country Link
CN (1) CN107607092B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359787B (zh) * 2018-12-06 2020-11-17 上海海事大学 一种小范围海域多模态海浪预测系统及其预测方法
CN110450903B (zh) * 2019-07-05 2021-04-27 哈尔滨工程大学 一种纵流过渡型半滑行艇
CN110417458B (zh) * 2019-07-30 2020-04-10 中国矿业大学 面向uav能量信息双中继系统的联合位置和时间优化方法
CN110745212B (zh) * 2019-10-21 2020-10-09 中国舰船研究设计中心 一种基于波浪测量的舰载机着舰辅助决策方法及装置
CN110836846B (zh) * 2019-11-28 2022-03-01 重庆交通大学 一种室内模拟海洋浪溅区环境的喷淋试验方法及其系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001315603A (ja) * 2000-05-09 2001-11-13 Matsushita Electric Ind Co Ltd 運転支援装置
CN101105399B (zh) * 2007-08-03 2010-06-30 国家海洋技术中心 海杂波图像的脊波变换域中波浪参数检测方法
JP2009229424A (ja) * 2008-03-25 2009-10-08 Mitsubishi Electric Corp 津波監視装置
CN101308519B (zh) * 2008-06-12 2010-06-09 武汉理工大学 多个短波受长波非线性调制的海浪演化场景模拟方法
CN101419286A (zh) * 2008-12-01 2009-04-29 武汉理工大学 海浪色散关系的探测装置及探测方法
CN101587594B (zh) * 2009-06-19 2011-06-15 大连海事大学 航海模拟器场景中的海浪构网方法
CN201748922U (zh) * 2010-07-07 2011-02-16 南京信息工程大学 风浪要素数值实景监测系统
FR2969307B1 (fr) * 2010-12-21 2013-01-18 Thales Sa Procede et dispositif de suivi de variation de terrain
CN102592297B (zh) * 2011-12-27 2015-01-07 Tcl集团股份有限公司 一种基于3d网格的实时水波纹理处理方法
CN102878985B (zh) * 2012-06-27 2015-04-15 上海海事大学 一种基于图像纹理特征的水面浪级监测方法
CN102721411B (zh) * 2012-06-28 2014-07-02 上海海事大学 一种基于水面波浪图像的浪级监测方法
JP6562090B2 (ja) * 2016-02-10 2019-08-21 富士通株式会社 アラート制御に関するコンピュータシステム、アラート制御方法及びアラート制御プログラム
CN106840602A (zh) * 2017-04-20 2017-06-13 山东大学 一种用于追踪波浪形态的系统、方法及应用

Also Published As

Publication number Publication date
CN107607092A (zh) 2018-01-19

Similar Documents

Publication Publication Date Title
CN107607092B (zh) 一种基于无人机遥感的波浪与浮体运动预报系统
Shroyer et al. Energy transformations and dissipation of nonlinear internal waves over New Jersey's continental shelf
Ko et al. A real-time coastal ocean prediction experiment for MREA04
Lermusiaux et al. Coupled ocean–acoustic prediction of transmission loss in a continental shelfbreak region: Predictive skill, uncertainty quantification, and dynamical sensitivities
CN102621533B (zh) 一种用于船用导航雷达的弱小目标检测方法
CN104330787B (zh) 水下运动阵列多目标检测和方位估计一体化方法
CN101806887A (zh) 基于空间跟踪滤波器的海杂波抑制和目标检测方法
JP6132990B2 (ja) 状態推定装置
Hilmer et al. Deterministic wave predictions from the WaMoS II
CN107255805B (zh) 基于加权最小二乘的雷达目标rcs的预测方法
Paris et al. Multivariate objective analysis of the coastal circulation of Barbados, West Indies: implication for larval transport
CN103487793B (zh) 一种基于简正波理论的宽带混响波形仿真方法
CN107515390A (zh) 一种基于单矢量传感器的空中目标定位方法
CN106199552A (zh) 一种局部均匀海杂波背景下的分组广义似然比检测方法
Sun et al. Comparison of typhoon-induced near-inertial oscillations in shear flow in the northern South China Sea
Mérigaud et al. Incorporating wave spectrum information in real-time free-surface elevation forecasting: Real-sea experiments
Emerson et al. Acoustic propagation uncertainty and probabilistic prediction of sonar system performance in the southern East China Sea continental shelf and shelfbreak environments
Shiba Layered model sound speed profile estimation
Zabotin et al. Studies of wave activity in the thermosphere-ionosphere system using Dynasonde techniques
Rao et al. Passive target tracking in underwater environment using bearing and frequency measurements
De Girolamo et al. Wave characteristics estimation by GPS receivers installed on a sailboat travelling off-shore
Chen et al. Research on optimum operating parameters selection of active sonar in shallow water
Yanni et al. The nonsequential fusion method for localization from unscented kalman filter by multistation array buoys
Stevens et al. Ocean Ensemble-Enabled Stochastic Acoustic Prediction With Operational Metrics: New England Shelf Break Acoustics Signals and Noise Experiment
Yoo et al. Arrayed GPS-buoys wave observation system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant