CN116245244A - 一种海流影响下船舶航迹极短期预报方法 - Google Patents

Abstract

本发明公开了一种海流影响下船舶航迹极短期预报方法，包括：试验开展；数据采集；数据存储；冗杂数据剔除；去除明显不合理的数据，并对去除不合理数据后的剩余数据进行平滑处理，利用最小二乘法对操纵性模型参数进行辨识，得到三自由度运动学模型；读取船舶航行区域内海流信息，通过船舶航速特征分布算法及航迹中心点还原法对航行区域海流速度信息进行加权平均，获取得到准确海流信息；船舶航迹极短期预报。本发明能根据船舶航迹数据建立极短期预报模型，基于船舶回转航迹和航速分布特征，提取回转试验海流方向和速度，在船舶极短期预报模型中融合海流信息与船舶响应特性，实现船舶航迹极短期分段预报，提高船舶航迹预报的准确性与航行的安全性。

Description

一种海流影响下船舶航迹极短期预报方法

技术领域

本发明属于水路交通领域，具体涉及一种海流影响下船舶航迹极短期预报方法。

背景技术

随着经济的发展，全球商船数量的持续增长，船舶操纵性能与船舶航行安全和节能息息相关，船舶操纵性是船舶安全与节能控制重要领域。

通常船舶操纵性能评估主要通过操纵运动试验进行，可分为实船试验、模型船试验、数值模拟试验三类，实船试验一般是在开阔、平静水域对实船进行Z型试验、回转试验、停船试验等，通过分析船舶航迹与操纵指令，得到船舶旋回直径、操纵指数、停船距离等参数；模型船试验一般是在船池环境对缩尺船模进行静态和动态平面运动机构试验，得到船舶操纵参数。但现有技术中船舶实际航行环境难以预测，且开展实船对实验条件和成本要求很高。

发明内容

本发明的目的在于，提供一种海流影响下船舶航迹极短期预报方法，能够根据船舶航迹数据建立极短期预报模型，基于船舶回转航迹和航速分布特征，提取回转试验海流方向和速度，在船舶极短期预报模型中融合海流信息与船舶响应特性，实现船舶航迹极短期分段预报，提高船舶航迹预报的准确性与航行的安全性。

为解决上述技术问题，本发明的技术方案为：一种海流影响下船舶航迹极短期预报方法，包括以下步骤：

S1、在海流环境下，进行船舶操纵性试验，以常用航行工况在测试海域内进行Z型试验和回转试验；

S2、采集船舶航行中的航行信息；航行信息包括船舶航行区域内海流信息、船舶对地速度、船舶自身定位、航行姿态数据、航行场景信息及对应的船舶控制舵角与主机转速信息；

S3、存储航行信息；

S4、剔除存储的航行信息中的冗杂数据以及与Z型试验、回转试验不相关的数据，保留Z型试验数据和回转试验数据并分组；

S5、去除Z型试验数据和回转试验数据中明显不合理的数据，并对去除不合理数据后的剩余数据进行平滑处理，利用最小二乘法对操纵性模型参数进行辨识，分别得到Z型试验数据和回转试验数据的三自由度运动学模型；读取船舶航行区域内海流信息，通过船舶航速特征分布算法及航迹中心点还原法对航行区域海流速度信息进行加权平均，获取得到准确海流信息；

S6、根据准确海流信息进行船舶航迹极极短期预报。

在S5中，利用三自由度运动学模型，结合船舶航行区域内海流信息与船舶对地速度，得到船舶轨迹极短期预报模型，对航行轨迹进行预测。

S2中航行场景信息包括采集到的船舶自身的吨位、主机转速、航速、航向、经纬度信息、当前海域的水流速流向。

S3具体为：对航行信息进行分类存储，生成船舶操纵性试验数据库。

在进行S4之前还包括对冗杂数据以及与Z型试验、回转试验不相关的数据的预剔除，预剔除的步骤具体为：

(1)筛选得到Z型试验数据与回转试验数据；

(2)分别对Z型试验数据和回转试验数据去除采样中的重复样本，在相邻时间存在完全相同的船舶状态数据；

(3)去除Z型试验和回转试验中，状态超出正常值的异常数据，如舵角变化过大、转速变化过大、速度变化过大，位置出现跳跃的点；

(4)去除异常数据后，对剩余数据利用线性插值方法，补全异常数据，使数据更平滑。

得到Z型试验数据的三自由度运动学模型的方法为：

选用(1)式中一阶非线性响应模型作为船舶的运动模型：

其中，δ为舵角，r为首摇角速度，K、T为水动力导数简化后的无量纲系数，a为非线性项系数，δ_r为压舵角，船舶首向角ψ与首摇角速度r存在

的对应关系；

提取Z型试验数据中的船舶首向角、船舶舵角与舵角指令，采用最小二乘法提取船舶模型参数。

得到回转试验数据的三自由度运动学模型的方法为：

利用船舶航速特征分布算法，提取回转试验数据中的船舶航行速度与船舶首向角，并分别提取最大航速V_max与最小航速V_min及其分别对应的船舶首向角θ₁和θ₂，若θ₁＞θ₂，则有当前区域水流方向γ：

γ＝0.5(θ₁+θ₂)+90° (2)

若θ₁≤θ₂，则有：

γ＝0.5(θ₁+θ₂)-90° (3)

其中，海流的速度V_y＝0.5cos(θ₁-γ)(V_max-V_min)；

利用中心点还原法计算，由于船舶在静水中回转运动时，船舶中心为一固定的点，船舶在海流影响下，船舶回转中心随水流移动，回转中心点移动速度即为当前区域内海流速度，从回转航迹起点至回转航迹终点中间的航迹点为{p₁，p₂，...，p_n}，对应航向方向{θ₁，θ₂，...，θ_n}，当船舶顺时针回转时，回转中心坐标(x_c，y_c)计算公式为：

当船舶逆时针回转时，回转中心坐标计算公式为：

其中，R为静水中的回转半径；

求得回转中心点坐标为C(x_c，y_c)后，对航迹点{p₁，p₂，...，p_n}计算得到航迹点坐标为{c₁，c₂，...，c_n}；对航迹点坐标拟合得到中心点连线l，直线l起点c₁与终点c_n连线方向得到当前区域水流方向γ；拟合直线l起点c₁与终点c_n的距离d_l得到船舶回转运动时间t_l内水流前进距离d；此时，水流v_c大小为v_c＝d_l/(t_l)，t_l为选取的回转试验数据段的总时间；

船舶航速特征分布算法中最大对地速度航向与预估海流方向的偏差是由于实际航行中不确定因素的干扰造成，因此得到的偏差为第一偏差量e₁；中心点还原法中还原的实际中心点到拟合的中心点直线航迹的平均误差同样是由于干扰造成，因此得到的偏差为第二偏差量e₂；则加权后提取的海流速度V_c与方向θ_c为：

其中，V_e为通过船舶航速特征分布算法获取的海流速度，θ_e为通过船舶航速特征分布算法获取的方向，V_m为通过中心点还原法获取的海流速度，θ_m为通过中心点还原法获取的方向；

同时考虑到两种预估方法中偏差较大导致最后提取的海流误差较大的情况，对两种方法分别设定偏差接受范围e_1max和e_2max，当其中一种方法的偏差值大于其接受范围时，则不考虑该方预估的海流速度和方向，则有V_c表示为：

S6具体为：

在短期均匀流中，水流的速度V_c和方向γ不发生变化，船舶对水速度V_s与船首向的夹角β_s是由于船舶与海流相对运动时受水动力影响产生的，在均匀流场中其大小只与舵角相关，船舶三自由度模型中非线性项α的值可视为恒定值，海流速也为定值，故结合Z型试验数据和回转试验数据的三自由度运动学模型与海流信息对船舶航迹进行极短期预报，其预报模型如下：

还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述方法的步骤。

还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述方法的步骤

与现有技术相比，本发明的有益效果为：

本发明通过在船舶Z型试验数据，得到船舶三自由度运动学模型，结合船舶在海流中回转航速特征分布与回转中心点还原方法加权提取船舶海流信息，构建船舶航迹极短期预报模型，将海流数据运用到船舶航迹极短期预报，能快速准确预测船舶运动预测，对船舶智能化与自动化控制，推进船舶自动控制技术的发展。

附图说明

图1为本发明实施例的流程示意图；

图2为本发明实施例装置的结构示意图；

图3为本发明实施例中中心还原法海流提取流程图；

图4为本发明实施例中船舶航速特征分布算法海流提取流程图；

图5为本发明实施例中海流加权提取流程图；

图6为本发明实施例中船舶航迹极短期预测示意图；

图7为本发明实施例中船舶航迹预报原理图；

图8为本发明实施例中船舶短期预报模型的运用示意图；

图中，1-罗经，2-计程仪，3-GPS、GNSS和BD，4-推进器，5-舵机。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明实施例提供一种海流影响下船舶航迹短期预报装置及方法，能够根据船舶航迹数据建立极短期预报模型，基于船舶回转航迹和航速分布特征，提取回转试验海流方向和速度，在船舶极短期预报模型中融合海流信息与船舶响应特性，实现船舶航迹极短期分段预报，提高船舶航迹预报的准确性与航行的安全性。

其中，一种海流影响下船舶航迹短期预报装置：它包含装载在船上的设备传感器、以及数据采集系统，数据处理传输、保存分析处理计算等单元。

船上传感器包括罗经采集船舶首向、航行姿态；流速流向传感器采集船舶航行位置水流信息；GPS或北斗定位模块采集船舶定位、航速信息；编码器或转速传感器采集主机转速信息，舵角采集模块；数据采集模块对所有传感器数据进行采集，并通过网络方式传输至模型构建模块；模型构建模块能够根据船舶航迹数据建立极短期预报模型，基于船舶回转航迹和航速分布特征，提取回转试验海流方向和速度，在船舶极短期预报模型中融合海流信息与船舶响应特性，实现船舶航迹极短期分段预报，提高船舶航迹预报的准确性与航行的安全性。

利用上述装置，提出一种海流影响下船舶航迹短期预报方法，包括以下步骤：

S1、试验开展：

通过在海流环境下，开展船舶操纵性试验，以常用航行工况在测试海域内进行Z型及回转试验。

S2、数据采集：

通过各类传感器采集船舶航行中各类信息；各类信息包括船舶自身定位、航行姿态数据、航行场景信息及对应的船舶控制舵角与转速信息；

S3、数据存储：

存储所采集到的各类信息；

S4、冗杂数据剔除：

对采集存储数据进行处理，删除冗余及与Z型和回转试验不相关数据，并对Z型与回转数据进行分组；

S5、数据处理：

提取海流影响下船舶Z型试验与回转试验，去除不合理数据，并对原始数据进行平滑处理，利用最小二乘法对操纵性模型参数进行辨识，得到三自由度运动学模型；读取航行区域海流速度信息，当船舶搭载了可靠的计程仪时，直接通过计程仪获取海流速度信息，在缺少流速测量仪的条件下，通过船舶回转试验对海流进行预估，通过对船舶航速特征分布及航迹中心点还原法进行加权平均，以获取准确海流信息；

S6、船舶航迹极短期预报：

按上述方案，利用三自由度运动学模型，结合船舶航行区域内海流信息与船舶对地速度，得到船舶轨迹极短期预报模型，对航行轨迹进行预测。

按上述方案，所述的船舶试验类型包括船舶常用工况下船舶Z型与回转试验，船舶航行试验数据具体包括：采集到的船舶自身的吨位、主机转速、航速、航向、经纬度信息、当前海域的水流速流向等；

所述的对应的船舶控制信息具体包括：船舶舵角与主机转速输入。

按上述方案，所述的S3将采集到的各类信息进行分类存储，生成船舶操纵性试验数据库。

按上述方案，所述的S4具体包括船舶Z型与回转试验之外的冗余数据预剔除。

按上述方案提取到的Z型试验数据进行处理，得到船舶操纵性模型；

首先对Z型试验，选用一阶非线性响应模型作为船舶的运动模型：

其中，δ为舵角，r为首摇角速度，K、T为水动力导数简化后的无量纲系数，a为非线性项系数，δ_r为压舵角，船首向ψ与首摇角速度r存在

对于原数据提取船舶首向角与船舶舵角与舵角指令，采用最小二乘法提取船舶模型参数；对于搭载可靠计程仪的船舶，直接读取船舶流速流向信息，对于缺少计程仪船舶，采用回转试验对海流进行预估；

对于回转试验数据，利用航速特征分布及算法，提取船舶航行速度与船首向进行分析，分别提取最大航速V_max与最小航速V_min点航速与航向信息θ₁和θ₂，若θ₁＞θ₂，海流方向：

γ＝0.5(θ₁+θ₂)+90° (2)

若θ₁≤θ₂，海流方向：

γ＝0.5(θ₁+θ₂)-90° (3)

海流的速度V_y＝0.5cos(θ₁-γ)(V_max-V_min)。

利用中心点还原法计算，由于船舶在静水中回转运动时，船舶中心为一固定的点，因为流的影响，船舶在海流影响下，船舶回转中心随水流移动，回转中心点移动速度即为当前区域内海流速度，从回转航迹起点至回转航迹终点中间的航迹点为{p₁，p₂，...，p_n}，对应航向方向{θ₁，θ₂，...，θ_n}，当船舶顺时针回转时，回转中心坐标(x_c，y_c)计算公式为：

当船舶逆时针回转时，回转中心坐标计算公式为：

/>

R为静水中的回转半径。

求得回转中心点坐标为C(x_c，y_c)后，对航迹点{p₁，p₂，...，p_n}可计算得到航迹点坐标为{c₁，c₂，...，c_n}。对航迹点坐标拟合可得中心点连线l，直线l起点c₁与终点c_n连线方向得到当前区域水流方向γ。拟合直线l起点c₁与终点c_n的距离d_l得到船舶回转运动时间t_l内水流前进距离d。此时，水流v_c大小为v_c＝d_l/(t_l)，t_l为选取的回转试验数据段的总时间。

船舶进入回转状态后，选取船舶回转部分航迹，根据船舶在静水中的回转半径与当前时刻船舶的首向，可求得船舶回转中心；对船舶回转中心点进行拟合，计算拟合直线移动距离再根据中心点移动距离与回转时间，可求得回转区域内平均流速；拟合直线的方向，可得测试区域内水流方向。

最大最小速度差法中的最大对地速度航向与预估海流方向的偏差是由于实际航行中不确定因素的干扰造成，假设偏差量为e₁。中心点还原法中还原的实际中心点到拟合的中心点直线航迹的平均误差同样是由于干扰造成，假设偏差量为e₂。由于偏差数值在一个量级，因此不做归一化处理，假设最大最小速度差法中获取的海流速度与方向为V_e和θ_e，中心点还原法中获取的海流速度与方向为V_m和θ_m，则加权后提取的海流速度V_c与方向θ_c为：

同时考虑到两种预估方法中偏差较大导致最后提取的海流误差较大的情况，对两种方法分别设定偏差接受范围e_1max和e_2max，当其中一种方法的偏差值大于其接受范围时，则不考虑该方预估的海流速度和方向。于是，V_c可表示为：

按上述方案，可得到船舶操纵性模型与当前海域内准确的船舶海流速度与方向信息，所述的S6具体为：

在短期均匀流中，水流的速度V_c和方向γ不会发生变化，船舶对水速度与船首向的夹角β_s是由于船舶与海流相对运动时受水动力影响产生的，在均匀流场中其大小通常只与舵角相关，船舶三自由度模型中非线性项α的值可视为恒定值，海流速也为定值，故可结合船舶操纵性模型与海流信息对船舶航迹进行极短期预报，其预报模型如下：

海流速度信息V_c和γ由S5中计算可得。

本发明的有益效果为：通过在船舶Z型试验数据，得到船舶三自由度运动学模型，结合船舶在海流中回转航速特征分布与回转中心点还原方法加权提取船舶海流信息，构建船舶航迹极短期预报模型，将海流数据运用到船舶航迹极短期预报，能快速准确预测船舶运动预测，对船舶智能化与自动化控制，推进船舶自动控制技术的发展。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种海流影响下船舶航迹极短期预报方法，其特征在于，包括以下步骤：

S1、在海流环境下，进行船舶操纵性试验，以常用航行工况在测试海域内进行Z型试验和回转试验；

S2、采集船舶航行中的航行信息；航行信息包括船舶航行区域内海流信息、船舶对地速度、船舶自身定位、航行姿态数据、航行场景信息及对应的船舶控制舵角与主机转速信息；

S3、存储航行信息；

S4、剔除存储的航行信息中的冗杂数据以及与Z型试验、回转试验不相关的数据，保留Z型试验数据和回转试验数据并分组；

S5、去除Z型试验数据和回转试验数据中明显不合理的数据，并对去除不合理数据后的剩余数据进行平滑处理，利用最小二乘法对操纵性模型参数进行辨识，分别得到Z型试验数据和回转试验数据的三自由度运动学模型；读取船舶航行区域内海流信息，通过船舶航速特征分布算法及航迹中心点还原法对航行区域海流速度信息进行加权平均，获取得到准确海流信息；

S6、根据准确海流信息进行船舶航迹极极短期预报。

2.根据权利要求1所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，在S5中，利用三自由度运动学模型，结合船舶航行区域内海流信息与船舶对地速度，得到船舶轨迹极短期预报模型，对航行轨迹进行预测。

3.根据权利要求1所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，S2中航行场景信息包括采集到的船舶自身的吨位、主机转速、航速、航向、经纬度信息、当前海域的水流速流向。

4.根据权利要求1所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，S3具体为：对航行信息进行分类存储，生成船舶操纵性试验数据库。

5.根据权利要求1所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，在进行S4之前还包括对冗杂数据以及与Z型试验、回转试验不相关的数据的预剔除，预剔除的步骤具体为：

(1)筛选得到Z型试验数据与回转试验数据；

(2)分别对Z型试验数据和回转试验数据去除采样中的重复样本，在相邻时间存在完全相同的船舶状态数据；

(3)去除Z型试验和回转试验中，状态超出正常值的异常数据，如舵角变化过大、转速变化过大、速度变化过大，位置出现跳跃的点；

(4)去除异常数据后，对剩余数据利用线性插值方法，补全异常数据，使数据更平滑。

6.根据权利要求1所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，得到Z型试验数据的三自由度运动学模型的方法为：

选用(1)式中一阶非线性响应模型作为船舶的运动模型：

其中，δ为舵角，r为首摇角速度，K、T为水动力导数简化后的无量纲系数，a为非线性项系数，δ_r为压舵角，船舶首向角ψ与首摇角速度r存在

的对应关系；

提取Z型试验数据中的船舶首向角、船舶舵角与舵角指令，采用最小二乘法提取船舶模型参数。

7.根据权利要求6所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，得到回转试验数据的三自由度运动学模型的方法为：

利用船舶航速特征分布算法，提取回转试验数据中的船舶航行速度与船舶首向角，并分别提取最大航速V_max与最小航速V_min及其分别对应的船舶首向角θ₁和θ₂，若θ₁>θ₂，则有当前区域水流方向γ：

γ＝0.5(θ₁+θ₂)+90° (2)

若θ₁≤θ₂，则有：

γ＝0.5(θ₁+θ₂)-90° (3)

其中，海流的速度V_y＝0.5cos(θ₁-γ)(V_max-V_min)；

利用中心点还原法计算，由于船舶在静水中回转运动时，船舶中心为一固定的点，船舶在海流影响下，船舶回转中心随水流移动，回转中心点移动速度即为当前区域内海流速度，从回转航迹起点至回转航迹终点中间的航迹点为{p₁,p₂,…,p_n}，对应航向方向{θ₁,θ₂,…,θ_n}，当船舶顺时针回转时，回转中心坐标(x_c,y_c)计算公式为：

当船舶逆时针回转时，回转中心坐标计算公式为：

其中，R为静水中的回转半径；

求得回转中心点坐标为C(x_c,y_c)后，对航迹点{p₁,p₂,…,p_n}计算得到航迹点坐标为{c₁,c₂,...,c_n}；对航迹点坐标拟合得到中心点连线l，直线l起点c₁与终点c_n连线方向得到当前区域水流方向γ；拟合直线l起点c₁与终点c_n的距离d_l得到船舶回转运动时间t_l内水流前进距离d；此时，水流v_c大小为v_c＝d_l/(t_l)，t_l为选取的回转试验数据段的总时间；

船舶航速特征分布算法中最大对地速度航向与预估海流方向的偏差是由于实际航行中不确定因素的干扰造成，因此得到的偏差为第一偏差量e₁；中心点还原法中还原的实际中心点到拟合的中心点直线航迹的平均误差同样是由于干扰造成，因此得到的偏差为第二偏差量e₂；则加权后提取的海流速度V_c与方向θ_c为：

其中，V_e为通过船舶航速特征分布算法获取的海流速度，θ_e为通过船舶航速特征分布算法获取的方向，V_m为通过中心点还原法获取的海流速度，θ_m为通过中心点还原法获取的方向；

同时考虑到两种预估方法中偏差较大导致最后提取的海流误差较大的情况，对两种方法分别设定偏差接受范围e_1max和e_2max，当其中一种方法的偏差值大于其接受范围时，则不考虑该方预估的海流速度和方向，则有V_c表示为：

/>

8.根据权利要求7所述的一种海流影响下船舶航迹极短期预报方法，其特征在于，S6具体为：

在短期均匀流中，水流的速度V_c和方向γ不发生变化，船舶对水速度V_s与船首向的夹角β_s是由于船舶与海流相对运动时受水动力影响产生的，在均匀流场中其大小只与舵角相关，船舶三自由度模型中非线性项α的值可视为恒定值，海流速也为定值，故结合Z型试验数据和回转试验数据的三自由度运动学模型与海流信息对船舶航迹进行极短期预报，其预报模型如下：

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述方法的步骤。

Images