CN117032016A - 一种无人艇的艇载传感器监测控制方法、系统及设备 - Google Patents

Abstract

本公开涉及一种无人艇的艇载传感器监测控制方法、系统及设备，方法包括以下步骤：根据艇载传感器类型，获取艇体设定行进路径上的现场数据；预设与艇载传感器相关联的参考基准值；获取艇载传感器的实时检测数据，将实时检测数据分别与现场数据、参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。系统和设备用于执行上述方法。本公开结合无人艇的应用场景，综合行进路径的现场数据和参考基准值，根据艇载传感器的实时检测数据对船载传感器进行准确的故障判断，以便于及时对可能故障的艇载传感器进行控制，可适用于对无人艇艇载传感器的故障检测，有助于无人艇的自动化控制。

Description

一种无人艇的艇载传感器监测控制方法、系统及设备

技术领域

本公开涉及无人艇控制技术领域，具体涉及一种无人艇的艇载传感器监测控制方法、系统及设备。

背景技术

无人艇包括具有自主规划、自主航行、自主环境感知能力的全自主型无人艇，以及非自主航行的遥控型无人艇和按照内置程序航行并执行任务的半自主型无人艇。无人艇上通常设有多类型、多数量的艇载传感器，通过艇载传感器实时检测无人艇周围的环境信息，如水深数据、水下地形数据、位置数据和风场数据等，艇载传感器的实时检测数据会输入到无人艇的控制系统中，作为无人艇控制的参考数据，是无人艇实现自动化控制的前提。

由于艇载传感器数量多、精密度高且安装在艇体上，容易受到高温潮湿、艇体振动较大等条件影响，出现故障导致输出的检测数据不准确，如果控制系统采用错误的传感器数据进行控制，则容易出现自动化控制失败，甚至撞击、沉船等严重事故。

因此，对于不可避免的艇载传感器故障问题，如何及时地将故障传感器识别并采取相应的控制策略，降低故障传感器对无人艇自动化控制的影响，对于无人艇有重大意义。

现有的无人艇传感器监测控制系统中，多采用传统的电压电流监测方法进行故障监测，具体做法是通过对传感器电路的电压电流进行监测，当电压电流出现明显异常，如过流、断电等情况时上报故障信息，控制系统在接收到故障信息后判断该传感器故障，对故障传感器进行隔离。

上述方法在应用过程中存在如下缺陷：

传感器故障除了电流电压异常外，还表现在检测数据异常，出现明显的数据偏差、漂移、精度下降等情况，上述方法难以实现对艇载传感器的有效故障监测，因此，如何结合无人艇的应用场景，设计一种适用于无人艇的艇载传感器的故障监测控制方法，是本领域技术人员亟待解决的技术问题。

发明内容

为了解决上述现有技术存在的问题，本公开目的在于提供一种无人艇的艇载传感器监测控制方法、系统及设备。本公开结合无人艇的应用场景，综合行进路径的现场数据和参考基准值，根据艇载传感器的实时检测数据对船载传感器进行准确的故障判断，以便于及时对可能故障的艇载传感器进行控制，可适用于对无人艇艇载传感器的故障检测，有助于无人艇的自动化控制。

本公开所述的一种无人艇的艇载传感器监测控制方法，包括以下步骤：

S01、根据艇载传感器类型，获取艇体设定行进路径上的现场数据，所述现场数据与艇载传感器的检测数据相对应；

S02、预设与艇载传感器相关联的参考基准值；

S03、获取艇载传感器的实时检测数据，将所述实时检测数据分别与所述现场数据、所述参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

优选地，步骤S01中，所述现场数据包括长期数据和短期数据，所述长期数据包括水深数据和水下地形数据，所述短期数据包括位置数据、风场数据、温度数据、湿度数据、水位数据和水流数据；

其中，所述长期数据通过航道数据库获取，所述短期数据通过岸基监测系统获取。

优选地，步骤S02中，所述参考基准值为该艇载传感器在当前时间点前一段时间内的检测数据的平均值。

优选地，步骤S03中，定义所述现场数据为a，所述参考基准值为b，所述实时检测数据为c，则有：

其中，e表示故障判断结果，表示现场数据a与实时检测数据c进行数值比较的第一偏差值，w₁表示第一偏差值的权重，/>表示参考基准值b与实时检测数据c进行数值比较的第二偏差值，w₂表示第二偏差值的权重；

当所述故障判断结果e∈[0,0.1]时，判断该艇载传感器正常运行；

当所述故障判断结果e∈[0.1,0.3]时，判断该艇载传感器处于一级故障状态；

当所述故障判断结果e∈[0.3,0.5]时，判断该艇载传感器处于二级故障状态；

当所述故障判断结果e>0.5时，判断该艇载传感器处于三级故障状态。

优选地，所述容错控制策略包括：

当判断艇载传感器处于一级故障状态时，根据所述现场数据对该艇载传感器的实时检测数据进行数值修正并令该艇载传感器复位；

当判断艇载传感器处于二级故障状态时，剔除该艇载传感器的实时检测数据，并启用该艇载传感器冗余安装的备用传感器；

当判断艇载传感器处于三级故障状态时，将艇体切换至手动控制状态，并发出告警信息。

优选地，步骤S03还包括：

将所述艇载传感器按检测数据类型进行分类，获取同类多个艇载传感器的实时检测数据，将所述同类多个艇载传感器的实时检测数据进行数据融合，将数据融合结果发送至操作端。

优选地，采用加权平均算法或神经网络模型将所述同类多个艇载传感器的实时检测数据进行数据融合。

本公开的一种无人艇的艇载传感器监测控制系统，包括：

现场数据获取模块，其用于根据艇载传感器类型，获取艇体预定行进路径上的现场数据，所述现场数据与艇载传感器的检测数据相对应；

参考基准值预设模块，其用于预设与艇载传感器相关联的参考基准值；

比较控制模块，其用于获取艇载传感器的实时检测数据，将所述实时检测数据分别与所述现场数据、所述参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

本公开的一种计算机设备，包括信号连接的处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载时执行如上所述无人艇的艇载传感器监测控制方法。

本公开的一种计算机可读存储介质，其上存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序被处理器加载时执行如上所述无人艇的艇载传感器监测控制方法。

本公开所述的一种无人艇的艇载传感器监测控制方法、系统及设备，其优点在于：

1、本公开结合无人艇的应用场景，根据无人艇的行进路径多为提前设定的行进路径，即行进路径已知且固定这一特点，获取行进路径上的现场数据，同时预设参考基准值，将艇载传感器的实时检测数据与现场数据和参考基准值进行数值比较，可及时发现艇载传感器的检测数值偏差、漂移、精度下降的情况，采取对应的控制策略，避免错误的传感器数据对无人艇的控制造成影响，有利于无人艇的自动化控制；

2、本公开针对无人艇的艇载传感器数量多的特点，对艇载传感器进行聚类分析，采用加权平均算法或神经网络模型将同类多个艇载传感器的实时检测数据进行数据融合，获得该类型参数的一致性表达，该一致性表达可反映同类多个艇载传感器的检测结果，可减少操作端的数据处理量，使得传感器检测数据的呈现更为直观简洁。

附图说明

图1是本实施例所述一种无人艇的艇载传感器监测控制方法的步骤流程图；

图2是本实施例所述计算机设备的结构示意图。

附图标记说明：101-处理器，102-存储器。

具体实施方式

如图1所示，本公开所述的一种无人艇的艇载传感器监测控制方法，结合无人艇的应用场景，根据无人艇通常是按设定的行进路径行进，即无人艇的行进路径已知且固定，另结合无人艇的航道通常配有对应的岸基监测系统，用以监测航道中的如温度、风场等气象数据，以及诸如水位、水流等水文数据，则无人艇行进路径上的现场数据为可以获取的，基于这一点，可以将现场数据作为艇载传感器实时检测数据的比对值，用以校验艇载传感器的实时检测数据是否与现场数据存在较大偏差，进而判断艇载传感器是否存在故障的可能。

本实施例的无人艇艇载传感器监测控制方法具体包括如下步骤：

S01、根据船载传感器类型，获取艇体设定行进路径上的现场数据，现场数据与艇载传感器的检测数据相对应，具体的，艇载传感器根据其检测需求，选用不同类型，根据数据变化更新频率，可以将现场数据分为长期数据和短期数据。

长期数据包括有水深数据和水下地形数据，这类数据在一定时期内不会有较大的数值变化，如对于内河航道而言，其水深数据和水下地形数据在一定时期处于一个稳定的数值区间内，这类数据可以在无人艇执行任务之前，从航道数据库获取，在无人艇单次执行任务期间，可以理解为不会变化的定值。

短期数据是指在无人艇执行任务期间内，会随时间或是无人艇的行进而实时变化的参数，具体如下：

位置数据，包括无人艇的所在位置、行进速度、方位等信息；

风场数据，包括无人艇当前所处环境的风速、风向等信息；

温度数据，包括无人艇当前所处环境的空气温度及水温；

湿度数据，包括无人艇当前所处环境的空气湿度；

水位数据，包括无人艇当前所处航道的水位；

水流数据，包括无人艇当前所处航道的流速、流向等信息。

上述的短期数据，可以通过岸基监测系统获取，岸基监测系统通常具有监测一定区域内航道的水文信息、气象信息和航行器信息的功能，可通过岸基监测系统获取上述短期数据。

S02、预设与艇载传感器相关联的参考基准值，具体的，参考基准值应与艇载传感器的检测数据相对应，如该艇载传感器为温度传感器，则对应的参考基准值应为温度数值；

更具体的，基于无人艇的航行速度适中，并沿着指定的路径行进，且艇载传感器实时连续进行检测，则艇载传感器的实时检测数据，对应上述长期数据而言，实时检测数据基本不变或变化量很小，对应上述短期数据而言，实时检测数据应为连续渐变式的，基于此，如某一艇载传感器的实时检测数据发生突变式变化，与此前一段时间的检测数据存在较大的数值差异，则判断该艇载传感器可能出现故障导致检测数据异常。

由此，将参考基准值设置为当前时间点前一段时间，如1h内的检测数据的平均值。

S03、获取艇载传感器的实时检测数据，将实时检测数据分别与现场数据、参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

具体如下：

定义现场数据为a，参考基准值为b，实时检测数据为c，则有：

其中，e表示故障判断结果，表示现场数据a与实时检测数据c进行数值比较的第一偏差值，w₁表示第一偏差值的权重，/>表示参考基准值b与实时检测数据c进行数值比较的第二偏差值，w₂表示第二偏差值的权重；

当所述故障判断结果e∈[0,0.1]时，判断该艇载传感器正常运行；

当所述故障判断结果e∈[0.1,0.3]时，判断该艇载传感器处于一级故障状态；

当所述故障判断结果e∈[0.3,0.5]时，判断该艇载传感器处于二级故障状态；

当所述故障判断结果e>0.5时，判断该艇载传感器处于三级故障状态。

具体的，上述的第一偏差值表示现场数据与实时检测数据之差与现场数据的比值，表示实时检测数据与现场数据的偏差程度，第二偏差值表示参考基准值与实时检测数据之差与参考基准值的比值，表示实时检测数据与参考基准值的偏差程度，在实际试验中，当实时检测数据的偏差程度为10％时为可以接受的误差范围。

根据现场数据与参考基准值的重要程度，对权重w₁和w₂分别进行配置，示例性的，令w₁＝0.65，w₂＝0.35，由此可以结合现场数据和参考基准值计算故障判断结果，以数值化、可量化的形式表示某一艇载传感器的故障可能性。

基于上述使用故障判断结果来判断艇载传感器的故障状态并进行分级，对于判断处于正常运行的艇载传感器，维持常规控制策略进行正常监测即可。对于判断处于故障状态的艇载传感器，根据其故障级别，采用不同的容错控制策略，具体如下：

当判断艇载传感器处于一级故障状态时，表示艇载传感器的实时检测数据与现场数据、参考基准值的偏差值较小，可以判断该艇载传感器处于轻微故障状态，该偏差值可能是由偶发的环境因素，如被其他船只设备的磁场影响，或是艇载传感器的累积误差造成，在实际试验过程中，这种误差通常较为常见，且对无人艇自动化控制的影响较弱，因此，当判断艇载传感器处于一级故障状态时，根据现场数据对艇载传感器的实时检测数据进行数值修正，将修正后的数据作为输入数据输入到无人艇的控制系统中，避免误差数据对无人艇的控制造成影响，同步的，令该艇载传感器重启复位，以清除数据缓存和消除外界偶发性因素造成的干扰；

更具体的，根据现场数据，采用线性插值算法对艇载传感器的实时检测数据进行数值修正，具体做法是基于现场数据与实时检测数据之间的线性关系，使用现场数据进行插值来估计故障传感器故障数据的正确数值。

当判断艇载传感器处于二级故障状态时，表示艇载传感器的实时检测数据与现场数据、参考基准值的偏差值较大，可以判断该艇载传感器处于中度故障状态，该故障状态可能是由艇载传感器自身故障或是较为严重的外界因素干扰造成，此时该艇载传感器的实时检测数据由于误差较大，无法进行修正，因此剔除该艇载传感器的实时检测数据，避免对无人艇的自动化控制造成影响，同时启用该艇载传感器冗余安装的备用传感器，通过备用传感器获取对应的检测数据并弥补剔除数据的数据空白。

当判断艇载传感器处于三级故障状态时，表示艇载传感器的实时检测数据与现场数据、参考基准值的偏差值很大，可以判断该艇载传感器处于严重故障状态，该故障状态通常是由艇载传感器自身发生严重故障或是受到严重的外界因素干扰造成，而无人艇在执行任务之前通常会对各元件进行检修维护，确保各元件运行正常，且受限于遥控范围，无人艇通常执行短途任务，因此实际试验过程中，艇载传感器的实际检测数据与正常数值出现严重偏差的情况较少，通常发生在无人艇撞击、传感器位置浸水或是传感器线路严重故障的情况下，此种情况下，启用备用传感器通常也难以令检测数据恢复正常，此时需要中断无人艇的行进，将艇体切换至手动控制状态，并发出告警信息提示后台操作人员，及时查看无人艇的状态排除故障，避免造成严重后果。

本实施例中，基于数值表示的故障判断结果，根据故障判断结果的数值大小，判断该艇载传感器处于正常状态、一级故障状态、二级故障状态或三级故障状态，并结合应用过程中的实际情况，对传感器数据偏差值大小进行归类总结，分析出当传感器数据偏差值处于对应范围内时，应采取何种措施，以在尽可能减少对无人艇的人为干涉的情况下，保障无人艇的安全稳定行进。

无人艇的艇载传感器系统中，通常会设置多个用于检测同类型数据的传感器，将用于检测同类型数据的多个传感器定义为同类传感器，在无人艇行进过程中，各艇载传感器的实时检测数据除了输入到无人艇控制系统中辅助控制，通常还需要传输到后台的操作端，供操作人员查看分析，对于同类多个艇载传感器，如激光雷达、视觉传感器、位置传感器和距离传感器，激光雷达用于捕捉无人艇周围的动态障碍物，视觉传感器有可见摄像头或红外摄像头，可用于捕捉无人艇周围的图像信息，进而进行位置和障碍物的分析，位置传感器，可采用北斗位置传感器，结合北斗双模卫星导航模块可以实时获取无人艇的经纬度位置信息、航行速度和航行方向等，距离传感器，基于测距原理可通过激光传输时间判断无人艇与目标物或障碍物之间的距离。

上述的四种传感器虽然检测参数各不相同，但均用于检测无人艇的位置数据(包括无人艇的方位信息、航速、航向以及周围的障碍物信息)，这些数据在后台操作人员进行分析时需要综合进行分析，判断无人艇的综合位置状况，因此可对上述四种传感器的检测数据进行数据融合，具体的，可采用加权平均算法或神经网络模型将同类多个艇载传感器的实时检测数据进行数据融合。

加权平均算法具体如下：

对于每个传感器的检测数据，可以先对其进行归一化或标准化，以保证数据具有相同的尺度和范围。

为每个传感器赋予相应的权重。权重可以根据传感器的特性和应用场景进行确定。例如，如果某个传感器精度更高，可以赋予较大的权重，如激光雷达和北斗位置传感器的可信度更高，可为其配置较大的权重，相对的，视觉传感器和距离传感器容易受到外界因素的干扰导致，则可为其配置较小的权重，令最终的数据融合结果具有更高的精度。

对于每个传感器的数据，可以乘以相应的权重。

对于同一时刻的数据，将加权后的数据进行平均。可以将加权后的数据相加，然后除以权重的总和，得到融合后的结果，即为同类多个艇载传感器的数据融合结果，以此得到对该类检测数据的一致性表达，更便于操作人员观察分析。

除了上述采用加权平均算法对同类多个艇载传感器进行数据融合，本实施例中还可以采用神经网络模型，具体是这样实现的。

数据预处理：

对于激光雷达数据(L)：可以进行噪声滤除和数据归一化

对于视觉传感器数据(V)：可以进行图像去噪、灰度化、尺寸调整和归一化等处理

对于位置传感器数据(P)：可以进行坐标归一化或标准化处理

对于距离传感器数据(D)：可以进行数据归一化或标准化处理

数据表示：

激光雷达数据(L)：假设将每个激光雷达扫描得到的距离测量数据表示为一个二维特征图，大小为W*H。

视觉传感器数据(V)：假设将图像的像素值表示为一个二维特征图，大小为W'*H'。

位置传感器数据(P)：假设将位置信息表示为一个二维特征图，大小为1*1。

距离传感器数据(D)：假设将距离测量值表示为一个二维特征图，大小为W”*H”。

构建CNN(卷积神经网络)模型：

输入层：将以上四个特征图作为输入通道，形成输入张量，即输入层的形状为(W,H,4)。

卷积层：选择使用具有不同卷积核大小和数量的卷积层，如3*3、5*5等，并可使用ReLU等激活函数。

池化层：可以使用2*2的最大池化操作来减小特征图的空间尺寸。

全连接层：将池化层输出的特征图展平，连接到一个或多个全连接层，用于提取和学习特征。

输出层：根据位置预测任务，输出层可以是具有2个节点的全连接层，分别表示x和y坐标的结果。

训练过程：

使用训练集对CNN模型进行训练，通过反向传播算法和优化器(如Adam优化器)更新模型参数，最小化均方误差等损失函数。

使用批量训练(mini-batch training)和交叉验证(cross-validation)等方法来提高模型的性能和泛化能力。

在上述CNN模型训练完成后，将激光雷达、视觉传感器、位置传感器和距离传感器的实时检测数据输入到该CNN模型中，即可得到基于卷积神经网络的数据融合结果。

本公开结合无人艇的应用场景，根据无人艇的行进路径多为提前设定的行进路径，即行进路径已知且固定这一特点，获取行进路径上的现场数据，同时预设参考基准值，将艇载传感器的实时检测数据与现场数据和参考基准值进行数值比较，可及时发现艇载传感器的检测数值偏差、漂移、精度下降的情况，采取对应的控制策略，避免错误的传感器数据对无人艇的控制造成影响，有利于无人艇的自动化控制；

本公开针对无人艇的艇载传感器数量多的特点，对艇载传感器进行聚类分析，采用加权平均算法或神经网络模型将同类多个艇载传感器的实时检测数据进行数据融合，获得该类型参数的一致性表达，该一致性表达可反映同类多个艇载传感器的检测结果，可减少操作端的数据处理量，使得传感器检测数据的呈现更为直观简洁。

本实施例还提供了一种无人艇的艇载传感器监测控制系统，包括：

现场数据获取模块，其用于根据艇载传感器类型，获取艇体预定行进路径上的现场数据，所述现场数据与艇载传感器的检测数据相对应；

参考基准值预设模块，其用于预设与艇载传感器相关联的参考基准值；

比较控制模块，其用于获取艇载传感器的实时检测数据，将所述实时检测数据分别与所述现场数据、所述参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

本实施例的艇载传感器监测控制系统与上述的艇载传感器监测控制方法属于相同的发明构思，可参照上文描述进行理解，在此不再赘述。

如图2所示，本实施例还提供了一种计算机设备，包括通过总线信号连接的处理器101和存储器102，所述存储器102中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器101加载时执行如上所述艇载传感器监测控制方法。存储器102可用于存储软件程序以及模块，处理器101通过运行存储在存储器102的软件程序以及模块，从而执行各种功能应用。存储器102可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器102还可以包括存储器控制器，以提供处理器101对存储器102的访问。

本公开实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行，即上述计算机设备可以包括计算机终端、服务器或者类似的运算装置。该计算机设备的内部结构可包括但不限于：处理器、网络接口及存储器。其中，计算机设备内的处理器、网络接口及存储器可通过总线或其他方式连接。

其中，处理器101(或称CPU(CentralProcessingUnit，中央处理器))是计算机设备的计算核心以及控制核心。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)。存储器102(Memory)是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器102可以是高速RAM存储设备，也可以是非不稳定的存储设备(non-volatile memory)，例如至少一个磁盘存储设备；可选的还可以是至少一个位于远离前述处理器101的存储装置。存储器102提供存储空间，该存储空间存储了电子设备的操作系统，可包括但不限于：Windows系统(一种操作系统)，Linux(一种操作系统)，Android(安卓，一种移动操作系统)系统、IOS(一种移动操作系统)系统等等，本公开对此并不作限定；并且，在该存储空间中还存放了适于被处理器101加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。在本说明书实施例中，处理器101加载并执行存储器102中存放的一条或一条以上指令，以实现上述方法实施例所述艇载传感器监测控制方法。

本公开实施例还提供一种计算机可读存储介质，其上存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序被处理器101加载时执行如上所述艇载传感器监测控制方法。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

在本公开的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本公开保护范围的限制。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本公开权利要求的保护范围之内。

Claims (10)

1.一种无人艇的艇载传感器监测控制方法，其特征在于，包括以下步骤：

S01、根据艇载传感器类型，获取艇体设定行进路径上的现场数据，所述现场数据与艇载传感器的检测数据相对应；

S02、预设与艇载传感器相关联的参考基准值；

S03、获取艇载传感器的实时检测数据，将所述实时检测数据分别与所述现场数据、所述参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

2.根据权利要求1所述无人艇的艇载传感器监测控制方法，其特征在于，步骤S01中，所述现场数据包括长期数据和短期数据，所述长期数据包括水深数据和水下地形数据，所述短期数据包括位置数据、风场数据、温度数据、湿度数据、水位数据和水流数据；

其中，所述长期数据通过航道数据库获取，所述短期数据通过岸基监测系统获取。

3.根据权利要求1所述无人艇的艇载传感器监测控制方法，其特征在于，步骤S02中，所述参考基准值为该艇载传感器在当前时间点前一段时间内的检测数据的平均值。

4.根据权利要求3所述无人艇的艇载传感器监测控制方法，其特征在于，步骤S03中，定义所述现场数据为a，所述参考基准值为b，所述实时检测数据为c，则有：

其中，e表示故障判断结果，表示现场数据a与实时检测数据c进行数值比较的第一偏差值，w₁表示第一偏差值的权重，/>表示参考基准值b与实时检测数据c进行数值比较的第二偏差值，w₂表示第二偏差值的权重；

当所述故障判断结果e∈[0,0.1]时，判断该艇载传感器正常运行；

当所述故障判断结果e∈[0.1,0.3]时，判断该艇载传感器处于一级故障状态；

当所述故障判断结果e∈[0.3,0.5]时，判断该艇载传感器处于二级故障状态；

当所述故障判断结果e>0.5时，判断该艇载传感器处于三级故障状态。

5.根据权利要求4所述无人艇的艇载传感器监测控制方法，其特征在于，所述容错控制策略包括：

当判断艇载传感器处于一级故障状态时，根据所述现场数据对该艇载传感器的实时检测数据进行数值修正并令该艇载传感器复位；

当判断艇载传感器处于二级故障状态时，剔除该艇载传感器的实时检测数据，并启用该艇载传感器冗余安装的备用传感器；

当判断艇载传感器处于三级故障状态时，将艇体切换至手动控制状态，并发出告警信息。

6.根据权利要求1所述无人艇的艇载传感器监测控制方法，其特征在于，步骤S03还包括：

将所述艇载传感器按检测数据类型进行分类，获取同类多个艇载传感器的实时检测数据，将所述同类多个艇载传感器的实时检测数据进行数据融合，将数据融合结果发送至操作端。

7.根据权利要求6所述无人艇的艇载传感器监测控制方法，其特征在于，采用加权平均算法或神经网络模型将所述同类多个艇载传感器的实时检测数据进行数据融合。

8.一种无人艇的艇载传感器监测控制系统，其特征在于，包括：

现场数据获取模块，其用于根据艇载传感器类型，获取艇体预定行进路径上的现场数据，所述现场数据与艇载传感器的检测数据相对应；

参考基准值预设模块，其用于预设与艇载传感器相关联的参考基准值；

比较控制模块，其用于获取艇载传感器的实时检测数据，将所述实时检测数据分别与所述现场数据、所述参考基准值做数值比较，根据数值比较结果，判断该艇载传感器是否故障，如是则采用容错控制策略，否则保持常规控制策略。

9.一种计算机设备，包括信号连接的处理器和存储器，其特征在于，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载时执行如权利要求1-7任一项所述无人艇的艇载传感器监测控制方法。

10.一种计算机可读存储介质，其上存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序被处理器加载时执行如权利要求1-7任一项所述无人艇的艇载传感器监测控制方法。