CN117664187A - 一种基于水声通讯的潜标实时健康状态监测系统及方法 - Google Patents
一种基于水声通讯的潜标实时健康状态监测系统及方法 Download PDFInfo
- Publication number
- CN117664187A CN117664187A CN202410145829.4A CN202410145829A CN117664187A CN 117664187 A CN117664187 A CN 117664187A CN 202410145829 A CN202410145829 A CN 202410145829A CN 117664187 A CN117664187 A CN 117664187A
- Authority
- CN
- China
- Prior art keywords
- data
- submerged buoy
- real
- floating body
- vibration
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 70
- 238000004891 communication Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000007667 floating Methods 0.000 claims abstract description 65
- 230000001133 acceleration Effects 0.000 claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 230000005888 antibody-dependent cellular phagocytosis Effects 0.000 claims abstract description 19
- 150000003839 salts Chemical class 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims description 29
- 238000010168 coupling process Methods 0.000 claims description 29
- 238000005859 coupling reaction Methods 0.000 claims description 29
- 230000001939 inductive effect Effects 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 230000003862 health status Effects 0.000 claims description 9
- 238000013136 deep learning model Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 claims description 4
- 238000004873 anchoring Methods 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013480 data collection Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000010935 stainless steel Substances 0.000 description 2
- 229910001220 stainless steel Inorganic materials 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hydrology & Water Resources (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提出一种基于水声通讯的潜标实时健康状态监测系统及方法，包括岸基健康管理系统和潜标实时数据采集系统；所述潜标实时数据采集系统的定位仪、声学多普勒海流剖面仪ADCP、温盐深仪、第一MEMS加速度测量仪、第二MEMS加速度测量仪、九轴加速度传感器采集的数据通过水面通信浮体的数据传输装置发送至所述岸基健康管理系统；所述岸基健康管理系统训练出潜标系统异常振动监测模型，以潜标系统异常振动监测模型的振动数据预测值和实际值的残差作为表征潜标运行健康状态的指标。本发明可监控潜标运行及振动状态，实现数据实时传输，结合人工智能方法，评估潜标系统健康状况。
Description
技术领域
本发明属于海洋监测技术领域，特别是涉及到一种基于水声通讯的潜标实时健康状态监测系统及方法。
背景技术
潜标系统是在海洋水下环境进行长期、定点、多参数剖面观测的仪器设备系统，通过在潜标系统上面悬挂各种传感器测量不同的海洋环境指标，是海洋环境立体监测系统的重要组成部分，其能够适应恶劣的海洋环境，并且能够长期连续的在无人看守的条件下获取一系列的海洋环境剖面数据，具有不可替代的作用。
潜标通过系留系统将各类仪器、设备串接起来，并锚泊于指定站位。潜标系统应尽量能保证测量仪器、设备在较好的工作姿态下进行监测，这样才提高监测结果的准确度，潜标系统必须满足一定的耐压要求、水密性要求以及浮力要求，并且还具备一定满足抗腐蚀性。
潜标系统作为探测海流、温盐等海洋环境要素的常用装备，直接暴露于海洋自然环境中，受强台风、波浪、内波、流、中尺度涡旋等多种海洋环境因素共同作用，其水下姿态和振动状况直接影响其观测数据的准确性，是评估监测数据中不可忽视的因素。
由于海流、波浪等流体动力影响，潜标系缆周围会产生漩涡，进而在垂直于轴向和来流的方向产生周期性交变力，引发潜标系留系统的振动现象，且这一现象长期存在。潜标系统整体布置、浮力配置以及各层深节点处搭载的仪器种类、尺寸、重量、挂载形式等均会影响系统整体姿态及固有频率，进而影响所搭载的测量仪器、设备对于稳定性的要求。已有研究表明，潜标系留系统的振动幅值、振动频率会沿系缆高度变化，且振动频率和振动幅值均在浮球和水听器等设备挂载处会发生突变，这种振动会干扰测量仪器信号，影响数据质量，并且振动严重时会影响潜标系留缆及连接件的安全，严重时甚至会造成系留系统断裂、仪器丢失等重大安全事件。
目前潜标监测多采用自容式的仪器设备，并在底部挂载声学释放器，定期派船舶回收潜标系统及搭载仪器设备。无法实时掌握潜标系统健康状况，不能准确评估潜标系统所需维护周期。往往采过度维护或者被迫事后维护手段，过度维护是现在最为普遍的方式，在潜标系统布设半年至一年后，派往船舶前往布放站位进行回收作业，为确保仪器安全，通常将系留缆绳、仪器卡具及关键连接件等部件进行更换，深海潜标往往布放于远离大陆的远洋，租船、人工及耗材等费用消耗巨大。事后维护即是被迫维护，由于多种因素导致潜标系留系统出现断裂，在附近海域发现潜标部分上层浮体结构后，派往船舶收取剩余潜标系统，往往会造成仪器丢失等重大事故。
发明内容
本发明提出一种基于水声通讯的潜标实时健康状态监测系统及方法，可监控潜标运行及振动状态，实现数据实时传输，结合人工智能方法，评估潜标系统健康状况。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于水声通讯的潜标实时健康状态监测系统，包括：岸基健康管理系统和潜标实时数据采集系统；
所述潜标实时数据采集系统包括由上至下依次连接设置的水面通信浮体、主浮体及框架浮体；所述水面通信浮体和主浮体之间通过水声通讯进行数据传输；所述水面通信浮体搭载九轴加速度传感器和定位仪；所述主浮体设置声学多普勒海流剖面仪ADCP、第一MEMS加速度测量仪；所述框架浮体与所述主浮体之间设有包括温盐深仪的感应耦合装置和第二MEMS加速度测量仪；所述框架浮体下依次设有声学释放装置和锚泊系留装置；
所述定位仪、声学多普勒海流剖面仪ADCP、温盐深仪、第一MEMS加速度测量仪、第二MEMS加速度测量仪、九轴加速度传感器采集的数据通过水面通信浮体的数据传输装置发送至所述岸基健康管理系统；
所述岸基健康管理系统设有数据接收装置，集成了海流数值模型、海浪数值模型、气象数值模型；设置有相关系数选择模块和深度学习模块；所述海流数值模型、海浪数值模型、气象数值模型根据潜标实时数据采集系统布放海域的基础环境信息得到长时间序列的流速、流向、波高、波周期以及风速风向的模拟数据，所述数据接收装置接收所述数据传输装置发送的传输数据，包括定位数据、海浪数据、ADCP数据、海流数据、温盐数据、以及振动数据，所述振动数据包括九轴加速度传感器、第一MEMS加速度测量仪、第二MEMS加速度测量仪采集的振动数据；所述相关系数选择模块根据Pearson相关系数法从所述模拟数据和所述传输数据中选取潜标健康状态评价参数，发送给深度学习模块，作为训练集训练出潜标系统异常振动监测模型，以潜标系统异常振动监测模型的振动数据预测值和实际值的残差作为表征潜标运行健康状态的指标。
进一步的，所述水面通信浮体除了内置九轴加速度传感器、定位仪、数据传输装置以外，还搭载第一水声通讯机，所述九轴加速度传感器、定位仪、第一水声通讯机都连接数据传输装置；所述第一水声通讯机与主浮体通信，所述数据传输装置与所述岸基健康管理系统通信。
更进一步的，所述主浮体内设置声学多普勒海流剖面仪ADCP、第一MEMS加速度测量仪，还设置了数据采集模块、第二水声通讯机；所述声学多普勒海流剖面仪ADCP和所述第一MEMS加速度测量仪连接所述数据采集模块，所述数据采集模块连接所述第二水声通讯机；所述第二水声通讯机与所述第一水声通讯机通信；所述数据采集模块为单片机设备，置于承受深海压力的密闭舱内。
更进一步的，所述感应耦合装置包括若干温盐深仪、感应耦合链路、以及数据发送单元；所述温盐深仪、第二MEMS加速度测量仪连接所述数据发送单元，所述数据发送单元通过感应耦合原理将数据传输给感应耦合链路，述感应耦合链路连接主浮体的数据采集模块。
进一步的，所述框架浮体包括4~10组玻璃浮球，提供系留系统浮力；所述声学释放装置包括两组声学释放器并联，采用声学原理进行释放器脱钩；所述锚泊系留装置包括重力锚。
进一步的，所述岸基健康管理系统利用最小二乘法消除接收到的振动数据的信号趋势项。
本发明另一方面还提出了一种基于水声通讯的潜标实时健康状态监测方法，包括：
S1、在潜标布放前，提前确定布放海域，搜集布放海域的基础环境信息，建立海流数值模型、海浪数值模型及气象数值模型，得到布放海域长时间序列的流速、流向、波高、波周期以及风速风向的模拟数据；
S2、通过布放潜标实时采集潜标所在海域的定位数据、海浪数据、ADCP数据、海流数据、温盐数据、以及振动数据，所述振动数据包括海面振动数据、潜标主浮体位置的振动数据、感应耦合链路底部的振动数据；
S3、根据Pearson相关系数法，从步骤S1所述模拟数据和步骤S2实时采集的数据中选取潜标健康状态评价参数；
S4、采用长短期记忆机LSTM深度学习模型作为潜标系统健康监控状态预测模型，基于步骤S3选取的潜标健康状态评价参数作为输入数据，将振动数据作为输出，进行模型训练；
S5、通过训练好的潜标系统健康监控状态预测模型预测潜标的振动数据；
S6、将振动数据的预测值和潜标返回的实际值的残差作为表征潜标运行健康状态的指标，设置报警阈值和故障阈值；指标超出阈值，进行报警和潜标维护作业。
进一步的，步骤S1中，所述海流数值模型为采用不规则三角网格和有限体积方法的FVCOM海流数值模型；所述海浪数值模型采用海浪模式SWAN；所述气象数值模型采用天气数值模型WRF。
进一步的，步骤S2中，所述振动数据利用最小二乘法消除信号趋势项。
进一步的，步骤S3包括：
Pearson相关系数法的数学表达式为：
；
式中：r表示Pearson相关性系数，表示X的平均值，/>表示Y的平均值；n为样本总数。/>的值越接近1，参数X和Y之间的线性相关性就越强；当/>时，说明参数X和Y完全不相关；
将步骤S1所述各模拟数据和步骤S2实时采集的各数据分别与所述振动数据作为上式的参数X和Y，计算相关性系数r，
认定r大于0.1的数据作为潜标健康状态评价参数。
与现有技术相比，本发明具有如下的有益效果：
1、本发明可以同时检测海面振动数据、主浮体振动数据和感应耦合链路底部振动数据，实现了对潜标振动进行实时测量，对潜标系统振动情况进行评估，可结合系统振动状态处理潜标监测的水文数据。
2、本发明相比传统潜标测量方式，在岸基增设基于深度学习算法的潜标健康管理系统，根据岸基数值模型的数据以及潜标实时回传的水文、振动数据，形成当地海域不同风、海流、波浪等条件时，潜标振动表现特征，建立健康评价指标，监控并预测潜标系统健康状态，结合健康状态制定潜标系统运维计划。
附图说明
图1是本发明实施例的系统结构示意图。
图2是本发明实施例的岸基健康管理系统的流程示意图。
其中：
1、水面通信浮体；1-1、波浪浮球；1-2、第一水声通讯机；
2、主浮体；2-1、ADCP；2-2、第二水声通讯机；2-3、第一MEMS加速度测量仪；2-4、数据采集模块；
3、感应耦合装置；3-1、温盐深仪；3-2、数据发送单元；3-3、第二MEMS加速度测量仪；3-4、感应耦合链路；
4、框架浮体；5、声学释放器；6、重力锚；
7、岸基健康管理系统；8、LSTM深度学习模型。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
为使本发明专利的目的、特征更明显易懂，下面结合附图对本发明专利的具体实施方式作进一步的说明。
本发明包括潜标实时数据采集系统与岸基健康管理系统两大部分。
一、潜标实时数据采集系统：
如图1所示，潜标实时数据采集系统包括：水面通信浮体1，主浮体2，感应耦合装置3，框架浮体4，声学释放器5，重力锚6，各组成部分功能如下：
水面通信浮体1浮于水面之上，搭载第一水声通讯机1-2及波浪浮球1-1。
波浪浮球1-1内置九轴加速度传感器，同时高频获取三轴加速度、角速度、欧拉角数据，通过反演获取波高及波周期等波浪要素；内置北斗卫星定位仪，波浪及定位数据通过北斗方式实时回传。
第一水声通讯机1-2可接收主浮体2上搭载的第二水声通讯机2-2传输的监测数据。
第一水声通讯机1-2利用缆绳与波浪浮球1-1相连。缆绳与波浪浮球1-1间采用承重转环连接，以抵消缆绳扭矩。
第一水声通讯机1-2和第二水声通讯机2-2基于声学原理，采用编解码及调制解调技术，实现监测信息水下无线传输。
所述波浪浮球1-1还内置数据传输装置，定位仪的定位数据、九轴加速度传感器的波浪数据、海面振动数据以及第一水声通讯机1-2接收的数据，都集成至数据传输装置，采用北斗卫星通信方式发送至岸基健康管理系统。
主浮体2包括两台ADCP2-1、第二水声通讯机2-2、第一MEMS加速度测量仪2-3、数据采集模块2-4，两台ADCP2-1的声学探头布置方向分别为朝向海面与朝向海底，可获得主浮体2以上及主浮体2以下的剖面海流数据，ADCP2-1内置姿态、温度及压力传感器，可获取横摇、纵摇、垂荡、温度以及压力数据。
第二水声通讯机2-2连接主浮体2的数据采集模块2-4，通过串口协议连接，可将数据采集模块2-4筛选过的数据进行传输到第一水声通讯机1-2，减小水声通信数据量。所述数据采集模块为自容式集成系统，采用单片机技术开发，置于能承受深海压力的密闭舱内，安装在主浮体上。其配置了多个传感器数据接口，并具备扩展能力，利用RS-485及 RS- 232等标准接口与主浮体2上的ADCP2-1、第一MEMS加速度测量仪2-3、感应耦合链路3-4连接，可以实时接收上述设备的数据，并通过单片机进行解析处理，对数据进行最大限度的压缩，形成短数据包，以满足第二水声通讯机2-2发送的格式需要。
需要说明的是数据采集模块2-4与多个传感器通讯时间段交错设计，防止同一时间段内，不同传感器向数据采集系统通讯，引起冲突。
ADCP2-1壳体材料为铝合金材质，整体耐压3000米，最大测流量程为500米，测量间隔为10分钟~1小时，可根据电池容量调节设置，同步测量温度及压力，以修正声速数据，具备测量姿态功能，包括：航向（Heading）、俯仰（Pitch）、横滚(roll)。ADCP数据通过串口协议，连接至数据采集模块2-4。
第一MEMS加速度测量仪2-3采用整体密封技术，具备耐压、防水能力，测量静态重力加速度、运动加速度等多种参数，输出模拟电压信号，通过RS-232/RS-485接口引线输出信号，通过防水电缆将信号传至数据采集模块2-4。
感应耦合装置3包括温盐深仪3-1；数据发送单元3-2；感应耦合链路3-4。感应耦合链路3-4为包塑钢缆，传输速率为4800 Baud（波特率），包塑钢缆直径15mm。感应耦合链路3-4上的每一台温盐深仪3-1都与一个数据发送单元3-2相连，数据发送单元3-2的另一端与感应耦合链路3-4相连，感应耦合链路3-4连接至所述数据采集模块2-4；数据发送单元3-2利用感应耦合原理通过感应耦合链路3-4将信号传输给所述数据采集模块2-4。
感应耦合链路3-4底部还设有第二MEMS加速度测量仪3-3，第二MEMS加速度测量仪3-3也连接一个数据发送单元3-2，利用感应耦合原理通过感应耦合链路3-4将信号传输给所述数据采集模块2-4。
感应耦合装置3与主浮体间通过承重电转环连接，以释放系留系统扭矩及传输数据。
框架浮体4包括4~10组玻璃浮球，提供系留系统浮力，浮球数量可根据框架浮体4至重力锚6之间的缆绳及声学释放器5的重量调节。
声学释放器5采用两组声学释放器并联的组合形式，与锚链通过不锈钢圆环连接，采用声学原理进行释放器脱钩，通过甲板单元发射遥控释放指令,应答释放器收到命令并进行校验,校验正确后开启释放机构,与锚链脱钩，进而完成声学释放器5及以上部分的回收。
重力锚6为由混凝土块制成，内部交错布置钢筋，为潜标系统提供主要的锚固力，锚上部配有钢筋吊环，与锚链通过不锈钢卸扣进行连接。重力锚与声学释放器下部圆环之间采用锚链连接。
上述潜标实时数据采集系统中，九轴加速度传感器、第一MEMS加速度测量仪2-3、第二MEMS加速度测量仪3-3采集各自监测点的振动数据，采集原理为：
九轴加速度传感器、第一MEMS加速度测量仪2-3、第二MEMS加速度测量仪3-3中的质量块位移会引起两端极板的电容发生变化，电容的改变与电压一一对应，就可以测量出振动。MEMS两端的电容变化与质量块的位移关系为：
；/>；
上式中：为真空介电常数，通常取值为/>；/>为相对介电常数，A为极板的有效面积；D为两极板之间的距离；x为质量块的位移；C1、C2分别为两端的电容变化；
加速度计的输入电压vin与输出电压vout的关系为：
；
式中：
输出电压与质量块位移的关系如下式：；
结合牛顿加速度定律F=kx=ma，得到加速度与电压的关系如下式：
；
式中：m为质量块的质量；k为弹簧的弹性系数，a为加速度；
经过输入电压与输出电压的转化后，可以得到测量点处振动的加速度a、速度v和监测点处振幅X之间有如下明确关系：
，/>；
,/>；
即得到监测点的振动数据。
二、岸基健康管理系统：
岸基健康管理系统7，可以对潜标实时数据采集系统传回的监测数据进行清洗以及预处理，具体包括：空值剔除、采样数据标准化等。
九轴加速度传感器、第一MEMS加速度测量仪2-3、第二MEMS加速度测量仪3-3的振动数据由于海水温度变化会产生零点漂移及基线偏离，产生信号的趋势项，因此可以利用最小二乘法消除振动信号的趋势项。振动信号往往叠加噪声信号，在保持原有曲线变化特性的前提下，可以利用滤波、平滑等手段消除噪声干扰成分。
岸基健康管理系统7集成了采用不规则三角网格和有限体积方法的FVCOM海流数值模型，该模型兼有有限元法易拟合边界、局部加密和有限差分法动力学基础明确、差分直观、计算高效的优点，在水平方向上采用无结构化的三角形网格，可以更好地拟合海岸线边界，也方便对海域关键区域进行局部加密。
在海浪数值模型方面，岸基健康管理系统7采用海浪模式SWAN，这是第三代浅海海浪模式，以基于欧拉近似的动谱平衡方程作为控制方程，方程中所涉及的物理过程主要包括了风能输入、白帽破碎引起的能量耗散、底摩擦耗散、波浪深度诱导破碎及波波相互作用等。
在气象数值模型方面，岸基健康管理系统7采用天气数值模型WRF，用于模拟短期天气预报、大气过程和长期气候模拟，采用完全可压缩及非静力的平衡模型，基础方程式由运动方程、连续方程、状态方程及水汽方程等组成，通过将势能、位温导入基础的N-S方程进行地形坐标变换后得到，广泛用于高精度的数值天气预测及大气研究。
在潜标布放前，应提前确定布放海域，搜集海域的水深地形等基础环境信息，依托FVCOM、SWAN及WRF，建立海流数值模型、海浪数值模型及气象数值模型，得到当地海域长时间序列的流速、流向、波高、波周期以及风速风向等模拟数据。
潜标布放后，可根据潜标实时回传的波浪、海流等信息，验证及调优上述已经建立的数值模型，岸基健康管理系统7集成LSTM深度学习模型8，可以实现多参数融合输入，利用接收到的ADCP姿态、海流、温盐、以及振动数据等，还有所述的模拟数据，根据Pearson相关系数法从中选取潜标健康状态评价参数的输入，Pearson相关系数法易于计算，可以选择实际监测参数，以此来计算出评价参数与其他状态参数之间的相关性，选择相关性较高的状态参数作为预测模型的输入，Pearson相关系数法的数学表达式为：
；
式中：r表示Pearson相关性系数，表示X的平均值，/>表示Y的平均值；n为样本总数。/>的值越接近1，参数X和Y之间的线性相关性就越强；当/>时，说明参数X和Y完全不相关；
根据上式计算潜标系统振动与温盐与模型输出的海流、波浪、气象数据及接收到的各数据之间的相关性，并选定相关度大于0. 1的数据，认定相关度大于0.1的数据与潜标振动相关，作为潜标健康状态评价参数。
采用长短期记忆机（LSTM，Long Short Term Memory）深度学习模型作为潜标系统健康监控状态预测模型。
LSTM深度学习模型8是基于循环神经网络模型（RNN，Recurrent Neural Network）基础上开发的神经网络模型，它通过改变RNN隐藏层的结构，引入了输入门（Input Gate）、输出门（Output Gate）和遗忘门（ForgetGate），采用门结构控制有效信息的流动，选择性地决定信息能否通过，极大地增加了模型的信息记忆能力，使得RNN的长期记忆能力不足、梯度消失、梯度爆炸等问题得到了有效解决，LSTM可以更好的处理长时间序列类型问题。
建立LSTM多变量预测模型，将所述潜标健康状态评价参数作为多输入单一输出的神经网络模型的输入数据，将潜标振动作为模型输出，通过训练集训练出潜标系统异常振动监测模型。
模型训练完成后，将振动的预测值与实际值之间的残差作为潜标系统健康指数，设置阈值a，使得区间[-a,a]可包含99.7%以上的正常振动数据。
在确定潜标健康指数后，当潜标振动健康指数超过上下限时，则表明潜标运行异常。
岸基健康管理系统流程见图2：
算法流程为：
（1）数据相关性分析：采用Pearson相关性系数法，进行流速流向、温度、盐度、横摇、纵摇、垂荡与振动数据的相关性分析；
（2）数据提取：根据相关性分析，选取与振动相关的数据；
（3）数据清洗及预处理：对数据中的空缺值采取中位数进行填充，对于异常数据进行剔除，并对于不同变量数据进行归一化处理，使数据映射到0~1之间，消除变量的量纲影响。
归一化处理为数据预处理的步骤，将所有数据转化至0~1之间的数据，可以消除数据间的量级差异，防止数值较小的数据被吞噬，并可避免数据间因为量级差别较大而造成的预测误差较大的现象。归一化处理公式为：
；
式中，xi为归一化处理前某时刻的数据值，xmax、xmin为分别所有时刻数据的最大、最小值，xn为归一化处理后此时刻的数据值。
（4）LSTM建模：利用前述的LSTM神经网络建模，构建多变量输入参数与振动数据见的预测模型；
（5）训练模型：利用Adam方法对参数进行优化计算，设置优化的初始学习率为0.001，训练次数为1000，训练次数可根据训练效果减小或增加；
（6）确定健康状态指标：以LSTM模型给出的振动预测值和实际值的残差作为表征潜标运行健康状态的指标。
（7）潜标故障报警：基于报警阈值和故障阈值，实现潜标健康状态安全报警；
（8）制定维护计划：基于模型得到的故障报警，准备潜标系统备件及资源，进行潜标系统维护作业，保障潜标系统安全运行。
例如，模型预测得到此刻表面海流流速为1m/s，流向为200°；波高为0.5m，波周期为5s，海表风速为3/ms，结合深度学习模型得到不同的振动传感器的振动预测结果，并与潜标回传数据进行对比，若在振动阈值范围以内，则潜标健康状态良好，若实际振动参数参数超过阈值，则判断潜标系统存在风险。
并判断三个不同的振动传感器数据，进而判断潜标哪一层次有可能存在健康风险。岸基人员准备更换的仪器及耗材等，准备船舶，去往现场维护。
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、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于水声通讯的潜标实时健康状态监测系统，其特征在于，包括：岸基健康管理系统和潜标实时数据采集系统；
所述潜标实时数据采集系统包括由上至下依次连接设置的水面通信浮体、主浮体及框架浮体；所述水面通信浮体和主浮体之间通过水声通讯进行数据传输；所述水面通信浮体搭载九轴加速度传感器和定位仪；所述主浮体设置声学多普勒海流剖面仪ADCP、第一MEMS加速度测量仪；所述框架浮体与所述主浮体之间设有包括温盐深仪的感应耦合装置和第二MEMS加速度测量仪；所述框架浮体下依次设有声学释放装置和锚泊系留装置；
所述定位仪、声学多普勒海流剖面仪ADCP、温盐深仪、第一MEMS加速度测量仪、第二MEMS加速度测量仪、九轴加速度传感器采集的数据通过水面通信浮体的数据传输装置发送至所述岸基健康管理系统；
所述岸基健康管理系统设有数据接收装置，集成了海流数值模型、海浪数值模型、气象数值模型；设置有相关系数选择模块和深度学习模块；所述海流数值模型、海浪数值模型、气象数值模型根据潜标实时数据采集系统布放海域的基础环境信息得到长时间序列的流速、流向、波高、波周期以及风速风向的模拟数据，所述数据接收装置接收所述数据传输装置发送的传输数据，包括定位数据、海浪数据、ADCP数据、海流数据、温盐数据、以及振动数据，所述振动数据包括九轴加速度传感器、第一MEMS加速度测量仪、第二MEMS加速度测量仪采集的振动数据；所述相关系数选择模块根据Pearson相关系数法从所述模拟数据和所述传输数据中选取潜标健康状态评价参数，发送给深度学习模块，作为训练集训练出潜标系统异常振动监测模型，以潜标系统异常振动监测模型的振动数据预测值和实际值的残差作为表征潜标运行健康状态的指标。
2.根据权利要求1所述的基于水声通讯的潜标实时健康状态监测系统，其特征在于，所述水面通信浮体除了内置九轴加速度传感器、定位仪、数据传输装置以外，还搭载第一水声通讯机，所述九轴加速度传感器、定位仪、第一水声通讯机都连接数据传输装置；所述第一水声通讯机与主浮体通信，所述数据传输装置与所述岸基健康管理系统通信。
3.根据权利要求2所述的基于水声通讯的潜标实时健康状态监测系统，其特征在于，所述主浮体内设置声学多普勒海流剖面仪ADCP、第一MEMS加速度测量仪，还设置了数据采集模块、第二水声通讯机；所述声学多普勒海流剖面仪ADCP和所述第一MEMS加速度测量仪连接所述数据采集模块，所述数据采集模块连接所述第二水声通讯机；所述第二水声通讯机与所述第一水声通讯机通信；所述数据采集模块为单片机设备，置于承受深海压力的密闭舱内。
4.根据权利要求3所述的基于水声通讯的潜标实时健康状态监测系统，其特征在于，所述感应耦合装置包括若干温盐深仪、感应耦合链路、以及数据发送单元；所述温盐深仪、第二MEMS加速度测量仪连接所述数据发送单元，所述数据发送单元通过感应耦合原理将数据传输给感应耦合链路，述感应耦合链路连接主浮体的数据采集模块。
5.根据权利要求1所述的基于水声通讯的潜标实时健康状态监测系统，其特征在于，所述框架浮体包括4~10组玻璃浮球，提供系留系统浮力；所述声学释放装置包括两组声学释放器并联，采用声学原理进行释放器脱钩；所述锚泊系留装置包括重力锚。
6.根据权利要求1所述的基于水声通讯的潜标实时健康状态监测系统，其特征在于，所述岸基健康管理系统利用最小二乘法消除接收到的振动数据的信号趋势项。
7.一种基于水声通讯的潜标实时健康状态监测方法，其特征在于，包括：
S1、在潜标布放前，提前确定布放海域，搜集布放海域的基础环境信息，建立海流数值模型、海浪数值模型及气象数值模型，得到布放海域长时间序列的流速、流向、波高、波周期以及风速风向的模拟数据；
S2、通过布放潜标实时采集潜标所在海域的定位数据、海浪数据、ADCP数据、海流数据、温盐数据、以及振动数据，所述振动数据包括海面振动数据、潜标主浮体位置的振动数据、潜标框架浮体位置的振动数据；
S3、根据Pearson相关系数法，从步骤S1所述模拟数据和步骤S2实时采集的数据中选取潜标健康状态评价参数；
S4、采用长短期记忆机LSTM深度学习模型作为潜标系统健康监控状态预测模型，基于步骤S3选取的潜标健康状态评价参数作为输入数据，将振动数据作为输出，进行模型训练；
S5、通过训练好的潜标系统健康监控状态预测模型预测潜标的振动数据；
S6、将振动数据的预测值和潜标返回的实际值的残差作为表征潜标运行健康状态的指标，设置报警阈值和故障阈值；指标超出阈值，进行报警和潜标维护作业。
8.根据权利要求7所述的基于水声通讯的潜标实时健康状态监测方法，其特征在于，步骤S1中，所述海流数值模型为采用不规则三角网格和有限体积方法的FVCOM海流数值模型；所述海浪数值模型采用海浪模式SWAN；所述气象数值模型采用天气数值模型WRF。
9.根据权利要求7所述的基于水声通讯的潜标实时健康状态监测方法，其特征在于，步骤S2中，所述振动数据利用最小二乘法消除信号趋势项。
10.根据权利要求7所述的基于水声通讯的潜标实时健康状态监测方法，其特征在于，步骤S3包括：
Pearson相关系数法的数学表达式为：
；
式中：r表示Pearson相关性系数，表示X的平均值，/>表示Y的平均值；n为样本总数；/>的值越接近1，参数X和Y之间的线性相关性就越强；当/>时，说明参数X和Y完全不相关；
将步骤S1所述各模拟数据和步骤S2实时采集的各数据分别与所述振动数据作为上式的参数X和Y，计算相关性系数r，
认定r大于0.1的数据作为潜标健康状态评价参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410145829.4A CN117664187A (zh) | 2024-02-02 | 2024-02-02 | 一种基于水声通讯的潜标实时健康状态监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410145829.4A CN117664187A (zh) | 2024-02-02 | 2024-02-02 | 一种基于水声通讯的潜标实时健康状态监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117664187A true CN117664187A (zh) | 2024-03-08 |
Family
ID=90068399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410145829.4A Pending CN117664187A (zh) | 2024-02-02 | 2024-02-02 | 一种基于水声通讯的潜标实时健康状态监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117664187A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107187549A (zh) * | 2017-07-06 | 2017-09-22 | 广州海洋地质调查局 | 一种全底质坐底式海底潜标及其测量系统 |
| CN108216492A (zh) * | 2017-12-22 | 2018-06-29 | 国家海洋局第海洋研究所 | 一种实现海洋数据区域监测的高精度潜标阵系统 |
| CN207580095U (zh) * | 2017-10-30 | 2018-07-06 | 中国科学院海洋研究所 | 一种深海潜标无线实时化水面浮标系统 |
| CN109835438A (zh) * | 2018-12-29 | 2019-06-04 | 杭州电子科技大学 | 一种升降式潜标装置 |
| CN111301612A (zh) * | 2020-03-19 | 2020-06-19 | 安徽理工大学 | 一种可搭载多种传感器的多功能型浮标 |
| JP2021076600A (ja) * | 2019-10-31 | 2021-05-20 | 株式会社ブルーオーシャン研究所 | 海況情報測定ブイ及び海況情報測定装置 |
| CN213768894U (zh) * | 2020-09-28 | 2021-07-23 | 青岛海洋科学与技术国家实验室发展中心 | 基于波浪能滑翔器的水下实时观测系统 |
| CN114462305A (zh) * | 2022-01-17 | 2022-05-10 | 青岛海洋地质研究所 | 一种Argo浮标长航时能耗优化与寿命预估方法 |
| CN115327669A (zh) * | 2022-08-22 | 2022-11-11 | 国家海洋技术中心 | 海面风场反演方法及装置 |
| CN116341358A (zh) * | 2023-01-09 | 2023-06-27 | 浙江大学 | 一种结合深度学习的大型浮标运动响应与锚泊张力预测方法 |
| CN116438109A (zh) * | 2020-11-20 | 2023-07-14 | 邓录普石油与海洋有限公司 | 用于确定预测数据的系统 |
-
2024
- 2024-02-02 CN CN202410145829.4A patent/CN117664187A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107187549A (zh) * | 2017-07-06 | 2017-09-22 | 广州海洋地质调查局 | 一种全底质坐底式海底潜标及其测量系统 |
| CN207580095U (zh) * | 2017-10-30 | 2018-07-06 | 中国科学院海洋研究所 | 一种深海潜标无线实时化水面浮标系统 |
| CN108216492A (zh) * | 2017-12-22 | 2018-06-29 | 国家海洋局第海洋研究所 | 一种实现海洋数据区域监测的高精度潜标阵系统 |
| CN109835438A (zh) * | 2018-12-29 | 2019-06-04 | 杭州电子科技大学 | 一种升降式潜标装置 |
| JP2021076600A (ja) * | 2019-10-31 | 2021-05-20 | 株式会社ブルーオーシャン研究所 | 海況情報測定ブイ及び海況情報測定装置 |
| CN111301612A (zh) * | 2020-03-19 | 2020-06-19 | 安徽理工大学 | 一种可搭载多种传感器的多功能型浮标 |
| CN213768894U (zh) * | 2020-09-28 | 2021-07-23 | 青岛海洋科学与技术国家实验室发展中心 | 基于波浪能滑翔器的水下实时观测系统 |
| CN116438109A (zh) * | 2020-11-20 | 2023-07-14 | 邓录普石油与海洋有限公司 | 用于确定预测数据的系统 |
| CN114462305A (zh) * | 2022-01-17 | 2022-05-10 | 青岛海洋地质研究所 | 一种Argo浮标长航时能耗优化与寿命预估方法 |
| CN115327669A (zh) * | 2022-08-22 | 2022-11-11 | 国家海洋技术中心 | 海面风场反演方法及装置 |
| CN116341358A (zh) * | 2023-01-09 | 2023-06-27 | 浙江大学 | 一种结合深度学习的大型浮标运动响应与锚泊张力预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姚骥: "基于深度学习的海洋环境、浮体响应预测及水下结构异常诊断", 博士论文, 15 June 2023 (2023-06-15), pages 112 - 145 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8195395B2 (en) | System for monitoring, determining, and reporting directional spectra of ocean surface waves in near real-time from a moored buoy | |
| CN111561974A (zh) | 一种桥梁冲刷多源监测系统及其监测方法、冲深评定方法 | |
| CN206766283U (zh) | 一种新型立体观测海洋浮标系统 | |
| St. Laurent et al. | Measurements of near-surface turbulence and mixing from autonomous ocean gliders | |
| CN107545250A (zh) | 一种基于海浪图像遥感和人工智能的海洋浮体运动实时预报系统 | |
| CN104908890A (zh) | 海洋环境噪声剖面数据实时分析传输漂流浮标系统 | |
| CN102759395A (zh) | 浮球式振动波传感器及其使用方法与用途 | |
| CN109319052A (zh) | 一种油囊式Argo浮标浮力精确控制方法及其实验装置 | |
| CN111874158A (zh) | 一种智能实时通讯潜标及通讯方法 | |
| Rabault et al. | Measurements of waves in landfast ice using inertial motion units | |
| CN114018317B (zh) | 一种用于海洋环境的数据采集装置及方法 | |
| CN102518161A (zh) | 挖泥船直接高程控制挖泥方法 | |
| CN203745863U (zh) | 沉管隧道管节海上浮运和沉放施工作业监控系统 | |
| CN114548553A (zh) | 基于海浪图像遥感和人工智能海洋浮体运动预报系统 | |
| CN104260848A (zh) | 一种内河航道船舶吃水检测方法与装置 | |
| CN203142980U (zh) | 1800米潜标 | |
| CN212386651U (zh) | 一种智能实时通讯潜标 | |
| CN117664187A (zh) | 一种基于水声通讯的潜标实时健康状态监测系统及方法 | |
| CN109557333B (zh) | 一种基于导航浮标数据反演表层海流的方法 | |
| WO2013003081A1 (en) | An inexpensive instrument for measuring wave exposure and water velocity | |
| CN210198599U (zh) | 温度链实时观测系统 | |
| CN203306195U (zh) | 1800米潜标 | |
| CN210664466U (zh) | 一种智慧海洋环境质量安全监管装置 | |
| CN111323809B (zh) | 一种监测海底地震引起海啸的装置及方法 | |
| CN209290619U (zh) | 一种油囊式Argo浮标浮力精确控制方法的实验装置 |
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 |