KR102062792B1 - 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치 - Google Patents

회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치 Download PDF

Info

Publication number
KR102062792B1
KR102062792B1 KR1020180166829A KR20180166829A KR102062792B1 KR 102062792 B1 KR102062792 B1 KR 102062792B1 KR 1020180166829 A KR1020180166829 A KR 1020180166829A KR 20180166829 A KR20180166829 A KR 20180166829A KR 102062792 B1 KR102062792 B1 KR 102062792B1
Authority
KR
South Korea
Prior art keywords
data
crest
wave height
wave
kalman filter
Prior art date
Application number
KR1020180166829A
Other languages
English (en)
Inventor
박종수
박용팔
박상현
배동진
Original Assignee
(주)지케스
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 (주)지케스 filed Critical (주)지케스
Priority to KR1020180166829A priority Critical patent/KR102062792B1/ko
Application granted granted Critical
Publication of KR102062792B1 publication Critical patent/KR102062792B1/ko

Links

Images

Classifications

    • 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
    • G01C13/002—Measuring the movement of open water
    • G01C13/004—Measuring the movement of open water vertical movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G01P13/02—Indicating direction only, e.g. by weather vane
    • G01P13/04—Indicating positive or negative direction of a linear movement or clockwise or anti-clockwise direction of a rotational movement
    • G01P13/045—Indicating positive or negative direction of a linear movement or clockwise or anti-clockwise direction of a rotational movement with speed indication
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P15/08—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values
    • G01P15/0802—Details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치가 개시된다. 본 발명에 따른 간이형 파고 측정 장치는 기설치되어 있는 등부표의 상부에 추가적으로 설치되는 것으로 파고를 측정하고 측정된 데이터를 원거리로 송신하는 파고 측정 및 통신부(1A)와, 시스템에 전원을 공급하고 풍속과 풍향 및 풍압을 감지하는 전원/센서부(1B)를 포함하는 것으로서 가속도 센서(10)를 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 변형된 칼만 필터 알고리즘에 적용함으로써 안정된 파고 데이터를 얻을 수 있다.

Description

회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치{wave height measuring device using arithmetic operation for wave height data by applying Kalman filter algorithm modified by prediction algorithm based on regression analysis}
본 발명은 파고 측정 장치에 관한 것으로 더 상세하게는 가속도 센서 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘에 적용함으로써 안정된 파고 데이터를 얻을 수 있는 파고 측정 장치에 관한 것이다.
스실리아 린로스(Cecilia Linroth)에 의하여 2014년 9월 5일자로 반포된 논문 “칼만 필터링 방법을 사용한 파고의 통계적 분석”에는 파고 부이로부터 얻어진 해양 파고 데이터를 분석하기 위하여 수치해석 도구를 사용함에 있어, 누락된 해양 파고 데이터을 가지는 시계열에 대하여 칼만 필터링을 사용하기 위한 방법에 대하여 개시하고 있다.
상기 논문에 따르면, 환경적으로 데이터 시계열상 대략 17%에 이르는 상당한 양의 누락 데이터가 발생하는 것이 매우 일반적인 상황이고 칼만 필터링을 적용하여 누락된 데이터값을 처리하기 위하여 칼만 필터의 강점과 약점을 분석하고 있다.
한편, 대한민국 등록특허 제10-1631967호에는 장주기 파고측정용 GNSS 기반 부이에서의 수신기 위상말림 보상을 위한 PPP 및 마그네틱 컴파스 통합시스템이 개시되어 있다. 상기 등록 특허에 따르면 위성의 GPS 신호가 네트워크를 통해 수신되는 단계와, 부이의 회전수, 회전각도, 회전방향 정보가 네트워크를 통해 수신되는 단계와, 상기 회전수, 회전각도, 회전방향 정보가 관제 모듈에 연속 저장되되, 위성의 반송파가 중간에 전송이 끊겨 새롭게 입력된 경우, 새롭게 반송파가 입력된 순간을 기준점으로 부이의 회전수, 회전각도, 회전방향 정보가 새롭게 저장되는 단계와, 위성의 GPS 신호 및 부이의 회전수, 회전각도, 회전방향 정보를 이용해, 부이의 위치를 보정 계산하는 단계와, 칼만 필터를 통해 부이의 위치가 추정되는 단계를 포함하여 부이의 위치를 통해 정확한 장주기 파고를 검출할 수 있도록 한다.
또한, 파고 계측값을 처리하는 방법으로, 풍파(wind wave)계측을 통한 방법은 파도의 경사를 탐지하는 방법과, 진폭을탐지하는 방법으로 구분되며, 이러한 탐지를 위하여 계측데이터의 잡음을 제거하는 방법으로 다시 구분된다.
경사탐지 이동평균(moving average) 필터를 이용하여 경사를 탐지하는 방법은 파도의 경사가 미리설정한 경사보다 크면 장주기 파고임을 탐지하는 방식이다. 이동평균필터를 이용하여 진폭을 탐지하는 방식은 파도의 진폭이 미리 설정한 진폭보다 크면 재난해파를 탐지하는 방식이다. FIR (Finite Impulse Response) 필터를 이용하여 진폭을 탐지하는 방식은 진폭에 의한 재난해파탐지방식으로 FIR 필터의 특성에 따라서 탐지성능을 달리한다. 또한 IIR(Infinite Impulse Response) 필터를 이용한 진폭탐지방식이 있다.
상기 등록 특허에서는 9 ~ 30초 사이의 파고계측을 위하여 바람에 의한 작은 파장의 파도신호를 제거하지 않으나 조류에 의한 신호는 재난 해파보다 긴파장을 가지고 있으므로 조류에 의한 효과를 제거하기 위하여 조류예측모델을 이용한다. 바람에 의한 작은파장의 파고와 조류에 의한파고를 제거하고 획득된 파고는 장주기파고 탐지에 이용할 수 있는 것이다.
하지만, 상기와 같은 종래 기술에서는 전용의 파고 측정용 부이를 설치하여 운용하기 위한 방법과 관련된 것으로 많은 수의 부이를 설치하기 위해서는 막대한 설치 비용이 소요된다는 문제점이 있으며 전용의 고가 기구물과 전용 회로를 장착한 파고 측정 장치를 장착하여야 한다는 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위하여 개발된 것으로 본 발명에 이루고자 하는 기술적 과제는 이동하는 선박 및/또는 2017년 통계청 자료에 집계된 약 1730개소의 기설치되어 있는 등부표에 장착하여 보다 정밀한 해양 정보를 관측할 수 있도록 파고 데이터의 오차를 줄임으로써 별도의 부이를 설치하지 않고도 기존에 설치된 등부표에 장착하는 간이형 파고관측 장비 형태로도 충분한 데이터 신뢰성을 구현할 수 있는 파고 측정 장치를 제공하는 것이다.
상기 과제를 이루기 위한 본 발명에 따른 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치는 기설치되어 있는 등부표의 상부에 추가적으로 설치되는 것으로 파고를 측정하고 측정된 데이터를 원거리로 송신하는 파고 측정 및 통신부(1A)와, 시스템에 전원을 공급하고 풍속과 풍향 및 풍압을 감지하는 전원/센서부(1B)를 포함하는 것으로서 가속도 센서(10)를 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 변형된 칼만 필터 알고리즘에 적용함으로써 안정된 파고 데이터를 얻을 수 있는 파고 측정 장치로서,
상기 파고 측정 및 통신부(1A)는,
가속도 센서(10)와 마이크로프로세서(11)와 메모리(12)와 리얼타임클록(Real Time Clock-RTC : 13)과 통신부(14)와 GPS(15)를 포함하고,
상기 전원/센서부(1B)는 시스템에 전원을 공급하는 전원부(16)와 풍속을 감지하는 풍속계(17)와 풍향을 감지하는 풍향계(18) 및 풍압을 감지하는 풍압센서(19)를 포함하며,
상기 마이크로프로세서(11)는 가속도 센서(10)로부터의 측정값을 적분하여 위치데이터를 추출하는 위치데이터 추출부(110)와 위치데이터 추출부(110)에 의하여 추출된 위치데이터를 기초로 파고 데이터를 연산하는 파고데이터 연산부(111)를 구비하되,
상기 파고데이터 연산부(111)는,
회귀분석 기반의 예측방정식을 사용하여
Figure 112018128778949-pat00001
을 시스템의 예측 상태 값,
Figure 112018128778949-pat00002
는 상태 행렬,
Figure 112018128778949-pat00003
는 상태행렬의 직교행렬,
Figure 112018128778949-pat00004
는 이전 시스템의 예측 상태 값,
Figure 112018128778949-pat00005
는 오차 공분산의 예측 값, 는 이전 오차 공분산의 예측 값,
Figure 112018128778949-pat00006
는 시스템 노이즈에 따른 공분산이라 할 때, 추정하는 값의 예측
Figure 112018128778949-pat00007
, 공분산 예측
Figure 112018128778949-pat00008
을 적용하고 시스템 현재 상태를 1로써 LTI(Linear Time-Invariant)시스템 A=1로 적용하며,
Figure 112018128778949-pat00009
는 이전에 저장된 파고 데이터를 저장하고
Figure 112018128778949-pat00010
수식을
Figure 112018128778949-pat00011
로 변환하고,
Figure 112018128778949-pat00012
수식을
Figure 112018128778949-pat00013
으로 변환하여, 가속도 센서(10)와 위치데이터 추출부(110)에 의하여 얻어진 위치데이터에 대하여,
Figure 112018128778949-pat00014
;
Figure 112018128778949-pat00015
;
에 의한 회귀분석 예측 방정식과,
상기 예측 방정식과 동일하게 시스템의 상태를 1로써 상태행렬
Figure 112018128778949-pat00016
=1로 적용하고, 적용된 값을 기반으로,
Figure 112018128778949-pat00017
는 칼만 이득,
Figure 112018128778949-pat00018
는 오차 공분산의 행렬,
Figure 112018128778949-pat00019
은 측정 잡음에 따른 공분산 행렬,
Figure 112018128778949-pat00020
는 상태 행렬이라 할 때,
Figure 112018128778949-pat00021
의 칼만이득 계산식을
Figure 112018128778949-pat00022
으로 변환하고, 추정값계산
Figure 112018128778949-pat00023
수식을
Figure 112018128778949-pat00024
으로 표현하며, 오차 공분산의 계산 수식
Figure 112018128778949-pat00025
는 수식
Figure 112018128778949-pat00026
으로 변환하여,
Figure 112018128778949-pat00027
;
Figure 112018128778949-pat00028
;
Figure 112018128778949-pat00029
;
에 의한 칼만 필터 기반의 추정 방정식을 적용하여 미리 설정한 측정 시간동안 측정된 데이터에 대하여 반복적으로 연산하여 최종 파고데이터를 결정하는 과정을 수행하는 변형된 칼만 필터 알고리즘에 의하여 파고 데이터를 얻는 제1 과정과,
상기 제1 과정에서 얻어진 파고데이터에 대하여
Figure 112018128778949-pat00030
에 의하여 칼만 필터와 방정식을 통하여 출력된 최종 파고 데이터
Figure 112018128778949-pat00031
를 구하여 저장하는 제2 과정,
Figure 112018128778949-pat00032
=
Figure 112018128778949-pat00033
-
Figure 112018128778949-pat00034
식을 기반으로 타이머에 의하여 측정한 시간과 파고 데이터가 출력된 후의 시간을 측정하여 파주기 데이터를 계산함으로써 파고 값 출력이 되기까지의 시간으로 파주기
Figure 112018128778949-pat00035
를 구하는 제3 과정과,
계산된 파고와 파주기를 최종 데이터를 저장하는 배열변수
Figure 112018128778949-pat00036
(
Figure 112018128778949-pat00037
,
Figure 112018128778949-pat00038
)를 정의하여 저장하는 제4 과정, 및
유의파고 계산을 위하여
Figure 112018128778949-pat00039
( )에 의하여 높은 순으로 파고데이터를 내림차순으로 정렬하여 메모리에 저장하는 제5 과정을 수행하는 것을 특징으로 한다.
또한, 상기 마이크로프로세서(11)는 파고데이터 정렬 및 저장부(112)와 전체유의파고/전체유의파주기 연산부(113)과, 평균파고/평균파주기 연산부(114), 및 통신부(14)에 의한 데이터 통신을 제어하는 통신처리부(115)를 더 포함하고,
상기 파고데이터 정렬 및 저장부(112)는,
유의파고 계산을 위하여 내림차순으로 정렬되어 있는 배열변수 총 개수 중에서 총 개수의 1/3에 해당하는 데이터의 수
Figure 112018128778949-pat00040
를
Figure 112018128778949-pat00041
=
Figure 112018128778949-pat00042
에 의하여 구하고, 전체 저장되어 있는 파고 데이터의 개수
Figure 112018128778949-pat00043
를
Figure 112018128778949-pat00044
=
Figure 112018128778949-pat00045
에 의하여 구하며, 유의파고 개수만큼
Figure 112018128778949-pat00046
=
Figure 112018128778949-pat00047
을 계산하여 유의파고
Figure 112018128778949-pat00048
를 구하는 과정,
Figure 112018128778949-pat00049
=
Figure 112018128778949-pat00050
에 의하여 유의파고에 해당하는 파주기의 전체 값
Figure 112018128778949-pat00051
를 구하여 저장하는 과정, 및
WHILE
Figure 112018128778949-pat00052
THEN
IF (
Figure 112018128778949-pat00053
>
Figure 112018128778949-pat00054
) THEN
Figure 112018128778949-pat00055
= ;
Figure 112018128778949-pat00056
;
의 알고리즘으로 최대파고 값
Figure 112018128778949-pat00057
을 구하여 저장하는 과정을 수행하고,
상기 전체유의파고/전체유의파주기 연산부(113)는,
Figure 112018128778949-pat00058
에 의하여 파고의 전체를 더한 값을 계산하고,
상기 평균파고/평균파주기 연산부(114)는,
Figure 112018128778949-pat00059
=
Figure 112018128778949-pat00060
에 의하여 계산하는 수식으로 전체유의파고
Figure 112018128778949-pat00061
를 유의파고 개수
Figure 112018128778949-pat00062
만큼 나누어 유의파고의 평균값
Figure 112018128778949-pat00063
을 계산하는 과정과,
전체 데이터의 개수
Figure 112018128778949-pat00064
만큼 나누는 계산식
Figure 112018128778949-pat00065
=
Figure 112018128778949-pat00066
에 의하여 평균 파고 값
Figure 112018128778949-pat00067
을 계산하는 과정, 및
파주기를 더한 값
Figure 112018128778949-pat00068
를 유의파주기 개수
Figure 112018128778949-pat00069
만큼 나눠서 평균파주기를 계산하는 과정을 수행하는 것이 바람직하다.
또한, 상기 위치데이터 추출부(110)는 가속도 센서 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용하여 위치 데이터를 구하는 칼만필터부(1101)와, 상기 칼만 필터부(1101)에 의하여 얻어진 위치 데이터에 대하여 중심값을 보정하고 가속도 변환값을 구하는 중심값 보정 및 가속도 변환부(1102)와, 일정 주파수 대역의 신호를 대역 필터링하는 밴드패스 필터(1103)와 대역 필터링된 신호를 적분 및 속도 변환하는 제1 및 제2 적분/속도 변환부(1104, 1106)와, 적분 및 속도 변환된 신호를 일정 주파수 이상의 신호를 하이패스 필터링하는 제1 및 제2 하이패스 필터(1105, 1107)를 더 포함하는 것이 보다 바람직하다.
본 발명에 따르면 이동하는 선박 및/또는 2017년 통계청 자료에 집계된 약 1730개소의 기설치되어 있는 등부표에 장착하여 보다 정밀한 해양 정보를 관측할 수 있도록 파고 데이터의 오차를 줄임으로써 별도의 부이를 설치하지 않고도 기존에 설치된 등부표에 장착하는 간이형 파고관측 장비 형태로도 충분한 데이터 신뢰성을 구현할 수 있는 파고 측정 장치가 제공된다.
도 1은 본 발명의 실시예에 따른 파고 측정 장치의 구조를 나타낸 블록도,
도 2는 도 1의 마이크로프로세서(11)에 의하여 수행되는 알고리즘의 주요 부분을 도시한 흐름도,
도 3은 도 2의 알고리즘을 수행함에 의하여 이루어지는 마이크로프로세서(11)의 주요 구성의 일예를 도시한 블록도, 및
도 4는 도 3의 위치데이터 추출부(110)에 추가적으로 구성될 수 있는 구성 요소들을 나타낸 블록도.
이하 첨부된 도면들을 참조하여 본 발명의 바람직한 실시예를 보다 상세히 설명하기로 한다.
도 1에는 본 발명의 실시예에 따른 파고 측정 장치의 구조를 블록도로써 나타내었고, 도 2에는 도 1의 마이크로프로세서(11)에 의하여 수행되는 알고리즘의 주요 부분을 흐름도로써 나타내었으며, 도 3에는 도 2의 알고리즘을 수행함에 의하여 이루어지는 마이크로프로세서(11)의 주요 구성을 블록도로써 나타내었다.
도 1을 참조하면, 본 발명에 따른 파고 측정 장치는 기설치되어 있는 등부표의 상부에 추가적으로 설치되는 것으로 파고를 측정하고 측정된 데이터를 원거리로 송신하는 파고 측정 및 통신부(1A)와, 시스템에 전원을 공급하고 풍속과 풍향 및 풍압을 감지하는 전원/센서부(1B)를 포함하는 것으로서 가속도 센서(10)를 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 변형된 칼만 필터 알고리즘에 적용함으로써 안정된 파고 데이터를 얻을 수 있도록 이루어진다.
상기 파고 측정 및 통신부(1A)는,
가속도 센서(10)와 마이크로프로세서(11)와 메모리(12)와 리얼타임클록(Real Time Clock-RTC : 13)과 통신부(14)와 GPS(15)를 포함하고,
상기 전원/센서부(1B)는 시스템에 전원을 공급하는 전원부(16)와 풍속을 감지하는 풍속계(17)와 풍향을 감지하는 풍향계(18) 및 풍압을 감지하는 풍압센서(19)를 포함하며,
상기 마이크로프로세서(11)는 가속도 센서(10)로부터의 측정값을 적분하여 위치데이터를 추출(단계 S200)하는 위치데이터 추출부(110)와 위치데이터 추출부(110)에 의하여 추출된 위치데이터를 기초로 파고 데이터를 연산(단계 S201)하는 파고데이터 연산부(111)를 구비하되,
상기 파고데이터 연산부(111)는,
회귀분석 기반의 예측방정식을 사용하여
Figure 112018128778949-pat00070
을 시스템의 예측 상태 값,
Figure 112018128778949-pat00071
는 상태 행렬,
Figure 112018128778949-pat00072
는 상태행렬의 직교행렬,
Figure 112018128778949-pat00073
는 이전 시스템의 예측 상태 값,
Figure 112018128778949-pat00074
는 오차 공분산의 예측 값, 는 이전 오차 공분산의 예측 값,
Figure 112018128778949-pat00075
는 시스템 노이즈에 따른 공분산이라 할 때, 추정하는 값의 예측
Figure 112018128778949-pat00076
, 공분산 예측
Figure 112018128778949-pat00077
을 적용하고 시스템 현재 상태를 1로써 LTI(Linear Time-Invariant)시스템 A=1로 적용하며,
Figure 112018128778949-pat00078
는 이전에 저장된 파고 데이터를 저장하고
Figure 112018128778949-pat00079
수식을
Figure 112018128778949-pat00080
로 변환하고,
Figure 112018128778949-pat00081
수식을
Figure 112018128778949-pat00082
으로 변환하여, 가속도 센서(10)와 위치데이터 추출부(110)에 의하여 얻어진 위치데이터에 대하여,
Figure 112018128778949-pat00083
;
Figure 112018128778949-pat00084
;
에 의한 회귀분석 예측 방정식과,
상기 예측 방정식과 동일하게 시스템의 상태를 1로써 상태행렬
Figure 112018128778949-pat00085
=1로 적용하고, 적용된 값을 기반으로,
Figure 112018128778949-pat00086
는 칼만 이득,
Figure 112018128778949-pat00087
는 오차 공분산의 행렬,
Figure 112018128778949-pat00088
은 측정 잡음에 따른 공분산 행렬,
Figure 112018128778949-pat00089
는 상태 행렬이라 할 때,
Figure 112018128778949-pat00090
의 칼만이득 계산식을
Figure 112018128778949-pat00091
으로 변환하고, 추정값계산
Figure 112018128778949-pat00092
수식을
Figure 112018128778949-pat00093
으로 표현하며, 오차 공분산의 계산 수식
Figure 112018128778949-pat00094
는 수식
Figure 112018128778949-pat00095
으로 변환하여,
Figure 112018128778949-pat00096
;
Figure 112018128778949-pat00097
;
Figure 112018128778949-pat00098
;
에 의한 칼만 필터 기반의 추정 방정식을 적용하여 미리 설정한 측정 시간동안 측정된 데이터에 대하여 반복적으로 연산하여 최종 파고데이터를 결정하는 과정을 수행하는 변형된 칼만 필터 알고리즘에 의하여 파고 데이터를 얻는 제1 과정과,
상기 제1 과정에서 얻어진 파고데이터에 대하여
Figure 112018128778949-pat00099
에 의하여 칼만 필터와 방정식을 통하여 출력된 최종 파고 데이터
Figure 112018128778949-pat00100
를 구하여 저장하는 제2 과정,
Figure 112018128778949-pat00101
=
Figure 112018128778949-pat00102
-
Figure 112018128778949-pat00103
식을 기반으로 타이머에 의하여 측정한 시간과 파고 데이터가 출력된 후의 시간을 측정하여 파주기 데이터를 계산함으로써 파고 값 출력이 되기까지의 시간으로 파주기
Figure 112018128778949-pat00104
를 구하는 제3 과정과,
계산된 파고와 파주기를 최종 데이터를 저장하는 배열변수
Figure 112018128778949-pat00105
(
Figure 112018128778949-pat00106
,
Figure 112018128778949-pat00107
)를 정의하여 저장하는 제4 과정, 및
유의파고 계산을 위하여
Figure 112018128778949-pat00108
( )에 의하여 높은 순으로 파고데이터를 내림차순으로 정렬하여 메모리에 저장하는 제5 과정을 수행한다.
회귀분석 기반의 예측방정식과 그 변수는 아래와 같이 정리할 수 있다.
Figure 112018128778949-pat00109
: 추정하는 값의 예측
Figure 112018128778949-pat00110
: 공분산 예측
Figure 112018128778949-pat00111
: 시스템의 예측 상태 값
Figure 112018128778949-pat00112
: 상태 행렬
Figure 112018128778949-pat00113
: 이전 시스템의 예측 상태 값
Figure 112018128778949-pat00114
: ‘A’ 상태행렬의 직교행렬
Figure 112018128778949-pat00115
: 오차 공분산의 예측 값
Figure 112018128778949-pat00116
: 이전 오차 공분산의 예측 값
Figure 112018128778949-pat00117
: 시스템 노이즈에 따른 공분산
칼만필터 기반의 추정방정식과 그 변수는 아래와 같이 정리할 수 있다.
Figure 112018128778949-pat00118
: 칼만 이득 계산
Figure 112018128778949-pat00119
: 추정 값 계산
Figure 112018128778949-pat00120
: 오차 공분산의 계산
Figure 112018128778949-pat00121
: 칼만 이득
Figure 112018128778949-pat00122
: 오차 공분산의 행렬
Figure 112018128778949-pat00123
: 측정 잡음에 따른 공분산 행렬
Figure 112018128778949-pat00124
: 상태 행렬
이상에서 설명한 바와 같이 파고 데이터 연산 과정(단계 S201)에서는 회귀분석 기반 예측 방정식과 칼만필터 기반 추정 방정식이 적용되는 제1 알고리즘이 사용되어 최종 파고 데이터가 연산된다. 최종 파고 데이터로부터 유의파고/파주기 및 평균 파고/파주기를 연산하기 위해서는 이후에서 설명되는 제2 알고리즘이 사용된다.
다음으로, 파고데이터 정렬 및 저장부(112)는,
유의파고 계산을 위하여 내림차순으로 정렬되어 있는 배열변수 총 개수 중에서 총 개수의 1/3에 해당하는 데이터의 수
Figure 112018128778949-pat00125
를
Figure 112018128778949-pat00126
=
Figure 112018128778949-pat00127
에 의하여 구하고, 전체 저장되어 있는 파고 데이터의 개수
Figure 112018128778949-pat00128
를
Figure 112018128778949-pat00129
=
Figure 112018128778949-pat00130
에 의하여 구하며, 유의파고 개수만큼
Figure 112018128778949-pat00131
=
Figure 112018128778949-pat00132
을 계산하여 유의파고
Figure 112018128778949-pat00133
를 구하는 과정,
Figure 112018128778949-pat00134
=
Figure 112018128778949-pat00135
에 의하여 유의파고에 해당하는 파주기의 전체 값
Figure 112018128778949-pat00136
를 구하여 저장하는 과정, 및
WHILE
Figure 112018128778949-pat00137
THEN
IF (
Figure 112018128778949-pat00138
>
Figure 112018128778949-pat00139
) THEN
Figure 112018128778949-pat00140
= ;
Figure 112018128778949-pat00141
;
의 알고리즘으로 최대파고 값
Figure 112018128778949-pat00142
을 구하여 저장하는 과정을 수행하고,
상기 전체유의파고/전체유의파주기 연산부(113)는,
Figure 112018128778949-pat00143
에 의하여 파고의 전체를 더한 값을 계산하고,
상기 평균파고/평균파주기 연산부(114)는,
Figure 112018128778949-pat00144
=
Figure 112018128778949-pat00145
에 의하여 계산하는 수식으로 전체유의파고
Figure 112018128778949-pat00146
를 유의파고 개수
Figure 112018128778949-pat00147
만큼 나누어 유의파고의 평균값
Figure 112018128778949-pat00148
을 계산하는 과정과,
전체 데이터의 개수
Figure 112018128778949-pat00149
만큼 나누는 계산식
Figure 112018128778949-pat00150
=
Figure 112018128778949-pat00151
에 의하여 평균 파고 값
Figure 112018128778949-pat00152
을 계산하는 과정, 및
파주기를 더한 값
Figure 112018128778949-pat00153
를 유의파주기 개수
Figure 112018128778949-pat00154
만큼 나눠서 평균파주기를 계산하는 과정을 수행한다.
이제 제1 알고리즘과 제2 알고리즘을 마이크로프로세서(11)에 구현하는 방법을 설명한다.
제1 알고리즘은 회귀분석 기반의 예측방정식이 적용되는 변형된 칼만 필터 기반의 추정 방정식을 적용한다. 제1 알고리즘은 아래와 같이 구현될 수 있다.
WHILE
Figure 112018128778949-pat00155
Figure 112018128778949-pat00156
THEN
IF (
Figure 112018128778949-pat00157
== 0) THEN
Figure 112018128778949-pat00158
= 1; //①
Figure 112018128778949-pat00159
= 1; //②
Figure 112018128778949-pat00160
= 0.0001; //③
Figure 112018128778949-pat00161
= 0.0001; //④
= 0.0; //⑤
END IF
IF (
Figure 112018128778949-pat00162
== 1) THEN //⑥
Figure 112018128778949-pat00163
=
Figure 112018128778949-pat00164
; //⑦
Figure 112018128778949-pat00165
; //⑧
Figure 112018128778949-pat00166
; //⑨
Figure 112018128778949-pat00167
; //⑩
Figure 112018128778949-pat00168
; //⑪
Figure 112018128778949-pat00169
; //⑫
END IF
Figure 112018128778949-pat00170
=
Figure 112018128778949-pat00171
; //⑬
Figure 112018128778949-pat00172
=
Figure 112018128778949-pat00173
-
Figure 112018128778949-pat00174
; //⑭
Figure 112018128778949-pat00175
(, ); //⑮
Figure 112018128778949-pat00176
( ); //(16)
END WHILE
Figure 112018128778949-pat00177
는 데이터로거에 설정한 측정시간을 뜻하며, 본 실시예에서는 10분 동안 2200개의 파고데이터를 수집하도록 하였다. ①은 초기화 스위치 같은 역할을 하며, 각각의 변수들이 초기화가 되면 더 이상 초기화를 하지 못하도록 변수의 값을 변경한다. ②는 오차 공분산에 칼만필터를 적용하기 위한 초기 값을 나타낸다. ③은 가속도 센서를 통하여 수집되는 데이터 중 시스템 노이즈를 제거하기 위한 공분산 행렬 초기 값이다. ④는 측정되는 노이즈에 공분산을 적용한 행렬의 초기 값이다. ⑤는 가속도 센서 기반의 데이터를 연산한 이후 파고 데이터를 저장하기 위한 변수로써 초기화로 인한 오류를 방지하기 위하여 0으로 초기화를 한다. ⑥은 초기화가 끝나면 변경된 변수로 인하여 더 이상 초기화가 아닌 연산을 진행한다. ⑦의
Figure 112018128778949-pat00178
는 파도의 주기를 저장하는 변수이며, 현재 시간
Figure 112018128778949-pat00179
를 GPS로 부터 읽어
Figure 112018128778949-pat00180
에 저장한다. ⑧과 ⑨의
Figure 112018128778949-pat00181
과
Figure 112018128778949-pat00182
은 회귀분석 기반의 예측방정식을 사용하며 시스템 현재 상태를 1로써 LTI(Linear Time-Invariant)시스템 A=1로 적용을 한다.
Figure 112018128778949-pat00183
는 이전에 저장된 파고 데이터를 저장하고
Figure 112018128778949-pat00184
수식을
Figure 112018128778949-pat00185
로 변환한다.
Figure 112018128778949-pat00186
수식은
Figure 112018128778949-pat00187
으로 변환한다.
⑩, ⑪, ⑫는 칼만 필터 기반의 추정방정식을 사용하며, 예측방정식과 동일하게 시스템의 상태를 1로써 상태행렬
Figure 112018128778949-pat00188
로 적용을 한다. 적용된 값을 기반으로
Figure 112018128778949-pat00189
의 칼만 이득 계산식을
Figure 112018128778949-pat00190
으로 변환한다.
추정 값 계산
Figure 112018128778949-pat00191
수식은
Figure 112018128778949-pat00192
으로 나타낸다. 오차 공분산의 계산 수식
Figure 112018128778949-pat00193
는 ⑫의 수식
Figure 112018128778949-pat00194
으로 변환한다. ⑬의
Figure 112018128778949-pat00195
는 칼만 필터와 방정식을 통하여 출력된 최종 파고 데이터가 저장되는 변수이다.
Figure 112018128778949-pat00196
는 파고 값 출력이 되기까지의 시간을 나타내며 파주기를 뜻한다. 처음 ⑦에서 측정한 시간과 파고 데이터가 출력된 후의 시간을 측정하여 파주기 데이터를 계산한다. ⑮는 최종파고 데이터를 저장하는 배열변수로써 계산된 파고와 파주기를 저장한다. 예를 들어 10분 단위로 데이터를 측정하면 총 2200개의 데이터가 저장이 된다. 마지막으로 (16)은 유의파고 계산을 위하여 높은 순으로 파고데이터를 정렬한다.
이제, 마이크로프로세서(11)는 파고 및 파주기 계산 알고리즘으로서 제2 알고리즘을 수행한다. 제2 알고리즘은 아래와 같이 구현될 수 있다.
IF Measurement`Complete`of`Wave`Height THEN
Figure 112018128778949-pat00197
=
Figure 112018128778949-pat00198
//①
Figure 112018128778949-pat00199
=
Figure 112018128778949-pat00200
//②
Figure 112018128778949-pat00201
=
Figure 112018128778949-pat00202
//③
Figure 112018128778949-pat00203
=
Figure 112018128778949-pat00204
//④
WHILE THEN //⑤
IF (
Figure 112018128778949-pat00205
>
Figure 112018128778949-pat00206
) THEN //⑥
Figure 112018128778949-pat00207
=
Figure 112018128778949-pat00208
; //⑦
END IF
END WHILE
Figure 112018128778949-pat00209
=
Figure 112018128778949-pat00210
; //⑧
Figure 112018128778949-pat00211
=
Figure 112018128778949-pat00212
; //⑨
Figure 112018128778949-pat00213
= ;
Figure 112018128778949-pat00214
//⑩
END IF
알고리즘 2의
Figure 112018128778949-pat00215
는 유의파고 계산을 위하여 내림차순으로 정렬되어 있는 배열변수 총 개수의 1/3에 해당하는 데이터의 수가 몇 개인지를 저장한다.
Figure 112018128778949-pat00216
는 전체 저장되어 있는 파고 데이터의 개수를 저장한다.
Figure 112018128778949-pat00217
는 유의파고에 해당하는 값을 저장하는 변수로써 유의파고 개수만큼 파고의 값을 저장한다.
Figure 112018128778949-pat00218
는 배열변수에 저장되어 있는 파주기의 값을 나타내며 유의파고에 해당하는 파주기의 전체 값을 저장한다.
⑤ ~ ⑦은 최대파고를 저장하기 위한 알고리즘으로써 최대파고 값은
Figure 112018128778949-pat00219
에 저장된다. ⑧은 유의파고의 평균값을 계산하는 수식으로 전체유의파고
Figure 112018128778949-pat00220
를 유의파고 개수
Figure 112018128778949-pat00221
만큼 나눠서 평균값을 계산한다. ⑨는 파고의 전체를 더한 값을
Figure 112018128778949-pat00222
수식을 통하여 계산을 하고 전체 데이터의 개수
Figure 112018128778949-pat00223
만큼 나눠서 평균 파고 값을 계산한다. 마지막으로 ⑩은 파주기 값을 구하는 수식으로 파주기를 더한 값
Figure 112018128778949-pat00224
를 유의파주기 개수
Figure 112018128778949-pat00225
만큼 나눠서 평균파주기를 계산한다.
상술한 바와 같이 제1 알고리즘 및 제2 알고리즘을 활용하여 유의파고, 최대파고, 평균파고, 평균 파주기 값을 연산을 통하여 도출을 한다. 또한, 알고리즘뿐만 아니라 도 4에 도시한 바와 같이 다양한 노이즈를 제거하기 위하여 밴드패스 필터, 하이패스 필터, 및 적분을 통한 속도와 위치에 따른 값을 계산하면 보다 좀 더 노이즈가 제거된 데이터를 수집할 수 있다.
1A : 파고 측정 및 통신부
10 : 가속도 센서
11 : 마이크로프로세서
110 : 위치데이터 추출부
` 111 : 파고데이터 연산부
112 : 파고데이터 정렬 및 저장부
113 : 전체유의파고/전체유의파주기 연산부
114 : 평균파고/평균파주기 연산부
115 : 통신처리부
12 : 메모리
13 : RTC
14 : 통신부
15 : GPS
1B : 전원/센서부
16 : 전원부
17 : 풍속계
18 : 풍향계
19 : 풍압센서

Claims (3)

  1. 기설치되어 있는 등부표의 상부에 추가적으로 설치되는 것으로 파고를 측정하고 측정된 데이터를 원거리로 송신하는 파고 측정 및 통신부(1A)와, 시스템에 전원을 공급하고 풍속과 풍향 및 풍압을 감지하는 전원/센서부(1B)를 포함하는 것으로서 가속도 센서(10)를 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 변형된 칼만 필터 알고리즘에 적용함으로써 안정된 파고 데이터를 얻을 수 있는 파고 측정 장치에 있어서,
    상기 파고 측정 및 통신부(1A)는,
    가속도 센서(10)와 마이크로프로세서(11)와 메모리(12)와 리얼타임클록(Real Time Clock-RTC : 13)과 통신부(14)와 GPS(15)를 포함하고,
    상기 전원/센서부(1B)는 시스템에 전원을 공급하는 전원부(16)와 풍속을 감지하는 풍속계(17)와 풍향을 감지하는 풍향계(18) 및 풍압을 감지하는 풍압센서(19)를 포함하며,
    상기 마이크로프로세서(11)는 가속도 센서(10)로부터의 측정값을 적분하여 위치데이터를 추출하는 위치데이터 추출부(110)와 위치데이터 추출부(110)에 의하여 추출된 위치데이터를 기초로 파고 데이터를 연산하는 파고데이터 연산부(111)를 구비하되,
    상기 파고데이터 연산부(111)는,
    회귀분석 기반의 예측방정식을 사용하여
    Figure 112018128778949-pat00226
    을 시스템의 예측 상태 값,
    Figure 112018128778949-pat00227
    는 상태 행렬,
    Figure 112018128778949-pat00228
    는 상태행렬의 직교행렬,
    Figure 112018128778949-pat00229
    는 이전 시스템의 예측 상태 값,
    Figure 112018128778949-pat00230
    는 오차 공분산의 예측 값, 는 이전 오차 공분산의 예측 값,
    Figure 112018128778949-pat00231
    는 시스템 노이즈에 따른 공분산이라 할 때, 추정하는 값의 예측
    Figure 112018128778949-pat00232
    , 공분산 예측
    Figure 112018128778949-pat00233
    을 적용하고 시스템 현재 상태를 1로써 LTI(Linear Time-Invariant)시스템 A=1로 적용하며,
    Figure 112018128778949-pat00234
    는 이전에 저장된 파고 데이터를 저장하고
    Figure 112018128778949-pat00235
    수식을
    Figure 112018128778949-pat00236
    로 변환하고,
    Figure 112018128778949-pat00237
    수식을
    Figure 112018128778949-pat00238
    으로 변환하여, 가속도 센서(10)와 위치데이터 추출부(110)에 의하여 얻어진 위치데이터에 대하여,
    Figure 112018128778949-pat00239
    ;
    Figure 112018128778949-pat00240
    ;
    에 의한 회귀분석 예측 방정식과,
    상기 예측 방정식과 동일하게 시스템의 상태를 1로써 상태행렬
    Figure 112018128778949-pat00241
    =1로 적용하고, 적용된 값을 기반으로,
    Figure 112018128778949-pat00242
    는 칼만 이득,
    Figure 112018128778949-pat00243
    는 오차 공분산의 행렬,
    Figure 112018128778949-pat00244
    은 측정 잡음에 따른 공분산 행렬,
    Figure 112018128778949-pat00245
    는 상태 행렬이라 할 때,
    Figure 112018128778949-pat00246
    의 칼만이득 계산식을
    Figure 112018128778949-pat00247
    으로 변환하고, 추정값계산
    Figure 112018128778949-pat00248
    수식을
    Figure 112018128778949-pat00249
    으로 표현하며, 오차 공분산의 계산 수식
    Figure 112018128778949-pat00250
    는 수식
    Figure 112018128778949-pat00251
    으로 변환하여,
    Figure 112018128778949-pat00252
    ;
    Figure 112018128778949-pat00253
    ;
    Figure 112018128778949-pat00254
    ;
    에 의한 칼만 필터 기반의 추정 방정식을 적용하여 미리 설정한 측정 시간동안 측정된 데이터에 대하여 반복적으로 연산하여 최종 파고데이터를 결정하는 과정을 수행하는 변형된 칼만 필터 알고리즘에 의하여 파고 데이터를 얻는 제1 과정과,
    상기 제1 과정에서 얻어진 파고데이터에 대하여
    Figure 112018128778949-pat00255
    에 의하여 칼만 필터와 방정식을 통하여 출력된 최종 파고 데이터
    Figure 112018128778949-pat00256
    를 구하여 저장하는 제2 과정,
    Figure 112018128778949-pat00257
    =
    Figure 112018128778949-pat00258
    -
    Figure 112018128778949-pat00259
    식을 기반으로 타이머에 의하여 측정한 시간과 파고 데이터가 출력된 후의 시간을 측정하여 파주기 데이터를 계산함으로써 파고 값 출력이 되기까지의 시간으로 파주기
    Figure 112018128778949-pat00260
    를 구하는 제3 과정과,
    계산된 파고와 파주기를 최종 데이터를 저장하는 배열변수
    Figure 112018128778949-pat00261
    (
    Figure 112018128778949-pat00262
    ,
    Figure 112018128778949-pat00263
    )를 정의하여 저장하는 제4 과정, 및
    유의파고 계산을 위하여
    Figure 112018128778949-pat00264
    ( )에 의하여 높은 순으로 파고데이터를 내림차순으로 정렬하여 메모리에 저장하는 제5 과정을 수행하는 것을 특징으로 하는 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치.
  2. 제1항에 있어서,
    상기 마이크로프로세서(11)는 파고데이터 정렬 및 저장부(112)와 전체유의파고/전체유의파주기 연산부(113)과, 평균파고/평균파주기 연산부(114), 및 통신부(14)에 의한 데이터 통신을 제어하는 통신처리부(115)를 더 포함하고,
    상기 파고데이터 정렬 및 저장부(112)는,
    유의파고 계산을 위하여 내림차순으로 정렬되어 있는 배열변수 총 개수 중에서 총 개수의 1/3에 해당하는 데이터의 수
    Figure 112018128778949-pat00265
    를
    Figure 112018128778949-pat00266
    =
    Figure 112018128778949-pat00267
    에 의하여 구하고, 전체 저장되어 있는 파고 데이터의 개수
    Figure 112018128778949-pat00268
    를
    Figure 112018128778949-pat00269
    =
    Figure 112018128778949-pat00270
    에 의하여 구하며, 유의파고 개수만큼
    Figure 112018128778949-pat00271
    =
    Figure 112018128778949-pat00272
    을 계산하여 유의파고
    Figure 112018128778949-pat00273
    를 구하는 과정,
    Figure 112018128778949-pat00274
    =
    Figure 112018128778949-pat00275
    에 의하여 유의파고에 해당하는 파주기의 전체 값
    Figure 112018128778949-pat00276
    를 구하여 저장하는 과정, 및
    WHILE
    Figure 112018128778949-pat00277
    THEN
    IF (
    Figure 112018128778949-pat00278
    >
    Figure 112018128778949-pat00279
    ) THEN
    Figure 112018128778949-pat00280
    = ;
    Figure 112018128778949-pat00281
    ;
    의 알고리즘으로 최대파고 값
    Figure 112018128778949-pat00282
    을 구하여 저장하는 과정을 수행하고,
    상기 전체유의파고/전체유의파주기 연산부(113)는,
    Figure 112018128778949-pat00283
    에 의하여 파고의 전체를 더한 값을 계산하고,
    상기 평균파고/평균파주기 연산부(114)는,
    Figure 112018128778949-pat00284
    =
    Figure 112018128778949-pat00285
    에 의하여 계산하는 수식으로 전체유의파고
    Figure 112018128778949-pat00286
    를 유의파고 개수
    Figure 112018128778949-pat00287
    만큼 나누어 유의파고의 평균값
    Figure 112018128778949-pat00288
    을 계산하는 과정과,
    전체 데이터의 개수
    Figure 112018128778949-pat00289
    만큼 나누는 계산식
    Figure 112018128778949-pat00290
    =
    Figure 112018128778949-pat00291
    에 의하여 평균 파고 값
    Figure 112018128778949-pat00292
    을 계산하는 과정, 및
    파주기를 더한 값
    Figure 112018128778949-pat00293
    를 유의파주기 개수
    Figure 112018128778949-pat00294
    만큼 나눠서 평균파주기를 계산하는 과정을 수행하는 것을 특징으로 하는 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치.
  3. 제2항에 있어서,
    상기 위치데이터 추출부(110)는 가속도 센서 기반으로 해상의 파고 측정을 위한 로데이터를 얻은 후 얻어진 로데이터를 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용하여 위치 데이터를 구하는 칼만필터부(1101)와, 상기 칼만 필터부(1101)에 의하여 얻어진 위치 데이터에 대하여 중심값을 보정하고 가속도 변환값을 구하는 중심값 보정 및 가속도 변환부(1102)와, 일정 주파수 대역의 신호를 대역 필터링하는 밴드패스 필터(1103)와 대역 필터링된 신호를 적분 및 속도 변환하는 제1 및 제2 적분/속도 변환부(1104, 1106)와, 적분 및 속도 변환된 신호를 일정 주파수 이상의 신호를 하이패스 필터링하는 제1 및 제2 하이패스 필터(1105, 1107)를 더 포함하는 것을 특징으로 하는 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치.
KR1020180166829A 2018-12-21 2018-12-21 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치 KR102062792B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180166829A KR102062792B1 (ko) 2018-12-21 2018-12-21 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180166829A KR102062792B1 (ko) 2018-12-21 2018-12-21 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치

Publications (1)

Publication Number Publication Date
KR102062792B1 true KR102062792B1 (ko) 2020-01-06

Family

ID=69158841

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180166829A KR102062792B1 (ko) 2018-12-21 2018-12-21 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치

Country Status (1)

Country Link
KR (1) KR102062792B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111198090A (zh) * 2020-01-15 2020-05-26 交通运输部天津水运工程科学研究所 一种风洞试验中测量壁面摩擦速度的探头及其试验方法
KR20230149385A (ko) 2022-04-19 2023-10-27 한국해양과학기술원 영상정보를 이용한 외부환경정보 추정시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100950301B1 (ko) 2006-06-02 2010-03-31 (주)연엔지니어링 레이더형 파랑측정 시스템에서의 유의파고 보정방법
JP4827330B2 (ja) 2001-07-09 2011-11-30 日本無線株式会社 レーダ波浪測定方法及び装置
KR101475020B1 (ko) 2013-06-14 2014-12-22 삼성중공업 주식회사 수중로봇의 수직위치예측방법
KR101631967B1 (ko) 2015-12-16 2016-06-20 한국해양과학기술원 장주기 파고측정용 gnss 기반 부이에서의 수신기 위상말림 보상을 위한 ppp 및 마그네틱 컴파스 통합시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4827330B2 (ja) 2001-07-09 2011-11-30 日本無線株式会社 レーダ波浪測定方法及び装置
KR100950301B1 (ko) 2006-06-02 2010-03-31 (주)연엔지니어링 레이더형 파랑측정 시스템에서의 유의파고 보정방법
KR101475020B1 (ko) 2013-06-14 2014-12-22 삼성중공업 주식회사 수중로봇의 수직위치예측방법
KR101631967B1 (ko) 2015-12-16 2016-06-20 한국해양과학기술원 장주기 파고측정용 gnss 기반 부이에서의 수신기 위상말림 보상을 위한 ppp 및 마그네틱 컴파스 통합시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111198090A (zh) * 2020-01-15 2020-05-26 交通运输部天津水运工程科学研究所 一种风洞试验中测量壁面摩擦速度的探头及其试验方法
KR20230149385A (ko) 2022-04-19 2023-10-27 한국해양과학기술원 영상정보를 이용한 외부환경정보 추정시스템 및 방법

Similar Documents

Publication Publication Date Title
KR102062792B1 (ko) 회귀 분석 기반의 추정 알고리즘에 의하여 변형된 칼만 필터 알고리즘을 적용한 파고 데이터 연산을 사용하는 간이형 파고 측정 장치
DK2103915T3 (en) Device and method for determining a resonant frequency of a wind turbine tower
CN106523928B (zh) 基于声波实时数据二级筛选的管道泄漏检测方法
CN101201282A (zh) 一种用于斜拉桥索力检测的基频识别方法
CN103217176B (zh) 一种消除mems陀螺零漂的方法
CN105699072B (zh) 一种基于级联经验模态分解齿轮故障诊断方法
CN101586997A (zh) 一种拉索振动基频的计算方法
CN106195649B (zh) 漏水检测自动报警设备
CN101644590B (zh) 基于单传感器的抗强干扰的涡街流量计数字信号处理系统
CN110672875B (zh) 基于Chirp-Z变换的表面水流速度检测方法
US4660422A (en) Means and method of sampling flow related variables from a waterway in an accurate manner using a programmable calculator
CN110954071A (zh) 一种波浪参数的概率统计分析方法
CN108281961A (zh) 一种自适应鲁棒扩展卡尔曼的参数辨识方法
CN111398997A (zh) 一种基于北斗+惯导的堤坝安全监测装置及方法
US7286935B2 (en) Method and device for hydrometeor detection
CN117957396A (zh) 用于公共服务分配系统中的声学泄漏检测的系统和方法
CN117473263A (zh) 一种桥梁振动监测的频率与阻尼比自动识别方法和系统
CN109870404B (zh) 一种雨棚结构损伤识别方法、装置及终端设备
CN101509774A (zh) 一种基于光纤陀螺的arma时间序列的寻北方法
CN113532588B (zh) 水位获取方法、装置、设备及存储介质
CN109670143A (zh) 一种环境激励下结构振动频域响应信号统计规律检测方法
KR101028779B1 (ko) 시간-주파수 변화량 및 가변 임계값을 이용한 지진파 자동 검출 장치 및 그 방법
CN113340369B (zh) 一种涡轮燃油质量流量计的信号处理方法及设备
CN110146276B (zh) 一种基于无线传感器的索力与抗弯刚度监测方法及系统
CN114075969B (zh) 动液面的检测方法、装置及油田机采系统

Legal Events

Date Code Title Description
GRNT Written decision to grant