KR20240027984A - Method and system for sea state evaluation based on sensor fusion data of ship - Google Patents
Method and system for sea state evaluation based on sensor fusion data of ship Download PDFInfo
- Publication number
- KR20240027984A KR20240027984A KR1020220105904A KR20220105904A KR20240027984A KR 20240027984 A KR20240027984 A KR 20240027984A KR 1020220105904 A KR1020220105904 A KR 1020220105904A KR 20220105904 A KR20220105904 A KR 20220105904A KR 20240027984 A KR20240027984 A KR 20240027984A
- Authority
- KR
- South Korea
- Prior art keywords
- ship
- sea state
- data
- sensor fusion
- fusion information
- Prior art date
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 title claims description 7
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000001788 irregular Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
- B63B79/15—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers for monitoring environmental variables, e.g. wave height or weather data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Atmospheric Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Ecology (AREA)
- Ocean & Marine Engineering (AREA)
- Combustion & Propulsion (AREA)
- Biodiversity & Conservation Biology (AREA)
- General Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Hydrology & Water Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
본 발명은 해상상태 예측 방법 및 시스템에 관한 것으로, 더욱 상세하게는 모션 센서 및 기상 센서를 이용한 센서 융합정보에 기반하여 해상상태를 예측하는 방법 및 시스템에 관한 것이다.
이를 위해, 선박 모델링을 통해 선박의 데이터를 확보하고, 시뮬레이션을 실행하는 해상 상태 예측 알고리즘을 준비하는 단계; 상기 해상상태 예측 알고리즘에 선박의 운동 정보 및 현재 환경 정보를 포함하는 선박의 센서 융합정보가 입력되는 단계; 및 상기 해상상태 예측 알고리즘에 따라 매칭되는 데이터를 통해 해상상태를 예측하는 단계;를 포함하는 것을 특징으로 한다.The present invention relates to a method and system for predicting sea conditions, and more specifically, to a method and system for predicting sea conditions based on sensor fusion information using motion sensors and weather sensors.
To this end, securing ship data through ship modeling and preparing a sea state prediction algorithm that runs simulations; Inputting sensor fusion information of the ship including motion information of the ship and current environment information into the sea state prediction algorithm; And predicting the sea state through data matched according to the sea state prediction algorithm.
Description
본 발명은 해상상태 예측 방법 및 시스템에 관한 것으로, 더욱 상세하게는 모션 센서 및 기상 센서를 이용한 센서 융합정보에 기반하여 해상상태를 예측하는 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for predicting sea conditions, and more specifically, to a method and system for predicting sea conditions based on sensor fusion information using motion sensors and weather sensors.
선박은 경제적이고 안전한 운항을 위해 출항전 항해계획을 수립하여 최적의 항로와 속력으로 목적지까지 이동하게 된다.For economical and safe operation, ships establish a voyage plan before departure and travel to their destination on the optimal route and speed.
선박은 파랑, 바람, 해류 등의 영향을 크게 받기 때문에 안전 운항을 위해 국제해사기구(IMO)에서는 선장 및 항해사가 항해계획과 항행 시 기상조건을 고려하여 위험으로 작용할 수 있는 요소를 인식하도록 규정하고 있고, 해상상태에 관한 정확한 정보를 수집하여 반영하는 것은 매우 중요하다.Since ships are greatly affected by waves, winds, and ocean currents, for safe navigation, the International Maritime Organization (IMO) stipulates that captains and navigators must recognize factors that may pose a risk by considering weather conditions during sailing plans and navigation. It is very important to collect and reflect accurate information on sea conditions.
해양수산부의 2020년 해양사고 통계자료에 의하면 기상의 갑작스러운 변화나 이상상황에 대처하지 못하여 발생한 사고는 전체의 약 4.7%인 147건으로 조사되었고, 기상특보 미발표 시 발생한 건수가 대다수를 차지하지만 해양사고는 국가적 재난으로 발전될 위험성이 높기 때문에 선박의 안전관리를 지원할 수 있는 요소는 끊임없이 요구되고 있다.According to the Ministry of Oceans and Fisheries' 2020 marine accident statistics, 147 accidents occurred due to failure to respond to sudden changes in weather or abnormal situations, or about 4.7% of the total, and although the majority of cases occurred when weather warnings were not announced, marine accidents Since there is a high risk of developing into a national disaster, elements that can support the safety management of ships are constantly required.
항해계획을 수행하는 과정에서 관련 정보는 정부에서 제공하는 공공데이터를 사용하거나 기상 데이터 공급을 제품화하여 사업을 진행하는 전문기업의 유로 서비스를 활용하게 된다.In the process of carrying out a navigation plan, related information uses public data provided by the government or the Euro service of a specialized company that commercializes the supply of weather data.
그런데, 이러한 데이터는 장기간 축적된 데이터의 분석을 통하여 예측된 정보로써 실제 해역의 기상과는 정확도가 떨어지는 문제가 있다.However, since this data is predicted through analysis of long-term accumulated data, it has a problem of being less accurate than the weather in the actual sea area.
이에 따라, 실제 해상에서 계측된 정보를 제공하는 기상청은 해양기상 및 관측자료의 수요 급증으로 인하여 해양기지, 해양기상부이, 해양항만 관측시스템, 기상관측선 등 다양한 시설을 통해 관련 관측망을 확대하고 있다.Accordingly, the Korea Meteorological Administration, which provides information actually measured at sea, is expanding its observation network through various facilities such as marine stations, marine weather buoys, marine port observation systems, and weather observation ships due to the rapid increase in demand for marine weather and observation data.
하지만, 관측선을 제외한 대부분이 부이 형태로 고정된 위치에서만 풍향, 풍속, 수온, 기압 등 현상에 관한 데이터를 계측 및 전송 운영하고 있는 실정으로 사용이 제한적이다. However, except for observation vessels, most of them measure and transmit data on phenomena such as wind direction, wind speed, water temperature, and atmospheric pressure only at fixed locations in the form of buoys, so their use is limited.
또한, 마이크로파를 해면으로 송신 및 수신하여 파고와 파주기 등을 관측할 수 있는 레이더식 파랑계가 있으나 고가의 장비로 범용성이 부족한 문제점도 있다.In addition, there is a radar wave meter that can observe wave height and wave period by transmitting and receiving microwaves to the sea surface, but there is a problem in that it is expensive and lacks versatility.
본 발명은 상기와 같은 기술 배경을 바탕으로 안출된 것으로, 모션 센서 및 기상 센서를 이용한 센서 융합정보에 기반하여 해상상태를 예측하는 방법 및 시스템을 제공하는데 그 목적이 있다.The present invention was conceived based on the above technical background, and its purpose is to provide a method and system for predicting sea conditions based on sensor fusion information using motion sensors and weather sensors.
그리고 선박의 조건별 운동 데이터를 통해 시뮬레이션을 실행할 수 있는 선박의 센서 융합정보 기반 해상상태 예측 방법 및 시스템을 제공하는데 그 목적이 있다.The purpose is to provide a sea state prediction method and system based on sensor fusion information of a ship that can run simulations using motion data for each ship's conditions.
또한, 보간법을 활용하여 근사값을 추정하고, 이를 설정된 주기로 반복함으로써 정확한 예측이 가능한 선박의 센서 융합정보 기반 해상상태 예측 방법 및 시스템을 제공하는데 그 목적이 있다.In addition, the purpose is to provide a sea state prediction method and system based on sensor fusion information of a ship that enables accurate prediction by estimating approximate values using interpolation and repeating this at a set period.
상기 목적을 달성하기 위한 본 발명은 선박 모델링을 통해 선박의 데이터를 확보하고, 시뮬레이션을 실행하는 해상 상태 예측 알고리즘을 준비하는 단계; 상기 해상상태 예측 알고리즘에 선박의 운동 정보 및 현재 환경 정보를 포함하는 선박의 센서 융합정보가 입력되는 단계; 및 상기 해상상태 예측 알고리즘에 따라 매칭되는 데이터를 통해 해상상태를 예측하는 단계;를 포함하는 것을 특징으로 한다.The present invention for achieving the above object includes the steps of securing ship data through ship modeling and preparing a sea state prediction algorithm for running simulations; Inputting sensor fusion information of the ship including motion information of the ship and current environment information into the sea state prediction algorithm; And predicting the sea state through data matched according to the sea state prediction algorithm.
그리고 본 발명에 따른 바람직한 실시예에 따르면, 상기 해상상태 예측 알고리즘은, 선박 모델링을 통해 상기 선박의 데이터를 확보하는 단계; 상기 선박의 조건별 운동 데이터를 확보하기 위한 시뮬레이션을 실행하는 단계; 및 상기 시뮬레이션을 통한 결과 데이터를 확보하여 근사값을 추정하는 단계;로 구성되는 것을 특징으로 한다.And according to a preferred embodiment according to the present invention, the sea state prediction algorithm includes: securing data of the ship through ship modeling; Executing a simulation to secure motion data for each condition of the ship; And a step of securing result data through the simulation and estimating an approximate value.
또한, 본 발명에 따른 바람직한 실시예에 따르면, 상기 선박 데이터 확보 단계는, 대상 선박의 자료 확보를 위한 것으로, 선박 모델링을 통해 진행되되, 상기 대상 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하는 것을 특징으로 한다.In addition, according to a preferred embodiment according to the present invention, the ship data securing step is to secure data of the target ship and is carried out through ship modeling, securing trim & stability booklet data and test run data of the target ship. It is characterized by
그리고 본 발명에 따른 바람직한 실시예에 따르면, 상기 시뮬레이션 실행 단계는, 상기 선박의 흘수(draft)와 속도(speed), 해상 상태(sea state)의 조건에 따른 운동 데이터를 확보하는 것을 특징으로 한다.And according to a preferred embodiment according to the present invention, the simulation execution step is characterized by securing motion data according to the conditions of the draft, speed, and sea state of the ship.
또한, 본 발명에 따른 바람직한 실시예에 따르면, 상기 시뮬레이션을 통한 결과 데이터 확보 시, 주파수 영역 RAO(Response Amplitude Operator; 응답 진폭 운영기)와 불규칙파(person-moskowitz spectrum)에 의해 발생하여 변화하는 운동량을 산출함으로써 동요량, 가속도를 포함하는 데이터를 확보하는 것을 특징으로 한다.In addition, according to a preferred embodiment of the present invention, when obtaining result data through the simulation, the momentum that changes due to frequency domain RAO (Response Amplitude Operator) and irregular waves (person-moskowitz spectrum) It is characterized by securing data including the amount of sway and acceleration by calculating .
그리고 본 발명에 따른 바람직한 실시예에 따르면, 상기 근사값 추정 단계는, 상기 확보된 데이터로부터 웨이브 각도별, 흘수별, 속도별로 각각 변수에 따라 보간법(interpolation)을 이용하여 근사값을 추정하는 것을 특징으로 한다.And according to a preferred embodiment according to the present invention, the approximate value estimation step is characterized by estimating the approximate value using interpolation according to the variables for each wave angle, draft, and speed from the secured data. .
또한, 본 발명에 따른 바람직한 실시예에 따르면, 상기 해상상태 예측 단계는, 입력된 상기 센서 융합정보에 포함되어 있는 노이즈 및 잡음을 제거하는 단계; 일정 주기로 갱신되는 상기 센서 융합정보를 상기 해상상태 평가 알고리즘에 입력하여, 해상상태의 임시 추정값을 출력하는 단계; 설정된 시간동안 축적된 상기 센서 융합정보에 따른 해상상태의 임시 추정값을 평균하여 평균값을 저장하는 단계; 및 상기 평균값을 비교하여 최종값을 도출하되, 상기 평균값이 동일한 경우 동일값을 최종값으로 도출하고, 상기 평균값이 상이한 경우 높은값을 최종값으로 도출하는 단계;를 더 포함하고, 설정된 주기로 상기 평균값 저장 단계 및 최종값 도출 단계를 반복하는 것을 특징으로 한다.Additionally, according to a preferred embodiment of the present invention, the sea state prediction step includes removing noise and noise included in the input sensor fusion information; Inputting the sensor fusion information updated at regular intervals into the sea state evaluation algorithm to output a temporary estimate of the sea state; averaging temporary estimates of sea state according to the sensor fusion information accumulated over a set period of time and storing the average value; And comparing the average values to derive a final value, where if the average values are the same, deriving the same value as the final value, and if the average values are different, deriving a higher value as the final value; further comprising: deriving the average value at a set period. It is characterized by repeating the storage step and the final value derivation step.
한편, 상기 목적을 달성하기 위한 본 발명은 전술한 선박의 센서 융합정보 기반 해상상태 예측 방법을 이용한 시스템으로서, 선박의 운동 정보를 감지하는 모션센서와 환경 정보를 감지하는 풍속계를 포함하는 센서부; 및 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하여 선박 모델링을 진행하는 모델링부와, 선박의 흘수, 속도, 및 해상상태의 조건에 따른 운동 데이터를 확보하는 시뮬레이션부, 및 동요량과 가속도를 포함하는 데이터를 확보하여 보간법을 이용하여 근사값을 추정하는 추정부를 포함하는 상기 해상상태 예측 알고리즘과, 상기 센서부로부터 확보된 센서 융합정보의 노이즈를 제거하고, 일정 주기로 갱신되는 상기 센서 융합정보를 상기 해상상태 평가 알고리즘에 입력하여 해상상태의 임시 추정값을 출력하며, 설정된 시간동안 축적된 상기 센서 융합정보에 따른 해상상태의 임시 추정값의 평균값을 비교하여 최종값을 도출하는 예측부를 포함하는 제어부;를 포함하는 것을 특징으로 한다.Meanwhile, the present invention for achieving the above object is a system using the sea state prediction method based on the above-described sensor fusion information of a ship, comprising: a sensor unit including a motion sensor for detecting motion information of the ship and an anemometer for detecting environmental information; and a modeling department that secures the ship's trim & stability booklet data and trial run data to perform ship modeling, a simulation department that secures motion data according to the ship's draft, speed, and sea state conditions, and the sway amount and acceleration. The sea state prediction algorithm includes an estimation unit that secures the data and estimates an approximate value using an interpolation method, removes noise from the sensor fusion information secured from the sensor unit, and updates the sensor fusion information at regular intervals. A control unit including a prediction unit that outputs a temporary estimate of the sea state by inputting it to the sea state evaluation algorithm and derives a final value by comparing the average value of the temporary estimate of the sea state according to the sensor fusion information accumulated for a set time. It is characterized by:
상기한 구성에 의한 본 발명은 아래와 같은 효과를 기대할 수 있다.The present invention with the above configuration can expect the following effects.
기존 장비에 비하여 저렴하고 쉽게 구할 수 있는 모션 센서 및 기상 센서를 이용하여, 선박의 운동 정보 및 현재 환경 데이터에 따른 융합정보에 기반하여 해상상태를 용이하게 예측할 수 있는 효과가 있다.By using motion sensors and weather sensors, which are cheaper and more readily available than existing equipment, it is possible to easily predict sea conditions based on fusion information based on the ship's motion information and current environmental data.
그리고 선박 모델링을 통한 선박 데이터 및 선박의 조건별 운동 데이터를 통해 시뮬레이션을 실행하여 근사값을 추정함으로써 알고리즘의 정확도를 높일 수 있는 효과도 있다.In addition, there is an effect of increasing the accuracy of the algorithm by estimating an approximate value by running a simulation using ship data through ship modeling and motion data for each ship condition.
또한, 보간법을 활용하여 근사값을 추정하고, 이를 설정된 주기로 반복함으로써 해상상태의 정확한 예측이 가능한 효과도 있다.In addition, by using interpolation to estimate an approximate value and repeating it at a set period, it is possible to accurately predict sea conditions.
도 1은 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템을 나타낸 블록도이다.
도 2는 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 방법을 나타낸 순서도이다.
도 3은 도 2의 S20 단계를 좀 더 상세히 나타낸 순서도이다.
도 4는 도 2의 S40 단계를 좀 더 상세히 나타낸 순서도이다.Figure 1 is a block diagram showing a sea state prediction system based on sensor fusion information of a ship according to the present invention.
Figure 2 is a flowchart showing a method for predicting sea state based on sensor fusion information of a ship according to the present invention.
Figure 3 is a flowchart showing step S20 of Figure 2 in more detail.
Figure 4 is a flowchart showing step S40 of Figure 2 in more detail.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하고자 한다. 설명에 앞서 본 발명의 이점 및 특징 및 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그리고 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것으로 본 발명을 제한하고자 하는 것이 아니며, 이러한 용어 중 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하는 것이고, 설명 상에 방향을 지칭하는 단어는 설명의 이해를 돕기 위한 것으로 시점에 따라 변경 가능함을 주지하는 바이다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings. Prior to the description, the advantages and features of the present invention and methods for achieving them will become clear by referring to the embodiments described in detail below along with the accompanying drawings. And the terms used in this specification are for describing embodiments and are not intended to limit the present invention. Among these terms, the singular includes the plural unless specifically stated in the phrase, and words indicating direction in the description Please note that this is intended to aid understanding of the explanation and may change depending on the time.
이하 본 발명의 바람직한 실시예에 따른 선박의 센서 융합정보 기반 해상상태 예측 방법 및 시스템을 첨부한 도면을 참조하여 상세하게 설명한다. Hereinafter, a method and system for predicting sea conditions based on sensor fusion information of a ship according to a preferred embodiment of the present invention will be described in detail with reference to the attached drawings.
먼저, 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템을 먼저 살펴보면, 도 1은 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템을 나타낸 블록도이다.First, looking at the sea state prediction system based on sensor fusion information of a ship according to the present invention, Figure 1 is a block diagram showing the sea state prediction system based on sensor fusion information of a ship according to the present invention.
도 1을 참조하면, 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템은 센서부(100) 및 제어부(200)를 포함한다.Referring to FIG. 1, the sea state prediction system based on sensor fusion information of a ship according to the present invention includes a sensor unit 100 and a control unit 200.
센서부(100)는 선박의 운동 정보를 감지하는 모션센서(110)와 환경 정보를 감지하는 풍속계(120)를 포함한다.The sensor unit 100 includes a motion sensor 110 that detects motion information of the ship and an anemometer 120 that detects environmental information.
선박의 선형 및 종류에 따라 운동 데이터는 다르나 해상에서의 변화는 적고, 선박의 선형 및 종류에 따라 풍속 데이터는 같으나 해상에서의 변화는 크므로, 본 실시예에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템은 모션센서(110)와 풍속계(120)로부터 수집되는 센서 융합정보를 사용하게 된다.Although the motion data is different depending on the linearity and type of the ship, the change at sea is small, and the wind speed data is the same depending on the linearity and type of the ship, but the change at sea is large, so the sea state based on the sensor fusion information of the ship according to this embodiment The prediction system uses sensor fusion information collected from the motion sensor 110 and the anemometer 120.
모션센서(110)는 선박에 설치하여 선박의 운동 정보를 수집하는 것으로, 기존 장비에 비하여 저렴하고, 쉽게 구할 수 있다.The motion sensor 110 is installed on a ship to collect motion information of the ship, and is cheaper and easier to obtain than existing equipment.
이러한 모션센서(110)는 관성측정장치(IMU; Inertial Measurement Unit)로서, 가속도계, 각속도계 등의 관성 센서를 이용하여, 움직이는 물체의 위치, 자세, 속도, 가속도, 각속도의 정량적인 정보를 취득할 수 있으므로, 본 실시예에서 선박의 운동 정보를 수집하는 데에 용이하다.This motion sensor 110 is an inertial measurement unit (IMU), which can acquire quantitative information about the position, posture, speed, acceleration, and angular velocity of a moving object using inertial sensors such as an accelerometer and angular velocity. Therefore, it is easy to collect movement information of the ship in this embodiment.
풍속계(Anemometer; 120)는 환경 정보를 감지하는 것으로, 바람의 세기를 측정한다. 여기서, 환경 정보는 바람의 세기 뿐만이 아니라, 해상의 파고, 파랑 또는 파향 등의 파도 관련 정보, 풍향 또는 강우 등의 기상 관련 정보를 더 포함할 수 있다.Anemometer (120) detects environmental information and measures the strength of the wind. Here, the environmental information may include not only the strength of the wind, but also wave-related information such as sea wave height, wave or wave direction, and weather-related information such as wind direction or rainfall.
제어부(200)는 해상상태 예측 알고리즘(300)과 예측부(400)를 포함한다. The control unit 200 includes a sea state prediction algorithm 300 and a prediction unit 400.
해상상태 예측 알고리즘(300)은 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하여 선박 모델링을 진행하는 모델링부(310), 선박의 흘수, 속도, 및 해상상태의 조건에 따른 운동 데이터를 확보하는 시뮬레이션부(320), 및 동요량과 가속도를 포함하는 데이터를 확보하여 보간법을 이용하여 근사값을 추정하는 추정부(330)를 포함한다.The sea state prediction algorithm 300 secures the ship's trim & stability booklet data and trial run data to perform ship modeling, and the modeling unit 310 secures movement data according to the ship's draft, speed, and sea state conditions. It includes a simulation unit 320 and an estimation unit 330 that secures data including the amount of motion and acceleration and estimates an approximate value using an interpolation method.
즉, 모델링부(310)는 선박 운동 변형량 모사 데이터 확보를 위해 모델링을 수행하는 것으로, 대상 선박의 자료를 확보하게 된다. 모델링부(310)는 대상 선박의 3D 및 surface modeling을 수행하게 되고, 자료의 정확도 향상을 위해 대상 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하여 반영하게 된다.That is, the modeling unit 310 performs modeling to secure ship motion deformation simulation data, thereby securing data on the target ship. The modeling unit 310 performs 3D and surface modeling of the target ship, and secures and reflects the trim & stability booklet data and trial run data of the target ship to improve data accuracy.
시뮬레이션부(320)는 시뮬레이션을 실행하여 선박의 조건별 운동 데이터를 확보하기 위한 것으로, 파도, 바람, 조류 등의 영향으로 인한 선박의 동적 거동을 시뮬레이션 툴을 활용하여 실행한다.The simulation unit 320 executes a simulation to secure motion data for each condition of the ship, and executes the dynamic behavior of the ship due to the effects of waves, wind, current, etc. using a simulation tool.
이러한 시뮬레이션부(320)는 선박의 흘수(draft), 속도(speed), 해상 상태(sea state) 등의 선박과 해상 환경의 조건을 복합적으로 고려한 것으로, 54가지의 디폴트 케이스 또는 72가지의 케이스로 산정될 수 있다.This simulation unit 320 complexly considers the conditions of the ship and the marine environment, such as the ship's draft, speed, and sea state, and is divided into 54 default cases or 72 cases. can be calculated.
즉, 흘수가 대, 중, 소의 3 가지, 속도가 고, 중, 저의 3 가지, 해상 상태가 6 가지로서 총 54가지의 케이스로 산정되거나, 흘수가 4 가지, 속도가 3 가지, 해상 상태가 6 가지로서 총 72가지의 케이스로 산정될 수 있다.In other words, a total of 54 cases are calculated with 3 types of draft (large, medium, and small), 3 types of speed (high, medium, and low), and 6 types of sea states, or 4 types of draft, 3 types of speed, and 6 types of sea state. There are 6 cases, which can be calculated as a total of 72 cases.
시뮬레이션부(320)는 산정된 케이스를 기반으로 시뮬레이션의 환경을 설정하고, 시뮬레이션의 결과로서, 주파수 영역 RAO(Response Amplitude Operator; 응답 진폭 운영기)와 불규칙파(person-moskowitz spectrum)에 의해 발생하여 변화하는 운동량을 산출함으로써 동요량, 가속도 등의 데이터를 확보하게 된다.The simulation unit 320 sets the simulation environment based on the calculated case, and as a result of the simulation, the frequency domain RAO (Response Amplitude Operator) and irregular waves (person-moskowitz spectrum) are generated. By calculating the changing momentum, data such as sway amount and acceleration are secured.
추정부(330)는 확보된 데이터들의 근사값을 추정하기 위한 것으로, 수집된 데이터를 기반으로 시뮬레이션을 수행할 시, 산정되는 케이스의 건수가 증가함에 따라 시뮬레이션에 소요되는 시간이 방대해지는 문제를 해결하기 위하여, 중간 데이터값을 추정하기 위한 것이다.The estimation unit 330 is for estimating approximate values of the obtained data. When performing simulation based on collected data, the problem that the time required for simulation increases as the number of calculated cases increases is solved. This is to estimate intermediate data values.
따라서, 확보된 데이터에서 변수에 따라 각도별, 흘수별, 속도별로 각각 보간법(interpolation; 선형보간) 등과 같은 기법을 활용하여 근사값을 추정하게 되는데, 통계적 혹은 실험적 시뮬레이션을 통하여 구해진 데이터들로부터 주어진 데이터를 만족하는 근사 함수를 구하고, 이를 이용하여 주어진 변수에 대한 함수값을 구하는 보간법을 적용할 수 있다.Therefore, from the obtained data, approximate values are estimated by using techniques such as interpolation (linear interpolation) for each angle, draft, and speed depending on the variables. The data given from data obtained through statistical or experimental simulation is estimated. You can find a satisfactory approximation function and use it to apply the interpolation method to find the function value for a given variable.
예측부(400)는 센서부(100)로부터 확보된 센서 융합정보의 노이즈를 제거하고, 일정 주기로 갱신되는 센서 융합정보를 해상상태 평가 알고리즘(300)에 입력하여 해상상태의 임시 추정값을 출력하며, 설정된 시간동안 축적된 센서 융합정보에 따른 해상상태의 임시 추정값의 평균값을 비교하여 최종값을 도출한다.The prediction unit 400 removes noise from the sensor fusion information secured from the sensor unit 100, inputs the sensor fusion information updated at regular intervals to the sea state evaluation algorithm 300, and outputs a temporary estimate of the sea state, The final value is derived by comparing the average value of the temporary estimate of the sea state according to the sensor fusion information accumulated over a set time.
즉, 예측부(400)는 모션센서(110)로부터 출력되는 선박의 운동 정보를 수집하고, 그 정보에 포함되어 있는 각종 노이즈 및 잡음을 제거한 뒤, 실제 물리량(상태값)을 예측하기 위해 칼만필터(Kalman Filter) 등을 적용하여 전처리 한다. That is, the prediction unit 400 collects the motion information of the ship output from the motion sensor 110, removes various noises and noises included in the information, and then uses a Kalman filter to predict the actual physical quantity (state value). Preprocess by applying (Kalman Filter), etc.
그리고 예측부(400)는 풍속계(120)로부터 출력되는 환경 정보를 수집하고, 그 정보에 포함되어 있는 각종 노이즈 및 잡음을 제거한 뒤, 실제 물리량(상태값)을 예측하기 위해 칼만필터 등을 적용하여 전처리 한다. And the prediction unit 400 collects the environmental information output from the anemometer 120, removes various noises and noises included in the information, and then applies a Kalman filter, etc. to predict the actual physical quantity (state value). Preprocess.
이어서, 예측부(400)는 일정 주기로 갱신되는 센서 융합정보, 예컨대 선박의 운동 정보를 해상상태 예측 알고리즘(300)에 입력하여, 사전 확보된 선박의 운동 정보(기준값)에 근거한 해당 해역에서의 해상상태의 임시 추정값을 출력한다.Subsequently, the prediction unit 400 inputs sensor fusion information updated at regular intervals, for example, ship's motion information, into the sea state prediction algorithm 300, and determines the sea level in the relevant sea area based on the ship's motion information (reference value) secured in advance. Prints a temporary estimate of the state.
여기서, 해상상태는 일반적으로 정량화되어 사용되고 있는 0~12단계로 나누어진 해상상태 단계로 출력될 수 있다.Here, the sea state can be output in sea state stages divided into 0 to 12 stages, which are generally quantified and used.
그리고 예측부(400)는 일정 주기로 갱신되는 센서 융합정보, 예컨대 환경 정보를 해상상태 예측 알고리즘(300)에 입력하여, 뷰포트 스케일(Beaufort Scale) 또는 더글라스 스케일(Douglas Scale)(기준값)에 근거한 해당 해역에서의 해상상태의 임시 추정값을 출력한다.And the prediction unit 400 inputs sensor fusion information, such as environmental information, which is updated at regular intervals into the sea state prediction algorithm 300 to determine the corresponding sea area based on the Beaufort Scale or Douglas Scale (reference value). Outputs a temporary estimate of the sea state at .
이어서, 예측부(400)는 모션센서(110)를 기반으로 설정된 시간, 예컨대 1시간 동안 축적된 해상상태의 임시 추정값을 평균하여 평균값을 저장하고, 풍속계(120)를 기반으로 설정된 시간, 예컨대 1 시간 동안 축적된 해상상태의 임시 추정값을 평균하여 평균값을 저장한다.Next, the prediction unit 400 averages the temporary estimate of the sea state accumulated for a time set based on the motion sensor 110, for example, 1 hour, and stores the average value, and stores the average value for a time set based on the anemometer 120, for example, 1 hour. Temporary estimates of sea conditions accumulated over time are averaged and the average value is stored.
이어서, 예측부(400)는 모션센서(110) 및 풍속계(120)를 기반으로 한 해상상태 평균값을 비교하여 최종값을 도출하는데, 평균값이 동일한 경우, 동일값을 최종값으로 도출하고, 평균값이 다른 경우, 높은값을 최종값으로 도출하여 출력한다.Next, the prediction unit 400 derives the final value by comparing the sea state average values based on the motion sensor 110 and the anemometer 120. If the average values are the same, the same value is derived as the final value, and the average value is In other cases, the higher value is derived as the final value and output.
이 때, 제어부(200)는 해상상태에 대한 3 가지 데이터, 예컨대 최종값, 모션센서(110) 기반 평균값, 풍속계(120) 기반 평균값을 모두 출력하여 표시할 수 있다.At this time, the control unit 200 may output and display all three types of data about the sea state, for example, the final value, the average value based on the motion sensor 110, and the average value based on the anemometer 120.
또한, 제어부(200)는 설정된 주기, 예컨대 10분 주기로 전술한 센서 융합정보의 평균값을 갱신하고, 비교하며, 최종값을 도출하여 이를 출력하는 과정을 반복하여 진행하게 된다.In addition, the control unit 200 repeats the process of updating the average value of the above-described sensor fusion information at a set period, for example, a 10-minute period, comparing, deriving a final value, and outputting it.
이 때, 10분 주기로 평균값 갱신 시, 해당 시점으로부터 과거 1시간의 데이터를 축적된 임시 추정값으로 한다.At this time, when the average value is updated every 10 minutes, the data of the past hour from that point is used as the accumulated temporary estimate value.
이와 같이, 센서부(100)가 센서 융합정보를 감지하고, 해상상태 예측 알고리즘(300)을 통해 선박의 운동 데이터를 확보하여 근사값을 추정하며, 예측부(400)를 통해 임시 추정값 및 평균값을 통해 최종값을 도출함으로써, 제어부(200)가 용이하게 해상상태를 예측하게 된다.In this way, the sensor unit 100 detects sensor fusion information, secures the ship's motion data through the sea state prediction algorithm 300, and estimates an approximate value, and uses the temporary estimate and average value through the prediction unit 400. By deriving the final value, the control unit 200 can easily predict the sea state.
이하에서는, 전술한 본 실시예에 따른 선박의 센서 융합정보 기반 해상상태 예측 시스템을 이용한 해상상태 예측 방법에 대하여 살펴본다.Below, we will look at a sea state prediction method using the sea state prediction system based on sensor fusion information of a ship according to this embodiment described above.
도 2는 본 발명에 따른 선박의 센서 융합정보 기반 해상상태 예측 방법을 나타낸 순서도이고, 도 3은 도 2의 S20 단계를 좀 더 상세히 나타낸 순서도이며, 도 4는 도 2의 S40 단계를 좀 더 상세히 나타낸 순서도이다.Figure 2 is a flowchart showing a method for predicting sea conditions based on sensor fusion information of a ship according to the present invention, Figure 3 is a flowchart showing step S20 of Figure 2 in more detail, and Figure 4 is a flowchart showing step S40 of Figure 2 in more detail. This is the flow chart shown.
도 1과 도 2를 참조하면, 먼저 선박 모델링을 통해 선박의 데이터를 확보한다(S10). 즉, 모델링부(310)에서 선박의 모델링을 진행하여 선박의 데이터를 확보한다.Referring to Figures 1 and 2, first, ship data is secured through ship modeling (S10). That is, the modeling unit 310 performs ship modeling to secure ship data.
이 단계는 대상 선박의 자료 확보를 위한 단계로서, 대상 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하게 된다.This step is to secure data on the target vessel, and the trim & stability booklet data and test run data of the target vessel are secured.
다음으로, 시뮬레이션을 실행하는 해상상태 예측 알고리즘(300)을 준비 및 적용한다(S20). Next, the sea state prediction algorithm 300 that executes the simulation is prepared and applied (S20).
이 단계는 도 3을 참조하여 좀 더 상세히 살펴보면, 선박의 모델링을 통해 확보된 선박의 데이터를 시뮬레이션하여, 선박의 조건별 운동 데이터를 확보한다(S21). 즉, 선박의 흘수, 속도, 및 해상상태의 조건에 따른 운동 데이터를 확보한다.Looking at this step in more detail with reference to FIG. 3, the ship's data obtained through ship modeling is simulated to secure motion data for each ship condition (S21). In other words, movement data according to the ship's draft, speed, and sea state conditions is secured.
이어서, 시뮬레이션을 통한 결과 데이터를 확보하여 근사값을 추정한다(S23). Next, result data through simulation is secured and an approximate value is estimated (S23).
즉, 주파수 영역 RAO와 불규칙파에 의해 발생하여 변화하는 운동량을 산출함으로써 동요량, 가속도를 포함하는 데이터를 확보한다. 그리고 확보된 데이터로부터 웨이브 각도별, 흘수별, 속도별로 각각 변수에 따라 보간법을 이용하여 근사값을 추정한다.In other words, data including fluctuation amount and acceleration are secured by calculating the changing momentum generated by frequency domain RAO and irregular waves. And from the obtained data, approximate values are estimated using interpolation according to the variables for each wave angle, draft, and speed.
다시 도 2를 참조하면, S20 단계 이후로, 해상상태 예측 알고리즘(300)에 선박의 운동 정보 및 현재 환경 정보를 포함하는 선박의 센서 융합정보가 입력된다(S30).Referring again to FIG. 2, after step S20, the ship's sensor fusion information including the ship's motion information and current environment information is input to the sea state prediction algorithm 300 (S30).
즉, 모션센서(110)를 통해 감지된 선박의 운동 정보와 풍속계(120)를 통해 감지된 환경 정보가 입력된다.That is, the ship's motion information detected through the motion sensor 110 and the environmental information sensed through the anemometer 120 are input.
다음으로, 해상상태 예측 알고리즘(300)에 따라 매칭되는 데이터를 통해 해상상태를 예측한다(S40). Next, the sea state is predicted through matching data according to the sea state prediction algorithm 300 (S40).
이 단계는 도 4를 참조하여 좀 더 상세히 살펴보면, 입력된 센서 융합정보에 포함되어 있는 노이즈 및 잡음을 제거하고(S41), 일정 주기로 갱신되는 센서 융합정보를 해상상태 평가 알고리즘(300)에 입력하여, 해상상태의 임시 추정값을 출력한다(S43).Looking at this step in more detail with reference to FIG. 4, noise and noise included in the input sensor fusion information are removed (S41), and sensor fusion information updated at regular intervals is input into the sea state evaluation algorithm 300. , output a temporary estimate of the sea state (S43).
그리고 설정된 시간동안 축적된 센서 융합정보에 따른 해상상태의 임시 추정값을 평균하여 평균값을 저장하고(S45), 평균값을 비교하여 최종값을 도출하되, 평균값이 동일한 경우 동일값을 최종값으로 도출하고, 평균값이 상이한 경우 높은값을 최종값으로 도출한다(S47).Then, the temporary estimate of the sea state according to the sensor fusion information accumulated for a set time is averaged and the average value is stored (S45), and the average values are compared to derive the final value. If the average values are the same, the same value is derived as the final value, If the average values are different, the higher value is derived as the final value (S47).
이 때, 설정된 주기로 전술한 S45의 평균값 저장 단계 및 S47의 최종값 도출 단계를 반복하게 된다.At this time, the above-described average value storage step of S45 and final value derivation step of S47 are repeated at a set cycle.
각 단계에서의 상세한 실행 과정은 전술한 바와 같이, 도 1을 참조하여 선박의 센서 융합정보 기반 해상상태 예측 시스템에서 설명하였으므로 생략한다.As described above, the detailed execution process in each step has been described in the ship's sensor fusion information-based sea state prediction system with reference to FIG. 1 and is therefore omitted.
이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 그리고 상술한 바와 같이 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an illustrative explanation of the technical idea of the present invention, and various modifications, changes, and substitutions can be made by those skilled in the art without departing from the essential characteristics of the present invention. will be. And, as described above, the embodiments disclosed in the present invention and the accompanying drawings are not intended to limit the technical idea of the present invention, but are for illustrative purposes, and the scope of the technical idea of the present invention is limited by these embodiments and the attached drawings. It doesn't work. The scope of protection of the present invention should be interpreted in accordance with the claims below, and all technical ideas within the equivalent scope should be construed as being included in the scope of rights of the present invention.
100; 센서부
110; 모션센서
120; 풍속계
200; 제어부
300; 해상상태 예측 알고리즘
310; 모델링부
320; 시뮬레이션부
330; 추정부
400; 예측부100; sensor part
110; motion sensor
120; wind gauge
200; control unit
300; Sea state prediction algorithm
310; modeling department
320; Simulation Department
330; estimation department
400; prediction department
Claims (8)
상기 해상상태 예측 알고리즘에 선박의 운동 정보 및 현재 환경 정보를 포함하는 선박의 센서 융합정보가 입력되는 단계; 및
상기 해상상태 예측 알고리즘에 따라 매칭되는 데이터를 통해 해상상태를 예측하는 단계;를 포함하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.Obtaining ship data through ship modeling and preparing a sea state prediction algorithm to run simulations;
Inputting sensor fusion information of the ship including motion information of the ship and current environment information into the sea state prediction algorithm; and
A sea state prediction method based on sensor fusion information of a ship, comprising: predicting the sea state through data matched according to the sea state prediction algorithm.
선박 모델링을 통해 상기 선박의 데이터를 확보하는 단계;
상기 선박의 조건별 운동 데이터를 확보하기 위한 시뮬레이션을 실행하는 단계; 및
상기 시뮬레이션을 통한 결과 데이터를 확보하여 근사값을 추정하는 단계;로 구성되는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.The method of claim 1, wherein the sea state prediction algorithm is:
Securing data of the ship through ship modeling;
Executing a simulation to secure motion data for each condition of the ship; and
A sea state prediction method based on sensor fusion information for a ship, comprising the step of securing result data through the simulation and estimating an approximate value.
대상 선박의 자료 확보를 위한 것으로, 선박 모델링을 통해 진행되되,
상기 대상 선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.The method of claim 2, wherein the step of securing ship data includes,
This is to secure data on the target vessel, and is carried out through ship modeling.
A sea state prediction method based on sensor fusion information of a ship, characterized by securing trim & stability booklet data and test run data of the target ship.
상기 선박의 흘수(draft)와 속도(speed), 해상 상태(sea state)의 조건에 따른 운동 데이터를 확보하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.The method of claim 2, wherein the simulation execution step includes:
A sea state prediction method based on sensor fusion information for a ship, characterized in that it secures movement data according to the draft, speed, and sea state conditions of the ship.
주파수 영역 RAO(Response Amplitude Operator; 응답 진폭 운영기)와 불규칙파(person-moskowitz spectrum)에 의해 발생하여 변화하는 운동량을 산출함으로써 동요량, 가속도를 포함하는 데이터를 확보하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.According to claim 2, when obtaining result data through the simulation,
A ship sensor that secures data including sway and acceleration by calculating the changing momentum generated by frequency domain RAO (Response Amplitude Operator) and irregular waves (person-moskowitz spectrum). Sea state prediction method based on fusion information.
상기 확보된 데이터로부터 웨이브 각도별, 흘수별, 속도별로 각각 변수에 따라 보간법(interpolation)을 이용하여 근사값을 추정하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.The method of claim 2, wherein the approximate value estimation step is:
A sea state prediction method based on sensor fusion information of a ship, characterized in that an approximate value is estimated using interpolation according to variables for each wave angle, draft, and speed from the obtained data.
입력된 상기 센서 융합정보에 포함되어 있는 노이즈 및 잡음을 제거하는 단계;
일정 주기로 갱신되는 상기 센서 융합정보를 상기 해상상태 평가 알고리즘에 입력하여, 해상상태의 임시 추정값을 출력하는 단계;
설정된 시간동안 축적된 상기 센서 융합정보에 따른 해상상태의 임시 추정값을 평균하여 평균값을 저장하는 단계; 및
상기 평균값을 비교하여 최종값을 도출하되, 상기 평균값이 동일한 경우 동일값을 최종값으로 도출하고, 상기 평균값이 상이한 경우 높은값을 최종값으로 도출하는 단계;를 더 포함하고,
설정된 주기로 상기 평균값 저장 단계 및 최종값 도출 단계를 반복하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 방법.The method of claim 1, wherein the sea state prediction step,
Removing noise and noise included in the input sensor fusion information;
Inputting the sensor fusion information updated at regular intervals into the sea state evaluation algorithm to output a temporary estimate of the sea state;
averaging temporary estimates of sea state according to the sensor fusion information accumulated over a set period of time and storing the average value; and
Comparing the average values to derive a final value, if the average values are the same, deriving the same value as the final value, and if the average values are different, deriving a higher value as the final value;
A sea state prediction method based on sensor fusion information for a ship, characterized in that the average value storage step and the final value derivation step are repeated at a set cycle.
선박의 운동 정보를 감지하는 모션센서와 환경 정보를 감지하는 풍속계를 포함하는 센서부; 및
선박의 trim & stability booklet 데이터와 시운전 데이터를 확보하여 선박 모델링을 진행하는 모델링부와, 선박의 흘수, 속도, 및 해상상태의 조건에 따른 운동 데이터를 확보하는 시뮬레이션부, 및 동요량과 가속도를 포함하는 데이터를 확보하여 보간법을 이용하여 근사값을 추정하는 추정부를 포함하는 상기 해상상태 예측 알고리즘과
상기 센서부로부터 확보된 센서 융합정보의 노이즈를 제거하고, 일정 주기로 갱신되는 상기 센서 융합정보를 상기 해상상태 평가 알고리즘에 입력하여 해상상태의 임시 추정값을 출력하며, 설정된 시간동안 축적된 상기 센서 융합정보에 따른 해상상태의 임시 추정값의 평균값을 비교하여 최종값을 도출하는 예측부를 포함하는 제어부;를 포함하는 것을 특징으로 하는 선박의 센서 융합정보 기반 해상상태 예측 시스템.A system using a sea state prediction method based on sensor fusion information of a ship according to any one of claims 1 to 7,
A sensor unit including a motion sensor for detecting movement information of the ship and an anemometer for detecting environmental information; and
Includes a modeling department that secures the ship's trim & stability booklet data and trial run data to perform ship modeling, a simulation department that secures motion data according to the ship's draft, speed, and sea state conditions, and sway amount and acceleration. The sea state prediction algorithm including an estimation unit that secures data and estimates an approximate value using an interpolation method, and
Noise in the sensor fusion information secured from the sensor unit is removed, the sensor fusion information updated at regular intervals is input into the sea state evaluation algorithm to output a temporary estimate of the sea state, and the sensor fusion information accumulated for a set time is input. A sea state prediction system based on sensor fusion information for a ship, comprising: a control unit including a prediction unit that derives a final value by comparing the average value of the temporary estimates of the sea state according to .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105904A KR20240027984A (en) | 2022-08-24 | 2022-08-24 | Method and system for sea state evaluation based on sensor fusion data of ship |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105904A KR20240027984A (en) | 2022-08-24 | 2022-08-24 | Method and system for sea state evaluation based on sensor fusion data of ship |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240027984A true KR20240027984A (en) | 2024-03-05 |
Family
ID=90298550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220105904A KR20240027984A (en) | 2022-08-24 | 2022-08-24 | Method and system for sea state evaluation based on sensor fusion data of ship |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240027984A (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101945441B1 (en) | 2017-05-25 | 2019-02-07 | 삼성중공업 주식회사 | Real-time wave detecting device and dynamic load monitoring system including the same |
| KR20200137100A (en) | 2019-05-29 | 2020-12-09 | 대우조선해양 주식회사 | System with algorithm for estimating wave spectrum in real-time and providing navigation guideline, and ship or offshore structure having the same |
-
2022
- 2022-08-24 KR KR1020220105904A patent/KR20240027984A/en not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101945441B1 (en) | 2017-05-25 | 2019-02-07 | 삼성중공업 주식회사 | Real-time wave detecting device and dynamic load monitoring system including the same |
| KR20200137100A (en) | 2019-05-29 | 2020-12-09 | 대우조선해양 주식회사 | System with algorithm for estimating wave spectrum in real-time and providing navigation guideline, and ship or offshore structure having the same |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11976917B2 (en) | System and method for providing information on fuel savings, safe operation, and maintenance by real-time predictive monitoring and predictive controlling of aerodynamic and hydrodynamic environmental internal/external forces, hull stresses, motion with six degrees of freedom, and the location of marine structure | |
| KR102419702B1 (en) | Ship's hull structural monitoring system integrated with navigation decision support system | |
| JP5312425B2 (en) | Ship operation support system | |
| KR101711606B1 (en) | A similarity-based damage estimating method of offshore structures | |
| WO2007007728A1 (en) | Tunami information providing method and tunami information providing system | |
| KR20130135721A (en) | Method for energy saving and safety sailing of ship by monitoring hydro-dynamic | |
| JP2015045329A (en) | Method and system for monitoring load and stress of floating body facility | |
| JP6521777B2 (en) | Tsunami monitoring system | |
| Shishkin et al. | Intelligent decision support system for detection of anomalies and unmanned surface vehicle inertial navigation correction | |
| Andersson et al. | An estimation-forecast set-up for iceberg drift prediction | |
| KR20210116798A (en) | Wave information collecting device for economic operation of ship using digital twin | |
| KR20160143414A (en) | Apparatus and method for vessel monitoring | |
| KR20240027984A (en) | Method and system for sea state evaluation based on sensor fusion data of ship | |
| US20230314144A1 (en) | System and method for estimating drift path of marine floating body | |
| JP6492387B1 (en) | GM calculation system, method and program | |
| KR101307828B1 (en) | Wave height measuring device for shipping | |
| Peña et al. | Integrated system to evaluate moored ship behavior | |
| Luthe et al. | Acceleration-based strain estimation in a beam-like structure | |
| KR101556303B1 (en) | Ship hull strength monitoring system | |
| CN118171606B (en) | Method, device, system and medium for predicting drift velocity of water distress target | |
| Domaneschi et al. | Interpolation damage detection method on a suspension bridge model: influence of sensors disturbances | |
| Pennino et al. | Sea state monitoring based on ship motion measurements onboard an icebreaker in the Antarctic waters | |
| KR102239830B1 (en) | Apparatus and method for updating marine environment data | |
| Sagvolden et al. | Structural monitoring systems with applications to ice response monitoring | |
| CN117808153A (en) | Ship pre-port-withstanding port recognition method and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |