程 博

(中海石油(中国)有限公司深圳分公司,广东 深圳 518054)

结构安全性关系船舶安全、货物安全、人身安全甚至生态安全,它决定了船体结构的极限荷载以及船上设备能否正常运行。

随着高速率、低延时、大容量的5G和北斗通信技术快速发展,船上局域无线通信网络得到显著改善,使得该设备向无线组网式方向发展[1],其中核心关键是无线传感节点技术的研发。

目前,船体结构健康监测依然以传统有缆式监测为主,但随着新的电子技术、通信技术、计算机技术的发展,结构健康监测技术发展要求也趋于智能化[2]。

基于此本文提出了一种基于树莓派的无线位姿智能节点监测系统。该系统结合了WiFi无线通信技术与GPS差分技术,具有智能组网、灵活布放、性能稳定等特点。

本系统由一个基站节点+多个移动站节点组成。整个系统的运行流程如下:首先,基站节点接收、观测卫星导航信号并生成差分数据,并且通过4G网络或WiFi以无线的方式传输差分数据。然后,移动站利用差分数据并进行解算,从而获得实时的、动态的、厘米级定位精度。

与此同时,移动站节点接收六轴陀螺仪输出的三向加速度与角速度,与定位数据进行融合演算,最终得到船体结构的三维实时位姿数据。采用这种架构,节点的位置布放比较灵活,仅需要能够接收到GPS以及WiFi信号即可(见图1)。

图1 系统总体架构

无线位姿智能节点的设计目标是能同时具有数据采集、无线通信、边缘计算和数据分析能力,以移动站节点为例,结合以上需求,设计的功能模块如图2所示。

图2 无线节点功能模块

2.1 微控制单元

船体结构的位姿监测具有以下特点:(1)监测物理量较多(包括艏摇、横摇、纵摇、横荡、纵荡、垂荡)。(2)需采用节点协作的方式确定实时的航向用以校准。因此硬件的选用应能处理多源数据且具有较为强大的计算功能和硬件交互能力,此外还应该辅以一定的存储功能与数据评估功能。

结合以上要求,本文采用Raspberry Pi 4B作为节点的命令控制与数据计算的核心。首先,它所采用的CPU为BCM2711 ARM,64位处理器的运行频率为1.5 GHz,相比于16位及32位处理器,它的运行主频提升了一个数量级。其次,它支持SPI,UART,IIC等外围接口,具有硬件通信能力,可以直接通过GPIO接口接入支持以上协议的电子元器件;且支持PoE充电,仅需要加入单独的PoE HAT板。最后,它支持IEEE 802.11b/g/n/ac无线LAN通信协议,以及多个USB接口,可实现节点与上位机的无线数据传输。

2.2 数据采集模块

无线节点的数据采集模块包含:六轴陀螺仪、单轴角度传感器以及差分GPS模块。

其中,六轴陀螺仪与单轴角度传感器采用微机械加工技术,具有体积小、重量轻、功耗低、可靠性高、灵敏度高、易于集成等优点[3],能够输出结构实时的三维加速度与角加速度。

基站节点的差分GPS模块用于向移动站节点输出差分数据。移动站节点接收到差分数据后,输出经过解算后的定位数据,精度可达厘米级,包含高度、经度以及纬度。利用差分GPS模块可以用于矫正加速度积分所造成的漂移误差。

软件设计包含两个部分:一部分是传输方式以及通信协议的选用;另一部分是节点的边缘计算与评估分析功能。

3.1 通信模块

3.1.1 无线节点内部通信

对于每一个节点,均存在六轴陀螺仪、水晶陀螺仪传感器以及差分GPS模块这三种传感器。因此,对于MCU来说通信总线上的从机有三个,它们将会输出多种不同类型的数据。因此可以采用支持从设备向主机进行数据传输的IIC协议。该协议是一种串行半双工的总线协议,标准模式的传输速率为100 Kb/s,快速模式为400 Kb/s,高速模式达3.4 Mb/s,可以满足100 Hz位姿数据传输容量要求,并且可以采用校验和的方式保证数据传递的可靠性。

3.1.2 无线节点间通信

移动站节点需要接收来自基站节点的差分数据完成自身位置的校正,从而得到厘米级精度的位置与方向信息。节点与节点间的无线通信,采用无线电的方式,以天线作为传输的物理介质,实现RTK差分数据的实时单向传输。

3.1.3 无线节点与上位机通信

通信需采用无线的方式,通信的特点如下:(1)传输数据多源以及多类型。这要求系统可实现异步通信且对于多种类型数据的同步处理能力。(2)数据传输的可靠性。节点上传数据应保证不丢失,不重复,因此需要引入可靠的反馈机制进行检查,保证数据传递的长期可靠。(3)上位机对无线节点的远程控制能力。节点的管理、控制以及状态监测需要及时反馈到上位机一侧,并且可以远程控制节点,及时调整节点的各项参数配置,实现远程调试与维护。

结合以上要求,采用MQTT协议实现数据传递与远程控制。MQTT协议可即时异步处理多源数据,并且依赖于TCP/IP的握手机制,具有良好的数据传递可靠性。在此基础上,还可以实现对于无线节点的远距离过程调用,即RPC功能(见图3)。

图3 MQTT通信传递机制

3.2 边缘计算模块

3.2.1 噪声滤波

MEMS传感器的输出数据会包含各式各样的环境噪声,符合高斯分布的,随机产生。因此为了最大程度抑制噪声对于信号的干扰,采用改动后的滑动平均滤波算法,具体方法如下:

把连续取得的N个采样值看成一个队列,队列的长度固定为N;每次采样到一个新数据放入队尾,并扔掉原来队首的第一个数据(先进先出原则);把队列中的N个数据去掉一个最大值和一个最小值后进行算术平均运算,获得新的滤波结果。其中,N值的取值范围为10~14。

这种滤波器融合了“中位值滤波法”+“滑动滤波法”两种滤波法的优点。对于偶然出现的脉冲性干扰,可消除由其所引起的采样值偏差,平滑度高,对周期干扰有良好的抑制作用。

3.2.2 漂移抑制

由于传感器输出的加速度与角加速度数据存在量测误差,经过积分后误差会随着时间推移而不断变大,导致位姿发生持续漂移。

因此为了得到更为可靠的位姿数据,往往需要采用融合滤波的方法对测量值进行估计,从而得到结构在当前状态下最为可靠的实时数据。在位姿监测中,卡尔曼动态滤波算法是一种对于结构实时位姿估计最为可靠的滤波算法,能够有效降低测量噪声,提高测量精度,快速求解出实时运动姿态信息[4]。

结合本文所设计无线节点的硬件架构,对于不同物理量所需要融合的数据将有所不同,如表1所示。

表1 位姿融合方式与传感器

其中,横摇、纵摇的融合滤波算法采用经典的组合导航算法,滤波方法如图4所示。卡尔曼滤波器接收两个传感器系统对同一参数输出值的差值,并经过滤波计算估计误差量,再用该误差估计值去校正位姿监测节点输出的位姿参数,从而得到了位姿的最优估计。

图4 卡尔曼滤波过程

艏摇、横荡、纵荡和垂荡的融合滤波算法则结合了差分GPS模块。因此,需要将以上滤波算法中的MEMS加速度计更换为差分GPS模块,利用实时的差分定位数据对陀螺仪以及加速度计进行校准。

为了测试无线节点的实际效果,将无线节点应用于FPSO船的姿态监测中,全船船长260 m。首先,在船艉处布置一个基站节点用于生成差分数据。然后,实验人员手持移动站节点平稳地绕船一周,利用基站的差分数据实时解算获得移动站节点的位姿数据。如图5所示为开展试验的FPSO船模型图及实际路径。

图5 实船测试路径

移动站无线节点的实际行走路径,从船艏处出发,从左舷一路到达船艉后再从右舷回到船艏,在这个过程中还会进出舱室以及上下楼梯。最终所测得路径如图6所示。

图6 移动站无线节点路径

其中,位于中间的一条直线为船体的初始中轴线,由于FPSO船体位于海上,因此不可避免地存在移动,所以实际的移动曲线并不会以中轴线为对称,测量结果也显示如此。另外,位置1处的发散是因为进入舱室后不能接收GPS信号所导致的,位置2及其他多处的路径缠绕是因为在同一位置上下楼梯所产生的。由此可以看出,试验中无线节点所测得位移变化是比较精准的。

本文提出的无线位姿智能节点结合了无线通信技术,有效地解决了当前结构位姿监测中布线困难、安装复杂等问题,利用自带的计算模块与存储模块,在一定程度上实现了智能化与边缘计算,并且实船试验效果良好,为后续船体结构监测技术的无线化、智能化发展提出了一种新的解决思路。

猜你喜欢 差分滤波基站 基于HP滤波与ARIMA-GARCH模型的柱塞泵泄漏量预测农业工程学报(2022年10期)2022-08-22一类分数阶ｑ-差分方程正解的存在性与不存在性（英文）上海师范大学学报·自然科学版(2022年3期)2022-07-11基于NETMAX的基站网络优化中国新通信(2022年4期)2022-04-23应用于农业温度监测的几种滤波算法研究现代信息科技(2021年21期)2021-05-07一个求非线性差分方程所有多项式解的算法（英）华东师范大学学报（自然科学版）(2020年1期)2020-03-165G基站辐射对人体有害？恋爱婚姻家庭·青春(2019年9期)2019-12-105G基站辐射对人体有害？恋爱婚姻家庭(2019年26期)2019-09-145G辐射比4G小文萃报·周二版(2019年32期)2019-09-10一类caputo分数阶差分方程依赖于参数的正解存在和不存在性上海师范大学学报·自然科学版(2018年3期)2018-05-14基于非下采样剪切波变换与引导滤波结合的遥感图像增强计算机应用(2016年10期)2017-05-12