论文部分内容阅读
摘要:伴随着科学技术的不断进步,现代信号处理系统实现了跨越式发展。为了便于数据分析,将数据处理的延时降低后,可大大提高数据的处理效率,将其应用在船舶港口的监控项目中,能为船舶系统化管理提供更加有力的保障。
关键词:数据融合技术在港口设备智能维保系统中的应用
引言
港口智能化是港口发展的大方向,这就要求港口企业利用以云服务、大数据为代表的新技术手段进行转型升级,提升工作效率。随着全国港口集装箱化的发展港口运营早已实现全面信息化,港机设备的管理同样需要进行信息化。对船舶港口的监控工作要充分发挥科学技术的优势,完善服务模式的同时,对建设方案予以处理,提高架构和服务水平,也为监控系统中完成多通道时延数据融合技术提供保障。将监控平台作为切入点,提高智能化港口的管理水平,实现船舶港口管理的可持续发展。
1数据融合技术介绍
数据融合技术指通过计算机技术综合分析多源数据,充分挖掘多源数据中隐藏的信息,从而更加全面地评估对象的状态。相较于单一传感器监测和人工观测,数据融合技术能通过对多源数据的优化组合来挖掘更多有效信息,从而有效提高观测精度和判断准确度。各类复杂的机械和电气控制系统往往具有多个状态特征量,且状态表达极为复杂,单个传感器无法有效、全面地监测系统状态;因此,在对复杂系统实施状态监测时,常常同时采集多源状态数据,如设备的振动、温度、压力、应变、速度等数据,并将多源数据有机结合后实施综合处理,以提高系统评估的准确性和可靠性。此外,结合模糊评价技术,可充分利用原本无法融入信息化体系的人工观测数据。可见,数据融合技术能够高效、全面地利用复杂系统采集的多源数据,为后续的系统状态监测、故障诊断、维护保养、数据可视化等提供支持。
2港口信息的主要内容
港口信息主要包括港口结构信息、通航环境信息和船舶动态信息。在港口结构信息采集方面,传统测绘手段正向结合无人机、测绘船、多波束超声测探、激光雷达、RTK技术等多种技术结合的港口测绘技术发展,形成包括岸边、水面和水下的全方位、立体港口结构信息测绘手段;在通航环境信息方面,针对水位、水文、气象等影响通航的因素,现在主要采用部署智能航标、监测站等方式进行实时采集;在船舶动态信息方面,通过AIS系统和岸基雷达系统等进行实时采集。这些多源、多模态、不同类型的港口数据从各个角度描述港口状态。
3数据融合技术在港口岸桥智能维保系统中的应用
3.1数据采集
一是在岸桥重要位置安装测量加速度、角度等数据的姿态传感器;二是直接运用定位技术获得设备整体或某个部件的位置数据。姿态传感器包括陀螺仪、加速度计等运动传感器,可采集被监测部件的加速度、速度、角加速度、角速度等运动数据。定位技术包括刻度标尺定位、磁钉定位、全球定位系统(global positioning system,GPS)定位等,其中:刻度标尺定位、磁钉定位精度较高,但需要提前布置刻度标尺、磁钉等辅助装置;GPS定位仅需GPS传感器,但精度稍低。通过以上方式获得的运动数据可用于修正岸桥数字孪生模型运动状态和计算理论受力情况,并且通过不同方式采集的数据还可以互相验证,从而提高系统的准确性和可靠性。
3.2水运数据预处理
1)轨迹数据重构结合港口走向、AIS数据、VITS数据的邻近时刻、经纬度等信息,借助GIS对VITS缺失数据进行轨迹重构,补全完整的船舶运行轨迹。2)Date时间格式转化利用Python语句将VITS数据的时间格式TIMESTAMP(12小时制)转为DATE(24小时制)重新进行时间存储。3)OD甄别结合船舶的轨迹数据,对疑似停靠点进行判断,利用区间距离、停泊时长来区分船舶是在船闸处停泊、临时停泊还是真正意义上的靠港停泊。4)关键参数标定利用数理统计、聚类分析的方法,将速度小于0.5千米/时、区间行驶距离大于10千米、停泊时长大于3小时的判断为真正意义上的靠港停泊,即本研究中所指的OD。5)利用时空参数(区间距离、停泊时间)计算ODAIS数据、VITS数据可以实时回传船舶在江河运行的实时位置、速度等信息,为跟踪船舶时空位置信息提供关键数据支撑。距离判断。每一条船,根据经纬度变化,确定下一条数据与上一条数据的距离(此处需要用经纬度换算到实际距离)。若距离小于10km,则认为船没有行驶,位置为P(i)。若距离大于10公里,则认为船停泊在下一个位置,位置为P(i+1)。时间判断。提取P(i)位置的最小时间对应的经纬度和时间,和最大时间对应的经纬度和时间。将最大时间和最小时间做差得到△t。如果△t3,则认为船舶抵达码头,保留数据。遍历表格。遍历整个数据表,最后得到的结果是每个船在每个位置的起始、结束对应的经纬度和时间。
3.3港口大数据融合方法
港口大数据融合分为两个层面:一是基于多种采集手段生成全面准确的港口三维结构图的数据融合方法;二是基于港口结构图、结合慢变信息和动态信息,面向应用的数据融合方法。3.1港口结构图构建数据融合港口结构图构建的多源信息融合是通过处理多源、多类型、多尺度的港口结构相关数据,提升港口测绘图的整体性、测绘质量和测绘准确性的主要方法。港口结构图构建的数据融合的首要问题是港口数据的拼接问题。由于基于无人机、测绘船舶所采集的港口信息,一般只是一段港口的三维结构,如何将不同设备采集的港口信息拼接,形成全局的整体的港口三维结构图是应用中的重要问题。三维数据的拼接问题在应用中主要包括手工拼接和自动拼接两种方法,其中自动拼接主要基于点云对齐技术,包括ICP(Iterative Closest Point)等算法。
3.4港口要素联动更新处理技术
港口要素联动更新技术是一项复杂的工程,包括港口要素更新数据检测、港口要素自适应增量更新以及更新数据匹配与传递。通过新旧数据对比分析来构建需更新数据的信息空间,然后将更新的信息更新到旧数据下,并对新旧数据边界进行融合,最后将更新的数据经网络传输给上层。数据联动更新主要分为以下三步骤。(1)更新信息检測。基于BP神经网络和决策树融合的矢量数据更新检测可显著提高检测效率。根据新旧时空数据更新匹配原则创建决策树体系,然后将新旧数据对比节点利用BP神经网络进行节点分裂。神经网络的输入数据为新旧数据的变化特征,输出为各类信息的分类结果。(2)自适应增量更新。在更新信息检测后需要将新信息增加到数据库中,但是更新后异构数据的数据边缘常存在空间冲突,要综合考虑空间、表述相似度以及拓扑一致性约束,建造最佳的接边匹配模型来匹配融合边界数据。(3)更新信息多尺度匹配与传递。在更新后信息尺度匹配和传递上可采用基于RVM与主动学习的多尺度匹配和面向对象群的更新信息多尺度传递等方式,为不同部门、不同用户的港口信息需求提供自主学习多尺度更新的方式,满足信息的多尺度匹配与传递。
结束语
智能化是港口设备维保系统发展的重要方向,数据融合技术是涉及港口设备智能维保系统多源数据处理的关键技术。将数据融合技术应用于港口设备智能维保系统,通过对设备多源数据的有机结合和高效利用,能进一步提高港口设备智能维保系统的准确性和可靠性,为港口设备高效、安全运行提供保障,为港口信息化和智能化生产提供支撑
参考文献
[1]刘东辉,宋浩,王云鹏.物联网技术在智能港口设备的应用[J].中小企业管理与科技(上旬刊),2020(12):164-165.
[2]周虹伯.港口设备润滑控制技术分析与研究[J].中国仪器仪表,2019(06):75-78.
[3]中国港口机械智能控制技术研讨会在深圳召开[J].起重运输机械,2019(06):13.
[4]周虹伯.港口智能润滑设备健康管理系统[J].港口装卸,2019(02):50-51+67.
[5]唐雪辉.港口设备智能管控系统研究和实现[D].湖北工业大学,2018.
关键词:数据融合技术在港口设备智能维保系统中的应用
引言
港口智能化是港口发展的大方向,这就要求港口企业利用以云服务、大数据为代表的新技术手段进行转型升级,提升工作效率。随着全国港口集装箱化的发展港口运营早已实现全面信息化,港机设备的管理同样需要进行信息化。对船舶港口的监控工作要充分发挥科学技术的优势,完善服务模式的同时,对建设方案予以处理,提高架构和服务水平,也为监控系统中完成多通道时延数据融合技术提供保障。将监控平台作为切入点,提高智能化港口的管理水平,实现船舶港口管理的可持续发展。
1数据融合技术介绍
数据融合技术指通过计算机技术综合分析多源数据,充分挖掘多源数据中隐藏的信息,从而更加全面地评估对象的状态。相较于单一传感器监测和人工观测,数据融合技术能通过对多源数据的优化组合来挖掘更多有效信息,从而有效提高观测精度和判断准确度。各类复杂的机械和电气控制系统往往具有多个状态特征量,且状态表达极为复杂,单个传感器无法有效、全面地监测系统状态;因此,在对复杂系统实施状态监测时,常常同时采集多源状态数据,如设备的振动、温度、压力、应变、速度等数据,并将多源数据有机结合后实施综合处理,以提高系统评估的准确性和可靠性。此外,结合模糊评价技术,可充分利用原本无法融入信息化体系的人工观测数据。可见,数据融合技术能够高效、全面地利用复杂系统采集的多源数据,为后续的系统状态监测、故障诊断、维护保养、数据可视化等提供支持。
2港口信息的主要内容
港口信息主要包括港口结构信息、通航环境信息和船舶动态信息。在港口结构信息采集方面,传统测绘手段正向结合无人机、测绘船、多波束超声测探、激光雷达、RTK技术等多种技术结合的港口测绘技术发展,形成包括岸边、水面和水下的全方位、立体港口结构信息测绘手段;在通航环境信息方面,针对水位、水文、气象等影响通航的因素,现在主要采用部署智能航标、监测站等方式进行实时采集;在船舶动态信息方面,通过AIS系统和岸基雷达系统等进行实时采集。这些多源、多模态、不同类型的港口数据从各个角度描述港口状态。
3数据融合技术在港口岸桥智能维保系统中的应用
3.1数据采集
一是在岸桥重要位置安装测量加速度、角度等数据的姿态传感器;二是直接运用定位技术获得设备整体或某个部件的位置数据。姿态传感器包括陀螺仪、加速度计等运动传感器,可采集被监测部件的加速度、速度、角加速度、角速度等运动数据。定位技术包括刻度标尺定位、磁钉定位、全球定位系统(global positioning system,GPS)定位等,其中:刻度标尺定位、磁钉定位精度较高,但需要提前布置刻度标尺、磁钉等辅助装置;GPS定位仅需GPS传感器,但精度稍低。通过以上方式获得的运动数据可用于修正岸桥数字孪生模型运动状态和计算理论受力情况,并且通过不同方式采集的数据还可以互相验证,从而提高系统的准确性和可靠性。
3.2水运数据预处理
1)轨迹数据重构结合港口走向、AIS数据、VITS数据的邻近时刻、经纬度等信息,借助GIS对VITS缺失数据进行轨迹重构,补全完整的船舶运行轨迹。2)Date时间格式转化利用Python语句将VITS数据的时间格式TIMESTAMP(12小时制)转为DATE(24小时制)重新进行时间存储。3)OD甄别结合船舶的轨迹数据,对疑似停靠点进行判断,利用区间距离、停泊时长来区分船舶是在船闸处停泊、临时停泊还是真正意义上的靠港停泊。4)关键参数标定利用数理统计、聚类分析的方法,将速度小于0.5千米/时、区间行驶距离大于10千米、停泊时长大于3小时的判断为真正意义上的靠港停泊,即本研究中所指的OD。5)利用时空参数(区间距离、停泊时间)计算ODAIS数据、VITS数据可以实时回传船舶在江河运行的实时位置、速度等信息,为跟踪船舶时空位置信息提供关键数据支撑。距离判断。每一条船,根据经纬度变化,确定下一条数据与上一条数据的距离(此处需要用经纬度换算到实际距离)。若距离小于10km,则认为船没有行驶,位置为P(i)。若距离大于10公里,则认为船停泊在下一个位置,位置为P(i+1)。时间判断。提取P(i)位置的最小时间对应的经纬度和时间,和最大时间对应的经纬度和时间。将最大时间和最小时间做差得到△t。如果△t3,则认为船舶抵达码头,保留数据。遍历表格。遍历整个数据表,最后得到的结果是每个船在每个位置的起始、结束对应的经纬度和时间。
3.3港口大数据融合方法
港口大数据融合分为两个层面:一是基于多种采集手段生成全面准确的港口三维结构图的数据融合方法;二是基于港口结构图、结合慢变信息和动态信息,面向应用的数据融合方法。3.1港口结构图构建数据融合港口结构图构建的多源信息融合是通过处理多源、多类型、多尺度的港口结构相关数据,提升港口测绘图的整体性、测绘质量和测绘准确性的主要方法。港口结构图构建的数据融合的首要问题是港口数据的拼接问题。由于基于无人机、测绘船舶所采集的港口信息,一般只是一段港口的三维结构,如何将不同设备采集的港口信息拼接,形成全局的整体的港口三维结构图是应用中的重要问题。三维数据的拼接问题在应用中主要包括手工拼接和自动拼接两种方法,其中自动拼接主要基于点云对齐技术,包括ICP(Iterative Closest Point)等算法。
3.4港口要素联动更新处理技术
港口要素联动更新技术是一项复杂的工程,包括港口要素更新数据检测、港口要素自适应增量更新以及更新数据匹配与传递。通过新旧数据对比分析来构建需更新数据的信息空间,然后将更新的信息更新到旧数据下,并对新旧数据边界进行融合,最后将更新的数据经网络传输给上层。数据联动更新主要分为以下三步骤。(1)更新信息检測。基于BP神经网络和决策树融合的矢量数据更新检测可显著提高检测效率。根据新旧时空数据更新匹配原则创建决策树体系,然后将新旧数据对比节点利用BP神经网络进行节点分裂。神经网络的输入数据为新旧数据的变化特征,输出为各类信息的分类结果。(2)自适应增量更新。在更新信息检测后需要将新信息增加到数据库中,但是更新后异构数据的数据边缘常存在空间冲突,要综合考虑空间、表述相似度以及拓扑一致性约束,建造最佳的接边匹配模型来匹配融合边界数据。(3)更新信息多尺度匹配与传递。在更新后信息尺度匹配和传递上可采用基于RVM与主动学习的多尺度匹配和面向对象群的更新信息多尺度传递等方式,为不同部门、不同用户的港口信息需求提供自主学习多尺度更新的方式,满足信息的多尺度匹配与传递。
结束语
智能化是港口设备维保系统发展的重要方向,数据融合技术是涉及港口设备智能维保系统多源数据处理的关键技术。将数据融合技术应用于港口设备智能维保系统,通过对设备多源数据的有机结合和高效利用,能进一步提高港口设备智能维保系统的准确性和可靠性,为港口设备高效、安全运行提供保障,为港口信息化和智能化生产提供支撑
参考文献
[1]刘东辉,宋浩,王云鹏.物联网技术在智能港口设备的应用[J].中小企业管理与科技(上旬刊),2020(12):164-165.
[2]周虹伯.港口设备润滑控制技术分析与研究[J].中国仪器仪表,2019(06):75-78.
[3]中国港口机械智能控制技术研讨会在深圳召开[J].起重运输机械,2019(06):13.
[4]周虹伯.港口智能润滑设备健康管理系统[J].港口装卸,2019(02):50-51+67.
[5]唐雪辉.港口设备智能管控系统研究和实现[D].湖北工业大学,2018.