CN121404452A - 一种无人驾驶船舶抗风浪系统和方法 - Google Patents

Abstract

本发明揭示了一种无人驾驶船舶抗风浪系统，无人驾驶船舶上安装有抗风浪传感器，所述抗风传感器包括风速风向传感器、船体姿态传感器、差分GPS、水流流速传感器和水压传感器，所述抗风浪连接并输出感应信号至数据融合模块，所述数据融合模块连接并输出融合信号至干扰建模模块，所述干扰建模模块连接并输出干扰建模数据至补充控制模块，所述补充控制模块连接并输出补充参数至姿态调整模块，所述姿态调整模块连接并输出姿态调整参数至推进器执行模块，所述推进器执行模块为无人驾驶船舶的动力系统。本发明能够提升水面无人智能航行器的定位与航行精度,通过相应的传感器配合控制逻辑，能够避免水浪对无人驾驶其他传感器的影响，提升了无人船舶抗干扰能力，特别使小型船艇的抗干扰能力显著提升。

Description

一种无人驾驶船舶抗风浪系统和方法

技术领域

本发明涉及船舶无人驾驶技术领域。

背景技术

随着水上作业需求的不断拓展，水面无人智能航行器在测绘勘探、环境监测、安防巡逻等领域的应用日益广泛。现有技术中的水面无人智能航行器产品普遍存在以下问题：其一，航行精度较低，多数依赖常规GPS定位，误差通常在米级，难以满足高精度作业需求；其二，通信稳定性与传输效率不足，传统采用4G或专用频段通信的水面无人智能航行器，在复杂水域环境下易出现信号中断，且无法高效传输高清图像与传感器数据；其三，感知能力单一，大多仅搭载单一类型传感器，对周围环境的识别与避障能力有限；其四，二次开发难度大，多数产品采用封闭的控制系统，用户难以根据具体场景进行算法优化与功能扩展；其五，集群协同能力薄弱，多艘水面无人智能航行器作业时难以实现精准的编队控制与信息交互。

此外，现有水面无人智能航行器的控制算法与硬件平台兼容性较差，当需要更换传感器或升级算法时，往往需要对整个系统进行重构，增加了使用成本与技术门槛。在复杂水域作业中，这些缺陷导致水面无人智能航行器的作业效率低下、可靠性不足，限制了其在高精度、高要求场景下的应用。

目前也有使用传感器监测的无人驾驶船舶，例如公开号为CN 116540696A，公开日为2023.08.04，专利名称为《一种基于ROS的无人船多传感器融合的多模态避障系统》的公开文献，公开的基于ROS的无人船多传感 器融合的多模态避障系统，包括传感器、控制器和执行器三部分，本系统中激光雷达、工业相机、惯性测量单元和GPS模块用于感知 周围环境和获取姿态和位置信息，属于系统的传感器；人工智能开发板和单片机是主控模块，根据输入通过内置算法做出决策，属于系统的控制器；驱动控制器及驱动机械装置用于执行控制器 的决策，属于系统的执行器。

但现有自主航行小船多适用于平静内陆水域，在近海、湖泊入海口等特殊水面（含风浪、水流干扰）环境中，存在抗干扰能力弱、航行精度差、探索数据失真等问题。现有技术虽部分搭载常规 GPS 与惯性传感器，但缺乏针对风浪流耦合干扰的专用感知模块，且算法多基于平稳环境设计，未建立精准的干扰补偿模型，导致小船易偏离航线、无法稳定完成探索任务，难以满足特殊水面探索的实际需求。

发明内容

本发明所要解决现有自主航行小船缺乏针对特殊水面风浪流的专用传感器，无法精准感知复杂干扰参数，导致环境感知不全面；现有算法未考虑风浪流耦合干扰的动态特性，无有效的干扰补偿机制，航行轨迹偏差大，抗干扰能力弱；特殊水面探索中，小船姿态稳定性不足，影响探索数据的准确性和任务完成效率的技术问题，实现一种能够适用于小型船舶上的抗风浪系统和方法。

为了实现上述目的，本发明采用的技术方案为：一种无人驾驶船舶抗风浪系统，无人驾驶船舶上安装有抗风浪传感器，所述抗风传感器包括风速风向传感器、船体姿态传感器、差分GPS、水流流速传感器和水压传感器，所述抗风浪连接并输出感应信号至数据融合模块，所述数据融合模块连接并输出融合信号至干扰建模模块，所述干扰建模模块连接并输出干扰建模数据至补充控制模块，所述补充控制模块连接并输出补充参数至姿态调整模块，所述姿态调整模块连接并输出姿态调整参数至推进器执行模块，所述推进器执行模块为无人驾驶船舶的动力系统。

所述推进器执行模块为具有双推进器的动力机构，所述推进器执行模块连接并输出动力推进参数至数据融合模块。

所述风速风向传感器固定在无人驾驶船舶的甲板上，所述船体姿态传感器和差分GPS固定在无人驾驶船舶船体内，所述水流流速传感器和水压传感器固定在船底的水面下，所述无人驾驶船舶的侧舷设有防波板。

所述风速风向传感器采用三维超声波风速风向传感器，用于实时采集风速、风向，捕捉风浪动态干扰；

所述船体姿态传感器采用微机械惯性测量单元（MIMU），用于采集船体姿态角及角加速度，所述船体姿态角包括滚转 φ、俯仰 θ、偏航 ψ；

所述差分GPS用于提供精准位置信息，作为航行基准

所述水流流速传感器采用多普勒流速剖面仪，用于测量水流速度、流向，获取水下流场分布；

所述水压传感器用于辅助判断吃水深度，修正水流干扰计算。

一种基于所述无人驾驶船舶抗风浪系统的控制方法：

步骤1、抗风传感器实时获取的数据信息输送至数据融合模块；

步骤2、通过加权融合算法整合抗风传感器数据，获得融合后的干扰参数；

步骤3、基于整合的抗风传感器数据，计算风浪流耦合干扰补偿数据；

步骤4、基于风浪流耦合干扰补偿数据计算当前动态姿态稳定数据；

步骤5、将动态姿态稳定数据输出至推进器执行模块执行。

所述步骤2中融合后的干扰参数：；

其中，为第 i 个传感器的测量值，为权重，为第 i 个传感器的测量 标准差；

标定：风速传感器 σ=0.05，流速仪 σ=0.03，MIMUσ=0.02。

所述步骤3中风浪流耦合干扰补偿数据计算方法：

1）建立干扰力模型：；

风力干扰，为风阻系数，为空气密度，为船体受 风面积，为融合后风速；

水流干扰，为水流阻力系数；为水密度，为船体受流面积，为融合后水流速度；

姿态与轨迹补偿：基于 PID 算法加入干扰前馈补偿项，修正推进器输出和船体姿态，公式如下：

其中，为推进器输出控制量（单位：N）；为期望位置与实际位 置偏差；、、为 PID 参数；为干扰补偿系数。

所述步骤4中计算动态姿态稳定方法：

通过 MIMU 数据实时计算船体姿态角，结合压载舱调节实现姿态稳定，执行公式：

其中、为期望姿态角；

、为姿态调节系数；

、为阻尼系数；

、为滚转、俯仰角调节速率。

所述步骤4中计算动态姿态稳定方法：

当风速≥25m/s时，通过 MIMU 数据实时计算船体姿态角，结合压载舱调节实现姿 态稳定的执行公式：；

为滑模面，，。

本发明能够提升水面无人智能航行器的定位与航行精度,通过相应的传感器配合控制逻辑，能够避免水浪对无人驾驶其他传感器的影响，提升了无人船舶抗干扰能力，特别使小型船艇的抗干扰能力显著提升。

附图说明

下面对本发明说明书中每幅附图表达的内容及图中的标记作简要说明：

图1为无人驾驶船舶抗风浪系统安装示意图；

图2为无人驾驶船舶抗风浪系统；

上述图中的标记均为：1、风速风向传感器；2、船体姿态传感器；3、差分GPS；4、水流流速传感器；5、水压传感器。

具体实施方式

下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

无人驾驶船舶主要应用在小型船舶上，因为小型船舶特别是小型无人艇体积小，质量轻，因此极容易受到风浪的影响，一旦略有风浪（大船甚至无法感应到的波浪）都有可能造成小船不断的摆动，例如主体采用流线型单体结构的小船总长 1.2m、宽 0.6m，吃水深度 0.3m，船体中部搭载传感器集成舱，尾部设置双推进器（功率 500W），底部安装可调节压载舱，保障航行稳定性，这样体型的船舶在行驶时，波浪导致船身晃动，则会影响到船舶上传感器设备的数据采集，既然船舶四周的雷达设备等，因此采集角度的变化，可能因为波浪照射向天空或者水面，无论哪种情况都可能造成无人驾驶船舶数据采集的可靠性下降，对无人驾驶船舶航行判断错误而发出误报警，因此需要一种应用于无人驾驶船舶的水面抗风浪流自主航行保障系统。

无人驾驶船舶具有传感器集成舱（保障传感器稳定性）、风浪流专用传感器组（风速、流速、MIMU）、干扰补偿算法模块、推进执行模块；可选结构为压载舱调节系统（平静特殊水面可省略，仅风浪等级≥5 级时启用）。其中推进器执行模块为具有双推进器的动力机构。无人驾驶船舶单体结构可替换为单体深 V 型结构，吃水深度增加至 0.4m，配合侧舷防波板，提升抗浪能力，传感器安装位置保持不变。

无人驾驶船舶上安装有抗风浪传感器，抗风传感器包括风速风向传感器1、船体姿态传感器2、差分GPS3、水流流速传感器4和水压传感器5；

风速风向传感器1采用三维超声波风速风向传感器1，型号及参数选择MS4515D，量程：风速 0-60m/s，风向 0-360°，精度 ±0.1m/s，安装位置在船体顶部，功能作用是实时采集风速 v_w、风向 θ_w，捕捉风浪动态干扰；

风速风向传感器1还可以替换为 FT7420（量程 0-70m/s，精度 ±0.08m/s），流速 仪可替换为 Nortek Aquadopp（量程 0-6m/s），核心参数不变，仅需重新标定权重；

船体姿态传感器2采用微机械惯性测量单元（MIMU），型号及参数选择MPU9250，含三轴陀螺仪（量程 ±2000°/s）、三轴加速度计（量程 ±16g）、三轴磁力计，安装位置在船舱，功能作用是采集船体姿态角（滚转 φ、俯仰 θ、偏航 ψ）及角加速度；

差分GPS3即差分 GPS 模块，型号及参数选择Ublox F9P，定位精度 ±1cm（RTK 模式），更新率 10Hz，安装位置在船体顶部，功能作用是提供精准位置信息（x,y,z），作为航行基准；

水流流速传感器4采用多普勒流速剖面仪，型号及参数选择Teledyne RDIWorkHorse，量程：0-5m/s，精度 ±0.01m/s，安装位置在船体底部吃水处，功能作用是测量水流速度 v_c、流向 θ_c，获取水下流场分布；

水压传感器5型号及参数选MPX5700，量程 0-10bar，精度 ±0.5% FS，安装位置在船体底部，功能作用是辅助判断吃水深度，修正水流干扰计算。

数据的核心逻辑：传感器数据输入 → 数据融合 → 干扰建模 → 补偿控制/姿态调节 → 执行机构输出；即抗风浪连接并输出感应信号至数据融合模块，数据融合模块连接并输出融合信号至干扰建模模块，干扰建模模块连接并输出干扰建模数据至补充控制模块，补充控制模块连接并输出补充参数至姿态调整模块，姿态调整模块连接并输出姿态调整参数至推进器执行模块，推进器执行模块为无人驾驶船舶的动力系统，推进器执行模块连接并输出动力推进参数至数据融合模块。

抗风浪传感器：作为数据输入模块（矩形边框）：包含“三维超声波风速风向传感器1”、“多普勒流速传感器”、MIMU姿态传感器”、“差分GPS3”、“压力传感器”5个数据源头，各源头通过直线指向“数据融合模块”；

数据融合模块（矩形边框，标注“加权融合算法”）：接收输入数据后，通过公式处理，输出融合后的风速、水流速度、姿态角等参数，通过 直线指向“干扰建模模块”；

干扰建模模块矩形边框，标注“风浪流耦合模型”）：接收融合参数，通过计算总干扰力，分别通过两条直线指向“补偿控制模块”和“姿态调节 模块”；

补充控制模块（矩形边框，标注“PID+干扰前馈补偿”）：结合差分GPS3提供的位置 偏差，通过计算推进 器控制量，输出至“双推进器执行模块”；

姿态调整模块（矩形边框，标注“动态姿态稳定算法”）：结合MIMU的姿态角数据，通 过和计算调节速率， 输出至“压载舱调节执行模块”；

推进器执行模块：“双推进器执行模块”的运行状态数据，反馈至数据融合模块，形成闭环控制。

基于上述无人驾驶船舶抗风浪系统的控制方法：

步骤1、抗风传感器实时获取的数据信息输送至数据融合模块；

步骤2、通过加权融合算法整合抗风传感器数据，获得融合后的干扰参数；

通过加权融合算法整合多传感器数据，降低测量噪声，公式如下：

；

其中，为融合后的干扰参数（风速、水流速度等），为第 i 个传感器的测 量值，为权重（为第 i 个传感器的测量标准差，通过实验标定：风速传感器 σ= 0.05，流速仪 σ=0.03，MIMUσ=0.02）。

步骤3、基于整合的抗风传感器数据，计算风浪流耦合干扰补偿数据；

建立干扰力模型：；

风力干扰（为风阻系数，取 0.8；为空气密度， 1.29kg/m³；为船体受风面积，0.36m²；为融合后风速）；

水流干扰（为水流阻力系数，取 1.2；为水密度，1000kg/m³；为船体受流面积，0.18m²；为融合后水流速度）。

姿态与轨迹补偿：基于 PID 算法加入干扰前馈补偿项，修正推进器输出和船体姿 态，公式如下：；

其中，为推进器输出控制量（单位：N）；为期望位置与实际位 置偏差；、、为 PID 参数；为干扰补偿系数（通 过水池风浪模拟实验标定）。

步骤4、基于风浪流耦合干扰补偿数据计算当前动态姿态稳定数据；

通过 MIMU 数据实时计算船体姿态角，结合压载舱调节实现姿态稳定，核心公式：

；

；

（、为期望姿态角；、为姿态调节系数；、为阻尼系数；、为滚转、俯仰角调节速率，控制压载舱水泵启停， 调节响应时间≤0.5s）。

算法替代：干扰补偿算法可替换为滑模控制算法，核心公式（为滑模面，，），适用于更高风浪等级 （风速≥25m/s）环境；

步骤5、将动态姿态稳定数据输出至推进器执行模块执行。

上述无人驾驶船舶抗风浪系统和方法具有以下优势：

1、抗干扰能力显著提升：通过专用传感器组和耦合干扰补偿算法，在风速≤20m/s、水流速度≤3m/s 的特殊水面环境中，航行轨迹偏差≤0.5m（相较于现有技术的 3m 偏差大幅降低）；

2、姿态稳定性增强：动态姿态稳定算法使船体滚转、俯仰角波动范围≤±3°，远优于现有技术的 ±10°，保障探索数据准确性；

3、探索效率提高：自主修正干扰影响，无需人工干预，任务完成时间缩短 30%，且传感器数据采样率≥10Hz，数据完整性提升 40%；

4、适用范围拓展：可适配近海、湖泊入海口、多风浪水库等多种特殊水面，解决了现有小船仅能在平静水域使用的局限。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (9)

1.一种无人驾驶船舶抗风浪系统，其特征在于：无人驾驶船舶上安装有抗风浪传感器，所述抗风传感器包括风速风向传感器、船体姿态传感器、差分GPS、水流流速传感器和水压传感器，所述抗风浪连接并输出感应信号至数据融合模块，所述数据融合模块连接并输出融合信号至干扰建模模块，所述干扰建模模块连接并输出干扰建模数据至补充控制模块，所述补充控制模块连接并输出补充参数至姿态调整模块，所述姿态调整模块连接并输出姿态调整参数至推进器执行模块，所述推进器执行模块为无人驾驶船舶的动力系统。

2.根据权利要求1所述的无人驾驶船舶抗风浪系统，其特征在于：所述推进器执行模块为具有双推进器的动力机构，所述推进器执行模块连接并输出动力推进参数至数据融合模块。

3.根据权利要求2所述的无人驾驶船舶抗风浪系统，其特征在于：所述风速风向传感器固定在无人驾驶船舶的甲板上，所述船体姿态传感器和差分GPS固定在无人驾驶船舶船体内，所述水流流速传感器和水压传感器固定在船底的水面下，所述无人驾驶船舶的侧舷设有防波板。

4.根据权利要求1、2或3所述的无人驾驶船舶抗风浪系统，其特征在于：

所述风速风向传感器采用三维超声波风速风向传感器，用于实时采集风速、风向，捕捉风浪动态干扰；

所述船体姿态传感器采用微机械惯性测量单元（MIMU），用于采集船体姿态角及角加速度，所述船体姿态角包括滚转 φ、俯仰 θ、偏航 ψ；

所述差分GPS用于提供精准位置信息，作为航行基准

所述水流流速传感器采用多普勒流速剖面仪，用于测量水流速度、流向，获取水下流场分布；

所述水压传感器用于辅助判断吃水深度，修正水流干扰计算。

5.一种基于权利要求1-4中任一所述无人驾驶船舶抗风浪系统的控制方法，其特征在于：

步骤1、抗风传感器实时获取的数据信息输送至数据融合模块；

步骤2、通过加权融合算法整合抗风传感器数据，获得融合后的干扰参数；

步骤3、基于整合的抗风传感器数据，计算风浪流耦合干扰补偿数据；

步骤4、基于风浪流耦合干扰补偿数据计算当前动态姿态稳定数据；

步骤5、将动态姿态稳定数据输出至推进器执行模块执行。

6.根据权利要求5所述的控制方法，其特征在于：所述步骤2中融合后的干扰参数：；

其中，为第 i 个传感器的测量值，为权重，为第 i 个传感器的测量标准差；

标定：风速传感器 σ=0.05，流速仪 σ=0.03，MIMUσ=0.02。

7.根据权利要求6所述的控制方法，其特征在于：所述步骤3中风浪流耦合干扰补偿数据计算方法：

1）建立干扰力模型：；

风力干扰，为风阻系数，为空气密度，为船体受风面积，为融合后风速；

水流干扰，为水流阻力系数；为水密度，为船体受流面积，为融合后水流速度；

姿态与轨迹补偿：基于 PID 算法加入干扰前馈补偿项，修正推进器输出和船体姿态，公式如下：

；

其中，为推进器输出控制量（单位：N）；为期望位置与实际位置偏差；、、为 PID 参数；为干扰补偿系数。

8.根据权利要求5、6或7所述的控制方法，其特征在于：所述步骤4中计算动态姿态稳定方法：

通过 MIMU 数据实时计算船体姿态角，结合压载舱调节实现姿态稳定，执行公式：；；

其中、为期望姿态角；

、为姿态调节系数；

、为阻尼系数；

、为滚转、俯仰角调节速率。

9.根据权利要求8所述的控制方法，其特征在于：所述步骤4中计算动态姿态稳定方法：

当风速≥25m/s时，通过 MIMU 数据实时计算船体姿态角，结合压载舱调节实现姿态稳定的执行公式：；

为滑模面，，。