劉 暢

(鄭州科技學(xué)院，河南 鄭州 450064)

0 引 言

隨著智能導(dǎo)航技術(shù)和GIS視覺信息交互技術(shù)的發(fā)展，對(duì)艦船智能導(dǎo)航系統(tǒng)的人機(jī)交互控制能力的精準(zhǔn)度要求越來越高。結(jié)合人工智能控制和計(jì)算機(jī)視覺特征分析技術(shù)，建立艦船智能導(dǎo)航的實(shí)時(shí)地圖更新模型，通過艦船的航線動(dòng)態(tài)規(guī)劃設(shè)計(jì)，采用人工智能傳感技術(shù)實(shí)現(xiàn)對(duì)艦船導(dǎo)航的地圖信息匹配和動(dòng)態(tài)調(diào)度，提高艦船智能導(dǎo)航能力。研究艦船智能導(dǎo)航系統(tǒng)優(yōu)化設(shè)計(jì)方法，在提高艦船智能調(diào)度和航線規(guī)劃控制方面具有重要意義[1]。

在對(duì)艦船智能導(dǎo)航系統(tǒng)設(shè)計(jì)中，首先是通過高精度的航線信息加載和人機(jī)交互設(shè)計(jì)，采用航線地圖大數(shù)據(jù)融合方法，結(jié)合地圖信息匹配和導(dǎo)航地圖的實(shí)時(shí)更新技術(shù)，實(shí)現(xiàn)智能導(dǎo)航。當(dāng)前，對(duì)艦船智能導(dǎo)航的人機(jī)交互方法主要有AODV(Ad hoc on demand distance Vector)的地圖信息匹配和自組織網(wǎng)絡(luò)(vehicular Ad hoc NETwork，VANET)平臺(tái)設(shè)計(jì)方法[2]，在無線通信網(wǎng)絡(luò)環(huán)境下進(jìn)行艦船智能導(dǎo)航，本文提出基于人機(jī)交互技術(shù)的艦船智能導(dǎo)航系統(tǒng)設(shè)計(jì)方法。首先采用地圖投影計(jì)算方法進(jìn)行艦船智能導(dǎo)航的GIS信息加載，然后結(jié)合地理約束機(jī)制和視覺約束機(jī)制，通過量化均衡控制和航海視覺監(jiān)測，實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航的人機(jī)交互設(shè)計(jì)。最后進(jìn)行實(shí)驗(yàn)測試，表明本文方法在提高艦船智能導(dǎo)航和視覺信息交互能力方面的優(yōu)越性能。

1 艦船智能導(dǎo)航系統(tǒng)總體設(shè)計(jì)構(gòu)架

為了實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航系統(tǒng)的優(yōu)化設(shè)計(jì)，結(jié)合艦船智能導(dǎo)航控制方法和人機(jī)交互視覺特征分析方法，建立艦船智能導(dǎo)航的物聯(lián)網(wǎng)控制平臺(tái)和大數(shù)據(jù)平臺(tái)設(shè)計(jì)，構(gòu)建艦船智能導(dǎo)航系統(tǒng)的集成嵌入式控制平臺(tái)，采用物聯(lián)網(wǎng)聯(lián)合組網(wǎng)控制技術(shù)，進(jìn)行艦船智能導(dǎo)航的視覺信息交互和GIS信息加載[3]，實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航系統(tǒng)多功能模塊化控制。在信息交互端，建立艦船智能導(dǎo)航系統(tǒng)的數(shù)字轉(zhuǎn)換控制模塊，差異AD嵌入式控制的方法，構(gòu)建艦船智能導(dǎo)航的聯(lián)合組網(wǎng)控制模型，通過視覺信息加載和HMI人機(jī)交互界面設(shè)計(jì)[4]，得到系統(tǒng)整體結(jié)構(gòu)圖如圖1所示。

圖1 艦船智能導(dǎo)航系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)Fig.1 Overall structure design of ship intelligent navigation system system

根據(jù)圖1的總體結(jié)構(gòu)模型，通過PLC控制模塊實(shí)現(xiàn)艦船智能導(dǎo)航控制系統(tǒng)的可編程控制設(shè)計(jì)，通過遠(yuǎn)程組態(tài)及監(jiān)測控制的方法進(jìn)行艦船智能導(dǎo)航的聯(lián)動(dòng)協(xié)調(diào)控制，采用嵌入式結(jié)構(gòu)模塊化設(shè)計(jì)方法，進(jìn)行艦船智能導(dǎo)航的組態(tài)軟件開發(fā)，建立艦船智能導(dǎo)航系統(tǒng)的傳感器組件，采用PXI總線作為艦船智能導(dǎo)航智能化控制系統(tǒng)的內(nèi)部時(shí)鐘傳輸總線，系統(tǒng)的總線結(jié)構(gòu)模型如圖2所示。

圖2 系統(tǒng)的總線結(jié)構(gòu)模型Fig.2 Bus structure model of the system

2 艦船智能導(dǎo)航的信息處理

2.1 地圖投影計(jì)算與GIS信息加載

采用多波束數(shù)據(jù)全覆蓋的方法，建立艦船智能導(dǎo)航的信息處理模型和GIS信息加載模型[5]，構(gòu)建海圖數(shù)據(jù)的GIS數(shù)據(jù)加載模型，得到全球測深數(shù)據(jù)集GIS信息流x(t)，構(gòu)建經(jīng)度、緯度和水深差異性目標(biāo)函數(shù)為：

式中：xi∈Rn為艦船智能導(dǎo)航航線數(shù)據(jù)的差值網(wǎng)格疊加；ui∈Rm為低分辨率網(wǎng)格水深數(shù)據(jù)的交叉項(xiàng)；Aj(L)為地形細(xì)節(jié)特征；D(xi,Aj(L))為雙曲線加權(quán)的海圖參數(shù)信息。

通過最小曲率平滑參數(shù)估計(jì)的方法，得到數(shù)據(jù)稀疏性特征量，中央波束探測輸出結(jié)果為：

式中：b(τ,φ)為數(shù)據(jù)稀疏區(qū)和空白區(qū)的插值信息熵；在GIS目標(biāo)數(shù)據(jù)分布及中，f?(t)為深海大范圍 DBM的聚類中心矢量。

結(jié)合高分辨率的數(shù)字水深模型檢測方法，提取高分辨率地形細(xì)節(jié)特征的GIS目標(biāo)數(shù)據(jù)的關(guān)聯(lián)積分，可表示為：

式中：μi為船載模式的多波束測深信息；A為多源數(shù)據(jù)的采樣幅值；pi,j(A)為概率密度。

對(duì)多波束、單波束、歷史海圖數(shù)據(jù)進(jìn)行融合處理，得到多波束條帶數(shù)據(jù)的中央波束探測中心向量，記為S={S1,S2,···,SNA}。設(shè)任意2個(gè)地圖投影計(jì)算信息的聚類簇Mi與Mj，選擇地形細(xì)節(jié)特征聚類中心特征值Clustdist(Mi,Mj)，其中，(i≠j,1≤i≤q,1≤j≤q)。提取以二階、三階和中心距，采用多源數(shù)據(jù)和多波束數(shù)據(jù)聯(lián)合分析，得到有向圖模型G=(V,A)。通過上述分析，采用地圖投影計(jì)算與GIS信息加載，實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航信息融合處理[6]。

2.2 航海視覺監(jiān)測

對(duì)多源數(shù)據(jù)進(jìn)行網(wǎng)格化處理，通過曲面擬合算法，進(jìn)行航海視覺特征分析，得到最小曲率平滑解表示為：

其中：N為高分辨率數(shù)據(jù)長度；P為多分布航次的多波束數(shù)據(jù)；f(xi)為海區(qū)數(shù)據(jù)來源多樣分布函數(shù)。

基于高分辨率網(wǎng)格與基礎(chǔ)水深網(wǎng)格分析，得到艦船智能導(dǎo)航的信息特征分布模型參數(shù)表述為：

式中：assoc(A,V)為指艦船智能導(dǎo)航航線數(shù)據(jù)的一組規(guī)范正交基。

通過對(duì)艦船智能導(dǎo)航航線數(shù)據(jù)信息融合處理，結(jié)合分簇聚類中心模糊檢測方法，得到高分辨率數(shù)據(jù)約束單元的自相關(guān)特征量為S=采用高分辨率數(shù)據(jù)網(wǎng)格分匹配方法，得到多波束測深航次數(shù)據(jù)的分布屬性描述為：

式中：Ci為多波束測深航次數(shù)據(jù)重建的目標(biāo)指向性特征值；Zi,j,j′為離散樣本采樣值。

基于海圖數(shù)據(jù)的分塊結(jié)構(gòu)模型，結(jié)合航海視覺監(jiān)測方法，得到艦船智能導(dǎo)航系統(tǒng)的多波束數(shù)據(jù)分布如圖3所示。

圖3 艦船智能導(dǎo)航系統(tǒng)的多波束數(shù)據(jù)分布Fig.3 Multibeam data distribution of ship intelligent navigation system

采用GIS遙感成像和地理分塊匹配方法，得到目標(biāo)數(shù)據(jù)重建的門限值Nth，當(dāng)Neff

式中：?xi為最優(yōu)迭代步長；xn,G為導(dǎo)航數(shù)據(jù)的圖譜特征分布集。將二維分量fx和fy進(jìn)行二值編碼，得到鄰域采樣點(diǎn)的中心分量：

根據(jù)聚類中心搜索結(jié)果，結(jié)合海圖靜態(tài)水深測量以及航線分支調(diào)度方法進(jìn)行艦船導(dǎo)航過程中的動(dòng)態(tài)信息交互設(shè)計(jì)，通過同步控制程序分析方法實(shí)現(xiàn)對(duì)航海視覺動(dòng)態(tài)監(jiān)測。

3 系統(tǒng)軟件實(shí)現(xiàn)

在艦船智能導(dǎo)航算法設(shè)計(jì)的基礎(chǔ)上，進(jìn)行底層數(shù)據(jù)庫模塊設(shè)計(jì)。構(gòu)建艦船智能導(dǎo)航的控制類函數(shù)模型，得到控制類函數(shù)表示為AlarmMonitoring，通過指令形式向艦船智能導(dǎo)航的存儲(chǔ)器發(fā)送控制指令。通過E+H FMR20子模塊參數(shù)構(gòu)造，建立艦船智能導(dǎo)航組態(tài)軟件控制模型。

采用底層信息加載的方法實(shí)現(xiàn)艦船智能導(dǎo)航系統(tǒng)的信源描述，設(shè)計(jì)EventManagemenAction組件實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航的信令拓?fù)湓O(shè)計(jì)，結(jié)合中央控制單元控制設(shè)計(jì)方法，建立艦船智能導(dǎo)航控制系統(tǒng)的人機(jī)裝備單元，采用人機(jī)交互的硬件配置結(jié)構(gòu)模型，實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航組態(tài)軟件智能化控制的A/D、D/A采集，得到艦船智能導(dǎo)航系統(tǒng)的硬件結(jié)構(gòu)模型如圖4所示。

圖4 艦船智能導(dǎo)航系統(tǒng)的硬件結(jié)構(gòu)模型Fig.4 Hardware structure model of ship intelligent navigation system

使用E+H FMR20控制類結(jié)構(gòu)模型，采用Sys-Log構(gòu)建艦船智能導(dǎo)航組態(tài)軟件模型，結(jié)合智能化控制的軟件程序加載方法，應(yīng)用人機(jī)交互技術(shù)實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航系統(tǒng)的軟件開發(fā)設(shè)計(jì)。

4 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)對(duì)艦船智能導(dǎo)航的應(yīng)用性能，進(jìn)行實(shí)驗(yàn)測試。采用OpenFlight數(shù)據(jù)庫結(jié)構(gòu)模型進(jìn)行參數(shù)設(shè)計(jì)，采用PlaySound函數(shù)完成程序加載，系統(tǒng)開發(fā)的三維界面如圖5所示。

圖5 系統(tǒng)開發(fā)三維界面設(shè)計(jì)Fig.5 System development 3D interface design

由表1可知，采用本文方法進(jìn)行艦船智能導(dǎo)航的參數(shù)解析結(jié)果準(zhǔn)確可靠，測試導(dǎo)航的精度，得到對(duì)比結(jié)果如圖6所示。

表1 艦船智能導(dǎo)航跟蹤幾何參數(shù)解析結(jié)果Tab.1 Analysis results of geometric parameters for ship intelligent navigation and tracking

圖6 艦船智能導(dǎo)航精度對(duì)比Fig.6 Comparison of ship intelligent navigation accuracy

5 結(jié) 語

通過艦船的航線動(dòng)態(tài)規(guī)劃設(shè)計(jì)，采用人工智能傳感技術(shù)實(shí)現(xiàn)對(duì)艦船導(dǎo)航的地圖信息匹配和動(dòng)態(tài)調(diào)度，提高艦船智能導(dǎo)航能力。本文提出基于人機(jī)交互技術(shù)的艦船智能導(dǎo)航系統(tǒng)設(shè)計(jì)方法，基于海圖數(shù)據(jù)的分塊結(jié)構(gòu)模型，結(jié)合航海視覺監(jiān)測方法，實(shí)現(xiàn)艦船智能導(dǎo)航系統(tǒng)的多波束數(shù)據(jù)特征檢測，實(shí)現(xiàn)艦船智能導(dǎo)航的幾何參數(shù)跟蹤參數(shù)解析。分析可知，本文方法進(jìn)行艦船智能導(dǎo)航的參數(shù)解析結(jié)果準(zhǔn)確可靠，導(dǎo)航精度更高。