船閘浮式系船柱運行狀態檢測方法研究

杭 震，彭 浩，曹文卓，王化明

（1.泰州市港航事業發展中心，江蘇 泰州 225309；2.江蘇省周山河船閘管理所，江蘇 泰州 225300；3.南京航空航天大學機電學院，南京 210016）

0 引言

內河航運在交通運輸系統中扮演著重要角色，是交通運輸系統中不可或缺的部分。在內河航運中，船閘作為聯通不連續航道水域的通航建筑物，被廣泛用于溝通水系聯系、提高航道等級、改善水流條件等場景，極大地促進了內河航運的發展。船舶在閘室內停靠時主要依靠浮式系船柱，其導輪隨水位的升降沿導槽滾動，因此系船柱在浮力作用下隨水位變化上下浮動，滿足船舶在閘室內安全系纜的要求[1]。

浮式系船柱作為一種常見的船舶過閘系纜設備，使用頻率高，在實際使用中可能會出現卡阻或升降遲緩等問題，導致出現吊船、拉船入水、船舶損傷甚至船員傷亡等安全事故，帶來嚴重的安全隱患，主要原因是[2]：

（1）系纜力增大和系纜不規范。船舶大型化的快速發展使過閘船舶的噸位和尺寸逐年增大，超過系船柱設計標準，系纜力隨之增大，對通航設施提出更高的要求。在系纜過程中存在船速過快、系纜不規范等現象，導致系船柱的橫向導輪支架產生較大的變形，造成系船柱運動卡阻。

（2）滾輪襯套密封措施差。水中泥沙等雜質進入導輪襯套與轉軸的縫隙中，容易造成導輪襯套與轉軸間的磨損或卡死，影響其使用壽命。此外河水中的酸堿成分也會造成導輪及轉軸的銹蝕，影響其轉動，增大了運行阻力，導致系船柱升降遲緩。

為分析浮式系船柱的運行狀態，近年來有學者開展系船柱表面應變、系纜力的分析與檢測等方面的研究[3-4]，將系船柱所受系纜力與預警閾值進行比較，實現對系船柱的系纜安全評估。實際系船柱在工作過程中受力和應變情況復雜，與系纜角度、方向及位置等因素都相關，系船柱的工作狀態還受到其導輪運轉狀態等因素的影響，因此，可通過直接檢測系船柱的高程及高程數據點的分析判斷系船柱是否存在卡阻、升降遲緩等問題。

為直接獲得浮式系船柱的工作高程并進行其運行狀態的檢測，構建浮式系船柱運行狀態自動檢測系統，通過激光測距技術獲取所有系船柱的高程[5]，融合機器學習算法和統計學方法分析數據中的離群點，實現系船柱運行狀態的分析，保障船閘及系船柱的安全運行。

1 系船柱運行狀態檢測系統設計

1.1 系統組成及工作原理

浮式系船柱運行狀態檢測系統硬件電路結構如圖1所示，主要由激光測距傳感器、數據采集器和工業計算機（上位機）3個部分組成。

圖1 浮式系船柱運行狀態檢測系統結構圖

激光測距傳感器用于獲取傳感器與每個系船柱浮筒之間的距離。根據船閘系船柱的實際工作范圍和工作環境，確定激光測距傳感器性能參數為：測量范圍為0～10 m，精度±1 mm，RS485串口輸出，IP67防護等級。

為防止現場干擾，保證數據的實時采集與傳輸，通過多種數據采集傳輸方案的實際測試對比，確定采用基于串口服務器的數據采集方案，其具有將串口信息轉換為以太網網口信息的功能[6]，實現RS485串口與TCP/IP協議網絡接口的數據雙向透明傳輸。所有激光測距傳感器通過485總線與串口服務器的輸入485串口連接，每個傳感器擁有唯一的Modbus地址，按編號進行排列[7]。串口服務器通過Modbus RTU通信協議定時采集傳感器數據，將數據放置在存儲區域，將串口信息轉換為以太網信息。

工業計算機通過以太網網口，基于Modbus TCP通信協議從串口服務器的存儲區域獲取數據，計算得到浮式系船柱的高程，應用離群點檢測算法判斷各系船柱的運行狀態，將采集的數據和運行狀態存入數據庫中。

1.2 浮式系船柱高程的計算

激光測距傳感器具有精度高、測距范圍大、響應速度適中等優點，采用激光測距技術可實時獲取浮筒與傳感器的精確距離。為測得傳感器與系船柱浮筒之間的垂直距離，需要對傳感器的安裝姿態進行校準。圖2所示為浮式系船柱的高程計算示意圖，激光測距傳感器安裝于系船柱浮筒的正上方，其中：閘室墻面的頂高程為H、傳感器與閘室頂面的高度差為h，得到傳感器的安裝高程H-h。由浮筒與傳感器的距離D得到浮筒的高程為H-h-D。

圖2 浮式系船柱高程計算示意圖

2 高程的離群點檢測算法

當所有浮式系船柱運行狀態正常時，其高程數據點之間的距離較小。當個別系船柱出現卡阻、運動遲緩時，則會出現個別數據點偏離絕大多數數據點的現象，即為離群點[8]。因此，可以采用離群點檢測的方法進行浮式系船柱運行狀態的檢測。

離群點檢測的方法主要有基于聚類的檢測方法、基于統計學的檢測方法、基于近鄰的檢測方法等，為提高離群點檢測的正確性，融合運用基于聚類和基于統計學的檢測方法綜合判斷系船柱的運行狀態。

2.1 基于K-means聚類算法的離群點檢測

聚類算法是數據挖掘的重要算法[9]，其中K-means聚類算法是基于距離的聚類算法[10-11]，該算法采用距離作為相似性的評價指標，即認為兩個數據點的距離越近，其相似度就越大。該算法認為簇是由距離靠近的數據點組成，因此把得到緊湊且獨立的簇作為最終目標。Kmeans聚類算法采用迭代求解的分析方法，其步驟是隨機選取k個數據點作為初始聚類中心，然后計算其它每個數據點與各個聚類中心的距離，再把每個數據點分配給距離最近的初始聚類中心。采用K-means聚類算法檢測系船柱高程離群點的實現步驟如下所述。

步驟1：算法參數初始化，設置聚類簇數k、系船柱浮筒高程數據集X={x1,x2,…,xn}。

步驟2：從數據集中隨機選取k個數據點作為初始聚類中心C={c1,c2,…,ck}。

步驟3：計算數據集X中所有數據點到各個聚類中心C的距離，即

式中：i=1,2,…,n且j=1,2,…,k。

對于任意數據點xi，如果d(xi,cj)為最小距離值，則將數據點xi歸入聚類中心cj所代表的簇Sj。

步驟4：根據每個簇中的數據，以它們的平均向量作為新的聚類中心。

步驟5：重復步驟3和步驟4，直至聚類中心不再移動，即每個簇中的數據點不發生變化，得到最終聚類中心C′={c′1,c′2,…,c′k}和簇S′={S′1,S′2,…,S′k}。

步驟6：由聚類中心{c′1,c′2,…,c′k}計算距離矩陣，即

式中：dij= |ci′-c′j|，i,j=1,2,…,k。

步驟7：由距離矩陣計算離群因子，即

式中：i=1,2,…,k，δi表示第i個聚類中心對應的離群因子，count(S′j)表示簇S′j中元素的個數。

步驟8：對離群因子進行排序，計算中位值δmid和標準值δstd，即

步驟9：計算離群因子閾值thresh=δmid+1.5δstd。當離群因子大于該閾值時，則該簇中的點為離群點。

設聚類中心數k=3，將系船柱浮筒高程數據分為偏大簇、正常簇和偏小簇，其具體算法流程如圖3所示。

圖3 基于K-means聚類算法的離群點檢測流程

2.2 基于四分位算法的離群點檢測

四分位算法（interquartile range，IQR）[12-13]是一種基于統計學原理的離群點分析方法，利用箱型圖的四分位距對離群點進行檢測，方法如下：

（1）數據排列。對于計算得到的一組系船柱浮筒高程，首先將數據從小到大排列，排列在前1 4位置上的數即為第一四分位數，記作Q1；排列在前1 2位置上的數即為中位數，記作Q2；排列在前3 4位置上的數即為第三四分位數，記作Q3。

（2）四分位距計算。計算第三四分位數與第一四分位數的差值，即IQR=Q3-Q1。

（3）離群點判斷。以四分位距的1.5倍為標準，規定上限閾值Qu為第三四分位數加1.5倍的四分位距，下限閾值Qb為第一四分位數減1.5倍的四分位距。高于上限閾值Qu或低于下限閾值Qb的數據點認為是離群點。

2.3 離群點檢測方法融合

使用單一的離群點檢測算法具有局限性，容易產生誤檢或漏檢，結合K-means聚類算法和IQR四分位算法得到的離群點檢測結果[14]，融合兩種方法進行系船柱高程離群點的判斷，方法如下：

（1）當兩種方法的檢測結果一致時，則認為該數據點正常或為離群點；

（2）當IQR檢測為異常值而K-means檢測為正常值，說明此時整體數據波動較大，設為警戒值；

（3）當IQR檢測為正常值而K-means檢測為異常值，說明此時數據分布在小范圍內，且分布較為集中，設為正常值。

圖4所示為基于四分位法的離群點檢測示意圖

圖4 基于四分位法的離群點檢測示意圖

3 系統構建與測試

3.1 系統構建與數據采集

以國內某船閘為研究對象構建該檢測系統，該船閘共有20個浮式系船柱。在每個系船柱正上方固定安裝激光測距傳感器，所有傳感器通過485總線連接至串口服務器，串口服務器與工控機通過網口連接并安裝于閘首的機房內。基于Qt平臺開發集成有數據采集和離群點檢測功能的系統軟件[15]，軟件界面如圖5所示。

系統現場測試表明，工業計算機從串口服務器讀取一次數據的時間為10 ms，輪詢20個地址總用時200 ms，離群點檢測算法推理用時1 ms，因此系統能夠在1 s內采集浮式系船柱高程并完成分析，滿足浮式系船柱運行狀態實時檢測的需求。

3.2 離群點分析

表1所示為某時刻的一組浮式系船柱高程，可以看出此時數據分布較為集中，閘室內處于高水位。使用Kmeans聚類算法初始化聚類簇數k=3，數據點數n=20，得到如表2所示聚類結果。

表1 浮式系船柱高程m

表2 浮式系船柱高程聚類結果m

由式（2）、（3）計算距離矩陣和離群因子，得

對離群因子進行排序后得中位值δmid=0.033 5，標準值δstd=0.010 7，計算得離群點判定閾值thresh=0.049 6。因此，由K-means算法得到所有數據點正常。

其次，使用IQR四分位算法進行檢測，第一四分位數Q1=6.6315，第三四分位數Q3=6.668，則四分位距IQR=0.036 5，上 限 閾 值Qu=6.723，下 限 閾 值Qb=6.577。所有數據點均處在上限閾值和下限閾值之間，因此由IQR四分位算法認為所有數據點正常。

對兩種算法的結果進行融合，因兩種方法均檢測為正常數據，最終確定此時所有浮式系船柱運行正常。圖5所示為當前時刻系船柱的狀態和高程，分別以高程和數據點的形式顯示，所有系船柱均顯示為綠色，表明其均工作在正常狀態。

圖5 浮式系船柱運行狀態檢測系統界面

4 結束語

本文設計并構建了船閘浮式系船柱運行狀態檢測系統，該系統通過串口服務器和激光測距傳感器實時獲取系船柱的高程，融合K-means聚類算法和IQR四分位算法對所有系船柱高程進行數據離群點檢測，得到系船柱的運行狀態。現場測試表明，該系統運行平穩，能在1s內完成船閘所有浮式系船柱高程的實時采集、離群點分析和數據存儲，滿足浮式系船柱運行狀態實時檢測的需求，也為系船柱的運行狀態變化分析及結構改進設計提供了客觀數據。該系統采用系船柱高程離群點檢測的方法，包含浮式系船柱的受力狀況及導輪等裝置的運轉狀態，為系船柱運行狀態檢測提供了新方法，具有推廣應用價值。