基于人機交互技術的艦船智能導航系統設計方法

劉 暢

(鄭州科技學院，河南 鄭州 450064)

0 引 言

隨著智能導航技術和GIS視覺信息交互技術的發展，對艦船智能導航系統的人機交互控制能力的精準度要求越來越高。結合人工智能控制和計算機視覺特征分析技術，建立艦船智能導航的實時地圖更新模型，通過艦船的航線動態規劃設計，采用人工智能傳感技術實現對艦船導航的地圖信息匹配和動態調度，提高艦船智能導航能力。研究艦船智能導航系統優化設計方法，在提高艦船智能調度和航線規劃控制方面具有重要意義[1]。

在對艦船智能導航系統設計中，首先是通過高精度的航線信息加載和人機交互設計，采用航線地圖大數據融合方法，結合地圖信息匹配和導航地圖的實時更新技術，實現智能導航。當前，對艦船智能導航的人機交互方法主要有AODV(Ad hoc on demand distance Vector)的地圖信息匹配和自組織網絡(vehicular Ad hoc NETwork，VANET)平臺設計方法[2]，在無線通信網絡環境下進行艦船智能導航，本文提出基于人機交互技術的艦船智能導航系統設計方法。首先采用地圖投影計算方法進行艦船智能導航的GIS信息加載，然后結合地理約束機制和視覺約束機制，通過量化均衡控制和航海視覺監測，實現對艦船智能導航的人機交互設計。最后進行實驗測試，表明本文方法在提高艦船智能導航和視覺信息交互能力方面的優越性能。

1 艦船智能導航系統總體設計構架

為了實現對艦船智能導航系統的優化設計，結合艦船智能導航控制方法和人機交互視覺特征分析方法，建立艦船智能導航的物聯網控制平臺和大數據平臺設計，構建艦船智能導航系統的集成嵌入式控制平臺，采用物聯網聯合組網控制技術，進行艦船智能導航的視覺信息交互和GIS信息加載[3]，實現對艦船智能導航系統多功能模塊化控制。在信息交互端，建立艦船智能導航系統的數字轉換控制模塊，差異AD嵌入式控制的方法，構建艦船智能導航的聯合組網控制模型，通過視覺信息加載和HMI人機交互界面設計[4]，得到系統整體結構圖如圖1所示。

圖1 艦船智能導航系統總體結構設計Fig.1 Overall structure design of ship intelligent navigation system system

根據圖1的總體結構模型，通過PLC控制模塊實現艦船智能導航控制系統的可編程控制設計，通過遠程組態及監測控制的方法進行艦船智能導航的聯動協調控制，采用嵌入式結構模塊化設計方法，進行艦船智能導航的組態軟件開發，建立艦船智能導航系統的傳感器組件，采用PXI總線作為艦船智能導航智能化控制系統的內部時鐘傳輸總線，系統的總線結構模型如圖2所示。

圖2 系統的總線結構模型Fig.2 Bus structure model of the system

2 艦船智能導航的信息處理

2.1 地圖投影計算與GIS信息加載

采用多波束數據全覆蓋的方法，建立艦船智能導航的信息處理模型和GIS信息加載模型[5]，構建海圖數據的GIS數據加載模型，得到全球測深數據集GIS信息流x(t)，構建經度、緯度和水深差異性目標函數為：

式中：xi∈Rn為艦船智能導航航線數據的差值網格疊加；ui∈Rm為低分辨率網格水深數據的交叉項；Aj(L)為地形細節特征；D(xi,Aj(L))為雙曲線加權的海圖參數信息。

通過最小曲率平滑參數估計的方法，得到數據稀疏性特征量，中央波束探測輸出結果為：

式中：b(τ,φ)為數據稀疏區和空白區的插值信息熵；在GIS目標數據分布及中，f?(t)為深海大范圍 DBM的聚類中心矢量。

結合高分辨率的數字水深模型檢測方法，提取高分辨率地形細節特征的GIS目標數據的關聯積分，可表示為：

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

對多波束、單波束、歷史海圖數據進行融合處理，得到多波束條帶數據的中央波束探測中心向量，記為S={S1,S2,···,SNA}。設任意2個地圖投影計算信息的聚類簇Mi與Mj，選擇地形細節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，采用多源數據和多波束數據聯合分析，得到有向圖模型G=(V,A)。通過上述分析，采用地圖投影計算與GIS信息加載，實現對艦船智能導航信息融合處理[6]。

2.2 航海視覺監測

對多源數據進行網格化處理，通過曲面擬合算法，進行航海視覺特征分析，得到最小曲率平滑解表示為：

其中：N為高分辨率數據長度；P為多分布航次的多波束數據；f(xi)為海區數據來源多樣分布函數。

基于高分辨率網格與基礎水深網格分析，得到艦船智能導航的信息特征分布模型參數表述為：

式中：assoc(A,V)為指艦船智能導航航線數據的一組規范正交基。

通過對艦船智能導航航線數據信息融合處理，結合分簇聚類中心模糊檢測方法，得到高分辨率數據約束單元的自相關特征量為S=采用高分辨率數據網格分匹配方法，得到多波束測深航次數據的分布屬性描述為：

式中：Ci為多波束測深航次數據重建的目標指向性特征值；Zi,j,j′為離散樣本采樣值。

基于海圖數據的分塊結構模型，結合航海視覺監測方法，得到艦船智能導航系統的多波束數據分布如圖3所示。

圖3 艦船智能導航系統的多波束數據分布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，得到目標數據重建的門限值Nth，當Neff

式中：?xi為最優迭代步長；xn,G為導航數據的圖譜特征分布集。將二維分量fx和fy進行二值編碼，得到鄰域采樣點的中心分量：

根據聚類中心搜索結果，結合海圖靜態水深測量以及航線分支調度方法進行艦船導航過程中的動態信息交互設計，通過同步控制程序分析方法實現對航海視覺動態監測。

3 系統軟件實現

在艦船智能導航算法設計的基礎上，進行底層數據庫模塊設計。構建艦船智能導航的控制類函數模型，得到控制類函數表示為AlarmMonitoring，通過指令形式向艦船智能導航的存儲器發送控制指令。通過E+H FMR20子模塊參數構造，建立艦船智能導航組態軟件控制模型。

采用底層信息加載的方法實現艦船智能導航系統的信源描述，設計EventManagemenAction組件實現對艦船智能導航的信令拓撲設計，結合中央控制單元控制設計方法，建立艦船智能導航控制系統的人機裝備單元，采用人機交互的硬件配置結構模型，實現對艦船智能導航組態軟件智能化控制的A/D、D/A采集，得到艦船智能導航系統的硬件結構模型如圖4所示。

圖4 艦船智能導航系統的硬件結構模型Fig.4 Hardware structure model of ship intelligent navigation system

使用E+H FMR20控制類結構模型，采用Sys-Log構建艦船智能導航組態軟件模型，結合智能化控制的軟件程序加載方法，應用人機交互技術實現對艦船智能導航系統的軟件開發設計。

4 實驗結果分析

為了驗證本文方法在實現對艦船智能導航的應用性能，進行實驗測試。采用OpenFlight數據庫結構模型進行參數設計，采用PlaySound函數完成程序加載，系統開發的三維界面如圖5所示。

圖5 系統開發三維界面設計Fig.5 System development 3D interface design

由表1可知，采用本文方法進行艦船智能導航的參數解析結果準確可靠，測試導航的精度，得到對比結果如圖6所示。

表1 艦船智能導航跟蹤幾何參數解析結果Tab.1 Analysis results of geometric parameters for ship intelligent navigation and tracking

圖6 艦船智能導航精度對比Fig.6 Comparison of ship intelligent navigation accuracy

5 結 語

通過艦船的航線動態規劃設計，采用人工智能傳感技術實現對艦船導航的地圖信息匹配和動態調度，提高艦船智能導航能力。本文提出基于人機交互技術的艦船智能導航系統設計方法，基于海圖數據的分塊結構模型，結合航海視覺監測方法，實現艦船智能導航系統的多波束數據特征檢測，實現艦船智能導航的幾何參數跟蹤參數解析。分析可知，本文方法進行艦船智能導航的參數解析結果準確可靠，導航精度更高。