基于邊云協(xié)同計(jì)算的浮橋運(yùn)動(dòng)姿態(tài)在線監(jiān)測(cè)技術(shù)研究

胥皓，任焱晞，張濤,3，汪雪良,3，朱全華,3，陳國(guó)材，張樸,3

（1.中國(guó)船舶科學(xué)研究中心，江蘇 無(wú)錫 214082；2.第32212 部隊(duì)，北京 100093；3.深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室，江蘇 無(wú)錫 2 140822）

伴隨著氣候變化加劇，全國(guó)乃至世界的各個(gè)地區(qū)頻繁地發(fā)生自然災(zāi)禍，搶險(xiǎn)救災(zāi)日益成為社會(huì)生活正常運(yùn)轉(zhuǎn)過(guò)程中不可或缺的一部分。浮橋作為一種重要的搶險(xiǎn)救災(zāi)裝備，需要通過(guò)更新?lián)Q代以適應(yīng)更大程度的應(yīng)急搶險(xiǎn)情況。本文以帶式浮橋?yàn)檠芯繉?duì)象，該浮橋可通過(guò)活動(dòng)旋鈕串聯(lián)擴(kuò)展，能夠在江河上實(shí)現(xiàn)快速橫渡。

帶式浮橋所架設(shè)的橋梁是一種由多個(gè)單元模塊（單個(gè)浮橋）串聯(lián)連接形成的。在架設(shè)之前，需要把握各個(gè)單元模塊在不同水動(dòng)力工況下的機(jī)動(dòng)性，以指導(dǎo)架橋汽艇作業(yè)，提升應(yīng)急救災(zāi)效率。在架設(shè)過(guò)程中，多個(gè)單元模塊連接形成一體，需要把握在不同水動(dòng)力載荷與負(fù)載工況下，各單元模塊所產(chǎn)生的不同程度的俯仰及傾斜變化，進(jìn)而為浮橋承載性能與作業(yè)安全評(píng)估提供數(shù)據(jù)支撐。基于此，本文需要解決的問(wèn)題是對(duì)于活動(dòng)式的多模塊浮體，如何實(shí)現(xiàn)時(shí)空同步的運(yùn)動(dòng)姿態(tài)監(jiān)測(cè)，用以評(píng)估該浮體的承載性能以及安全性能。

目前在國(guó)內(nèi)外對(duì)浮體連接體的運(yùn)動(dòng)姿態(tài)研究分為兩方面。一方面，利用水動(dòng)力學(xué)分析方法與有限元計(jì)算方法，建立模型并計(jì)算分析得到浮橋在波浪作用下的運(yùn)動(dòng)響應(yīng)情況[1-6]。另一方面，開(kāi)展相關(guān)的模型試驗(yàn)，在不同荷載工況下，通過(guò)實(shí)測(cè)數(shù)據(jù)分析浮橋的運(yùn)動(dòng)響應(yīng)。

陳徐均等[7]利用六自由度運(yùn)動(dòng)測(cè)點(diǎn)儀，對(duì)快速重載作用下的長(zhǎng)浮橋運(yùn)動(dòng)響應(yīng)開(kāi)展了模型試驗(yàn)研究，試驗(yàn)數(shù)據(jù)驗(yàn)證了荷載重量越大，速度越快，那么位移波的堆積效應(yīng)越明顯。此外，為了實(shí)現(xiàn)通載浮橋的動(dòng)態(tài)位移監(jiān)測(cè)，該團(tuán)隊(duì)還利用數(shù)字?jǐn)z像技術(shù)對(duì)多點(diǎn)的動(dòng)態(tài)位移進(jìn)行實(shí)時(shí)跟蹤記錄，將記錄結(jié)果采集到計(jì)算機(jī)，通過(guò)后處理的方式獲取各測(cè)點(diǎn)的位移數(shù)據(jù)。結(jié)果表明，浮橋的垂向位移隨著通載載荷的增大而增大，通載速度對(duì)位移響應(yīng)的影響較小[8]。

付成群等[9]提出了一種浮橋變形的全自動(dòng)監(jiān)測(cè)報(bào)警系統(tǒng)，基于極坐標(biāo)差分法實(shí)現(xiàn)了對(duì)浮橋三維位移的監(jiān)測(cè)與報(bào)警。Huang 等[10]開(kāi)展了在隨機(jī)波影響下浮筒模型運(yùn)動(dòng)響應(yīng)情況的模型試驗(yàn)，采用較為成熟的光學(xué)運(yùn)動(dòng)系統(tǒng)對(duì)浮筒運(yùn)動(dòng)進(jìn)行了監(jiān)測(cè)。鄭榮才等[11]采用多個(gè)慣性測(cè)量單元（Inertial Measuring Unit，IMU）進(jìn)行融合監(jiān)測(cè)的方式實(shí)現(xiàn)了對(duì)結(jié)構(gòu)其他位置姿態(tài)變化的估計(jì)。柳愛(ài)利等[12]在有限元模態(tài)分析的基礎(chǔ)上實(shí)現(xiàn)了IMU 的優(yōu)化布局，并通過(guò)仿真進(jìn)行驗(yàn)證。

可以看到，目前對(duì)浮橋連接體的運(yùn)動(dòng)姿態(tài)研究在計(jì)算分析方法領(lǐng)域已經(jīng)相當(dāng)深入，但是對(duì)于浮橋連接體運(yùn)動(dòng)姿態(tài)響應(yīng)監(jiān)測(cè)的試驗(yàn)方法依舊較為單一固化，往往是采用分立式的運(yùn)動(dòng)監(jiān)測(cè)元器件或系統(tǒng)分別對(duì)多浮體進(jìn)行運(yùn)動(dòng)響應(yīng)測(cè)量，再后期通過(guò)人工的方式對(duì)多份數(shù)據(jù)進(jìn)行處理分析。這種方式有以下 2點(diǎn)不足：首先，系統(tǒng)的監(jiān)測(cè)能力提升成本較高，進(jìn)而限制了監(jiān)測(cè)系統(tǒng)的橫向擴(kuò)展；其次，浮橋連接體運(yùn)動(dòng)數(shù)據(jù)的實(shí)時(shí)性與同步性差，難以實(shí)現(xiàn)多模塊的時(shí)空同步監(jiān)測(cè)。

基于此，本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于邊緣計(jì)算節(jié)點(diǎn)的姿態(tài)監(jiān)測(cè)系統(tǒng)，以帶式浮橋?yàn)槟繕?biāo)對(duì)象，姿態(tài)為主要監(jiān)測(cè)量，采用邊緣計(jì)算節(jié)點(diǎn)的方式在靠近傳感端實(shí)現(xiàn)數(shù)據(jù)的融合處理，并通過(guò)5G 無(wú)線網(wǎng)絡(luò)實(shí)現(xiàn)了數(shù)據(jù)的遠(yuǎn)程傳輸，有效地解決了水面多模塊浮體在離散狀態(tài)和串聯(lián)狀態(tài)下的時(shí)空同步監(jiān)測(cè)問(wèn)題。

1 系統(tǒng)原理

1.1 邊云協(xié)同技術(shù)

邊云協(xié)同技術(shù)主要包含邊緣計(jì)算與云計(jì)算2 個(gè)部分。其中，邊緣計(jì)算是一種分布式運(yùn)算的架構(gòu)，不同于云計(jì)算，它將之前由中心服務(wù)器負(fù)責(zé)的任務(wù)加以分解，并且將這些分解之后的任務(wù)片段分發(fā)至網(wǎng)絡(luò)的邊緣端，由邊緣端去負(fù)責(zé)運(yùn)算[13]。邊緣計(jì)算降低了相關(guān)信息的傳輸時(shí)間，減小了延遲。云計(jì)算雖然可以將大型的計(jì)算任務(wù)放到云端去進(jìn)行運(yùn)算，但是對(duì)于需要低延遲的應(yīng)用來(lái)說(shuō)，則會(huì)遇到網(wǎng)絡(luò)帶寬瓶頸等問(wèn)題。邊緣計(jì)算可以將任務(wù)放到邊緣端來(lái)進(jìn)行，因此邊緣計(jì)算受到了本地邊緣終端計(jì)算能力的限制[14-16]。

邊云協(xié)同技術(shù)的定義是就是將云計(jì)算與邊緣計(jì)算緊密地結(jié)合起來(lái)，通過(guò)合理地分配云計(jì)算與邊緣計(jì)算的任務(wù)，實(shí)現(xiàn)云計(jì)算的下沉，將云計(jì)算、云分析擴(kuò)展到邊緣端[17]。它是信息化時(shí)代以來(lái)在數(shù)據(jù)量以指數(shù)級(jí)增長(zhǎng)的情況下應(yīng)運(yùn)而生的，通過(guò)兩者協(xié)同工作、各展所長(zhǎng)，從而將邊緣計(jì)算和云計(jì)算協(xié)作的價(jià)值最大化，有效地提高應(yīng)用程序的性能。目前，針對(duì)云邊協(xié)同的研究大多數(shù)集中在物聯(lián)網(wǎng)、智慧校園、智能交通、安全監(jiān)控等諸多領(lǐng)域的應(yīng)用場(chǎng)景上[18-21]，主要目的是減少時(shí)延、降低能耗以及提高用戶(hù)體驗(yàn)質(zhì)量等。邊云協(xié)同的參考框架如圖1 所示。

圖1 邊云協(xié)同框架Fig.1 Edge-cloud collaboration framework

其中，邊緣計(jì)算包括3 個(gè)部分：1）邊緣基礎(chǔ)設(shè)施能力EC-IaaS；2）邊緣平臺(tái)能力EC-PaaS；3）邊緣應(yīng)用能力EC-SaaS。云計(jì)算也包括3 個(gè)部分：1）基礎(chǔ)設(shè)施能力IaaS；2）平臺(tái)能力PaaS；3）應(yīng)用能力SaaS[22]。

本文所設(shè)計(jì)的浮橋結(jié)構(gòu)姿態(tài)監(jiān)測(cè)系統(tǒng)在該框架基礎(chǔ)上，通過(guò)物聯(lián)網(wǎng)平臺(tái)軟件+邊緣計(jì)算節(jié)點(diǎn)的方式，實(shí)現(xiàn)了多個(gè)測(cè)點(diǎn)的數(shù)據(jù)協(xié)同、管理協(xié)同以及業(yè)務(wù)協(xié)同。

1.2 姿態(tài)測(cè)量原理

姿態(tài)測(cè)量的基本原理采用IMU 結(jié)合差分GNSS進(jìn)行三軸姿態(tài)的測(cè)量。已知IMU 測(cè)量中傳感器輸出的加速度與角加速度數(shù)據(jù)存在量測(cè)誤差，經(jīng)過(guò)積分后，誤差會(huì)隨著時(shí)間推移而不斷變大，進(jìn)而導(dǎo)致位姿發(fā)生持續(xù)漂移。因此，為了得到更為可靠的位姿數(shù)據(jù)，往往需要采用其他測(cè)量方式直接獲取到位置信息，并通過(guò)融合濾波的方法對(duì)2 種不同的測(cè)量值進(jìn)行估計(jì)，從而得到在當(dāng)前狀態(tài)下最為可靠的估計(jì)值。

本文采用卡爾曼濾波算法（Kalman Filter，KF）實(shí)現(xiàn)IMU 與差分GNSS 的融合濾波，該算法為迭代算法，非常適合于計(jì)算機(jī)處理，并且在計(jì)算過(guò)程中同時(shí)利用了量測(cè)方程和狀態(tài)方程，最大程度提高了解算精度。該算法適用于非平穩(wěn)過(guò)程，從而大大擴(kuò)展了使用場(chǎng)景。本文采用松耦合的方式，將IMU 和GNSS 輸出的位移和速度信息輸入到卡爾曼濾波器中，濾波結(jié)果反饋到IMU，從而修正IMU 的累積誤差，得到更為可靠的姿態(tài)角預(yù)測(cè)值[23-25]，建模過(guò)程如下。

1.2.1 建模過(guò)程

首先考慮系統(tǒng)的狀態(tài)方程，為了減少模型的線性化誤差，采用基于姿態(tài)角、速度和位置的偏差進(jìn)行建模，系統(tǒng)的狀態(tài)向量如式（1）所示。

式中：evδ、nvδ、uvδ、Lδ、δλ、hδ分別表示IMU 解算輸出的滾轉(zhuǎn)角、俯仰角、偏航角、東向速度誤差、北向速度誤差、天向速度誤差、緯度誤差、經(jīng)度誤差、高度誤差。

為了便于分析，將IMU 中陀螺儀和加速度計(jì)的隨機(jī)噪聲建模為白噪聲。基于此，得到了系統(tǒng)的狀態(tài)方程，如式（2）所示[26]。

由此可得，狀態(tài)噪聲協(xié)方差矩陣Q，如式（3）所示。

接下來(lái)建立對(duì)量測(cè)方程進(jìn)行建模，在松組合的模式下，觀測(cè)量為位置與速度的偏差，如式（4）所示。

式中：H為量測(cè)矩陣；δLGNSS、δλGNSS、δhGNSS、δνe,GNSS、δνn,GNSS、δνu,GNSS分別表示GNSS 輸出的緯度誤差、經(jīng)度誤差、高度誤差、東向速度誤差、北向速度誤差、天向速度誤差，均采用白噪聲的方式進(jìn)行建模。

量測(cè)噪聲協(xié)方差矩陣如式（5）所示。

1.2.2 濾波過(guò)程

基于IMU 和GNSS 的濾波過(guò)程如圖2 所示。

圖2 濾波反饋校正示意圖Fig.2 Schematic diagram of filtering feedback correction

首先，對(duì)各項(xiàng)目標(biāo)參數(shù)、系統(tǒng)參數(shù)及地球參數(shù)進(jìn)行初始化，然后開(kāi)始進(jìn)行卡爾曼濾波，利用IMU 輸出數(shù)據(jù)進(jìn)行解算，更新得到當(dāng)前周期的位置、速度信息，然后利用求解系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣F（由于F是時(shí)變的，因此在每一個(gè)濾波周期內(nèi)均需要做離散化處理），進(jìn)而得到一步預(yù)測(cè)的協(xié)方差矩陣Pk(–)，見(jiàn)式（6）。接著求解當(dāng)前周期下的增益矩陣Kk，見(jiàn)式（7）。由此可以得到系統(tǒng)的誤差估計(jì)Xk(+)，見(jiàn)式（8）。最后求解下一步的協(xié)方差矩陣Pk(+)，見(jiàn)式（9）。

式中：Φ為離散化的狀態(tài)轉(zhuǎn)移矩陣；Q為狀態(tài)噪聲；R為量測(cè)噪聲；zk為當(dāng)前周期下的量測(cè)值。

最后對(duì)IMU 輸出數(shù)據(jù)進(jìn)行校正，包含位置校正、速度校正以及姿態(tài)校正，計(jì)算公式如式（10）—（12）所示。

1.3 誤差分析

本文所設(shè)計(jì)的濾波器模型主要包含狀態(tài)轉(zhuǎn)移矩陣、量測(cè)矩陣、狀態(tài)噪聲矩陣、量測(cè)噪聲矩陣、狀態(tài)估計(jì)協(xié)方差矩陣初值P0(－)。其中，狀態(tài)轉(zhuǎn)移矩陣、量測(cè)矩陣的模型建立是精確的；狀態(tài)噪聲矩陣、量測(cè)噪聲矩陣則受到IMU 與GNSS 隨機(jī)噪聲以及量測(cè)噪聲不準(zhǔn)確的影響，從而產(chǎn)生偏差；狀態(tài)估計(jì)協(xié)方差矩陣則受到初值設(shè)定的影響從而產(chǎn)生偏差。接下來(lái)對(duì)這種情況進(jìn)行誤差分析。

首先將存在誤差的模型參數(shù)帶入到卡爾曼濾波算法中，計(jì)算得到增益矩陣，如式（13）—（15）所示。

1.4 技術(shù)架構(gòu)

本文所設(shè)計(jì)的監(jiān)測(cè)系統(tǒng)主要包含邊云2 個(gè)方面，其一是靠近數(shù)據(jù)一側(cè)采用邊緣計(jì)算節(jié)點(diǎn)實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)的采集與處理，其二是在靠近用戶(hù)一側(cè)采用物聯(lián)網(wǎng)平臺(tái)軟件實(shí)現(xiàn)多點(diǎn)位數(shù)據(jù)的存儲(chǔ)與顯示，系統(tǒng)拓?fù)鋱D如圖3 所示。

其中，邊緣計(jì)算節(jié)點(diǎn)所采集的數(shù)據(jù)有三軸加速度、三軸角速度、GNSS 位置、GNSS 速度以及溫度。利用邊緣計(jì)算節(jié)點(diǎn)內(nèi)部自帶的計(jì)算模塊可就地對(duì)多源數(shù)據(jù)進(jìn)行融合計(jì)算，進(jìn)而得到測(cè)點(diǎn)位置實(shí)時(shí)的姿態(tài)變化信息。通訊則利用5G 通信模塊將數(shù)據(jù)傳輸?shù)皆贫耍⑶乙部梢詫?shí)現(xiàn)物聯(lián)網(wǎng)平臺(tái)軟件對(duì)于邊緣計(jì)算節(jié)點(diǎn)的遠(yuǎn)程控制。最后采用物聯(lián)網(wǎng)平臺(tái)軟件進(jìn)行數(shù)據(jù)的存儲(chǔ)與分類(lèi)顯示，便于監(jiān)測(cè)數(shù)據(jù)的后續(xù)處理與分析。

2 邊緣計(jì)算節(jié)點(diǎn)設(shè)計(jì)

本文選用Raspberry Pi CM4 作為核心處理板，該芯片采用ARM 架構(gòu)，支持C、C++、Python 作為主要編程語(yǔ)言，支持Debian GNU/Linux 操作系統(tǒng)，運(yùn)行頻率達(dá)1.8 GHz。相比于STM32 等主流單片機(jī)，軟件生態(tài)良好，易擴(kuò)展，開(kāi)發(fā)成本較低，可快速實(shí)現(xiàn)計(jì)算節(jié)點(diǎn)的便捷化與智能化設(shè)計(jì)。

2.1 技術(shù)指標(biāo)

本文所設(shè)計(jì)的邊緣計(jì)算節(jié)點(diǎn)的技術(shù)指標(biāo)主要考慮結(jié)構(gòu)物的實(shí)際監(jiān)測(cè)需求，以及現(xiàn)有硬件設(shè)備的監(jiān)測(cè)能力，并且以功能進(jìn)行了劃分，由此最終確定了邊緣計(jì)算節(jié)點(diǎn)的技術(shù)指標(biāo)，見(jiàn)表1。

表1 邊緣計(jì)算節(jié)點(diǎn)技術(shù)指標(biāo)Tab.1 Technical indicators of edge computing nodes

2.2 功能設(shè)計(jì)

邊緣計(jì)算節(jié)點(diǎn)作為傳感數(shù)據(jù)采集及處理的核心器件，所具備的功能有以下3 個(gè)方面。

1）數(shù)據(jù)采集。針對(duì)于浮橋結(jié)構(gòu)姿態(tài)的實(shí)時(shí)監(jiān)測(cè)，目標(biāo)監(jiān)測(cè)物理量主要包括三軸加速度、三軸速度以及位置信息。

2）數(shù)據(jù)處理。節(jié)點(diǎn)所采集的傳感數(shù)據(jù)需要進(jìn)一步處理后才能作為有效數(shù)據(jù)向終端服務(wù)器傳輸，主要工作包含數(shù)值濾波、數(shù)據(jù)融合、統(tǒng)計(jì)分析。其中數(shù)值濾波的主要對(duì)象是異常傳感數(shù)據(jù)，包括缺省值、異常值等，一般可采用滑動(dòng)濾波器對(duì)輸入數(shù)據(jù)進(jìn)行處理，濾波器點(diǎn)數(shù)可根據(jù)數(shù)據(jù)量來(lái)決定。數(shù)據(jù)融合是對(duì)2 種不同的傳感數(shù)據(jù)進(jìn)行融合處理，用以得到測(cè)點(diǎn)位置、速度和姿態(tài)信息。統(tǒng)計(jì)分析則是針對(duì)于一段時(shí)間內(nèi)各項(xiàng)監(jiān)測(cè)物理量，統(tǒng)計(jì)類(lèi)型包括最大值、最小值以及有義值，統(tǒng)計(jì)時(shí)間則根據(jù)通過(guò)RPC 遠(yuǎn)程調(diào)用相關(guān)函數(shù)來(lái)確定。以上數(shù)據(jù)處理工作采用C 語(yǔ)言進(jìn)行編程，由于終端界面顯示位于物聯(lián)網(wǎng)平臺(tái)上，因此節(jié)點(diǎn)內(nèi)不包含界面設(shè)計(jì)。

3）數(shù)據(jù)傳輸。邊緣計(jì)算節(jié)點(diǎn)可通過(guò)5G 通信網(wǎng)絡(luò)將有效數(shù)據(jù)傳送到終端服務(wù)器，并且可以通過(guò)該網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)于終端服務(wù)器函數(shù)的遠(yuǎn)程調(diào)用，用以更新傳感數(shù)據(jù)的處理方式。

2.3 模塊設(shè)計(jì)

為了實(shí)現(xiàn)邊緣計(jì)算節(jié)點(diǎn)的各項(xiàng)功能，對(duì)該節(jié)點(diǎn)進(jìn)行了模塊化設(shè)計(jì)，如圖4 所示。邊緣計(jì)算節(jié)點(diǎn)主要包含三大模塊，分別是傳感模塊、計(jì)算模塊以及通信模塊，分別對(duì)應(yīng)數(shù)據(jù)采集、數(shù)據(jù)處理以及數(shù)據(jù)傳輸?shù)?項(xiàng)功能。首先，傳感模塊采用IMU+GNSS 的組合，其中GNSS 模塊的作用是對(duì)IMU 進(jìn)行校準(zhǔn)，從而得到準(zhǔn)確穩(wěn)定的三軸姿態(tài)、速度以及位置信息；計(jì)算模塊則是采用Raspberry Pi 系列的CM4 芯片，不僅能夠?qū)崿F(xiàn)數(shù)值濾波、融合處理、統(tǒng)計(jì)分析等功能，還能夠作為微控制單元（Micro Control Unit，MCU）發(fā)出指令，控制其他模塊的運(yùn)行；通信模塊則采用5G 模組，并經(jīng)由HTTP 或MQTT 協(xié)議與終端服務(wù)器進(jìn)行通訊。

圖4 模塊設(shè)計(jì)Fig.4 Module design

3 物聯(lián)網(wǎng)平臺(tái)軟件設(shè)計(jì)

本文基于ThingsBoard 物聯(lián)網(wǎng)平臺(tái)進(jìn)行軟件開(kāi)發(fā)，該平臺(tái)支持HTPP、MQTT、CoAP 通訊協(xié)議，還支持包含Arduino、ESP32、ESP8266、NodeMCU、Raspberry Pi 等多種類(lèi)型的單片機(jī)系統(tǒng)，具有很好的擴(kuò)展性以及魯棒性。該軟件作為云端計(jì)算的重要平臺(tái)，能夠?qū)崿F(xiàn)規(guī)則鏈篩選、數(shù)據(jù)庫(kù)存儲(chǔ)等功能，從而有效地提高了用戶(hù)體驗(yàn)。

3.1 用戶(hù)管理設(shè)計(jì)

本軟件采用三級(jí)用戶(hù)機(jī)制，其中一級(jí)用戶(hù)為系統(tǒng)管理員賬戶(hù)，主要工作是對(duì)監(jiān)測(cè)系統(tǒng)進(jìn)行整體部署與配置，搭建系統(tǒng)的底層架構(gòu)，并且對(duì)二級(jí)用戶(hù)進(jìn)行管理；二級(jí)用戶(hù)為訪客管理員賬戶(hù)，主要工作是對(duì)項(xiàng)目進(jìn)行管理，配置并對(duì)接入設(shè)備進(jìn)行分配，建立規(guī)則鏈，搭建數(shù)據(jù)顯示界面，并且對(duì)三級(jí)用戶(hù)進(jìn)行管理；三級(jí)用戶(hù)為訪客賬戶(hù)，主要對(duì)當(dāng)前監(jiān)測(cè)系統(tǒng)的實(shí)時(shí)數(shù)據(jù)進(jìn)行展示，調(diào)用并顯示歷史數(shù)據(jù)。用戶(hù)管理機(jī)制如圖5所示。

圖5 用戶(hù)設(shè)計(jì)機(jī)制Fig.5 User design mechanism

3.2 規(guī)則鏈設(shè)計(jì)

規(guī)則鏈?zhǔn)腔赥hingsBoard 平臺(tái)的rule chain 機(jī)制進(jìn)行設(shè)計(jì)的，采用可視化界面進(jìn)行編程，有利于軟件進(jìn)行更新?lián)Q代。以溫度為例，規(guī)則的設(shè)計(jì)鏈條如圖6 所示。平臺(tái)軟件在接收到設(shè)備的網(wǎng)絡(luò)數(shù)據(jù)后，首先根據(jù)當(dāng)前設(shè)備的配置文件處理設(shè)備信息，在不存在警報(bào)信息的情況下對(duì)信息進(jìn)行分類(lèi)處理，其中設(shè)備屬性直接存入數(shù)據(jù)庫(kù)，遙測(cè)數(shù)據(jù)接入到過(guò)濾器中，過(guò)濾器能夠?qū)τ趥魅氲臏囟冗b測(cè)數(shù)據(jù)進(jìn)行過(guò)濾，并將合法數(shù)據(jù)傳入并存儲(chǔ)到數(shù)據(jù)庫(kù)中，非法數(shù)據(jù)則記錄到日志中。此外，對(duì)于由于本軟件不涉及到對(duì)于設(shè)備的遠(yuǎn)程過(guò)程調(diào)用請(qǐng)求（Remote Procedure Call，RPC），因此不進(jìn)行進(jìn)一步處理。

3.3 數(shù)據(jù)庫(kù)設(shè)計(jì)

1）數(shù)據(jù)庫(kù)選用。ThingsBoard 物聯(lián)網(wǎng)平臺(tái)支持SQL 或者h(yuǎn)ybrid 數(shù)據(jù)庫(kù)，其中hybrid 數(shù)據(jù)庫(kù)是基于開(kāi)源的Greenplum Database 項(xiàng)目的大規(guī)模并行處理（Massively Parallel Processing，MPP）分布式數(shù)據(jù)庫(kù)。與postgreSQL 不同的是，它能夠?qū)崿F(xiàn)橫向擴(kuò)展，提供給用戶(hù)需要的百GB 到百TB 的高性能分析能力。考慮到本系統(tǒng)所接入的設(shè)備一般小于50 個(gè)，每個(gè)設(shè)備的消息數(shù)平均為100 條/s，總消息數(shù)不超過(guò)5 000條/s，并且不需要GB 級(jí)別的分析能力，因此采用更為輕便的PostgreSQL 數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)庫(kù)的存儲(chǔ)。

2）數(shù)據(jù)庫(kù)設(shè)計(jì)。本軟件采用關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)存儲(chǔ)，首先需要設(shè)計(jì)的是數(shù)據(jù)庫(kù)的E-R 模型，如圖7 所示。可以看到，遙測(cè)數(shù)據(jù)表存儲(chǔ)了本系統(tǒng)中所有的監(jiān)測(cè)數(shù)據(jù)，它作為子表將通過(guò)外鍵的方式將其余3 個(gè)父表的數(shù)據(jù)引入。采用這種方式可有效地降低單個(gè)表的數(shù)據(jù)量，更利于SQL 查詢(xún)語(yǔ)句對(duì)于數(shù)據(jù)庫(kù)進(jìn)行操作，增加系統(tǒng)的流暢性與可靠性。

圖7 E-R 關(guān)系圖Fig.7 E-R diagram

4 實(shí)船試驗(yàn)

4.1 試驗(yàn)?zāi)繕?biāo)

對(duì)該浮橋結(jié)構(gòu)姿態(tài)監(jiān)測(cè)系統(tǒng)開(kāi)展實(shí)船試驗(yàn)，將多個(gè)邊緣計(jì)算節(jié)點(diǎn)布置在浮橋上，通過(guò)終端設(shè)備觀察多個(gè)相鄰浮橋的姿態(tài)監(jiān)測(cè)數(shù)據(jù)的一致性，來(lái)驗(yàn)證該監(jiān)測(cè)系統(tǒng)是否可靠。實(shí)驗(yàn)預(yù)期結(jié)果：相鄰浮橋姿態(tài)變化存在關(guān)聯(lián)性與一致性；在牽引工況下，中間浮橋滾轉(zhuǎn)角與俯仰角的變化幅度小于兩側(cè)浮橋的變化幅度；在頂推工況下，中間浮橋滾轉(zhuǎn)角與俯仰角的變化幅度大于兩側(cè)浮橋的姿態(tài)變化幅度。

4.2 試驗(yàn)條件

浮橋在實(shí)際使用過(guò)程中主要包含牽引、頂推2 種不同的連接方式，以頂推為例，汽艇通過(guò)羊角與浮橋相連接，并對(duì)浮橋傳遞推力。通過(guò)調(diào)整羊角連接桿高度，可以改變汽艇對(duì)浮橋的推力方向，影響浮橋的迎水角度和摩擦阻力、興波阻力、渦流阻力及空阻等，進(jìn)而對(duì)浮橋橋面的姿態(tài)變化產(chǎn)生影響。

本次實(shí)船試驗(yàn)采用3 個(gè)浮橋模塊為一組，如圖8所示。試驗(yàn)過(guò)程采用正向頂推以及反向牽引2 種工況下，浮橋模塊從左到右分別命名為a、b、c。相鄰浮橋之間主要采用單耳連接器進(jìn)行固定，使得浮橋能夠產(chǎn)生一定的縱向位移，保障其在水流中運(yùn)行的穩(wěn)定性。

圖8 正向頂推與反向牽引示意圖Fig.8 Schematic diagram for pontoon structure under(a) forward push and (b) backward traction

在牽引及頂推2 種工況下，3 個(gè)浮橋會(huì)產(chǎn)生不同程度的位移以及變形。為了監(jiān)測(cè)相鄰浮橋的姿態(tài)變化，本文將3 個(gè)不同邊緣計(jì)算節(jié)點(diǎn)分別放置于3 個(gè)浮橋的中心位置上，通過(guò)物聯(lián)網(wǎng)平臺(tái)軟件實(shí)時(shí)查看所有測(cè)點(diǎn)的實(shí)時(shí)數(shù)據(jù)并進(jìn)行顯示。

4.3 試驗(yàn)過(guò)程

1）牽引工況。3 個(gè)浮橋固定完成后，將汽艇與浮橋通過(guò)繩索進(jìn)行連接，然后啟動(dòng)汽艇反向牽引浮橋以一定角度轉(zhuǎn)圈，轉(zhuǎn)圈圈數(shù)為1 周，采集浮橋的滾轉(zhuǎn)角與俯仰角變化，如圖9、圖10 所示。其中，浮橋a與浮橋c 位置位于兩側(cè)，浮橋b 位于中間。由采集數(shù)據(jù)可以得到以下結(jié)論：首先，浮橋在反向牽引并且無(wú)荷載的情況下，滾轉(zhuǎn)角的變化幅值最大僅為0.456°，俯仰角的變化幅值最大僅為0.554°，不存在結(jié)構(gòu)姿態(tài)變化過(guò)大引起安全事故的風(fēng)險(xiǎn)；其次，位于中間位置的浮橋b 的姿態(tài)相比于兩側(cè)的浮橋更加平穩(wěn)，滾轉(zhuǎn)角變化幅值為0.357°，俯仰角變化幅值為0.522°，均小于兩側(cè)浮橋的變化幅值；第三，浮橋在受到多種力作用后，三軸姿態(tài)均會(huì)發(fā)生不同程度的偏移，但是總體的變化趨勢(shì)是一致的。

圖9 牽引工況下的滾轉(zhuǎn)角變化Fig.9 Roll angle change under traction

圖10 牽引工況下的俯仰角變化Fig.10 Pitch angle change under traction

2）頂推工況。將浮橋通過(guò)羊角與汽艇相連接，汽艇頂推浮橋在河流中運(yùn)行1 圈，采集數(shù)據(jù)如圖11、圖12 所示。可以看到，在頂推工況下，由于浮橋b直接受到汽艇的推力作用，因此它在運(yùn)行過(guò)程中的姿態(tài)變化程度應(yīng)該最為劇烈。實(shí)際測(cè)量結(jié)果：浮橋b 的滾轉(zhuǎn)角變化范圍可以達(dá)到1.423°，俯仰角變化范圍可以達(dá)到2.79°，滾轉(zhuǎn)角與俯仰角的姿態(tài)變化程度均大于相鄰2 個(gè)浮橋，符合預(yù)期結(jié)果。

圖11 頂推工況下的滾轉(zhuǎn)角變化Fig.11 Roll angle change under push

圖12 頂推工況下的俯仰角變化Fig.12 Pitch angle change under push

4.4 試驗(yàn)結(jié)論

本試驗(yàn)在3 個(gè)相連浮橋上安裝了邊緣計(jì)算節(jié)點(diǎn)，然后在頂推以及牽引2 種工況下帶動(dòng)浮橋運(yùn)行。數(shù)據(jù)表明，牽引與頂推工況下，3 個(gè)浮橋的姿態(tài)變化具有很好的一致性；牽引工況下，中間浮橋的姿態(tài)變化幅值更小，而在頂推工況下中間浮橋的姿態(tài)變化幅值更大。

5 結(jié)語(yǔ)

本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于邊緣計(jì)算節(jié)點(diǎn)的浮橋結(jié)構(gòu)姿態(tài)監(jiān)測(cè)系統(tǒng)，以姿態(tài)為主要監(jiān)測(cè)量，提出了邊緣計(jì)算節(jié)點(diǎn)+物聯(lián)網(wǎng)平臺(tái)軟件的智能化監(jiān)測(cè)方案，在靠近數(shù)據(jù)源處實(shí)現(xiàn)了數(shù)據(jù)的就地采集與處理，并通過(guò)5G 通信完成了與終端服務(wù)器的遠(yuǎn)程通信，最后利用物聯(lián)網(wǎng)平臺(tái)軟件實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)的存儲(chǔ)顯示。

基于此，本文針對(duì)性地開(kāi)展了浮橋結(jié)構(gòu)實(shí)船試驗(yàn)，在一組3 個(gè)浮橋上分別放置1 個(gè)邊緣計(jì)算節(jié)點(diǎn)，并且在牽引及頂推2 種工況下開(kāi)展回轉(zhuǎn)試驗(yàn)。試驗(yàn)結(jié)果表明，本監(jiān)測(cè)系統(tǒng)能夠準(zhǔn)確地監(jiān)測(cè)到結(jié)構(gòu)在受到力作用后產(chǎn)生的姿態(tài)變化，具備一定的可行性。為了減少計(jì)算量，本文中用于卡爾曼濾波算法的噪聲模型均為白噪聲，為了進(jìn)一步提高精度，可在后續(xù)研究中對(duì)有色噪聲模型進(jìn)行白化處理。