收藏 分销(赏)

基于边云协同计算的浮桥运动姿态在线监测技术研究.pdf

上传人:自信****多点 文档编号:2103071 上传时间:2024-05-16 格式:PDF 页数:10 大小:1.55MB
下载 相关 举报
基于边云协同计算的浮桥运动姿态在线监测技术研究.pdf_第1页
第1页 / 共10页
基于边云协同计算的浮桥运动姿态在线监测技术研究.pdf_第2页
第2页 / 共10页
基于边云协同计算的浮桥运动姿态在线监测技术研究.pdf_第3页
第3页 / 共10页
亲,该文档总共10页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、第 20 卷 第 9 期 装 备 环 境 工 程 2023 年 9 月 EQUIPMENT ENVIRONMENTAL ENGINEERING 133 收稿日期:2023-05-23;修订日期:2023-06-29 Received:2023-05-23;Revised:2023-06-29 引文格式:胥皓,任焱晞,张涛,等.基于边云协同计算的浮桥运动姿态在线监测技术研究J.装备环境工程,2023,20(9):133-142.XU Hao,REN Yan-xi,ZHANG Tao,et al.Online Monitoring Technology of Pontoon Motion Atti

2、tude Based on Edge-cloud Collaboration ComputingJ.Equipment Environmental Engineering,2023,20(9):133-142.基于边云协同计算的浮桥运动姿态在 线监测技术研究 胥皓1,任焱晞2*,张涛1,3,汪雪良1,3,朱全华1,3,陈国材1,张朴1,3(1.中国船舶科学研究中心,江苏 无锡 214082;2.第 32212 部队,北京 100093;3.深海技术科学太湖实验室,江苏 无锡 2140822)摘要:目的目的 解决水面多模块浮体在离散状态和串联状态下的运动姿态时空同步监测问题。方法方法 基于边云协

3、同技术,采用多个边缘计算节点同时采集结构姿态数据,并经由 5G 无线技术实时传输到物联网平台进行分析与监测,进而实现目标结构物姿态的快速监测。首先,根据临时结构物姿态监测的特点,分析得到姿态监测系统的总体设计架构与运行逻辑;其次,针对性地对物联网平台软件及边缘计算节点的各项功能模块进行分析设计;最后通过实船试验验证该监测系统。结果结果 该监测系统实现了多个浮体姿态数据的边缘采集与处理,并可通过无线网络传输到物联网平台进行存储与分析。在同一工况下,相邻浮桥的姿态具有一致性与相关性;在牵引工况下,中间浮桥的姿态变化更小;在顶推工况下,中间浮桥的姿态变化更大。结论结论 通过该技术能够监测到不同工况下

4、多浮体结构物所产生的姿态变化,对于多浮体同步监测与数据融合处理问题具备一定的实用价值。关键词:边缘计算;卡尔曼滤波;浮桥;物联网平台;边云协同;姿态监测 中图分类号:TP274 文献标识码:A 文章编号:1672-9242(2023)09-0133-10 DOI:10.7643/issn.1672-9242.2023.09.015 Online Monitoring Technology of Pontoon Motion Attitude Based on Edge-cloud Collaboration Computing XU Hao1,REN Yan-xi2*,ZHANG Tao1,3

5、,WANG Xue-liang1,3,ZHU Quan-hua1,3,CHEN Guo-cai1,ZHANG Pu1,3(1.China Ship Scientific Research Center,Jiangsu Wuxi 214082,China;2.Unit 32212,Beijing 100093,China;3.Taihu Laboratory of Deep Sea Technology and Science,Jiangsu Wuxi 214082,China)ABSTRACT:The work aims to solve the problem in synchronous

6、monitoring of the motion attitude of multi-module floating bodies on the water surface in discrete and tandem states.Multiple edge computing nodes were used to collect structural attitude data at the same time based on edge-cloud collaboration technology,and transmit the data to the IoT platform in

7、real time through 5G wireless technology for analysis and monitoring,so as to realize the rapid monitoring of target structural attitude.Firstly,according to the characteristics of attitude monitoring of temporary structures,the overall design architecture and opera-tion logic of the attitude monito

8、ring system were analyzed.Secondly,the functional modules of IoT platform software and edge computing nodes were analyzed and designed.Finally,the monitoring system was verified by real ship test.The monitoring system realized the edge acquisition and processing of multiple floating body attitude da

9、ta,and the date could be transmitted to 134 装 备 环 境 工 程 2023 年 9 月 the IoT platform through the wireless network for storage and analysis.Under the same working condition,the attitude of adja-cent pontoon bridges had consistency and correlation.The attitude change of the middle pontoon bridge was sm

10、aller under the traction condition,and the attitude change of the middle pontoon bridge under the jacking condition was bigger.This technology can monitor the attitude changes of multi-floating structures under different working conditions,which has certain practical value for synchronous monitoring

11、 and data fusion processing of multiple floats.KEY WORDS:edge computing;kalman filter;pontoon;IoT platform;edge-cloud collaboration;attitude monitoring 伴随着气候变化加剧,全国乃至世界的各个地区频繁地发生自然灾祸,抢险救灾日益成为社会生活正常运转过程中不可或缺的一部分。浮桥作为一种重要的抢险救灾装备,需要通过更新换代以适应更大程度的应急抢险情况。本文以带式浮桥为研究对象,该浮桥可通过活动旋钮串联扩展,能够在江河上实现快速横渡。带式浮桥所架设的桥

12、梁是一种由多个单元模块(单个浮桥)串联连接形成的。在架设之前,需要把握各个单元模块在不同水动力工况下的机动性,以指导架桥汽艇作业,提升应急救灾效率。在架设过程中,多个单元模块连接形成一体,需要把握在不同水动力载荷与负载工况下,各单元模块所产生的不同程度的俯仰及倾斜变化,进而为浮桥承载性能与作业安全评估提供数据支撑。基于此,本文需要解决的问题是对于活动式的多模块浮体,如何实现时空同步的运动姿态监测,用以评估该浮体的承载性能以及安全性能。目前在国内外对浮体连接体的运动姿态研究分为两方面。一方面,利用水动力学分析方法与有限元计算方法,建立模型并计算分析得到浮桥在波浪作用下的运动响应情况1-6。另一方

13、面,开展相关的模型试验,在不同荷载工况下,通过实测数据分析浮桥的运动响应。陈徐均等7利用六自由度运动测点仪,对快速重载作用下的长浮桥运动响应开展了模型试验研究,试验数据验证了荷载重量越大,速度越快,那么位移波的堆积效应越明显。此外,为了实现通载浮桥的动态位移监测,该团队还利用数字摄像技术对多点的动态位移进行实时跟踪记录,将记录结果采集到计算机,通过后处理的方式获取各测点的位移数据。结果表明,浮桥的垂向位移随着通载载荷的增大而增大,通载速度对位移响应的影响较小8。付成群等9提出了一种浮桥变形的全自动监测报警系统,基于极坐标差分法实现了对浮桥三维位移的监测与报警。Huang 等10开展了在随机波影

14、响下浮筒模型运动响应情况的模型试验,采用较为成熟的光学运动系统对浮筒运动进行了监测。郑荣才等11采用多个惯性测量单元(Inertial Measuring Unit,IMU)进行融合监测的方式实现了对结构其他位置姿态变化的估计。柳爱利等12在有限元模态分析的基础上实现了 IMU 的优化布局,并通过仿真进行验证。可以看到,目前对浮桥连接体的运动姿态研究在计算分析方法领域已经相当深入,但是对于浮桥连接体运动姿态响应监测的试验方法依旧较为单一固化,往往是采用分立式的运动监测元器件或系统分别对多浮体进行运动响应测量,再后期通过人工的方式对多份数据进行处理分析。这种方式有以下 2点不足:首先,系统的监测

15、能力提升成本较高,进而限制了监测系统的横向扩展;其次,浮桥连接体运动数据的实时性与同步性差,难以实现多模块的时空同步监测。基于此,本文设计并实现了一种基于边缘计算节点的姿态监测系统,以带式浮桥为目标对象,姿态为主要监测量,采用边缘计算节点的方式在靠近传感端实现数据的融合处理,并通过 5G 无线网络实现了数据的远程传输,有效地解决了水面多模块浮体在离散状态和串联状态下的时空同步监测问题。1 系统原理 1.1 边云协同技术 边云协同技术主要包含边缘计算与云计算 2 个部分。其中,边缘计算是一种分布式运算的架构,不同于云计算,它将之前由中心服务器负责的任务加以分解,并且将这些分解之后的任务片段分发至

16、网络的边缘端,由边缘端去负责运算13。边缘计算降低了相关信息的传输时间,减小了延迟。云计算虽然可以将大型的计算任务放到云端去进行运算,但是对于需要低延迟的应用来说,则会遇到网络带宽瓶颈等问题。边缘计算可以将任务放到边缘端来进行,因此边缘计算受到了本地边缘终端计算能力的限制14-16。边云协同技术的定义是就是将云计算与边缘计算紧密地结合起来,通过合理地分配云计算与边缘计算的任务,实现云计算的下沉,将云计算、云分析扩展到边缘端17。它是信息化时代以来在数据量以指数级增长的情况下应运而生的,通过两者协同工作、各展所长,从而将边缘计算和云计算协作的价值最大化,有效地提高应用程序的性能。目前,针对云边协

17、同的研究大多数集中在物联网、智慧校园、智能交通、安全监控等诸多领域的应用场景上18-21,主要目的是减少时延、降低能耗以及提高用户体验质量等。边云协同的参考框架如图 1 所示。第 20 卷 第 9 期 胥皓,等:基于边云协同计算的浮桥运动姿态在线监测技术研究 135 图 1 边云协同框架 Fig.1 Edge-cloud collaboration framework 其中,边缘计算包括 3 个部分:1)边缘基础设施能力 EC-IaaS;2)边缘平台能力 EC-PaaS;3)边缘应用能力 EC-SaaS。云计算也包括 3 个部分:1)基础设施能力 IaaS;2)平台能力 PaaS;3)应用能力

18、 SaaS22。本文所设计的浮桥结构姿态监测系统在该框架基础上,通过物联网平台软件+边缘计算节点的方式,实现了多个测点的数据协同、管理协同以及业务协同。1.2 姿态测量原理 姿态测量的基本原理采用 IMU 结合差分 GNSS进行三轴姿态的测量。已知 IMU 测量中传感器输出的加速度与角加速度数据存在量测误差,经过积分后,误差会随着时间推移而不断变大,进而导致位姿发生持续漂移。因此,为了得到更为可靠的位姿数据,往往需要采用其他测量方式直接获取到位置信息,并通过融合滤波的方法对 2 种不同的测量值进行估计,从而得到在当前状态下最为可靠的估计值。本文采用卡尔曼滤波算法(Kalman Filter,K

19、F)实现 IMU 与差分 GNSS 的融合滤波,该算法为迭代算法,非常适合于计算机处理,并且在计算过程中同时利用了量测方程和状态方程,最大程度提高了解算精度。该算法适用于非平稳过程,从而大大扩展了使用场景。本文采用松耦合的方式,将 IMU 和GNSS 输出的位移和速度信息输入到卡尔曼滤波器中,滤波结果反馈到 IMU,从而修正 IMU 的累积误差,得到更为可靠的姿态角预测值23-25,建模过程如下。1.2.1 建模过程 首先考虑系统的状态方程,为了减少模型的线性化误差,采用基于姿态角、速度和位置的偏差进行建模,系统的状态向量如式(1)所示。enuenuxvvvLh (1)式中:ev、nv、uv、

20、L、h分别表示 IMU 解算输出的滚转角、俯仰角、偏航角、东向速度误差、北向速度误差、天向速度误差、纬度误差、经度误差、高度误差。为了便于分析,将 IMU 中陀螺仪和加速度计的随机噪声建模为白噪声。基于此,得到了系统的状态方程,如式(2)所示26。1112132122233132333 10nbbibnbbCFFFxFFFxC fxFFFF(2)式中:F 为系统的状态转移矩阵;为系统的状态噪声;nbC为从导航系到载体系的姿态变换矩阵;bib为载体系下从地心惯性系到载体系的转动角速度,rad/s。由此可得,状态噪声协方差矩阵 Q,如式(3)所示。23 33 32T3 33 33 33 33 30

21、000000nbgbnnbabnC CEC CQ(3)式中:2g和2a分别为 IMU 中陀螺仪和加速度计的随机噪声误差。接下来建立对量测方程进行建模,在松组合的模式下,观测量为位置与速度的偏差,如式(4)所示。GNSSGNSSGNSS3 33 33 3,GNSS3 33 33 3,GNSS,GNSS0000enuezneunuLvhIzxvvvIvvLvhH(4)式中:H 为量测矩阵;LGNSS、GNSS、hGNSS、e,GNSS、n,GNSS、u,GNSS分别表示 GNSS 输出的纬度误差、经度误差、高度误差、东向速度误差、北向速度误差、天向速度误差,均采用白噪声的方式进行建模。量测噪声协方

22、差矩阵如式(5)所示。T222222GNSSGNSSGNSS,GNSS,GNSS,GNSSdiag,z zenuE v vLhvvvR (5)式中:2GNSSL、2GNSS、2GNSSh、2,GNSSev、2,GNSSnv、2,GNSSuv分别表示 GNSS 输出的纬度误差、经度误差、高度误差、东向速度误差、北向速度误差、天向速度误差的方差。1.2.2 滤波过程 基于 IMU 和 GNSS 的滤波过程如图 2 所示。136 装 备 环 境 工 程 2023 年 9 月 图 2 滤波反馈校正示意图 Fig.2 Schematic diagram of filtering feedback cor

23、rection 首先,对各项目标参数、系统参数及地球参数进行初始化,然后开始进行卡尔曼滤波,利用 IMU 输出数据进行解算,更新得到当前周期的位置、速度信息,然后利用求解系统的状态转移矩阵 F(由于 F 是时变的,因此在每一个滤波周期内均需要做离散化处理),进而得到一步预测的协方差矩阵 Pk(),见式(6)。接着求解当前周期下的增益矩阵 Kk,见式(7)。由此可以得到系统的误差估计 Xk(+),见式(8)。最后求解下一步的协方差矩阵 Pk(+),见式(9)。T()()kkP PQ(6)1TT()()kkkKPHHPHR(7)()*kkkKz X(8)TT+kkkkkkII K HK HPPK

24、RK(9)式中:为离散化的状态转移矩阵;Q 为状态噪声;R 为量测噪声;zk为当前周期下的量测值。最后对 IMU 输出数据进行校正,包含位置校正、速度校正以及姿态校正,计算公式如式(10)(12)所示。7:9()kLhLhX(10)4:6()kenuenuX(11)T,()bnkk bk nICC (12)式中:Lh和Lh分别为修正后与修正前的IMU输出位置;enu和enu分别为修正后与修正前的 IMU 输出速度;()k 为当前周期下的姿态角偏差的反对称矩阵;,bk nC为当前周期下 IMU 输出的姿态矩阵。通过多次滤波迭代,系统输出即可趋于稳定。1.3 误差分析 本文所设计的滤波器模型主要包

25、含状态转移矩阵、量测矩阵、状态噪声矩阵、量测噪声矩阵、状态估计协方差矩阵初值 P0()。其中,状态转移矩阵、量测矩阵的模型建立是精确的;状态噪声矩阵、量测噪声矩阵则受到 IMU 与 GNSS 随机噪声以及量测噪声不准确的影响,从而产生偏差;状态估计协方差矩阵则受到初值设定的影响从而产生偏差。接下来对这种情况进行误差分析。首先将存在误差的模型参数带入到卡尔曼滤波算法中,计算得到增益矩阵,如式(13)(15)所示。T1111()()kkkkk PPQ(13)*TTk()kkkkkkH PRKPHH(14)T*T*+kkkkkkkkkII PK HPK HKR K(15)式中:kQ、*kR、*0()

26、P分别为实际存在偏差的状态噪声矩阵、量测噪声矩阵和状态估计协方差矩阵初值。可以看出,*kK是次优的,然后将*kK(k=1,2,)代入到理想的滤波模型中,从而得到协方差矩阵,如式(16)、(17)所示。#T1111()()kkkkk PPQ(16)T#*#*T*+kkkkkkkkkII PK HPK HR KK(17)式中:1kQ、kR、#()kP分别为理想的状态噪声矩阵、量测噪声矩阵和第 k 次滤波后的协方差矩阵。通过多次求解#()kP即可以推算在多次滤波后的误差情况。1.4 技术架构 本文所设计的监测系统主要包含边云 2 个方面,其一是靠近数据一侧采用边缘计算节点实现监测数据的采集与处理,其

27、二是在靠近用户一侧采用物联网平台软件实现多点位数据的存储与显示,系统拓扑图如图 3 所示。图 3 系统连接拓扑图 Fig.3 Topology diagram of system connection 其中,边缘计算节点所采集的数据有三轴加速度、三轴角速度、GNSS 位置、GNSS 速度以及温度。利用边缘计算节点内部自带的计算模块可就地对多源数据进行融合计算,进而得到测点位置实时的姿态变化信息。通讯则利用 5G 通信模块将数据传输到云端,并且也可以实现物联网平台软件对于边缘计算节点的远程控制。最后采用物联网平台软件进行数据的存储与分类显示,便于监测数据的后续处理与分析。第 20 卷 第 9 期

28、 胥皓,等:基于边云协同计算的浮桥运动姿态在线监测技术研究 137 2 边缘计算节点设计 本文选用 Raspberry Pi CM4 作为核心处理板,该芯片采用 ARM 架构,支持 C、C+、Python 作为主要编程语言,支持 Debian GNU/Linux 操作系统,运行频率达 1.8 GHz。相比于 STM32 等主流单片机,软件生态良好,易扩展,开发成本较低,可快速实现计算节点的便捷化与智能化设计。2.1 技术指标 本文所设计的边缘计算节点的技术指标主要考虑结构物的实际监测需求,以及现有硬件设备的监测能力,并且以功能进行了划分,由此最终确定了边缘计算节点的技术指标,见表 1。表 1

29、边缘计算节点技术指标 Tab.1 Technical indicators of edge computing nodes 参数 典型值 加速度计量程 16g 加速度计分辨率(LSB)0.01g 加速度计带宽 5256 Hz 陀螺仪量程 2 000()/s 陀螺仪分辨率(LSB)0.05()/s 陀螺仪带宽 5256 Hz 接收信号 GPS,SBAS,QZSS,GLONASS,BeiDou,Galileo 信号频段 GPS L1C/A L2C,SBAS,QZSS,GLONASS L1OF L2OF,BeiDou B1I B2I,Galileo E1B/C E5b 捕获时间 冷启动:24 s(最

30、快);热启动:2 s 定位精度 1.5 m CEP(PVT),0.01m+106 CEP(RTK)核心板型号 Raspberry Pi CM4 CPU 1.5 GHz,4 核 BroadcomBCM2711 内存 8 GB LPDDR4-3200 2.2 功能设计 边缘计算节点作为传感数据采集及处理的核心器件,所具备的功能有以下 3 个方面。1)数据采集。针对于浮桥结构姿态的实时监测,目标监测物理量主要包括三轴加速度、三轴速度以及位置信息。2)数据处理。节点所采集的传感数据需要进一步处理后才能作为有效数据向终端服务器传输,主要工作包含数值滤波、数据融合、统计分析。其中数值滤波的主要对象是异常传

31、感数据,包括缺省值、异常值等,一般可采用滑动滤波器对输入数据进行处理,滤波器点数可根据数据量来决定。数据融合是对 2 种不同的传感数据进行融合处理,用以得到测点位置、速度和姿态信息。统计分析则是针对于一段时间内各项监测物理量,统计类型包括最大值、最小值以及有义值,统计时间则根据通过 RPC 远程调用相关函数来确定。以上数据处理工作采用 C 语言进行编程,由于终端界面显示位于物联网平台上,因此节点内不包含界面设计。3)数据传输。边缘计算节点可通过 5G 通信网络将有效数据传送到终端服务器,并且可以通过该网络实现对于终端服务器函数的远程调用,用以更新传感数据的处理方式。2.3 模块设计 为了实现边

32、缘计算节点的各项功能,对该节点进行了模块化设计,如图 4 所示。边缘计算节点主要包含三大模块,分别是传感模块、计算模块以及通信模块,分别对应数据采集、数据处理以及数据传输等 3项功能。首先,传感模块采用 IMU+GNSS 的组合,其中 GNSS 模块的作用是对 IMU 进行校准,从而得到准确稳定的三轴姿态、速度以及位置信息;计算模块则是采用 Raspberry Pi 系列的 CM4 芯片,不仅能够实现数值滤波、融合处理、统计分析等功能,还能够作为微控制单元(Micro Control Unit,MCU)发出指令,控制其他模块的运行;通信模块则采用 5G 模组,并经由 HTTP 或 MQTT 协

33、议与终端服务器进行通讯。图 4 模块设计 Fig.4 Module design 3 物联网平台软件设计 本文基于 ThingsBoard 物联网平台进行软件开发,该平台支持 HTPP、MQTT、CoAP 通讯协议,还支持包含 Arduino、ESP32、ESP8266、NodeMCU、Raspberry Pi 等多种类型的单片机系统,具有很好的扩展性以及鲁棒性。该软件作为云端计算的重要平台,能够实现规则链筛选、数据库存储等功能,从而有效地提高了用户体验。3.1 用户管理设计 本软件采用三级用户机制,其中一级用户为系统管理员账户,主要工作是对监测系统进行整体部署与配置,搭建系统的底层架构,并且

34、对二级用户进行管138 装 备 环 境 工 程 2023 年 9 月 理;二级用户为访客管理员账户,主要工作是对项目进行管理,配置并对接入设备进行分配,建立规则链,搭建数据显示界面,并且对三级用户进行管理;三级用户为访客账户,主要对当前监测系统的实时数据进行展示,调用并显示历史数据。用户管理机制如图 5所示。图 5 用户设计机制 Fig.5 User design mechanism 3.2 规则链设计 规则链是基于 ThingsBoard 平台的 rule chain 机制进行设计的,采用可视化界面进行编程,有利于软件进行更新换代。以温度为例,规则的设计链条如图6 所示。平台软件在接收到设备

35、的网络数据后,首先根据当前设备的配置文件处理设备信息,在不存在警 报信息的情况下对信息进行分类处理,其中设备属性直接存入数据库,遥测数据接入到过滤器中,过滤器能够对于传入的温度遥测数据进行过滤,并将合法数据传入并存储到数据库中,非法数据则记录到日志中。此外,对于由于本软件不涉及到对于设备的远程过程调用请求(Remote Procedure Call,RPC),因此不进行进一步处理。图 6 规则链设计(以温度为例)Fig.6 Regular chain design(temperature as an example)3.3 数据库设计 1)数据库选用。ThingsBoard 物联网平台支持SQ

36、L 或者 hybrid 数据库,其中 hybrid 数据库是基于开源的 Greenplum Database 项目的大规模并行处理(Massively Parallel Processing,MPP)分布式数据库。与 postgreSQL 不同的是,它能够实现横向扩展,提供给用户需要的百 GB 到百 TB 的高性能分析能力。考虑到本系统所接入的设备一般小于 50 个,每个设备的消息数平均为 100 条/s,总消息数不超过 5 000条/s,并且不需要 GB 级别的分析能力,因此采用更为轻便的 PostgreSQL 数据库进行数据库的存储。第 20 卷 第 9 期 胥皓,等:基于边云协同计算的浮

37、桥运动姿态在线监测技术研究 139 2)数据库设计。本软件采用关系型数据库进行数据存储,首先需要设计的是数据库的 E-R 模型,如图 7 所示。可以看到,遥测数据表存储了本系统中所有的监测数据,它作为子表将通过外键的方式将其余3 个父表的数据引入。采用这种方式可有效地降低单个表的数据量,更利于 SQL 查询语句对于数据库进行操作,增加系统的流畅性与可靠性。图 7 E-R 关系图 Fig.7 E-R diagram 4 实船试验 4.1 试验目标 对该浮桥结构姿态监测系统开展实船试验,将多个边缘计算节点布置在浮桥上,通过终端设备观察多个相邻浮桥的姿态监测数据的一致性,来验证该监测系统是否可靠。实

38、验预期结果:相邻浮桥姿态变化存在关联性与一致性;在牵引工况下,中间浮桥滚转角与俯仰角的变化幅度小于两侧浮桥的变化幅度;在顶推工况下,中间浮桥滚转角与俯仰角的变化幅度大于两侧浮桥的姿态变化幅度。4.2 试验条件 浮桥在实际使用过程中主要包含牵引、顶推 2 种不同的连接方式,以顶推为例,汽艇通过羊角与浮桥相连接,并对浮桥传递推力。通过调整羊角连接杆高度,可以改变汽艇对浮桥的推力方向,影响浮桥的迎水角度和摩擦阻力、兴波阻力、涡流阻力及空阻等,进而对浮桥桥面的姿态变化产生影响。本次实船试验采用 3 个浮桥模块为一组,如图 8所示。试验过程采用正向顶推以及反向牵引 2 种工况下,浮桥模块从左到右分别命名

39、为 a、b、c。相邻浮桥之间主要采用单耳连接器进行固定,使得浮桥能够产生一定的纵向位移,保障其在水流中运行的稳定性。图 8 正向顶推与反向牵引示意图 Fig.8 Schematic diagram for pontoon structure under (a)forward push and(b)backward traction 在牵引及顶推 2 种工况下,3 个浮桥会产生不同程度的位移以及变形。为了监测相邻浮桥的姿态变化,本文将 3 个不同边缘计算节点分别放置于 3 个浮桥的中心位置上,通过物联网平台软件实时查看所有测点的实时数据并进行显示。4.3 试验过程 1)牵引工况。3 个浮桥固定完

40、成后,将汽艇与浮桥通过绳索进行连接,然后启动汽艇反向牵引浮桥以一定角度转圈,转圈圈数为 1 周,采集浮桥的滚转角与俯仰角变化,如图 9、图 10 所示。其中,浮桥 a与浮桥 c 位置位于两侧,浮桥 b 位于中间。由采集数据可以得到以下结论:首先,浮桥在反向牵引并且无荷载的情况下,滚转角的变化幅值最大仅为 0.456,俯仰角的变化幅值最大仅为 0.554,不存在结构姿态变化过大引起安全事故的风险;其次,位于中间位置的浮桥 b 的姿态相比于两侧的浮桥更加平稳,滚转角变化幅值为 0.357,俯仰角变化幅值为 0.522,均小于两侧浮桥的变化幅值;第三,浮桥在受到多种力作用后,三轴姿态均会发生不同程度

41、的偏移,但是总体的变化趋势是一致的。2)顶推工况。将浮桥通过羊角与汽艇相连接,汽艇顶推浮桥在河流中运行 1 圈,采集数据如图 11、图 12 所示。可以看到,在顶推工况下,由于浮桥 b直接受到汽艇的推力作用,因此它在运行过程中的姿态变化程度应该最为剧烈。实际测量结果:浮桥 b 的滚转角变化范围可以达到 1.423,俯仰角变化范围可以达到 2.79,滚转角与俯仰角的姿态变化程度均大于相邻 2 个浮桥,符合预期结果。140 装 备 环 境 工 程 2023 年 9 月 图 9 牵引工况下的滚转角变化 Fig.9 Roll angle change under traction 图 10 牵引工况下

42、的俯仰角变化 Fig.10 Pitch angle change under traction 图 11 顶推工况下的滚转角变化 Fig.11 Roll angle change under push 图 12 顶推工况下的俯仰角变化 Fig.12 Pitch angle change under push 4.4 试验结论 本试验在3个相连浮桥上安装了边缘计算节点,然后在顶推以及牵引 2 种工况下带动浮桥运行。数 据表明,牵引与顶推工况下,3 个浮桥的姿态变化具有很好的一致性;牵引工况下,中间浮桥的姿态变化幅值更小,而在顶推工况下中间浮桥的姿态变化幅值更大。第 20 卷 第 9 期 胥皓,等

43、:基于边云协同计算的浮桥运动姿态在线监测技术研究 141 5 结语 本文设计并实现了一种基于边缘计算节点的浮桥结构姿态监测系统,以姿态为主要监测量,提出了边缘计算节点+物联网平台软件的智能化监测方案,在靠近数据源处实现了数据的就地采集与处理,并通过 5G 通信完成了与终端服务器的远程通信,最后利用物联网平台软件实现监测数据的存储显示。基于此,本文针对性地开展了浮桥结构实船试验,在一组 3 个浮桥上分别放置 1 个边缘计算节点,并且在牵引及顶推 2 种工况下开展回转试验。试验结果表明,本监测系统能够准确地监测到结构在受到力作用后产生的姿态变化,具备一定的可行性。为了减少计算量,本文中用于卡尔曼滤

44、波算法的噪声模型均为白噪声,为了进一步提高精度,可在后续研究中对有色噪声模型进行白化处理。参考文献:1 张瑞玉,冯海波.游艇码头拉簧锚碇式浮桥结构应力与运动响应分析J.水运工程,2022(5):38-43.ZHANG Rui-yu,FENG Hai-bo.Structural Stress and Motion Response Analysis of Spring Anchorage Pontoon in Yacht WharfJ.Port&Waterway Engineering,2022(5):38-43.2 苗玉基,陈徐均,叶永林,等.波流联合作用下通载浮桥动力特性研究J.船舶力学,2

45、021,25(2):228-237.MIAO Yu-ji,CHEN Xu-jun,YE Yong-lin,et al.Research on Dynamic Performance of Floating Bridges Subjected to Wave,Current and Moving LoadsJ.Journal of Ship Mechanics,2021,25(2):228-237.3 孙建群,姜鹏宇,宋春辉,等.规则波作用下多模块浮桥的水动力性能试验J.哈尔滨工程大学学报,2019,40(1):162-167.SUN Jian-qun,JIANG Peng-yu,SONG Ch

46、un-hui,et al.Experimental Investigation on the Hydrodynamics of Multi-Module Connected Floating Bridge under Regular Wave ActionJ.Journal of Harbin Engineering Univer-sity,2019,40(1):162-167.4 王欢欢,杨勋,金先龙.移动载荷作用下海岸囊式浮桥动力响应分析J.振动与冲击,2016,35(14):202-208.WANG Huan-huan,YANG Xun,JIN Xian-long.Dy-namic Re

47、sponse Analysis of Coastal Gasbag-Type Float-ing Bridge Subjected to a Moving LoadJ.Journal of Vi-bration and Shock,2016,35(14):202-208.5 王丙,陈徐均,江召兵,等.带式浮桥在不同移动荷载作用下的动力响应分析J.应用力学学报,2013,30(1):43-48.WANG Bing,CHEN Xu-jun,JIANG Zhao-bing,et al.Dynamic Responses of Ribbon Bridge Subjected to Dif-ferent

48、 Moving LoadsJ.Chinese Journal of Applied Me-chanics,2013,30(1):43-48.6 RAHMAN A.Dynamic Analysis of Floating BridgesC/10th International Conference on Marine Technology.Dhaka:Bangladesh Univ Engn&Technol,2016.7 陈徐均,江召兵,吴广怀,等.快速重载作用下长浮桥运动响应的模型试验研究J.船舶力学,2010,14(11):1290-1296.CHEN Xu-jun,JIANG Zhao-b

49、ing,WU Guang-huai,et al.Model Experiment of the Long Floating Bridge Subjected to Fast and Heavy LoadJ.Journal of Ship Mechanics,2010,14(11):1290-1296.8 陈徐均,林铸明,吴广怀,等.通载浮桥动态位移的测试方法与数据分析J.振动、测试与诊断,2006,26(2):97-101.CHEN Xu-jun,LIN Zhu-ming,WU Guang-huai,et al.Testing Method and Data Analysis of Mov-i

50、ng-Load-Induced Dynamic Displacements of Floating BridgesJ.Journal of Vibration,Measurement&Diag-nosis,2006,26(2):97-101.9 付成群,徐玉青,沈晓强,等.带式浮桥变形全自动监测报警系统设计与实现J.四川兵工学报,2012,33(6):79-81.FU Cheng-qun,XU Yu-qing,SHEN Xiao-qiang,et al.Design and Implementation of Automatic Monitoring and Alarm System for

展开阅读全文
相似文档                                   自信AI助手自信AI助手
猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 学术论文 > 论文指导/设计

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服