一种基于多参数传感器修正波浪特征参数的测波装置和方法与流程

本发明涉及一种基于多参数传感器修正波浪特征参数的测波装置和方法。

背景技术：

目前同功能产品主要采用压力式测波技术、声学测波技术、光学测波技术、遥感测波技术。

压力式水下测量仪器使用高分辨率传感器测量表面波引起的压力波动，根据线性波理论，得到波面与波动压力之间的关系，该压力波与表面波质检的关系仍处于半理论半经验状态，所反演出的表面波准确度仍受各方面质疑，观测研究甚至表明，不同海区其转换系数不同，其率定方法是通过探头在实验室水中作反复上下运动来模拟压力变化与波浪的关系，不能完全反映实际海洋中的压力波与表面波之间的关系，精确度低。

声学测波仪根据杜普勒原理，仪器从水下向上看，从而记录自由表面的波动，但在恶劣气候和破波条件下，水气交界处表界面并不十分清晰，导致波浪记录产生较为严重的噪声，从而影响检测结果。

光学测波利用水下发射场和海面波高的相关性来测量波浪的参数，采用光学测波技术所研发的波浪仪受水体质量影响，被测水体中水质变化及泥沙杂物都将导致较大检测精度误差。

激光遥感图像推导波浪信息是复杂的，在近岸的应用，如港口、海湾等也是有限的，产生的海面影像要转变成精确的波浪谱还相差甚远，所以需要做相当复杂的后处理工作，以便获得定量的波浪信息，而激光遥感图像向后散射机制还不完全被理解，其精确度还是差的。

部分重力加速度式波浪仪只能适应单一的浮标规格或者只能专用一种浮标规格。

由于现有的波浪波高、波向等参数的推导方法更多是使用公式推导方法,所以在实际算法考虑上更多是在理想状态下的算法,而实际的海洋波浪受多种因素的影响,以及浮标设备本身的因素影响。

同领域中现有产品，由于使用复杂的机械结构，增加了设计和制造的复杂性和成本以及体积重量；由于采用传统的方式，在成本上很难控制，而使使用范围受到很大影响；由于体积大，凸出水面面积大，受风力和其他环境影响大，容易产生数据偏差；由于使用复杂的电子和机械设备，耗电量大，而太阳能的供电有限，只能定时采集数据。

由于海洋设备维护难度大，同领域产品采用传统波浪检测方式，占用较大体积及重量，需要使用大型机械设备进行安装和维护，导致安装及运维成本高，难度大，并且维护频率高，如传感器出现故障，必须马上拆下来进行维修，工作量和难度大；

技术实现要素：

本发明的目的在于提供一种基于多参数传感器修正波浪特征参数的测波装置和方法，在同一装置上同时检测波浪浪高、周期、波向等波浪特征参数；依据所挂载的浮标的直径和密度以及海洋深度作为参数，修正波浪浪高，以适应不同规格尺寸的浮标和海洋深度；使用多组基于重心对称设置的传感器进行同步检测，通过多传感器融合降低单一传感器的噪音问题，可以提高系统的空间分辨率、系统的抗变换性和精度，简化结构设计，降低成本。

本发明一种基于多参数传感器修正波浪特征参数的测波装置，包括一浮标主体，在该浮标主体的垂直中心轴上分设三个多参数传感器，其中第一多参数传感器位于中心位置，第二多参数传感器位于浮标主体的上顶点，第三多参数传感器位于浮标主体的下顶点；另有四个多参数传感器分设于以第一多参数传感器为一水平面的中心所构成的正方形的四个顶点位置，这样以第一多参数传感器为中心构成两两对称的三个多参数传感器组，处理器位于浮标主体底部的中心位置，上述所有的参数传感器分别连接至该处理器，并通过数据通信接口对外输出该多参数传感器采集的数据，将其作为支撑向量回归模型的输入参数。

所述多参数传感器采集的数据包括：X、Y、Z轴的角度、加速度和角速度数据。

进一步的，一种基于多参数传感器修正波浪特征参数的测波装置的测波方法，包括如下步骤：

步骤1、在同一时间及同一位点，采集浮标内所有多参数传感器的数据形成一个采样数据X：

其中，xij为第i个多参数传感器的第j个参数，i＝1,…,N,该N为浮标中多参数传感器的总个数，j＝1,…,M,该M为多参数传感器提供的参数总数，将采样数据X作为支撑向量回归模型的输入参数，实时得到支撑向量回归模型的输出值，即关于波浪浪高、周期、波向的波浪特征数据的预测值Y：

步骤2、将采集的采样数据随机分为若干组，对每一组采样数据构建一个带松弛因子的支撑向量回归模型，在实时采集传感器参数信号的基础上，训练所构建的支撑向量回归模型，进行最小误差的推算，将检验数据输入系统后，分别用以上所构建的支撑向量回归模型分别进行预测，将所有预测值求均值得到波浪特征数据的预测值，若所有检验数据集合中的预测值和真实值的吻合度达到精度要求时，结束训练，得到支撑向量回归模型；

步骤3、在同一时间及同一位点，采集浮标内所有多参数传感器的数据形成一个采样数据X，将样本数据X作为支撑向量回归模型的输入参数，实时得到支撑向量回归模型的输出值，即关于波浪浪高、周期、波向的波浪特征数据的预测值Y。

所述的步骤2具体包括如下步骤：

步骤21、选择多项式核函数：k(x,x′)＝(1+<x|x′>)^d

其中x为支撑向量回归模型的输入参数，x’为已经测得的已知样本的加速度参数，d为预置的正整数；

对每一组采样数据X，训练支撑向量回归模型等价于对以下优化问题进行求解：

其中，ξi、是松弛因子，i代表第i个样本，ω为回归变量，C是对于松弛因子的惩罚系数，p是测量的样本总数，∈为软间隔系数，即可接受的预测波浪特征数据的允许的误差，yi是第i个样本的波浪特征指标，分别对应浪高、周期或波向，xi为测量的第i个样本的加速度参数；

步骤22、将以上优化问题转化为其拉格朗日对偶问题求解：

该优化问题是一个凸空间中的规划问题，通过随机初值的迭代求解预置次数，可获得近似全局最优解，还原公式表达为：

步骤23、将获得的10个支撑向量回归模型分别对应还原公式f1,f2,…,f10，将检验数据输入系统后，分别用以上10个支撑向量回归模型进行预测，得到波浪特征数据的预测值为：

步骤24、所有检验数据集合中的预测值和真实值的吻合度达到精度要求时，则认为以上还原公式f1,f2,…,f10可以作为最终解决方案，若吻合度未达到要求，则返回步骤21重新随机分组采样参数，并重复以上步骤，直至所有检验数据集合中的预测值和真实值的吻合度达到要求，结束训练，得到支撑向量回归模型。

对步骤3中计算得到的关于波浪浪高的预测值进行修正，依据所挂载浮标随波特性,结合浮力原理等进行估算推导:

πr²hρ水＝(H实际-H测)πr²ρ浮标；

推导得出：

其中：r为浮标的半径，浮标接触水面部分的直径的一半，h为浮标占空波浪的高度，即波浪被浮标压平或抬高的高度，ρ水为水的密度，ρ浮标为浮标的密度，λ为波长，H实际为实际的波浪浪高，H测为步骤3计算得到的波浪浪高预测值，T为波的周期,h水深为水的深度,ω为角频率。

由于海洋设备维护难度大，同领域产品采用传统波浪检测方式，占用较大体积及重量，需要使用大型机械设备进行安装和维护，导致安装及运维成本高，难度大，并且维护频率大，如传感器出现故障，必须马上拆下来进行维修，工作量和难度大。本发明使用技术成熟的低成本的传感器等模块，不需要另外设计复杂的机械结构，简化结构设计，成本较低。由于发明使用了1到4组独立不同的多参数传感器进行同步检测，当其中某个传感器出现故障时，其他传感器可继续使用，而不影响整体检测数据的采集,提高了整体设备的检测可靠性和容错性；本发明使用传统的公式推导,由于需要使用积分和二次积分,推导具有非线性,容易产生误差累计,本发明使用支撑向量回归模型，通过使用非线性核函数来拟合目标函数，本身具有非线性特征，兼容了输入误差并且是一次计算，避免了推理中的种种假设和累计误差，解决了波浪特征数据推导的非线性和误差累计问题。

附图说明

图1为本发明的测波装置的结构示意图。

以下结合附图和具体实施例对本发明做进一步详述。

具体实施方式

如图1所示，一种基于多参数传感器修正波浪特征参数的测波装置，包括一浮标主体9，在该浮标主体9的垂直中心轴上分设三个多参数传感器5、6、7，其中多参数传感器5位于中心位置，多参数传感器6位于浮标主体9的上顶点，多参数传感器7位于浮标主体9的下顶点；多参数传感器1、2、3、4分设于以多参数传感器5为一水平面的中心所构成的正方形的四个顶点位置，这样以多参数传感器5为中心构成两两对称的三个多参数传感器组，即多参数传感器6和7、2和4、1和3三组；处理器8位于浮标主体9底部的中心位置，上述所有的参数传感器分别连接至该处理器8，并通过数据通信接口对外输出该多参数传感器采集的数据，上述多参数传感器采集的数据包括：X、Y、Z轴的角度、加速度和角速度数据，将其作为支撑向量回归模型的输入参数，则任意一个多参数传感器采集的数据为Xi，Xi＝(xi1，xi2，xi3，...，xi9)，其中，i＝1,…,N,N为多参数传感器的总个数；将波浪浪高、周期(波浪周期)和波向的波浪特征数据作为支撑向量回归模型的输出值Y，该波浪特征数据Y＝(y1，y2，y3)，y1为浪高，y2为周期和y3为波向；具体包括如下步骤：

步骤1、在同一时间及同一位点，采集浮标内所有多参数传感器的数据形成一个采样数据X：

其中，xij为第i个多参数传感器的第j个参数，i＝1,…,N,该N为浮标中多参数传感器的总个数，j＝1,…,M,该M为多参数传感器提供的参数总数，将样本数据X作为支撑向量回归模型的输入参数，实时得到支撑向量回归模型的输出值，即关于波浪浪高、周期、波向的波浪特征数据的预测值Y：

步骤2、将采集的采样数据随机分为若干组，对每一组采样数据构建一个带松弛因子的支撑向量回归模型，在实时采集传感器参数信号的基础上，训练所构建的支撑向量回归模型，进行最小误差的推算，将检验数据输入系统后，分别用以上所构建的支撑向量回归模型分别进行预测，将所有预测值求均值得到波浪特征数据的预测值，若所有检验数据集合中的预测值和真实值的吻合度达到精度要求时，结束训练，得到支撑向量回归模型：

步骤21、选择多项式核函数：k(x,x′)＝(1+<x|x′>)^d

其中x为支撑向量回归模型的输入参数，x’为已经测得的已知样本的加速度参数，d为预置的正整数；

对每一组采样数据X，训练支撑向量回归模型等价于对以下优化问题进行求解：

其中，ξi、是松弛因子，i代表第i个样本，ω为回归变量，C是对于松弛因子的惩罚系数，p是测量的样本总数，∈为软间隔系数，即可接受的预测波浪特征数据的允许的误差，yi是第i个样本的波浪特征指标，分别对应浪高、周期或波向，xi为测量的第i个样本的加速度参数；

步骤22、将以上优化问题转化为其拉格朗日对偶问题求解：

该优化问题是一个凸空间中的规划问题，通过随机初值的迭代求解1000次，可获得近似全局最优解，还原公式表达为：

步骤23、将获得的10个支撑向量回归模型分别对应还原公式f1,f2,…,f10，将检验数据输入系统后，分别用以上10个支撑向量回归模型进行预测，得到波浪特征数据的预测值为：

步骤24、当所有检验数据集合中的预测值和真实值的吻合度达到要求时(即R-square大于0.9)，认为以上还原公式f1,f2,…,f10可以作为最终解决方案，若吻合度未达到要求，则返回步骤21重新随机分组采样参数，并重复以上步骤，直至所有检验数据集合中的预测值和真实值的吻合度达到要求，结束训练，得到支撑向量回归模型，至此解决了波浪特征数据推导的非线性和误差累计问题；

步骤3、在同一时间及同一位点，采集浮标内所有多参数传感器的数据形成一个采样数据X，将样本数据X作为支撑向量回归模型的输入参数，实时得到支撑向量回归模型的输出值，即关于波浪浪高、周期、波向的波浪特征数据的预测值Y。

本发明使用1到4组以浮标主体为中心对称设置的多参数传感器进行数据融合,提高了系统的空间分辨率、抗变换性和精度；通过多个传感器降低单一传感器的噪音问题。该多个传感器数据融合技术的基本过程就是通过多个传感器获得被测对象的局部信息,这些局部信息在空间和时间具有互补性和冗余性,然后根据一定的融合算法将被测对象的局部信息进行合理地组合和协作,扩大多传感器测量数据在空间和时间上的覆盖范围,消除多个传感器测量数据中的冗余信息和错误信息,从而提高被测对象信息的准确性和可靠性。

在通过前面的算法计算了波浪浪高后，为适应不同规格尺寸的浮标和海洋深度，本发明将所挂载的浮标的直径和密度以及海洋深度作为参数，通过这些相关参数去自动修正波浪浪高参数，将通过每个传感器采集的数据计算得到的波浪浪高预测值的基础上进行修正。

依据所挂载浮标随波特性,结合浮力原理等进行估算推导:

πr²hρ水＝(H实际-H测)πr²ρ浮标；

推导得出：

其中：r为浮标的半径，浮标接触水面部分的直径的一半，，h为浮标占空波浪的高度，即波浪被浮标压平或抬高的高度，ρ水为水的密度，ρ浮标为浮标的密度，λ为波长，H实际为实际的波浪浪高，H测为步骤3计算得到的波浪浪高预测值，T为波的周期,h水深为水的深度,ω为角频率。

由于海洋设备维护难度大，同领域产品采用传统波浪检测方式，占用较大体积及重量，需要使用大型机械设备进行安装和维护，导致安装及运维成本高，难度大，并且维护频率大，如传感器出现故障，必须马上拆下来进行维修，工作量和难度大。本发明使用技术成熟的低成本的传感器等模块，不需要另外设计复杂的机械结构，简化结构设计，成本较低。由于发明使用了1到4组独立不同的多参数传感器进行同步检测，当其中某个传感器出现故障时，其他传感器可继续使用，而不影响整体检测数据的采集,提高了整体设备的检测可靠性和容错性。