一种皮划艇船身姿态监测方法及监测系统

本发明涉及皮划艇姿态监测领域，更具体地说，本发明涉及一种皮划艇船身姿态监测方法及监测系统。

背景技术：

1、皮划艇姿态监控是指通过在皮划艇的特定位置安装多个传感器，如陀螺仪、加速度计和gps等，实时监测皮划艇在水面上的姿态变化。这些传感器之间通过一个虚拟的坐标系构建皮划艇的姿态图，以提供准确的实时数据，帮助用户更好地掌握皮划艇的运动状态。通过这样的姿态监控系统，皮划艇运动员能够在训练和比赛中获取关于其运动姿态和皮划艇稳定性的详细数据，从而进行针对性地调整和改进，以提高运动表现。

2、然而，现有的皮划艇姿态监控系统在实际应用中存在一些不足之处。首先，在户外漂流的环境下，由于自然环境的不可预测性，皮划艇经常会受到各种撞击和冲击。这些撞击不仅容易造成传感器的安装松动，从而导致姿态监控数据失真，还可能对皮划艇本身造成结构性损伤。此外，目前的姿态监控系统主要集中在监测皮划艇的姿态变化，对传感器安装质量的监测以及船身损伤情况的预警功能相对薄弱。这意味着在发生意外撞击时，系统无法及时检测和反馈传感器的状态和船身的损伤情况，可能导致用户无法及时采取必要的修复和调整措施，从而增加了安全隐患。因此，有必要在现有姿态监控系统的基础上，开发一种能够同时监测皮划艇姿态和船身损伤的综合监测系统，以提高使用的安全性和可靠性。

3、为了解决上述问题，现提供一种技术方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种皮划艇船身姿态监测方法及监测系统，通过在皮划艇的多个关键位置安装传感器，实时采集状态数据，并利用扩展卡尔曼滤波和惯性导航系统，结合时间窗口和滑动窗口技术，精确监测传感器的三维位置和距离变化趋势。通过线性回归分析斜率和计算异常分数，及时检测和预警传感器安装松动和结构变化情况。基于异常数据构建特征矩阵并初始化因子分解机模型参数，捕捉高阶特征交互，动态调整噪声抑制水平，优化模型参数，生成振态稳定指数，评估传感器整体松动情况。通过比较振态稳定指数与稳态阈值，识别传感器安装松动或结构性问题，提供松动预警，确保姿态监控系统的可靠性。在确认传感器安装稳固后，实时记录和预处理撞击数据，构建有限元模型，通过数值模拟计算船体弹性变形，提取变形模式并进行时间序列分析，预测变形模式变化率和加速度，计算结构恶化趋势指数，与结构损伤阈值比较，评估结构健康状况，及时预警结构性问题，确保皮划艇的安全性和使用寿命，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、s1，在皮划艇的多个关键位置安装固定传感器，传感器实时采集数据，经过预处理和校验后构建基准模型，作为姿态监测和损伤预警的参考标准；

4、s2，在基准模型构建完成后，各传感器实时采集皮划艇的状态数据并预处理，后将数据转换到统一坐标系中，通过多传感器数据融合算法生成综合的姿态和运动状态信息；

5、s3，通过s2预处理后的数据，实时计算每个传感器的三维位置坐标，利用时间窗口技术监测传感器之间的距离变化率，并通过滑动窗口技术分析距离变化趋势，结合斜率和异常分数判断传感器之间的距离变化是否异常，对于判定为异常变化的则对应地记录异常数据；

6、s4，基于步骤s3获得的异常数据，构建特征矩阵，初始化因子分解机模型参数，通过计算特征交互项和自适应滤波器分析数据，优化模型参数并计算参数波动性，结合斜率和整体距离变化幅度，判断传感器的安装稳定情况；

7、s5，在确认传感器安装稳固后，开始监测皮划艇在漂流过程中受到的撞击情况，传感器检测到撞击时，实时记录相对距离变化数据，预处理并使用小波变换分析；通过有限元模型模拟弹性变形，利用主成分分析提取变形模式，通过时间序列分析计算变化率和预测误差，判断皮划艇结构健康状况并触发预警。

8、在一个优选的实施方式中，步骤s3包括以下内容：

9、s3.1，获取每个传感器的实时位置坐标(xi,yi,zi)，获取过程如下：

10、s3.1.1，依据步骤s1的基准模型确定每个传感器的初始位置坐标；

11、s3.1.2，各传感器通过无线传输方式，将实时数据发送到中央处理单元；

12、s3.1.3，中央处理单元接收到传感器数据后，通过传感器之间的数据传递链路和自身数据计算，实时更新每个传感器的三维位置坐标；

13、利用陀螺仪和加速度计的实时数据，通过惯性导航系统计算每个传感器的相对运动轨迹；

14、利用传感器之间的相对距离数据，通过三角测量法和实时校准算法，进一步修正每个传感器的位置；

15、利用多个传感器之间的距离信息，应用非线性最小二乘法进行位置校准，以确保位置计算的准确性；

16、s3.1.4，通过传感器数据传递链路，传感器之间定期交换位置信息和运动状态；

17、s3.1.5，采用扩展卡尔曼滤波进行实时误差校正。

18、在一个优选的实施方式中，s3.2，依据步骤s3.1获得各传感器的实时位置坐标(xi,yi,zi)，其中i代表传感器编号；

19、s3.3，初始化时间窗口t，用于存储一段时间内的传感器位置数据，设时间窗口为[t0,tn]；

20、s3.4，在时间窗口t内，使用欧式距离计算每个时刻tk(t0≤tk≤tn)计算传感器i和传感器j之间的距离；

21、s3.5，计算时间窗口内距离变化率δdij(tk)：

22、

23、将每个时刻的距离变化率存储在时间序列数组{δdij(tk)}；

24、s3.6，在时间窗口t内，采用滑动窗口技术，每个滑动窗口包含m个时间点，对每个滑动窗口内的距离变化率进行统计分析；其中p表示滑动窗口的序号；

25、对每个滑动窗口内的距离变化率{δdij(tk)}进行线性回归，得到斜率m和截距b，斜率表示距离变化的趋势；

26、s3.7，计算每个时间点tk的异常分数α(tk)：

27、其中，μδd和σδd分别为距离变化率的均值和标准差；

28、如果异常分数超过异常阈值，则判定为异常变化，记录异常数据。

29、在一个优选的实施方式中，步骤s4包括以下内容：

30、s4.1，依据步骤s3获得的异常数据，获取每个传感器的事实位置数据集和历史数据，形成特征矩阵x；

31、初始化因子分解机模型参数，包括特征权重ω和因子矩阵v；

32、s4.2，对于每个传感器数据点xi，计算特征交互项：

33、

34、其中：ω0表示模型的偏置项；ωo表示特征o的线性权重；o表示第o个特征的索引；v表示第v个特征的索引；<vo,vv>表示因子向量vo和vv的内积；

35、s4.3，使用噪声抑制因子η，通过分析传感器数据的时间序列，动态调整噪声抑制水平，使用自适应滤波来估计和消除噪声：

36、

37、其中：m″表示噪声抑制滤波器的阶数；k表示时间延迟的步数或过去数据点的索引，k从1到m″遍历；η(t)是当前时刻t的噪声抑制因子；η0是初始噪声抑制因子，为一个常数，用于提供基本的噪声抑制效果；

38、αk是滤波器系数，表示前k个历史数据点对当前噪声抑制因子的贡献权重；x(t-k)表示前k时刻的传感器数据值；

39、s4.4，使用随机梯度下降法对模型参数进行优化，目标是最小化损失函数。

40、在一个优选的实施方式中，s4.5，结合斜率、参数波动性的特征以及整体距离变化的幅度，获得振态稳定指数：

41、

42、其中：s表示振态稳定指数；|g|表示斜率的绝对值，表示传感器距离变化的趋势强度；σω表示特征权重ω的标准差，表示权重的波动性；σv表示因子矩阵v中因子向量的标准差，表示因子波动性；f1表示|g|的权重系数；f2表示的权重系数；f3表示的权重系数；

43、将振动稳态指数和稳态阈值进行比较：若振动稳态指数大于或等于稳态阈值，存在显著的安装松动问题，生成恶化趋势信号；反之，若振动稳态指数小于稳态阈值，没有显著的松动问题生成安装稳固信号。

44、在一个优选的实施方式中，步骤s5包括以下内容：

45、s5.1，在获得安装稳固信号后，在传感器检测到撞击时，实时记录各传感器之间的相对距离变化数据，包括传感器编号和时间信息；

46、s5.2，对记录的传感器数据进行预处理，然后使用小波变换技术，将数据分解为多个不同尺度的细节信号和近似信号；

47、s5.3，根据皮划艇的物理特性，构建其有限元模型，将皮划艇划分为若干个有限元单元；利用实时记录的传感器数据作为边界条件输入到有限元模型中，通过数值模拟计算船体在撞击后的弹性变形情况；

48、s5.4，计算皮划艇在受到撞击后的动态响应，通过主成分分析方法进行降维处理，提取出主要的变形模式：

49、计算皮划艇在受到撞击后的动态响应，得到每个时刻的变形场；

50、提取变形场中的主要模式，通过主成分分析降维处理，得到主要变形模式；

51、s5.5，对提取出的变形模式进行时间序列分析，计算其变化率和加速度，通过自回归滑动平均模型对变形模式进行预测，计算预测误差；

52、s5.6，计算变形模式的累积变化量和预测误差的标准差，通过累积变化量和预测误差的标准差的比值计算得到结构恶化趋势指数；

53、s5.7，将结构恶化趋势指数和结构损伤阈值进行比较：若结构恶化趋势指数大于或等于结构损伤阈值，则发出预警提醒；反之，若结构恶化趋势指数小于结构损伤阈值，则表示结构健康状况较好。

54、一种皮划艇船身姿态监测系统，包括：初始基准建模模块、多维姿态融合模块、时序位置解析模块、参数稳态评估模块和动态变形预警模块；

55、初始基准建模模块在皮划艇的多个关键位置安装固定传感器，传感器实时采集数据，经过预处理和校验后构建基准模型，作为姿态监测和损伤预警的参考标准，传感器的初始位置和状态数据传递到多维姿态融合模块；

56、多维姿态融合模块在基准模型构建完成后，各传感器实时采集皮划艇的状态数据并预处理，后将数据转换到统一坐标系中，通过多传感器数据融合算法生成综合的姿态和运动状态信息，综合的姿态和运动状态信息传递到时序位置解析模块；

57、时序位置解析模块通过预处理后的数据，实时计算每个传感器的三维位置坐标，利用时间窗口技术监测传感器之间的距离变化率，并通过滑动窗口技术分析距离变化趋势，结合斜率和异常分数判断传感器之间的距离变化是否异常，对于判定为异常变化的则对应地记录异常数据，记录的异常数据传递到参数稳态评估模块；

58、参数稳态评估模块基于获得的异常数据，构建特征矩阵，初始化因子分解机模型参数，通过计算特征交互项和自适应滤波器分析数据，优化模型参数并计算参数波动性，结合斜率和整体距离变化幅度，判断传感器的安装稳定情况，传感器的安装稳定情况传递到动态变形预警模块；

59、动态变形预警模块在确认传感器安装稳固后，开始监测皮划艇在漂流过程中受到的撞击情况，传感器检测到撞击时，实时记录相对距离变化数据，预处理并使用小波变换分析；通过有限元模型模拟弹性变形，利用主成分分析提取变形模式，通过时间序列分析计算变化率和预测误差，判断皮划艇结构健康状况并触发预警。

60、本发明一种皮划艇船身姿态监测方法及监测系统的技术效果和优点：

61、1.本发明通过在皮划艇的多个关键位置安装传感器并实时采集状态数据，精确监测传感器的实时三维位置坐标和状态信息。利用扩展卡尔曼滤波和惯性导航系统，结合时间窗口和滑动窗口技术，实时监测传感器之间的距离变化趋势，并通过线性回归分析斜率，判断距离变化是否异常。通过计算异常分数并记录异常数据，能够及时检测和预警传感器安装松动和结构变化情况。为皮划艇姿态监控和结构健康评估提供了有效支持。能够实时反映皮划艇在复杂环境下的动态响应，确保监测结果的精确性和可靠性，从而提高皮划艇的安全性和使用寿命。不仅可以优化传感器的安装稳定性，还能有效预警结构性隐患，避免因传感器数据失真而导致的误判，确保用户在各种漂流环境下的安全操作。

62、2.本发明通过基于异常数据构建特征矩阵并初始化因子分解机模型参数，能够精确捕捉传感器数据中的高阶特征交互。通过计算特征交互项和使用自适应滤波器分析数据，动态调整噪声抑制水平，确保数据的准确性和一致性。使用随机梯度下降法优化模型参数，计算参数波动性，从而判断传感器安装位置的稳定性。结合斜率、参数波动性和整体距离变化幅度，生成振态稳定指数，用于综合评估传感器的整体松动情况。振态稳定指数通过与稳态阈值比较，能够有效识别传感器安装松动或结构性问题，及时生成恶化趋势信号或安装稳固信号。从而不仅能够全面分析传感器的安装稳定性，提供有效的松动预警，还能确保皮划艇姿态监控系统的可靠性和准确性。在实际应用中，通过动态监测和评估传感器的状态，能够提前识别潜在风险，避免因传感器松动或数据不准确导致的监测失误，提高皮划艇使用的安全性和操作的精确性。为皮划艇在复杂环境下的安全监测提供了坚实的技术保障。

63、3.本发明在判断传感器的安装稳固的前提下，通过在传感器检测到撞击时实时记录和预处理传感器数据，分析皮划艇在撞击后的动态响应情况。使用小波变换技术分解信号后，构建基于皮划艇物理特性的有限元模型，并通过数值模拟计算船体的弹性变形，提取主要变形模式并进行时间序列分析。通过自回归滑动平均模型预测变形模式的变化率和加速度，计算结构恶化趋势指数，并与结构损伤阈值进行比较，判断皮划艇的结构健康状况。进而评估传感器之间相对距离变化的稳定性和一致性，有效识别结构损伤风险，确保监测系统的准确性和可靠性。通过对结构恶化趋势指数的实时监测，能够及时预警皮划艇的结构性问题，避免潜在安全隐患，提高皮划艇使用的安全性和寿命。