一种实现自动矫正的海洋风速风向测量方法及系统技术方案

本公开提出了一种自动矫正海洋风速风向的测量方法及系统，测量方法包括如下步骤：获取待测船舶的测量数据；构建基于遗传模拟退火算法优化的Elman神经网络模型，将获取的待测船舶的测量数据输入至训练好的基于遗传模拟退火算法优化的Elman神经网络模型，输出校正后的真实风速风向。采用遗传算法和模拟退火算法结合的方法优化Elman神经网络，获得基于遗传模拟退火算法优化的Elman神经网络模型，根据模型可以快速准确的输出矫正之后的真实风速风向，减少了误差，测量获得的海洋真风数据更准确，有利于根据海洋真风数据指导船舶的航行控制，提高了航行的船舶的安全性。

A method and system for measuring wind speed and direction in ocean

【技术实现步骤摘要】
一种实现自动矫正的海洋风速风向测量方法及系统
本公开涉及海洋风速风向相关
，具体的说，是涉及一种实现自动矫正的海洋风速风向测量方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。海洋真风对海上航行的船舶有重要的气象导航意义,若真风测算不准确,会给导航员造成误判,影响船舶安全航行,因此对于风的研究在海洋气象领域有着重要的作用，影响着船舶航行安全和海洋开发。海洋真风在船舶等运动平台上无法直接测量。专利技术人发现，现有的在风速测量方面，常用的传统机械式风速仪有翼状风速计、杯状风速计、旋螺桨式风速计等，这些测量装置主要靠转动部件的速度和角度来判断风速和风向。随着时间的增长，转动部件的摩擦老化容易造成零件的损坏从而影响风速的测量。另外，在运动的平台上检测的风速风向为相对风速风向，采用模型求解，加上计量误差还需要结合船身的姿态变化，求解模型往往很复杂，判断时效性较差，不能实时输出风向数据，船舶航行存在安全隐患。
技术实现思路
本公开为了解决上述问题，提出了一种实现自动矫正的海洋风速风向测量方法及系统，能够高效准确的测量海洋真风风速风向，通过基于遗传模拟退火算法优化的Elman神经网络模型，自动校正测量过程中的误差，获得的海洋真风的准确数据，并且采用人工智能的方法提高了数据处理的时效性，能够实时获得真风数据，有利于根据海洋真风数据指导船舶的航行控制，提高航行的船舶的安全性。为了实现上述目的，本公开采用如下技术方案：本公开的第一方面提出了一种自动矫正海洋风速风向的测量方法，包括如下步骤：获取待测船舶的测量数据；构建基于遗传模拟退火算法优化的Elman神经网络模型，将获取的待测船舶的测量数据输入至训练好的基于遗传模拟退火算法优化的Elman神经网络模型，输出校正后的真实风速风向。本公开的第二方面提出了一种自动矫正海洋风速风向的超声波测量系统，包括超声波传感器、GPS模块、电子罗盘模块和微处理器；超声波传感器、GPS模块、电子罗盘模块分别与微处理器相连，分别用于采集船舶上的相对风速风向、船舶航速和船舶航向，并将采集的数据传输至微处理器，所述微处理器执行上述的一种自动矫正海洋风速风向的超声波测量方法。本公开的第三方面提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。本公开的第四方面提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。与现有技术相比，本公开的有益效果为：本公开通过建立基于遗传模拟退火算法优化的Elman神经网络模型，一方面采用人工智能算法提高了系统工作的效率和智能化，另一方面考虑影响船舶上的海洋真风判断的多种因素，将待测船舶的检测数据输入至模型，根据模型可以快速准确的输出矫正之后的真实风速风向，减少了误差，测量获得的海洋真风数据更准确，有利于根据海洋真风数据指导船舶的航行控制，提高了航行的船舶的安全性。本公开的Elman神经网络模型训练中采用了遗传算法和模拟退火算法结合的方法，克服了不能获得全局最优解或者收敛速度低的问题，本公开结合两种算法形成遗传模拟退火算法，既可以得到全局最优解，又能减少大量的迭代次数，算法效率高。本公开采用超声波传感器检测海洋风速，减少了传感器因机械装置损坏引起的测量误差。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。图1是根据一个或多个实施方式的系统的框图；图2是本公开实施例1的测量方法流程图；图3是本公开实施例1的Elman神经网络的结构示意图。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。实施例1在一个或多个实施方式中公开的技术方案中，如图1所示，一种自动矫正海洋风速风向的超声波测量系统，包括超声波传感器、GPS模块、电子罗盘模块和微处理器；超声波传感器、GPS模块、电子罗盘模块分别与微处理器相连，分别用于采集船舶上的相对风速风向、船舶航速和船舶航向，并将采集的数据传输至微处理器。超声波传感器包括超声波换能器、超声波驱动模块和超声波接收模块；超声波传感器固定在航行的船舶上，测得的是相对风速风向。超声波驱动模块产生高频交变电场来驱动超声波换能器；超声波换能器用于将风速信号转换为声波信号；可选的,可以采用收发一体式超声波换能器来实现超声波的发送和接收，利用超声波换能器来实现水平方向上风速风向的测量。超声波接收模块将超声波信号进行放大、滤波、峰值包络检波得到超声波模拟信号，并利用A/D转换器将模拟信号转换成数字信号。作为一种可实现的结构，超声波信号接收模块包括放大电路、峰值包络检波电路和电压比较电路。可选的，放大电路包括电连接的运算放大器和RC网络，用于对几毫伏或者十几毫伏的信号进行放大。可选的，峰值包络检波电路可以包括电连接的检波二极管及RC无源低通滤波器，实现对放大后的超声波信号进行峰值包络检波以提取有效的前沿信号。可选的，电压比较电路，是为了获得超声波信号到达的时间。采用LM193电压比较器。设置电压值，当检波信号超过该电压值，则该电路输出高电平信号，检波信号小于该电压值，则该电路输出“零”电平；最终将采集到的信号传输到ZYNQ。数据的处理可以采用全可编程片上系统ZYNQ，利用ARM处理器完成软件实现，ZYNQ完成硬件实现，可选的，超声波传感器测得的数据以及GPS模块和电子罗盘模块测得的数据在ZYNQ上进行处理。超声波传感器固定在航行的船舶上，测得的是相对风速风向，利用GPS模块测得的船舶航速和电子罗盘测得的船舶航向，来计算出船舶运动时海洋的真实风速风向。船舶在航行过程中会受到海浪的影响而来回摇摆，会导致传感器测得的相对风速风向出现误差，从而影响真实风速风向的计算。为了减少误差，可选的，还包括设置在船舶上的陀螺仪传感器，用于测量船舶航行的角速度，陀螺仪传感器与微处理器连接用于将采集的角速度实时传输至微处理器。本实施例还提出了一种自动矫正海洋风速风向的本文档来自技高网...

【技术保护点】
1.一种自动矫正海洋风速风向的测量方法，其特征是，包括如下步骤：/n获取待测船舶的测量数据；/n构建基于遗传模拟退火算法优化的Elman神经网络模型，将获取的待测船舶的测量数据输入至训练好的基于遗传模拟退火算法优化的Elman神经网络模型，输出校正后的真实风速风向。/n

【技术特征摘要】
1.一种自动矫正海洋风速风向的测量方法，其特征是，包括如下步骤：
获取待测船舶的测量数据；
构建基于遗传模拟退火算法优化的Elman神经网络模型，将获取的待测船舶的测量数据输入至训练好的基于遗传模拟退火算法优化的Elman神经网络模型，输出校正后的真实风速风向。


2.如权利要求1所述的一种自动矫正海洋风速风向的测量方法，其特征是：
基于遗传模拟退火算法优化的Elman神经网络模型的训练方法如下：
构建训练样本集，训练样本集的数据包括相对风的风速风向值、船舶航速、船舶航向以及船舶航行的角速度以及真实风速风向；
将相对风的风速风向值、船舶航速、船舶航向以及船舶航行的角速度作为输入量，输出量为真实风速风向,采用遗传模拟退火算法优化Elman神经网络的各层的权重值及阈值，获得Elman神经网络最优权值矩阵。


3.如权利要求2所述的一种自动矫正海洋风速风向的测量方法，其特征是：采用遗传模拟退火算法更新Elman神经网络的各层的权重矩阵及阈值，获得Elman神经网络最优权值矩阵的方法，包括如下步骤：
步骤1、设置模拟退火算法的算法参数，包括种群规模、初始温度t0、终止温度t1；
步骤2、初始化Elman神经网络权值和阈值，并进行编码，获得初始种群；
步骤3、根据优化目标函数评价初始种群中的个体适应度；
步骤4、判断是否满足算法终止准则：如果当前温度满足t<t1，则终止迭代循环输出最优权值和阈值，并将其赋值给Elman神经网络进行训练，如果不满足，则执行下一步；
步骤5、执行遗传操作得到新的种群作为模拟退火算法的初始种群；
步骤6、对群体中的个体执行模拟退火操作，找到具有最优适应度的个体；
步骤7、判断最优个体是否满足终止的条件，若不满足，则执行步骤3；若满足，则将最优个体解码，赋值给Elman神经网络的连接权值进行训练。


4.如权利要求3所述的一种自动矫正海洋风速风向的测量方法，其特征是：
所述遗传操作可以包括选择操作、交叉操作和变异操作；
选择操作：计算个体的适应度值，并根据适应度值计算个体被选中进入下一代的概率，当概率大于设定值后选择该个体进入下一代；
交叉操作：交换个体之间的遗传基因，从而得到更优的个体；
变异操作：采用均匀变异算...

【专利技术属性】
技术研发人员：杨星海，宋佳惠，王玉泰，张金山，王凤娇，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37