基于樹莓派的無線位姿智能節點研究與設計

程 博

(中海石油(中國)有限公司深圳分公司,廣東 深圳 518054)

0 引言

結構安全性關系船舶安全、貨物安全、人身安全甚至生態安全,它決定了船體結構的極限荷載以及船上設備能否正常運行。

隨著高速率、低延時、大容量的5G和北斗通信技術快速發展,船上局域無線通信網絡得到顯著改善,使得該設備向無線組網式方向發展[1],其中核心關鍵是無線傳感節點技術的研發。

目前,船體結構健康監測依然以傳統有纜式監測為主,但隨著新的電子技術、通信技術、計算機技術的發展,結構健康監測技術發展要求也趨于智能化[2]。

基于此本文提出了一種基于樹莓派的無線位姿智能節點監測系統。該系統結合了WiFi無線通信技術與GPS差分技術,具有智能組網、靈活布放、性能穩定等特點。

1 總體架構設計

本系統由一個基站節點+多個移動站節點組成。整個系統的運行流程如下:首先,基站節點接收、觀測衛星導航信號并生成差分數據,并且通過4G網絡或WiFi以無線的方式傳輸差分數據。然后,移動站利用差分數據并進行解算,從而獲得實時的、動態的、厘米級定位精度。

與此同時,移動站節點接收六軸陀螺儀輸出的三向加速度與角速度,與定位數據進行融合演算,最終得到船體結構的三維實時位姿數據。采用這種架構,節點的位置布放比較靈活,僅需要能夠接收到GPS以及WiFi信號即可(見圖1)。

圖1 系統總體架構

無線位姿智能節點的設計目標是能同時具有數據采集、無線通信、邊緣計算和數據分析能力,以移動站節點為例,結合以上需求,設計的功能模塊如圖2所示。

圖2 無線節點功能模塊

2 硬件設計

2.1 微控制單元

船體結構的位姿監測具有以下特點:(1)監測物理量較多(包括艏搖、橫搖、縱搖、橫蕩、縱蕩、垂蕩)。(2)需采用節點協作的方式確定實時的航向用以校準。因此硬件的選用應能處理多源數據且具有較為強大的計算功能和硬件交互能力,此外還應該輔以一定的存儲功能與數據評估功能。

結合以上要求,本文采用Raspberry Pi 4B作為節點的命令控制與數據計算的核心。首先,它所采用的CPU為BCM2711 ARM,64位處理器的運行頻率為1.5 GHz,相比于16位及32位處理器,它的運行主頻提升了一個數量級。其次,它支持SPI,UART,IIC等外圍接口,具有硬件通信能力,可以直接通過GPIO接口接入支持以上協議的電子元器件;且支持PoE充電,僅需要加入單獨的PoE HAT板。最后,它支持IEEE 802.11b/g/n/ac無線LAN通信協議,以及多個USB接口,可實現節點與上位機的無線數據傳輸。

2.2 數據采集模塊

無線節點的數據采集模塊包含:六軸陀螺儀、單軸角度傳感器以及差分GPS模塊。

其中,六軸陀螺儀與單軸角度傳感器采用微機械加工技術,具有體積小、重量輕、功耗低、可靠性高、靈敏度高、易于集成等優點[3],能夠輸出結構實時的三維加速度與角加速度。

基站節點的差分GPS模塊用于向移動站節點輸出差分數據。移動站節點接收到差分數據后,輸出經過解算后的定位數據,精度可達厘米級,包含高度、經度以及緯度。利用差分GPS模塊可以用于矯正加速度積分所造成的漂移誤差。

3 軟件設計

軟件設計包含兩個部分:一部分是傳輸方式以及通信協議的選用;另一部分是節點的邊緣計算與評估分析功能。

3.1 通信模塊

3.1.1 無線節點內部通信

對于每一個節點,均存在六軸陀螺儀、水晶陀螺儀傳感器以及差分GPS模塊這三種傳感器。因此,對于MCU來說通信總線上的從機有三個,它們將會輸出多種不同類型的數據。因此可以采用支持從設備向主機進行數據傳輸的IIC協議。該協議是一種串行半雙工的總線協議,標準模式的傳輸速率為100 Kb/s,快速模式為400 Kb/s,高速模式達3.4 Mb/s,可以滿足100 Hz位姿數據傳輸容量要求,并且可以采用校驗和的方式保證數據傳遞的可靠性。

3.1.2 無線節點間通信

移動站節點需要接收來自基站節點的差分數據完成自身位置的校正,從而得到厘米級精度的位置與方向信息。節點與節點間的無線通信,采用無線電的方式,以天線作為傳輸的物理介質,實現RTK差分數據的實時單向傳輸。

3.1.3 無線節點與上位機通信

通信需采用無線的方式,通信的特點如下:(1)傳輸數據多源以及多類型。這要求系統可實現異步通信且對于多種類型數據的同步處理能力。(2)數據傳輸的可靠性。節點上傳數據應保證不丟失,不重復,因此需要引入可靠的反饋機制進行檢查,保證數據傳遞的長期可靠。(3)上位機對無線節點的遠程控制能力。節點的管理、控制以及狀態監測需要及時反饋到上位機一側,并且可以遠程控制節點,及時調整節點的各項參數配置,實現遠程調試與維護。

結合以上要求,采用MQTT協議實現數據傳遞與遠程控制。MQTT協議可即時異步處理多源數據,并且依賴于TCP/IP的握手機制,具有良好的數據傳遞可靠性。在此基礎上,還可以實現對于無線節點的遠距離過程調用,即RPC功能(見圖3)。

圖3 MQTT通信傳遞機制

3.2 邊緣計算模塊

3.2.1 噪聲濾波

MEMS傳感器的輸出數據會包含各式各樣的環境噪聲,符合高斯分布的,隨機產生。因此為了最大程度抑制噪聲對于信號的干擾,采用改動后的滑動平均濾波算法,具體方法如下:

把連續取得的N個采樣值看成一個隊列,隊列的長度固定為N;每次采樣到一個新數據放入隊尾,并扔掉原來隊首的第一個數據(先進先出原則);把隊列中的N個數據去掉一個最大值和一個最小值后進行算術平均運算,獲得新的濾波結果。其中,N值的取值范圍為10~14。

這種濾波器融合了“中位值濾波法”+“滑動濾波法”兩種濾波法的優點。對于偶然出現的脈沖性干擾,可消除由其所引起的采樣值偏差,平滑度高,對周期干擾有良好的抑制作用。

3.2.2 漂移抑制

由于傳感器輸出的加速度與角加速度數據存在量測誤差,經過積分后誤差會隨著時間推移而不斷變大,導致位姿發生持續漂移。

因此為了得到更為可靠的位姿數據,往往需要采用融合濾波的方法對測量值進行估計,從而得到結構在當前狀態下最為可靠的實時數據。在位姿監測中,卡爾曼動態濾波算法是一種對于結構實時位姿估計最為可靠的濾波算法,能夠有效降低測量噪聲,提高測量精度,快速求解出實時運動姿態信息[4]。

結合本文所設計無線節點的硬件架構,對于不同物理量所需要融合的數據將有所不同,如表1所示。

表1 位姿融合方式與傳感器

其中,橫搖、縱搖的融合濾波算法采用經典的組合導航算法,濾波方法如圖4所示。卡爾曼濾波器接收兩個傳感器系統對同一參數輸出值的差值,并經過濾波計算估計誤差量,再用該誤差估計值去校正位姿監測節點輸出的位姿參數,從而得到了位姿的最優估計。

圖4 卡爾曼濾波過程

艏搖、橫蕩、縱蕩和垂蕩的融合濾波算法則結合了差分GPS模塊。因此,需要將以上濾波算法中的MEMS加速度計更換為差分GPS模塊,利用實時的差分定位數據對陀螺儀以及加速度計進行校準。

4 實船試驗

為了測試無線節點的實際效果,將無線節點應用于FPSO船的姿態監測中,全船船長260 m。首先,在船艉處布置一個基站節點用于生成差分數據。然后,實驗人員手持移動站節點平穩地繞船一周,利用基站的差分數據實時解算獲得移動站節點的位姿數據。如圖5所示為開展試驗的FPSO船模型圖及實際路徑。

圖5 實船測試路徑

移動站無線節點的實際行走路徑,從船艏處出發,從左舷一路到達船艉后再從右舷回到船艏,在這個過程中還會進出艙室以及上下樓梯。最終所測得路徑如圖6所示。

圖6 移動站無線節點路徑

其中,位于中間的一條直線為船體的初始中軸線,由于FPSO船體位于海上,因此不可避免地存在移動,所以實際的移動曲線并不會以中軸線為對稱,測量結果也顯示如此。另外,位置1處的發散是因為進入艙室后不能接收GPS信號所導致的,位置2及其他多處的路徑纏繞是因為在同一位置上下樓梯所產生的。由此可以看出,試驗中無線節點所測得位移變化是比較精準的。

5 結語

本文提出的無線位姿智能節點結合了無線通信技術,有效地解決了當前結構位姿監測中布線困難、安裝復雜等問題,利用自帶的計算模塊與存儲模塊,在一定程度上實現了智能化與邊緣計算,并且實船試驗效果良好,為后續船體結構監測技術的無線化、智能化發展提出了一種新的解決思路。