船舶分体式吊装监测装置研究_徐鹏.pdf

2023年1月机电技术机电技术船舶分体式吊装监测装置研究船舶分体式吊装监测装置研究*徐 鹏1王晶奇2张学俊1（1.浙江国际海运职业技术学院，浙江 舟山 316021；2.舟山市港航和口岸管理局，浙江 舟山 316021）摘要针对由于指挥人员判断不当使船体重物未对准定位桩导致偏移使重物掉落砸伤下方人员造成事故的问题，文中提出基于卡尔曼滤波融合算法的的船舶分体式吊装监测装置设计。该系统由以STM32F103C8T6芯片为核心的控制器作为主控模块，接收MPU6050传感器模块中陀螺仪、加速度计采集的数据，使用卡尔曼滤波算法对数据进行处理。测试结果表明：该装置系统性能稳定，准确性和实时性高，可满足对吊装系统的实时监测要求。关键词船舶分体式；STM32；卡尔曼滤波；MPU6050中图分类号：TP212.9文献标识码：A文章编号：1672-4801（2023）01-010-04DOI：10.19508/ki.1672-4801.2023.01.003*浙江省教育厅一般科研项目（Y202045630）作者简介：徐鹏（1988），男，讲师，硕士，研究方向为智能控制技术。船舶分体式吊装是船舶制造中重要且必不可少的一环，由于所吊装的船体重物轻则几十吨重则上百吨上千吨，存在极大的潜在风险，一旦发生意外将会造成无法估量的经济损失1-2。根据相关资料显示，船体吊装事故占船舶大型起重机事故的18%，伤亡人员较多，财产损失巨大，是安全生产中一个重要的危险源。事故调查发现：在吊装作业中，工作人员主要通过肉眼判断吊装时的工作距离，根据经验确定工作距离之后指挥焊接人员进行焊接；但由于指挥人员判断不当，船体重物未对准定位桩导致偏移使重物掉落砸伤下方人员。因此，本文提出基于卡尔曼滤波融合算法的船舶分体式吊装监测装置设计，该装置能实时检测吊装重物的状态，在提升工作效率的同时也极大程度地避免了潜在的安全隐患。1系统硬件设计系统的硬件电路结构框图如图1所示，主要由 STM32F103C8T6 为 核 心 的 主 控 制 器 模 块、MPU6050模块、OLED液晶屏、EEPROM芯片及电源模块等几部分构成。电源模块负责系统各个模块控制电路的供电，主要提供3.3 V和5 V的电压。STM32 主控制器模块主要用来接收 MPU6050 传感器模块中陀螺仪和加速度计采集的数据，同时对数据进行卡尔曼滤波处理。MPU6050姿态检测模块实时地对装置角速度及角加速度进行采集。EEPROM芯片存储采集的数据，方便后续数据的提取和处理。OLED显示屏将采集的数据实时显示方便观察。STM32F103C8T6为核心的主控制器电源模块MPU6050模块OLED液晶屏AT24C02图图1 1硬件电路结构硬件电路结构1.1主控制器模块本 监 测 装 置 选 用 意 法 半 导 体 公 司 的STM32F103C8T6作为主控制器芯片，如图2所示。该芯片是一种基于Cortex-M3内核的CPU，最高工作频率为72 MHz，有3个12位ADC、12个通用16VBAT1PC13/TAMPER_RTC2PC14/OSC32_IN3PC15/OSC32_OUT4PD0/OSC_IN5PD1/OSC_OUT6NRST7VSSA8VDDA9PA0/WKUP10PA111PA212PA313PA414PA515PA616PA717PB018PB119PB220PB1021PB1122PB1225PB1326PB1427PB1528PA829PA930PA1031PA1132PA1233PA1334PA1437PA1538PB339PB440PB541PB642PB743BOOT044PB845PB946R210KPB0PB1PB3PB4PB5PB6PB7PB8PB9PB10PB11PB12PB13PB14PB15GNDPA0PA1PA2PA3PA4PA5PA6PA7PA8PA9PA10PA11PA12PA13PA14PA15PC13Y132.768KY28MBOOT03.3VRESET3.3VGNDSWDIOSWCLKLD_SCLLD_SDAKEY1IIC_SCLIIC_SDADHT11LED1LED2KEY2PB2WKUPC130.1uFC96PC106PC1122PC1222P图图2 2STMSTM3232F F103103C C8 8T T6 6主控制器芯片原理图主控制器芯片原理图10第1期位定时器，片上资源丰富，且具备串行线调试和JTAG接口，其中72 MHz的工作主频保障了该监测装置的实时性3。该芯片具有多种通信方式，本文中采用I2C和USART通信方式，I2C用于主控制器和模块之间的通信，USART主要用于电脑和控制器的调试。1.2OLED液晶模块显示屏幕采用 0.96寸 OLED 屏，12864分辨率，采用4线制I2C总线。该总线是由电源线、数据线SDA、时钟线SCL和地线构成，数据主要通过数据线SDA和时钟线SCL接收和发送4。I2C总线进行数据传送时有特定的逻辑规则，若时钟信号为高电平，数据线的数据必须保持稳定；若时钟信号为低电平，数据线上才允许进行高、低电平状态的变化。本文中OLED液晶模块作为从机使用，其中模块的 SDA、SCL 引脚与 STM32 的 PB6、PB7引脚进行通信。1.3姿态检测模块本装置中 MPU6050 姿态检测模块整合了三轴加速度计和三轴陀螺仪，集成在一个模块上避免了多传感器之间数据通信不同步的问题，因此能准确的对物体的姿态进行实时检测，具体实现方式是将传感器测得的信号转化为可输出的数字量，以每帧11 Byte经400 kHz的I2C总线与STM32主控制器进行通信5-6。本文中 MPU6050作为从机使用，其中模块的 SDA、SCL 引脚与 STM32 的PB4、PB5引脚进行通信。1.4EEPROM模块AT24C02是最常用的一个2 K串行EEPROM芯片，被广泛应用于低电压及低功耗的工商业领域。该芯片内部含有256个8位字节，采用先进的低功耗CMOS技术。AT24C02支持标准I2C通信协议，数据可进行双向传输，擦写数据次数多，存储数据时间久7。如图3所示，本文中EEPROM模块作为从机使用，其中模块的SDA、SCL引脚和STM32的PB9、PB8引脚进行通信，用于存储MPU6050采集的数据。A01A12A23GND4SDA5SCL6WP7VCC8AT24C023.3VIIC_SCLIIC_SDAC50.1uF图图3 3EEPROMEEPROM电路原理图电路原理图2系统软件设计2.1系统的总体流程设计软件开发过程主要采用C语言在MDK KEIL平台上进行程序的编写、编译、调试和下载。总体流程如图4所示，主要由系统初始化、MPU6050传感器数据采集、卡尔曼滤波数据处理、OLED显示等组成。其中初始化程序包括串口初始化、MPU6050 初始化、OLED 初始化和 AT24C02 初始化。待所有初始化程序完成后，STM32主控制器读取MPU6050传感器采集的数据，同时将数据用卡尔曼滤波算法融合，得到最优估计值，为方便观察将数据显示在OLED液晶屏。系统上电系统初始化MPU6050检测角速度和角加速度卡尔曼滤波算法优化姿态数据OLED显示图图4 4主程序控制流程主程序控制流程2.2卡尔曼滤波数据融合算法2.2.1卡尔曼滤波算法MPU6050传感器的动态性能较好，可以提供瞬间的角速度值和加速度值，但总是会存在微小的偏差，随时间的增加误差累积逐渐增大，最终造成了较大的误差，因此不适合单独进行长时间的使用。因此需要用卡尔曼滤波算法采集数据进行数据融合得到最优值，其核心思想是根据上一次状态预测出当前状态，再与实际测得的状态进行比较，从而修正预估的当前的状态8-9。本系统采用卡尔曼滤波算法对陀螺仪实时得到的角速度值和加速度值进行数据融合，得到稳定的角度值。2.2.2卡尔曼滤波器设计1）预测值的方程：X(k|k-1)=AX(k-1|k-1)+BU(k)（1）式中：X(k|k-1)是利用上一状态预测出来的结果；A是状态转移矩阵；X(k-1|k-1)是上一状态最优结果；B是输入控制项矩阵；U(k)是现在状态控制量。2）预测值与真实值之间误差的协方差矩阵方程：P(k|k-1)=AP(k-1|k-1)AT+Q（2）式中：P(k|k-1)是上一状态预测结果的协方差；P(k-1|k-1)是上一状态最优结果的协方差；Q是噪声协方差。3）卡尔曼增益方程：G(k)=P(k|k-1)HT/(HP(k|k-1)HT+R（3）式中：G(k)是卡尔曼增益；H是测量矩阵；R是测量徐鹏 等：船舶分体式吊装监测装置研究112023年1月机电技术机电技术噪声协方差。4）滤波估计方程：X(k|k)=X(k|k-1)+G(k)(Z(k)-HX(k|k-1)（4）式中：X(k|k)为当前最优估计值；Z(k)是传感器的测量值。5）协方差矩阵更新方程：P(k|k)=(I-G(k)H)P(k|k-1)（5）式中：P(k|k)是当前最优估计结果的协方差；I是单位矩阵。在实际应用中，由于涉及到两个应用角度，将误差协方差矩阵和卡尔曼增益设定成两个矩阵，根据5个公式编写相应程序，并且将状态变换矩阵和观测模型矩阵设为1。经过调试，最终确定的最佳参数为Q=0.0025，R=0.3效果最佳。3系统整体测试装置硬件设计搭建如图5所示，其中系统软件采用由 ARM 公司开发的 Keil Vision5 进行编写编译。为了模拟实际效果，移动旋转MPU6050模块模拟监测装置动作。图图5 5装置硬件图装置硬件图主控制器分别读取MPU6050中陀螺仪x、y轴的数值和加速度计中的x、y轴的数值，经过设定的程序换算得到滚转角和俯仰角，同时结合卡尔曼滤波算法得到优化后的滚转角和俯仰角，为了更加直观观察实验数据，将采用200个数据进行分析和对比，结果如图6和图7所示。实验结果表明：卡尔曼滤波算法能有效消除过程干扰，得到最优估计值。-60-50-40-30-20-10010203040110192837465564738291100 109 118 127 136 145 154 163 172 181 190 199滚转角/采样点/N卡尔曼滤波最优估计值测量值图图6 6滚转角测量值与卡尔曼滤波最优值对比滚转角测量值与卡尔曼滤波最优值对比-15-10-5051015110192837465564738291100 109 118 127 136 145 154 163 172 181 190 199俯仰角/采样点/N卡尔曼滤波最优估计值测量值图图7 7俯仰角测量值与卡尔曼滤波最优值对比俯仰角测量值与卡尔曼滤波最优值对比4结论本文提出了一种吊装监测装置的设计方案，STM32主控制器通过MPU6050传感器采集数据，采用卡尔曼滤波对数据进行分析。测试结果表明：采用卡尔曼滤波算法能够有效地消除陀螺仪和加速度计在使用过程中的噪声干扰和累积误差，准确地计算出滚转角和俯仰角，整体系统稳定性好、实时性高和抗干扰能力强，极大程度上避免了安全隐患，也为相关监管部门提供了一定的参考价值。（下转第22页）122023年1月机电技术机电技术3设备故障分析信息化平台能统计设备故障发生的时间、地点，以判断设备故障是否存在反复性。设备故障的信息可追溯，有助于在设备改造时提供准确的样本信息。设备保养和设备维修过程可追踪，防止设备故障因为人为因素没有得到很好的处理。设备巡检可以显示未检计划，有效解决设备巡检出现漏检的问题，减少设备由于人为漏检导致的安全事故。建立的信息化平台运行一年后，收集医院设备故障发生情况，其中配电设备故障汇总见表3所示，对设备故障进行分析，发现UPS运行情况故障和PE线异常是发生率最高的故障，表明配电设备在这两个方面存在故障隐患，需要进行全面故障修复。信息化平台统计了大量设备故障数据，可进行相关的问题分析，进一步为设备升级改造提供帮助，也为消除设备问题隐患提供支持。设备故障分析是减少设备故障发生的重要方式，信息化平台可为设备提供相关分析。相比人为分析设