基于物联网的游艇异常状态智能监测方法及系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于物联网的游艇异常状态智能监测方法及系统，采集游艇横滚角度数据；基于游艇横滚角度的波动频率与波动幅度构建各周期的海浪波动特征值；根据历史时间段的海浪波动特征序列中数据波动强度自适应获取平滑系数；结合EMA算法得到当前时间段的预测值；计算与实际值的差异，完成游艇异常检测。实现游艇异常状态智能监测，降低了人为判断失误概率，提高了EMA算法预测准确性，具有较高游艇异常状态智能监测精度。度。度。

【技术实现步骤摘要】
基于物联网的游艇异常状态智能监测方法及系统


[0001]本专利技术涉及数据处理
，具体涉及基于物联网的游艇异常状态智能监测方法及系统。

技术介绍

[0002]随着现在社会经济的发展，越来越多的人追求旅游、休闲文化，全球豪华旅游市场持续增长，越来越多的较为富裕的人群对奢华旅游的需求增加，游艇作为一种经典的奢华旅游方式，能够提供独特的海上体验，因此游艇旅游行业得以快速增长。由于海洋环境复杂，游艇在航行过程中随时面临着各种潜在的安全风险，比如天气突变、航线偏离、游艇故障等，因此需要游艇上的相关工作人员对游艇的状态进行异常监测，及时发现游艇异常运动情况，采取相应的措施，确保游艇和乘员的安全。
[0003]传统的监测方法主要是依靠具有丰富经验的游艇驾驶员进行个人判断，所需驾驶员的航行经验较高，而且由于海上航行时间较长、过程单调，驾驶员容易出现判断失误的情况。
[0004]综上所述，本专利技术提出基于物联网的游艇异常状态智能监测方法，通过陀螺仪传感器采集海上风浪对游艇产生的摇晃幅度，构建各周期的海浪波动特征值，预测当前时间段的海浪波动特征值，与实际值进行比较，完成游艇异常状态监测。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供基于物联网的游艇异常状态智能监测方法及系统，所采用的技术方案具体如下：第一方面，本专利技术实施例提供了基于物联网的游艇异常状态智能监测方法，该方法包括以下步骤：采集游艇的横滚角度数据；根据各横滚角度数据的采集时间得到各周期序列；根据各周期序列中数据变化得到各周期的极值；根据各周期的极值变化得到各周期的平均倾斜度；根据各周期最值及平均倾斜度得到各周期的波动幅变程度；根据各周期相邻两个极值点之间的时间间隔得到各周期的波动频变程度；根据各周期的波动幅变程度和波动频变程度得到各周期的海浪波动特征值；将各周期的海浪波动特征值组成的序列作为海浪波动特征序列；将海浪波动特征序列等分得到各特征分序列；根据各特征分序列中数据变化得到自适应平滑系数；根据自适应平滑系数结合指数滑动平均法得到当前时间段的预测值；根据当前时间段的海浪波动特征值的实际值及预测值之间的差异得到异常状态，完成游艇异常检测。
[0006]优选的，所述根据各横滚角度数据的采集时间得到各周期序列的具体步骤为：将各横滚角度数据组成的序列作为横滚角度数据序列；将相等时间间隔作为一个周期；将横滚角度数据序列按各数据采集时间所在周期进行划分得到各周期序列。
[0007]优选的，所述根据各周期序列中数据变化得到各周期的极值，具体包括：
构建各周期序列的横滚角度波形图，将波形图中峰值作为各周期的极大值，将波形图中谷值作为各周期的极小值。
[0008]优选的，所述各周期的平均倾斜度为各周期的极大值均值与各周期的极小值均值的差值。
[0009]优选的，所述根据各周期最值及平均倾斜度得到各周期的波动幅变程度，具体包括：计算各周期的最大值与最小值的差值，将所述差值及各周期的平均倾斜度的和值作为各周期的波动幅变程度。
[0010]优选的，所述根据各周期相邻两个极值点之间的时间间隔得到各周期的波动频变程度的方法为：将各周期相邻两个极值点之间的时间间隔平方的均值作为各周期的波形变化规律度，将各周期极值点个数与波形变化规律度作为各周期的波动频变程度。
[0011]优选的，所述各周期的海浪波动特征值为各周期的波动幅变程度与波动频变程度的乘积。
[0012]优选的，所述根据各特征分序列中数据变化得到自适应平滑系数的方法为：计算海浪波动特征序列中所有数据的熵，将各特征分序列中相邻两个元素的差值的均值作为各特征分序列差异值，计算各特征分序列差异值之间的差值，将所述差异值之间的差值及所述熵的归一化乘积作为自适应平滑系数。
[0013]优选的，所述根据当前时间段的海浪波动特征值的实际值及预测值之间的差异得到异常状态，具体为：根据预测值设定正常范围，将海浪波动特征值的实际值超出正常范围时的状态作为异常状态。
[0014]第二方面，本专利技术实施例还提供了基于物联网的游艇异常状态智能监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
[0015]本专利技术实施例至少具有如下有益效果：本专利技术是一种基于物联网的游艇异常状态智能监测方法，根据游艇陀螺仪传感器测得的横滚角度数据，采集游艇摇晃幅度数据，使用EMA算法结合历史数据，对当前时间段进行预测，根据预测值和实际值的差异来判断游艇是否存在异常，解决了游艇驾驶员会受个人状态影响导致判断失误的问题，为游艇及乘员的安全提供了更高保障。
[0016]为避免了EMA算法中，平滑系数过小或过大导致预测值不准确的问题，本专利技术通过对历史时间段的数据分析游艇摇晃幅度与频率变化，构建各周期的海浪波动特征值，根据前后两个时间区间的海浪波动特征值之间的差异，自适应获取平滑系数，根据平滑系数完成EMA算法预测，在历史时间段的海浪波动特征值变化较大的情况下，可对临近数据赋予较大的权重，使预测值更快适应上一个周期的波动变化，使其预测值更准确，提高EMA算法的准确性，具有较高游艇异常状态监测精度。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅
仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0018]图1为本专利技术一个实施例提供的基于物联网的游艇异常状态智能监测方法的步骤流程图。
具体实施方式
[0019]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于物联网的游艇异常状态智能监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0020]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0021]下面结合附图具体的说明本专利技术所提供的基于物联网的游艇异常状态智能监测方法及系统的具体方案。
[0022]请参阅图1，其示出了本专利技术一个实施例提供的基于物联网的游艇异常状态智能监测方法的步骤流程图，该方法包括以下步骤：步骤S001，采集游艇的横滚角度数据。
[0023]游艇在海上航行时，海上环境复杂多变，这会导致游艇出现各种异常状态，其中由于过大的风浪、船体破损、游艇触礁等都会导致游艇出现异常倾斜的情况，本专利技术对游艇的异常倾斜状态进行智能监测。其中，游艇船身倾斜角度可以使用游艇自带陀螺仪传感器进行测量，通过陀螺仪传感器的横滚角度进行体现，横滚角度是描述船舶绕航向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网的游艇异常状态智能监测方法，其特征在于，该方法包括以下步骤：采集游艇的横滚角度数据；根据各横滚角度数据的采集时间得到各周期序列；根据各周期序列中数据变化得到各周期的极值；根据各周期的极值变化得到各周期的平均倾斜度；根据各周期最值及平均倾斜度得到各周期的波动幅变程度；根据各周期相邻两个极值点之间的时间间隔得到各周期的波动频变程度；根据各周期的波动幅变程度和波动频变程度得到各周期的海浪波动特征值；将各周期的海浪波动特征值组成的序列作为海浪波动特征序列；将海浪波动特征序列等分得到各特征分序列；根据各特征分序列中数据变化得到自适应平滑系数；根据自适应平滑系数结合指数滑动平均法得到当前时间段的预测值；根据当前时间段的海浪波动特征值的实际值及预测值之间的差异得到异常状态，完成游艇异常检测。2.如权利要求1所述的基于物联网的游艇异常状态智能监测方法，其特征在于，所述根据各横滚角度数据的采集时间得到各周期序列的具体步骤为：将各横滚角度数据组成的序列作为横滚角度数据序列；将相等时间间隔作为一个周期；将横滚角度数据序列按各数据采集时间所在周期进行划分得到各周期序列。3.如权利要求1所述的基于物联网的游艇异常状态智能监测方法，其特征在于，所述根据各周期序列中数据变化得到各周期的极值，具体包括：构建各周期序列的横滚角度波形图，将波形图中峰值作为各周期的极大值，将波形图中谷值作为各周期的极小值。4.如权利要求1所述的基于物联网的游艇异常状态智能监测方法，其特征在于，所述各周期的平均倾斜度为各周期的极大值均值与各周期的极小值均值的差值。5.如权利要求1所述的基于物联网的游艇异常状态智能监测方法，其特征在...

【专利技术属性】
技术研发人员：王守燕，尚靖，丁行，丁信恒，史业浩，
申请(专利权)人：山东航宇游艇发展有限公司，
类型：发明
国别省市：