海洋油田平臺(tái)水下安防系統(tǒng)航跡融合與報(bào)警技術(shù)

代 笠，張翔龍

（海裝廣州局，廣東 廣州 510000）

0 引言

水下安防系統(tǒng)是一套以被動(dòng)聲吶、海面定位雷達(dá)和AIS等探測(cè)設(shè)備為硬件基礎(chǔ)，以系統(tǒng)控制與報(bào)警軟件為數(shù)據(jù)處理中心的海上油田平臺(tái)安防報(bào)警系統(tǒng)。能夠?qū)τ吞锼?水下等外部目標(biāo)進(jìn)行集中監(jiān)控，并在油田水下管纜和設(shè)施位置電子海圖的配合下，自動(dòng)識(shí)別判斷各種目標(biāo)的威脅程度，及時(shí)可靠地做出分級(jí)預(yù)警和報(bào)警，為采取進(jìn)一步的取證和管制措施提供切實(shí)依據(jù)，降低油田設(shè)施被外部威脅目標(biāo)破壞的風(fēng)險(xiǎn)[1]。

安防系統(tǒng)是一個(gè)典型多源異構(gòu)數(shù)據(jù)融合報(bào)警系統(tǒng)，探測(cè)信息來自雷達(dá)、聲吶、AIS等，有信息數(shù)量大、關(guān)系復(fù)雜、探測(cè)精度差異大、數(shù)據(jù)格式不統(tǒng)一、內(nèi)容各異以及安防系統(tǒng)對(duì)信息處理實(shí)時(shí)性要求高等特點(diǎn)，使得在綜合多傳感器優(yōu)點(diǎn)處理多源數(shù)據(jù)，對(duì)威脅目標(biāo)實(shí)施精確預(yù)報(bào)存在較大困難。目前成熟的多源信息融合技術(shù)雖然融合的信息源較多，但傳感器類型比較單一，如融合多臺(tái)雷達(dá)或多臺(tái)聲吶等，信息處理復(fù)雜性低，有關(guān)技術(shù)難以滿足水下安防系統(tǒng)的實(shí)際需要。因此，研究適用于水下安防系統(tǒng)的數(shù)據(jù)融合與報(bào)警技術(shù)，實(shí)現(xiàn)將某一目標(biāo)的多源信息（雷達(dá)、聲吶、AIS探測(cè)數(shù)據(jù)）進(jìn)行檢測(cè)、相關(guān)、估計(jì)和組合以達(dá)到對(duì)跟蹤目標(biāo)進(jìn)行精確狀態(tài)估計(jì)、身份識(shí)別、威脅評(píng)估和輔助決策的目的。

1 數(shù)據(jù)融合與報(bào)警模型

根據(jù)水下安防系統(tǒng)采用水下聲吶、雷達(dá)以及AIS組合探測(cè)目標(biāo)的方案，水下安防系統(tǒng)信息融合與報(bào)警技術(shù)采用多級(jí)融合模型構(gòu)建，來完成數(shù)據(jù)融合分析與報(bào)警處理工作，共分5級(jí)，其分級(jí)模型結(jié)構(gòu)如圖1所示。

由圖1可知，第一級(jí)傳感器檢測(cè)級(jí)融合由安防系統(tǒng)的聲吶、雷達(dá)完成，本文中的數(shù)據(jù)融合與報(bào)警技術(shù)涉及模型中的第2到第5級(jí)。一般來講，第2級(jí)目標(biāo)位置融合處理的性能直接影響目標(biāo)軌跡、屬性、態(tài)勢(shì)的融合及對(duì)威脅的估計(jì)，因此目標(biāo)航跡的關(guān)聯(lián)和融合算法是該項(xiàng)關(guān)鍵技術(shù)的核心。

圖1 多級(jí)融合模型結(jié)構(gòu)圖Fig.1 Structure diagram of multistage fusion model

在分布式信息融合系統(tǒng)中航跡關(guān)聯(lián)算法通常有基于統(tǒng)計(jì)數(shù)學(xué)的方法、基于模糊數(shù)學(xué)的方法、基于灰色理論的方法和基于神經(jīng)網(wǎng)絡(luò)的方法。表1將幾種常見航跡關(guān)聯(lián)方法的性能進(jìn)行了比較。

由表1可知，MK-NN法在基于統(tǒng)計(jì)數(shù)學(xué)的方法中具有最好的性能，基于模糊數(shù)學(xué)和灰色理論的算法同樣具有較高的性能，考慮到參數(shù)設(shè)置過于復(fù)雜，可能導(dǎo)致工程應(yīng)用較為困難，選擇MK-NN算法既能夠滿足性能要求，也便于工程應(yīng)用。

2 航跡關(guān)聯(lián)算法

航跡關(guān)聯(lián)算法是融合模型的第 2級(jí)位置級(jí)的數(shù)據(jù)融合的關(guān)鍵，航跡關(guān)聯(lián)模塊接收雷達(dá)、聲吶、AIS的目標(biāo)航跡數(shù)據(jù)，基于MK-NN（修正的K近領(lǐng)域關(guān)聯(lián)算法）算法實(shí)現(xiàn)不同傳感器間多個(gè)目標(biāo)航跡之間的關(guān)聯(lián)映射，為航跡融合提供輸入[2-3]。在進(jìn)行航跡關(guān)聯(lián)前的航跡應(yīng)用具備了以下條件：1）各傳感器已形成局部航跡（條數(shù)可以不相等），且同一傳感器的同一航跡號(hào)唯一標(biāo)識(shí)一條航跡；2）在每一關(guān)聯(lián)時(shí)刻，關(guān)聯(lián)模塊的輸入點(diǎn)數(shù)與局部航跡總數(shù)相等，即輸入的局部航跡對(duì)關(guān)聯(lián)算法來說無丟點(diǎn)現(xiàn)象，丟點(diǎn)后重新出現(xiàn)的局部航跡一律視為新航跡（先前的局部處理可在向關(guān)聯(lián)模塊提供輸入前進(jìn)行必要的航跡補(bǔ)點(diǎn)處理）；3）對(duì)于符合假設(shè)2）的多條局部航跡，已完成了時(shí)間/空間同步處理。

當(dāng)有滿足上述條件的局部航跡輸入時(shí)，MK-NN算法首先進(jìn)入關(guān)聯(lián)期，考慮到在航跡關(guān)聯(lián)檢驗(yàn)中，對(duì)關(guān)聯(lián)期中每個(gè)時(shí)刻的狀態(tài)估計(jì)是逐步處理的，為使得在后期的關(guān)聯(lián)賦值更加可靠，算法把當(dāng)前的檢驗(yàn)與其歷史聯(lián)系起來，把整個(gè)關(guān)聯(lián)檢驗(yàn)分為關(guān)聯(lián)期、檢查期和保持期，按以下圖2的流程進(jìn)行處理。

對(duì)于圖2流程，做以下說明：

1）關(guān)聯(lián)期需指定關(guān)聯(lián)周期數(shù)N及門限K。關(guān)聯(lián)周期數(shù)的選擇通常與目標(biāo)分布、運(yùn)動(dòng)規(guī)律和采樣間隔有關(guān)。目標(biāo)分布越密集則關(guān)聯(lián)周期數(shù)越大，目標(biāo)速度越小、采樣間隔越大則關(guān)聯(lián)周期數(shù)越小，一般取 6～12；K按航跡質(zhì)量閾值比較時(shí)實(shí)際完成關(guān)聯(lián)周期數(shù)（不大于N）的一定比例取整得到，該比例一般大于0.5且不大于0.75。

2）單次關(guān)聯(lián)檢驗(yàn)采用 NN準(zhǔn)則，即判斷局部狀態(tài)估計(jì)之差的每個(gè)分量小于閾值向量的對(duì)應(yīng)分量是否同時(shí)成立，其中閾值向量直接依賴于狀態(tài)估計(jì)誤差協(xié)方差，通常可取為

式中：G為門限系數(shù)，一般情況下取3，目標(biāo)機(jī)動(dòng)時(shí)取 5；K為關(guān)聯(lián)周期計(jì)數(shù)變量；q為狀態(tài)自由度計(jì)數(shù)變量；eq為閾值向量的第q個(gè)分量；為局部航跡g狀態(tài)估計(jì)協(xié)方差矩陣的第q個(gè)對(duì)角元素；為局部航跡h狀態(tài)估計(jì)協(xié)方差矩陣的第q個(gè)對(duì)角元素。當(dāng)無法獲得時(shí)，可直接用相應(yīng)分量的測(cè)量方差近似代替。

3）由于通過關(guān)聯(lián)期的關(guān)聯(lián)對(duì)可靠性已經(jīng)較高，檢查期應(yīng)采用更嚴(yán)格的檢驗(yàn)條件進(jìn)行正確性檢查，故選擇的檢驗(yàn)統(tǒng)計(jì)量為

式中：β為閾值系數(shù)；wgh（k）為第k個(gè)關(guān)聯(lián)周期局部航跡g與h的檢驗(yàn)統(tǒng)計(jì)量；Xg（k）為第k個(gè)關(guān)聯(lián)周期局部航跡g的狀態(tài)估計(jì)向量；Xh（k）為第k個(gè)關(guān)聯(lián)周期局部航跡h的狀態(tài)估計(jì)向量；Pg（k）為第k個(gè)關(guān)聯(lián)周期局部航跡g的狀態(tài)估計(jì)協(xié)方差矩陣；Ph（k）為第k個(gè)關(guān)聯(lián)周期局部航跡h的狀態(tài)估計(jì)協(xié)方差矩陣。

與關(guān)聯(lián)期不同，當(dāng)用測(cè)量方差矩陣代替狀態(tài)估計(jì)協(xié)方差矩陣時(shí)，閾值系數(shù)要做適當(dāng)調(diào)整，且閾值應(yīng)嚴(yán)格根據(jù)相應(yīng)自由度的卡方分布在指定的顯著性水平下確定。

3 航跡融合算法

航跡關(guān)聯(lián)完成后即可直接將相關(guān)的局部航跡輸入航跡融合模塊進(jìn)行處理。同樣，借鑒工程應(yīng)用較成熟的加權(quán)融合算法的思想實(shí)現(xiàn)該模塊[4-9]。算法的基本融合公式如下：

式中：X為融合輸出狀態(tài)向量；N為傳感器數(shù)目；xi為第i個(gè)傳感器輸入的狀態(tài)估計(jì)向量；Pi為第i個(gè)傳感器輸入的狀態(tài)估計(jì)誤差協(xié)方差矩陣。

由于本項(xiàng)目中前端傳感器不能提供Pi，本模塊特別設(shè)計(jì)了一種自適應(yīng)權(quán)值估計(jì)算法，具體描述如下：

根據(jù)經(jīng)典統(tǒng)計(jì)理論我們知道，多個(gè)獨(dú)立隨機(jī)變量的線性組合具有比其中任何一個(gè)更小的方差。由于確定時(shí)刻的各局部估計(jì)正好可以用獨(dú)立隨機(jī)變量來描述（這里忽略了基于相同跟蹤模型的多個(gè)傳個(gè)器間的相關(guān)性，對(duì)簡(jiǎn)化實(shí)際工程應(yīng)用中的算法是有益的），所以多源航跡融合的權(quán)系數(shù)與各局部估計(jì)的方差密切相關(guān)，優(yōu)良的權(quán)系數(shù)應(yīng)使融合輸出的方差最小。這可由拉格朗日乘數(shù)法得到，如式（4）所示：

從中可以看出，問題的關(guān)鍵在于如何在僅有最基本的狀態(tài)信息可利用的應(yīng)用條件下實(shí)時(shí)地估計(jì)局部狀態(tài)估計(jì)各分量的方差。本項(xiàng)目中按以下步驟來解決這一問題：

2）對(duì)于第k（k＞1）個(gè)融合周期，用第k-1個(gè)融合周期的權(quán)系數(shù)ωi,k-1（i=1，2，…，N）對(duì)該周期的局部狀態(tài)加權(quán)求和，結(jié)果作為該周期的全局狀態(tài)預(yù)測(cè)：

3）對(duì)于每一個(gè)傳感器i（i=1，2，…，N），以其最近M個(gè)融合周期的局部狀態(tài)估計(jì)作為樣本，進(jìn)行狀態(tài)估計(jì)的方差估計(jì)，如式（6）所示（當(dāng)k＜M時(shí)M退化為k）：

4）利用式（5）得到的結(jié)果根據(jù)式（4）計(jì)算權(quán)系數(shù)ωi,k（i=1，2，…，N）并按式（7）完成當(dāng)前融合周期全局狀態(tài)估計(jì)Xk的計(jì)算：

5）重復(fù)步驟2）-4），實(shí)時(shí)計(jì)算全局狀態(tài)估計(jì)輸出。

4 報(bào)警策略研究

水下安防系統(tǒng)的最終目的是對(duì)監(jiān)測(cè)目標(biāo)進(jìn)行威脅評(píng)估，根據(jù)船只對(duì)油田管線和平臺(tái)破壞的情況分析，大多數(shù)情況為船只隨意拋錨、非法挖沙行為造成的破壞，因此，水面目標(biāo)船只有威脅的行為特性是在管線和平臺(tái)附近有停船行為。一般情況下當(dāng)只有聲吶探測(cè)時(shí)無法判斷目標(biāo)屬性，即是否為水下或水面目標(biāo)，只有經(jīng)過3種探測(cè)設(shè)備進(jìn)行位置融合處理后才能分辨目標(biāo)位置屬性。水下目標(biāo)一般是蛙人、UUV等，當(dāng)目標(biāo)為水下目標(biāo)時(shí)，其報(bào)警策略與水面目標(biāo)不同，即認(rèn)為水下目標(biāo)進(jìn)入油田作業(yè)區(qū)域，需要重點(diǎn)關(guān)注。如圖3為監(jiān)測(cè)目標(biāo)的報(bào)警流程。

圖3 監(jiān)測(cè)目標(biāo)的報(bào)警流程Fig.3 Alarm process for monitoring targets

5 仿真情況

為檢查航跡融合方法的融合效果，采用仿真的方法進(jìn)行理論研制。設(shè)船只在30 kn以內(nèi)先后經(jīng)歷勻減速、勻速、勻加速過程，2個(gè)傳感器每5 s各輸入一個(gè)航跡點(diǎn)，誤差均為 10 m，融合中心不做濾波處理直接融合，每10 s輸出1個(gè)點(diǎn)。理論上融合輸出最大誤差為各傳感器誤差之和（20 m），而顯示融合輸出最大誤差約為15 m，融合效果明顯。

6 實(shí)際應(yīng)用情況

該數(shù)據(jù)融合與報(bào)警技術(shù)城管運(yùn)用于 SZ36-1、QHD32-6、BZ28/34等多個(gè)海洋油田平臺(tái)水下安防項(xiàng)目，取得了良好的效果。

1）關(guān)聯(lián)融合實(shí)際應(yīng)用情況。雷達(dá)、聲吶、AIS探測(cè)數(shù)據(jù)關(guān)聯(lián)的過程，在關(guān)聯(lián)融合成功后原先的 3條航跡合并成1條，探測(cè)目標(biāo)各種屬性也完成融合，獲取目標(biāo)的信息量比單傳感器數(shù)據(jù)要豐富許多。

2）安防報(bào)警實(shí)際應(yīng)用情況。安防系統(tǒng)監(jiān)測(cè)到注冊(cè)船只LANJIANG可能威脅到平臺(tái)安全，產(chǎn)生報(bào)警信息后的回放取證圖。2014年11月16日 18點(diǎn)40分至2014年11月21日02點(diǎn)00分離開，安防系統(tǒng)監(jiān)測(cè)到注冊(cè)船只 LANJIANG停靠在距離 WHPG平臺(tái) 60 m處（119.227 079°E，39.135 527°N）進(jìn)行施工共6天，可能威脅到平臺(tái)和管纜安全，系統(tǒng)自動(dòng)給出報(bào)警提示信息，該船只停泊6天后離開該區(qū)域，報(bào)警自動(dòng)解除。

安防系統(tǒng)監(jiān)測(cè)到在 2014-11-19T 15:09:30至2014-11-21T 01:03:53之間貨船LIDIAN20在FPSO平臺(tái)到 WHPF平臺(tái)注水管道/混輸管線/電纜，WHPA平臺(tái)到WHPE平臺(tái)電纜/注水管道/混輸管道附近，距離14～25 m的位置長(zhǎng)期停泊（超過10 h），安防系統(tǒng)給出報(bào)警提示，如圖4所示。

圖4 注冊(cè)船只威脅平臺(tái)及周圍管線態(tài)勢(shì)圖Fig.4 Registered vessel threat platform and surrounding pipeline situation map

3）數(shù)據(jù)記錄統(tǒng)計(jì)情況。對(duì)QHD32-6油田安防系統(tǒng)進(jìn)行的不完全統(tǒng)計(jì)情況：監(jiān)測(cè)時(shí)間從2014年8月—2016年 3月，按預(yù)警和報(bào)警的條件，共監(jiān)測(cè)到潛在危險(xiǎn)情況11 010余次。其中針對(duì)非注冊(cè)船只的預(yù)報(bào)警數(shù)量800余次，針對(duì)注冊(cè)船只的預(yù)報(bào)警數(shù)量10 100船/次，針對(duì)平臺(tái)的報(bào)警3 600余次，針對(duì)管纜的報(bào)警7 300余次。安防系統(tǒng)監(jiān)測(cè)記錄信息460 159 389條，數(shù)據(jù)庫(kù)大小130 GB。

數(shù)據(jù)記錄總條數(shù)與報(bào)警分布情況如圖5所示。

7 結(jié)束語

數(shù)據(jù)融合技術(shù)可以將各信息采集的不完整信息加以綜合及關(guān)聯(lián)，減少多源信息間可能存在的冗余和矛盾信息，降低其不確定性，提高智能系統(tǒng)決策、規(guī)劃、反應(yīng)的快速性和正確性。水下安防數(shù)據(jù)融合與報(bào)警技術(shù)自首個(gè)安防系統(tǒng)成功應(yīng)用以來，經(jīng)過多次完善，性能和可靠性得到大幅提升，尤其在后續(xù)的QHD32-6和BZ38/34安防系統(tǒng)中的成功運(yùn)用，有效提高了海上油田水下安防系統(tǒng)分級(jí)預(yù)報(bào)警自主決策能力。

圖5 數(shù)據(jù)記錄總條數(shù)與報(bào)警分布情況圖Fig.5 Total number of data records and situation diagram of alarm distribution