特征驱动的数据采集策略
我们不追求盲目的海量数据，而是追求“特征覆盖率”。通过采集真实船只在不同载重、海况及动力状态下的响应数据，校准虚拟仿真器，实现 AI 模型的高精度迁移。
核心数据矩阵维度
船体物理组态
目的：学习质量与惯性的物理关系 (F=ma)
- 载重： 空载 / 半载 / 满载 (+500kg)
- 重心： 居中 / 偏左 / 偏右 / 偏后 (船头翘起)
- 船底附着： 光滑 / 模拟附着 (增加阻力系数)
环境干扰特征
目的：分辨“震荡 (浪)”与“漂移 (流)”
- 浪高： 平静 (<0.1m) / 中等 / 恶劣
- 攻击角： 顶浪 / 横浪 (最不稳) / 追浪 (最难控)
- 水流速度： 静态 / 强流 (2-3 节)
执行器非线性
目的：解决响应延迟与推力不准
- 电池电压： 满电 (16.8V) / 亏电 (12V) 的推力补偿
- 推力死区： 寻找螺旋桨开始转动的最小阈值 (0%-15%)
高频同步采集字段 (50Hz)
| 类别 | 具体字段 | 研发用途 |
|---|---|---|
| 传感器输入 | 三轴加速度 / 角速度 / 磁力计 / GPS 坐标 / 地速 (SOG) | 作为 AI 模型的“观察值 (Features)”，判断旋转趋势。 |
| 系统状态 | 4 马达 PWM 指令值 / 实时电压 / 总电流消耗 | 记录 AI 的“动作 (Actions)”，评估阻力与做功。 |
| 真值标注 | 外部参考浪高 / 目标航向偏差 (Heading Error) | 用于训练时的“改卷 (Labels)”，衡量模型表现。 |
研发专用：标准操纵性测试动作
静态系泊推力测试 (Bollard Pull)
动作：船只固定，油门 0% 到 100% 阶梯增加。目的：绘制推力映射曲线。
阶跃响应测试 (Step Response)
动作：0 直接推到 100 全速，再突然归 0。目的：测量船只惯性时间常数。
Z 形操纵测试 (Zig-zag Test)
动作：左右 20° 循环切舵。目的：测量“舵效滞后”，决定 AI 需提前多久反打舵。
定点抗干扰压力测试
动作：人为施加浪涌或推力。目的：收集 AI 反应不及时的“失效样本”，这是最宝贵的训练集。