一种海底生物自主吸取捕捞的水下机器人智能控制方法与流程

2021-02-09 05:02:36|

314|

起点商标网

本发明属于水下机器人智能控制技术领域，具体涉及一种海底生物自主吸取捕捞的水下机器人智能控制方法。

背景技术：

随着海洋经济的发展和国人生活水平的提高，人们对高蛋白海生物的饮食需求越来越高，而目前海洋牧场的海参、扇贝、海胆等海底生物的捕捞，主要依赖潜水员来完成。人工采捕不仅容易给潜水员造成生命和伤病的威胁，新近从事这方面的潜水员越来越少，所以海生物自主捕捞机器人将提高捕捞的经济性，较大地降低海生物捕捞的行业危机。

近年来，研究人员已经对海生物捕捞机器人展开一定研究，例如专利文献“海珍品采捕机器人(cn201410686861.x)”主要通过海底行走，人工遥控机器人水下观察、抽吸完成海生物的捕捞。专利文献“海底生物捕捞机器人的自主导航和人机协同捕捞作业系统(cn201210553378.5)”和“一种仿生海底生物捕捞机器人(cn201210553365.8)”虽然在水下作业的导航和行走具备一定自主性，但依然依靠操作人员对路径规划、目标搜寻、捕捞指令等进行一定的干预，自主性有限。以上发明均难以实现对海生物的智能控制自主吸取捕获，在普通的渔民使用和推广上比较困难，需投入一定的人力支持与使用培训。面对这些问题，水产养殖领域急需一种能够实现自主捕获的海生物捕捞机器人控制方法。

技术实现要素：

本发明的目的在于提供能够实现对目标的连续跟踪和自主吸取的一种海底生物自主吸取捕捞的水下机器人智能控制方法。

本发明的目的通过如下技术方案来实现：所述的海底生物自主吸取捕捞的水下机器人包括运动模块、吸取捕捞模块、水下视觉感知模块和基于强化学习的ii型模糊逼近控制模块；所述的运动模块包括水平推进器和垂直推进器；所述的水下视觉感知模块包括布置在吸取捕捞模块上的吸取跟踪观察摄像机；包括以下步骤：

步骤1：设定吸取跟踪观察摄像机的摄像范围内的期望区域，在期望区域内选择n个期望点；获取吸取捕捞目标相对于期望区域内各期望点的位置状态误差集st＝{stx,sty}；其中，stx为水平位置状态误差集，stx＝{pex1,pex2,...,pexn}；sty为垂直位置状态误差集，sty＝{pey1,pey2,...,peyn}；

步骤2：将吸取捕捞目标相对于参考点的位置状态误差集st输入到基于强化学习的ii型模糊逼近控制模块中，基于强化学习的ii型模糊逼近控制模块中包含nx个水平运动的模糊规则和ny垂直运动的模糊规则；将水平位置状态误差集stx输入到所有水平运动模糊规则中，获取各水平运动模糊规则的输出结果ix＝1,2,...,nx，并计算所有水平运动模糊规则输出结果的标准差σx；将垂直位置状态误差集sty输入到所有垂直运动模糊规则中，获取各垂直运动模糊规则的输出结果iy＝1,2,...,ny，并计算所有水平运动模糊规则输出结果的标准差σy；

步骤3：计算所有水平运动模糊规则的激活强度的上界和下界构建水平运动的ⅱ型模糊集合计算所有垂直运动模糊规则的激活强度的上界和下界构建垂直运动的ⅱ型模糊集合

步骤3.1：计算水平位置状态误差集stx＝{pex1,pex2,...,pexn}中每个水平位置状态误差pexj对应每一个水平运动模糊规则ix的高斯主隶属度函数的上界和下界

其中，和为设定的常数集合，且j＝1,2,...,n；

步骤3.2：计算垂直位置状态误差集sty＝{pey1,pey2,...,peyn}中每个垂直位置状态误差peyj对应每一个垂直运动模糊规则iy的高斯主隶属度函数的上界和下界

其中，和为设定的常数集合，且

步骤3.3：计算所有水平运动模糊规则的激活强度的上界和下界构建水平运动的ⅱ型模糊集合

步骤3.4：计算所有垂直运动模糊规则的激活强度的上界和下界构建垂直运动的ⅱ型模糊集合

步骤4：将水平运动的ⅱ型模糊集合和垂直运动的ⅱ型模糊集合通过降型环节转化为一型模糊集合，计算水平推进器的电压控制值ux和垂直推进器的电压控制值uy；

其中，lcx和rcx分别为水平运动的ⅱ型模糊集合的高斯主隶属度函数的左右交叉点；lcy和rcy分别为垂直运动的ⅱ型模糊集合的高斯主隶属度函数的左右交叉点；

步骤5：基于强化学习的ii型模糊逼近控制模块将水平推进器的电压控制值ux和垂直推进器的电压控制值uy传输到运动模块中，保证目标能够趋近并始终保持在视野的安全区域内；判断海底生物自主吸取捕捞的水下机器人是否完成对目标的吸取；若未完成，则返回步骤1进行下一时刻的智能控制。

本发明的有益效果在于：

本发明提供了主要用于在复杂水下环境中完成对目标生物的检测识别并引导机器人作业并实现准确吸取指定目标。本发明在作业时，吸取机器人首先通过水下视觉与强化学习算法识别和跟踪作业目标，继而通过自身的位姿反馈调节和机器人的平台运动的智能控制系统推导和优化模糊规则，指导完成海底生物的自主吸取捕捞作业。本发明基于人工智能研究方面的先进成果，能够实现对目标的连续稳定跟踪和自主吸取，具有识别准确、智能程度高、捕捞效率高、作业成本低等优点，本发明实际应用于水下机器人系统设计，对于海生物的高效自主吸取捕捞具有重要意义。

附图说明

图1为一种海底生物自主吸取捕捞的水下机器人的主体图。

图2为一种海底生物自主吸取捕捞的水下机器人的控制系统总体框图。

图3为本发明中ii型模糊学习控制器的示意图。

图4为2048×1536ccd图像平面的离散网格示意图。

图5为s面函数的示意图。

图6为自主捕获过程场景ii中的视频帧示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明提供了一种海底生物自主吸取捕捞的水下机器人智能控制方法，主要用于在复杂水下环境中完成对目标生物的检测识别并引导机器人作业并实现准确吸取指定目标。本发明包括：吸纳式海生物捕捞水下机器人载体，水下机器人智能运动控制系统，基于深度学习的水下视觉感知系统等几个部分。本发明在作业时，吸取机器人首先通过水下视觉与强化学习算法识别和跟踪作业目标，继而通过自身的位姿反馈调节和机器人的平台运动的智能控制系统推导和优化模糊规则，指导完成海底生物的自主吸取捕捞作业。本发明基于人工智能研究方面的先进成果，能够实现对目标的连续稳定跟踪和自主吸取，具有识别准确、智能程度高、捕捞效率高、作业成本低等优点，本发明实际应用于水下机器人系统设计，对于海生物的高效自主吸取捕捞具有重要意义。

一种海底生物自主吸取捕捞的水下机器人智能控制方法，所述的海底生物自主吸取捕捞的水下机器人包括运动模块、吸取捕捞模块、水下视觉感知模块和基于强化学习的ii型模糊逼近控制模块；所述的运动模块包括水平推进器和垂直推进器；所述的水下视觉感知模块包括布置在吸取捕捞模块上的吸取跟踪观察摄像机；具体控制方法包括以下步骤：

步骤3.1：计算水平位置状态误差集stx＝{pex1,pex2,...,pexn}中每个水平位置状态误差pexj对应每一个水平运动模糊规则ix的高斯主隶属度函数的上界和下界

其中，和为设定的常数集合，且j＝1,2,...,n；

步骤3.2：计算垂直位置状态误差集sty＝{pey1,pey2,...,peyn}中每个垂直位置状态误差peyj对应每一个垂直运动模糊规则iy的高斯主隶属度函数的上界和下界

其中，和为设定的常数集合，且

步骤3.3：计算所有水平运动模糊规则的激活强度的上界和下界构建水平运动的ⅱ型模糊集合

步骤3.4：计算所有垂直运动模糊规则的激活强度的上界和下界构建垂直运动的ⅱ型模糊集合

实施例1：

本发明的海底生物自主吸取捕捞的水下机器人主要由以下部分组成：吸纳式海生物捕捞水下机器人载体，水下机器人智能运动控制系统，基于深度学习的水下视觉感知系统等几个部分。以吸纳式海生物捕捞水下机器人为载体，一种用于水下视觉感知的深度学习方法与水下机器人智能运动控制方法相结合进行控制检测。载体平台由推进器、泵取结构、收纳箱构成；基于深度学习的水下视觉感知方法以两套鱼眼摄像机为基础共同完成生物密度检测及图像与吸取目标运动学关系建立；水下机器人智能运动控制方法以舱内pc104硬件电路为核心，通过一种基于强化学习优化的智能吸取运动控制方法完成对海生物目标的智能吸取捕获。本发明通过确定ii型模糊的推理系统建立模糊规则，然后由细分派生的规则设计s面适应性函数，最后通过强化学习方法保证机器人完成对出现在制定区域内生物目标的准确吸取。

根据海生物泵取吸管深度和方向的当前和预期状态来构建行为规则，通过下述方法确定模糊规则、降型以及解模糊输出：确定模糊规则：

式中，mij是一个不确定的平均值σij是固定的标准差；代表隶属度，这是一个有界集合，和分别代表的上界和下界fi；分别为激活强度的上界和下界；pe(t)表示摄像机范围内目标位置状态误差；n为输入的状态数。

降型：

式中，mr是规则数；lc和rc分别是左右交叉点；ai是模糊规则的相应行为；n输入的状态数。

解模糊输出给推进器电压：

根据模糊规则使得目标出现在距离摄像机坐标系内合适的抽吸区域，然后选择粒子和粒子群的最优值不段更新，其方法通过下述适应度函数实现：

式中，ke和ku为可调参数；kp为比例系数；kd为微分系数；ei和ai为某个方向的误差和模糊规则的相应行为。

海底生物自主吸取捕捞的水下机器人主要包括：吸纳式海生物捕捞水下机器人载体，水下机器人智能运动控制系统，基于深度学习的水下视觉感知系统等几个部分组成。其中，吸纳式海生物捕捞水下机器人载体包括载体框架、矢量布置的四个水平推进器、两个垂直推进器、海生物吸取泵装置及吸纳储存箱等。基于深度学习的水下视觉感知系统包含一个布置在机器人前方的鱼眼摄像机和布置在吸管上的吸取跟踪观察摄像机；鱼眼摄像机通过深度学习和畸变处理检测海生物的存在并确定海生物的密度，吸管上的吸取跟踪观察摄像机基于图像的运动学建模建立摄像机图像和吸取目标的运动学关系。水下机器人智能运动控制系统主要通过耐压舱内的pc104控制计算机为核心，根据磁罗经、深度计和水下摄像机的反馈，由一种基于强化学习智能吸取运动控制方法控制水下机器人的运动和吸取，从而实现对海生物的智能吸取捕获。

一种海底生物自主吸取捕捞的水下机器人智能控制方法的步骤如下：首先基于目标相对于图像的深度和角度建立ii型模糊的推理系统，初步建立模糊规则；其次设计改进的微粒优化方法细分和优化派生模糊规则，尤其对于派生模糊的适应性判定方面，设计了基于s面的适应性函数，确定和判断模糊规则；最后再利用强化学习方法对结合机器人当前的吸取状态和外部环境状态进一步训练模糊规则输出，从而保证目标能够趋近并始终保持在视野的安全区域内，从而控制水下机器人的吸管逐渐趋近目标完成对海生物的吸取。

吸取机器人智能接近控制器根据图像的视觉特征使泵取管道不断接近目标完成吸取。此控制器的优点是通过具体环境自动选择策略提高控制性能。此外，对于没有水平速度或位置传感器的低成本机器人，本发明可将目标稳定在安全抽吸区域内，使泵取管道不断接近目标。与i型模糊系统相比，ii型模糊系统有助于最大限度地减少未知环境的不确定影响。本发明通过智能运动控制系统实现rov稳定、准确的运动控制，确保目标处于安全范围并持续接近。

ii型模糊推理系统旨在根据管道的深度和方向的当前和预期状态，构建动作规则，确定动作集输出范围。其中，动作集表示机器人的一组动作机器人将通过状态评估执行诸如航向，侧向和升沉之类的动作，以稳定其姿态，将目标保持在相机中，控制rov接近目标并准备好吸收。参考说明书附图4，2048×1536像素的ccd图像平面可分为32×24离散栅格，每个栅格包含64×64像素，图中的不同色块区域分别代表期望到达区域、接近区域和危险区域。本发明中ii型模糊集定义设计如下：

式中，pe(t)表示摄像机范围内目标位置状态误差；μ(t)表示模糊的隶属度函数；st表示pe(t)的状态集；js表示pe(t)中的成员。

其高斯主隶属度函数可以表达为：

式中，mij是一个不确定的平均值σij是固定的标准差；代表隶属程度，这是一个有界集合，和分别代表的上界和下界:

推理机中模糊t范数的运算是通过代数乘积来实现，规则激活强度fi为区间类型ⅰ型模糊集，通过对模糊操作的连乘可以得到吸取捕捞目标目前对应第i个规则的激活强度:

其中，fi；分别为激活强度的上界和下界，由于系统推理机输出的是ⅱ型模糊集合,必须通过降型环节将其化为一型模糊集合,然后才能进行解模糊运算，本发明使用下述方法进行降型操作：

式中，mr是规则数；lc和rc分别是左右交叉点；fi；分别为激活强度的上界和下界；ai是第i个模糊规则所推理出的结果；n为输入的状态数。最终输出给推进器的电压值u0为：

针对捕获过程中不确定的环境和动态变化以及因素，开发了一种基于学习的粒子群优化(pso)模糊规则优化器。模糊规则的目的是根据rov管的深度和方向的当前和预期状态，选择rov动作来接近吸取目标。细分和派生优化方法如下：规则的适应型函数通过模糊规则使目标在距离摄像机坐标系内的抽吸区域较远时，能够快速到达期望区域，当距离摄像机坐标系内的抽吸区域附近时，能够通过模糊规则细分控制量使水下机器人的吸管稳定在摄像机坐标系的抽吸区域，并完成抽吸。考虑到在捕获过程中不同的现场环境，使用固定的模糊规则缺乏普适性，本发明将通过粒子群优化算法来训练和优化模糊规则。模糊规则优化算法过程描述如下：

(1)初始化：在进行pso优化之前，已经随机生成了动作与输入状态的模糊规则。

(2)适应度函数确定：对于每次模糊规则试验，适应度函数对于决定控制器的最佳动作非常重要。由于设计的基于学习的ii型模糊逼近控制器应在线实现准确，因此选择有效和智能的适应度函数对于实现模糊规则的快速迭代和优化在控制命令释放的每个步长中具有重要意义。为了实现快速的目标接近和吸收维持，期望在偏差较大时控制动作宽松，在偏差较小时严格控制动作。说明书附图5所示的s面函数是这些函数之一，适应性函数设计如下：

式中，ke和ku为可调参数；kp为比例系数；kd为微分系数；ei和ai为某个方向的误差和模糊规则的相应行为。

(3)粒子记忆和选择：每个规则粒子将通过记忆其自身的适应度值并选择最大的一个适应性作为进行评估。

基于上述方法，每个粒子被进一步修改。重复执行以上步骤直到明显改善为止。具有最佳适应性的粒子是全局最佳粒子，因此，获得了最佳的模糊规则适应度值，以应对作业过程中的环境干扰和负载变化。

结合图1，所设计的基于智能控制方法的海生物自主吸取机器人包括载体平台、控制舱、泵取吸管、推进器螺旋桨、深度计和多普勒测速仪；其中控制舱内部包括pc104核心模块、i/o板、can数据采集板、隔离串口板、数据采集板、直流伺服电机控制板、推进器电机驱动器、磁罗经、海生物捕获存储舱等硬件。

结合图2，无人水下生物吸取机器人控制系统的核心是pc104核心模块，pc104模块通过隔离串口板采集多普勒测速仪和磁罗经的数据，并进行船位推算，获得无人水下航行器当前位姿；pc104模块根据协调运动控制器的结果，通过直流伺服电机控制板向电机驱动器发送控制指令，控制吸取机器人螺旋桨运动实现吸取捕捞作业过程中载体平台的稳定精确运动。

结合图3，无人水下生物吸取机器人利用基于强化学习的ii型模糊逼近控制器实现将待捕捞海生物的视觉特征保留在图像内，同时还可以使泵取管道逼近吸取目标，该控制器的优点是可以通过动作选择策略自主地提高控制性能。在摄像机区域内定义一组目标位置状态误差集st＝{pe1pe2...pen}，模糊控制器输入为清晰的准确值，输入状态层输入为机器人位置与期望到达区域之间的偏差量。模糊化操作使输入的精确值模糊化为模糊集合，该层中对应输入的每个节点都定义一个区间ⅱ型高斯隶属度函数，ⅱ型模糊系统的规则采用“if-then”形式，规则为：ifpe1(t)isst1and,…,pen(t)isstn,thenu1(t)isa1(t)and,…,um(t)isam(t).。一条模糊规则可以决定一个ⅱ型输出模糊集，推理机籍由上述规则进行推理以决定下一步将采取的行为。模糊推理通过连乘进行模糊运算得到激活强度，降型器将ii型模糊集映射到i型模糊集，而去模糊器将模糊输出解模糊转换为清晰的集。

结合图4，无人水下生物吸取机器人水下视觉系统中2048×1536像素的ccd图像平面可分为32×24离散栅格，每个栅格包含64×64像素。图4可以示出泵取管道的深度和取向的当前状态和预期状态，摄像机的视野包括期望区域，接近区域，危险区域，安全区域等按图示不同颜色区分，不同的区域对应不同的吸取成功率，本发明所述的控制系统旨在控制海底生物吸取机器人吸管稳定在红色方块的期望区域内。

结合图5，无人水下生物吸取机器人强化学习模糊规则中适应度函数的确定起到决定控制器的最佳动作的作用。由于本发明基于强化学习的ii型模糊逼近控制器旨在确保在线实现准确，完成稳定的吸收捕获。因此，本发明选择有效且智能的适应度函数实现模糊规则在控制命令释放的每个步长中快速迭代和优化。为了实现快速的目标接近和吸收维持，期望在偏差较大时控制动作宽松，在偏差较小时严格控制动作，故选取图5所示的s面函数达到上述控制目的。

结合图6，六幅帧图像展现了无人水下生物吸取机器人作业过程中自主识别目标从环境干扰和生物目标块之间切换的过程。本发明通过水下定高定标测量得到了像素距离与实际距离的关系，同时基于强化学习的ⅱ型模糊控制器能够优化跟踪规则，不断适应环境从而可以实现在复杂的水下环境中对目标的连续跟踪。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击【在线咨询】或添加微信【19522093243】与客服一对一沟通，为大家解决相关问题。