海参捕捞机器人运动控制系统的仿真研究

随着水下机器人技术的发展,海参捕捞机器人将逐渐取代费时费力的人工捕捞作业。但是海参捕捞机器人的运动控制精度一直影响其运动稳定性和捕捞效率,一方面是由于海底的作业环境恶劣多变,机器人的结构功能复杂;另一方面是随着海参的累积,机器人的参数发生改变,原有控制模型的控制精度下降。为提高海参捕捞机器人的运动控制精度,在综合考虑机器人各种载荷的基础上,还考虑了海参对机器人造成的干扰,建立更加全面的机器人动力学模型;并运用模型预测控制理论和非线性干扰观测器对机器人的运动过程进行模拟分析。通过分别模拟机器人的定深下潜、运动姿态保持、路径跟踪和载重上升运动过程,定量分析机器人的运动控制精度,最后构建一个系统全面且精度较高的海参捕捞机器人运动控制系统。

海参捕捞机器人吸捕机构设计

随着海参捕捞机器人在海参捕捞领域的应用,作业危险系数极高的人工捕捞被逐渐替代,海参的捕捞成本也有所降低。但目前的海参捕捞机器人仍然存在捕捞效率低、对参体损伤大等技术难题。海参捕捞机器人的吸捕机构是实现海参捕捞和输送的关键机构,其工作原理和结构设计对于海参的捕捞效率和损伤率有非常重要的影响。因此,文中以海参捕捞机器人的吸捕机构作为研究对象,运用文丘里原理设计一种双推进器驱动的吸捕机构。首先,对吸捕机构的管路直径和入口流速进行计算;再运用有限元仿真方法对其内部流场进行模拟计算,分析不同推进器转速所提供的吸捕机构进出口压力差和速度差;最后,通过实验测试所设计吸捕机构的吸捕效果。测试结果表明,文中研究工作对于提高海参捕捞机器人吸捕效率和降低吸捕机构对参体的损伤具有重要的参考价值。

双矢量定姿算法提高海参捕捞装置捷联惯导系统粗对准精度

针对传统解析粗对准算法中水平对准精度同时受陀螺仪和加速度计测量误差影响的问题,提出一种双矢量定姿粗对准算法,该算法在选定重力矢量为主参考矢量的前提下,预先对参与姿态解算的矢量作单位正交化处理。理论分析表明,所述算法使得水平对准精度只受加速度计水平测量误差影响,提高了捷联惯导系统粗对准精度;实测数据的试验结果表明,所述粗对准算法的水平误差角的大小不超过1°,方位误差角的大小不超过3°,在粗对准所要求的误差范围之内,为后续利用滤波方法进行精对准提供了有效的初始条件。

海参捕捞机器人关键部件设计与水动力学分析

人工捕捞海参不仅劳动强度大,而且作业危险系数极高,高昂的捕捞成本导致海参的市场推广范围较小。采用水下机器人代替人工进行海参捕捞作业已成为研究热点,但受限于海参捕捞效率低、参体损伤大、机器人运动控制精度要求高等因素,目前市场上还没有成熟的海参捕捞机器人。基于此,文中设计一种以海参为主要捕捞对象的履带式水下机器人,根据海参捕捞作业的要求,通过理论计算和数值模拟方法详细设计机器人的吸捕机构、耐压控制舱、推进系统三大关键部件。然后,通过分析与流体的相互作用,创建简化后的机器人有限元模型,对其在流场内水平直航和水平斜航时的水动力学性能进行分析。文中研究工作对机器人的样机制作和成熟推广具有重要的参考价值。

面向海参捕捞的水下机器人系统设计

为了实现水下机器人捕捞海参的功能,设计一种面向海参捕捞的水下机器人系统,在实现海参捕捞的同时降低操作要求和成本.系统总体方案包括供电系统、捕捞系统、传送系统、推进系统、平衡和定位系统以及防撞气囊等子系统;根据捕捞海参的实际需求,对各子系统的机械结构和尺寸进行设计,并采用SolidWorks完成整体系统的三维建模;对水下拍摄的海参图像采用多种图像处理方法进行对比分析,并针对水下机器人的定位装置实现动力定位控制;通过仿真验证系统设计的有效性.

基于TRIZ理论的海参捕捞机器人结构设计

海参的需求量随着人们对身心健康的关注而增加,但面临着人工捕捞困难的问题,本文即应用发明问题与解决理论(TRIZ)来探索如何将海参捕捞上来的方法。应用TRIZ理论提供的方法分析问题,借助问题定义得出问题的最终理想解。应用资源分析得到海参捕捞所具有的资源,应用因果分析得出现有问题的根本原因,并根据根本原因提出解决方案,提出了海参捕捞机器人的研制。应用矛盾矩阵和分离原理得出海参捕捞机器人可利用的发明原理,由发明原理得出机器人的优化设计,最终得出两款海参捕捞机器人:基于螺旋桨驱动的海参捕捞机器人和基于落脚点固定的海参捕捞机器人。本文设计的海参捕捞机器人为实物机器人的制造提供了理论依据。

海参捕捞装置导航中低成本陀螺仪的降噪研究与试验

针对MEMS陀螺仪输出信号中含有的随机漂移噪声造成海参捕捞装置惯性导航精度明显下降的问题,采用时间序列分析法和Kalman滤波算法,对MEMS陀螺仪随机漂移噪声的削减问题进行研究。以MEMS惯性测量单元的实测数据和三维电子罗盘测量的姿态角为样本,对本研究的低成本陀螺仪的降噪效果进行测试,试验结果表明:1)经过降噪处理后的陀螺仪随机漂移信号的方差比陀螺仪原始采样信号的方差降低1个数量级,显著改善了陀螺仪随机漂移数据的精密度;2)以高精度三维电子罗盘实测的姿态角作为参考基准,将降噪后的陀螺仪随机漂移数据导入捷联惯导姿态更新算法程序,在300s时间内,解算出的俯仰角、横滚角和航向角的均方根误差RMSE全部小于1°;与降噪前相比,相应的俯仰角、横滚角、航向角的RMSE分别降低了170.5、97.6和42.5倍,明显提高了惯性导航精度。

基于计算机视觉的水下海参识别方法研究

海参识别是海参捕捞自动化和智能化的前提和关键。海参生活环境复杂且海参体色随环境变化,为解决复杂多变环境下海参识别的难题,提出基于视觉图像和海参特性的水下海参识别算法。利用海参体色随环境变化而海参刺颜色稳定呈黄绿色的特点,在图像预处理的基础上设计图像融合算法突出海参刺,然后通过边缘检测获取海参刺轮廓并计算轮廓质心坐标,进而通过椭圆拟合实现海参的识别。不同于已有的利用海参主干进行海参识别的方法,提出的基于直接最小二乘的海参刺质心椭圆拟合识别算法以海参刺的分割和椭圆拟合为途径,解决海参体色随环境变化而引起的识别率降低的问题。试验结果表明,该算法对自然环境下的海参识别平均准确率为93.33%,具有一定的实用价值。

采用改进SSD网络的海参目标检测算法

随着海参养殖业快速发展,利用水下机器人代替人工作业的海参智能捕捞已成为发展趋势。浅海环境复杂,海参体色与环境区分性差、海参呈现半遮蔽状态等原因,导致目标识别准确率低下。此外由于景深运动,远端海参作为小目标常常未被识别成功。为解决上述问题,该研究提出一种基于改进SSD网络的海参目标检测算法。首先通过RFB(ReceptiveFieldBlock)模块扩大浅层特征感受野,利用膨胀卷积对特征图进行下采样,增加海参细节、位置等信息,并结合注意力机制,对不同深度特征进行强化,将计算得出的权重与原特征信息相乘以此获得特征图,使结果包含最具代表性的特征,也抑制无关特征。最后实现特征图融合,进一步提升水下海参的识别精度。以实际拍摄的视频进行测试验证,在网络结构层面上,对传统算法进行改进。试验结果表明,基于改进的SSD网络的海参目标检测算法的平均精度均值为95.63%,检测帧速为10.70帧/s,相较于传统的SSD算法,在平均精度均值提高3.85个百分点的同时检测帧速仅减少2.8帧/s。与Faster R-CNN算法和YOLOv4算法进行对比试验,该研究算法在平均精度均值指标上,分别比YOLOv4、Faster R-CNN算法提高4.19个百分点、1.74个百分点。在检测速度方面,该研究算法较YOLOv4、Faster R-CNN算法分别低4.6帧/s、高3.95帧/s,试验结果表明,综合考虑准确率与运行速度,改进后的SSD算法较适合进行海参智能捕捞任务。研究结果为海参智能捕捞提供参考。