CN109470657A - 一种基于机器鱼的水下排污口定位方法 - Google Patents

一种基于机器鱼的水下排污口定位方法 Download PDF

Info

Publication number
CN109470657A
CN109470657A CN201811313915.2A CN201811313915A CN109470657A CN 109470657 A CN109470657 A CN 109470657A CN 201811313915 A CN201811313915 A CN 201811313915A CN 109470657 A CN109470657 A CN 109470657A
Authority
CN
China
Prior art keywords
turbidity
sewage draining
draining exit
machine fish
conversion value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811313915.2A
Other languages
English (en)
Inventor
陈林
史洪玮
王志超
周怡婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suqian College
Original Assignee
Suqian College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suqian College filed Critical Suqian College
Priority to CN201811313915.2A priority Critical patent/CN109470657A/zh
Priority to CN202111466960.3A priority patent/CN114112999A/zh
Publication of CN109470657A publication Critical patent/CN109470657A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47Scattering, i.e. diffuse reflection
    • G01N21/49Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了基于机器鱼的水下排污口定位方法,包括:机器鱼下水后,先直线巡游一段距离检测某点的浊度转换值,之后转过一定的角度d°再前进一段距离,检测该路径点的浊度转换值N(n)并与上一位置浊度转换值N(n‑1)进行比较;如果大于上一浊度转换值,则反向转过d°±d1°并前进上一前进距离的k倍(k<1);如果小于上一浊度转换值,则反向转过d°±d2°并前进相同的距离;在不断接近排污口后,机器鱼在排污口处徘徊,然后可通过机器鱼的前置摄像头拍摄排污口的照片,最后上浮回收,否则继续浊度比较搜寻排污口。本发明能在更短时间能找出水下污染源,从而更有效地控制污染排放危害,满足实际使用要求。

Description

一种基于机器鱼的水下排污口定位方法
技术领域
本发明涉及一种基于机器鱼的水下排污口定位方法,属于机器鱼定位技术领域。
背景技术
水孕育了各种各样的生命后又成为各种生命赖以生存的基础,但随着人类社会的扩大和进步,各种环境污染包括水污染也愈发严重。被污染的水资源给人类自身和其他生物带来了生命健康威胁,并且阻碍了社会经济和生态环境的可持续发展。在世界上我国的治污技术并不算先进,虽然我国对污水治理和排污口的管理投入很多人力物力,如果能完全严格遵守各项环保法规还能有所成效,但是偷排污水的黑心企业不在少数,等到被完全揭发为时已晚。对于这种违规排污事件,许多政府想加强整治却也无可奈何,因为某些过分的企业是在地下偷挖管道,在水下排放未达排放标准的废水,这些暗管让各地监测管理机构难以察觉。比如,江苏省某化工厂向运河偷排工业废水十多年,在当地居民发现河流水质异常后相关部门立刻进行调查,刚开始并未发现该化工厂的恶行,直到潜水员在水下约1.4米处发现该厂的排污暗管。湖北黄石某化工企业偷埋暗管、违规排污十几年,等到了枯水期,该企业的罪行才被周围村民揭露。不只是工业废水,生活污水也存在偷排现象。福州金山横江渡多次整治后再次被污染,相关整治处理人员在水位低的时候乘坐小船在内河沿线进行严格巡查,最终发现了五处原本隐藏在水下的违规排污口。
目前,类似情况的水下排污口位置隐蔽,很多时候就算发现了水质问题,排污口的确切位置也很难及时监测到。针对这样的问题,需要研究一种新的技术侦测定位方案,使其能够在更短时间能找出水下污染源,从而更有效地控制污染排放危害。
发明内容
本发明是针对现有技术存在的不足,提供一种基于机器鱼的水下排污口定位方法,能在更短时间能找出水下污染源,从而更有效地控制污染排放危害,满足实际使用要求。
为解决上述问题,本发明所采取的技术方案如下:
一种基于机器鱼的水下排污口定位方法,所述基于机器鱼的水下排污口定位方法包括:
步骤(1):机器鱼下水后,先直线巡游一段距离;
步骤(2):通过设置在机器鱼上的浊度传感器检测某点的浊度转换值,然后转过一定的角度d°;
步骤(3):再前进一段距离,采用Z形变步长搜索算法检测该路径点的浊度转换值N(n),并与上一位置浊度转换值N(n-1)进行比较;
步骤(4):如果大于上一浊度转换值,则反向转过d°±d1°并前进上一前进距离的k倍(k<1);如果小于上一浊度转换值,则反向转过d°±d2°并前进相同的距离;
步骤(5):最后,在不断接近排污口后,机器鱼在排污口处徘徊,然后通过机器鱼的前置摄像头拍摄排污口的照片,最后上浮回收,否则继续浊度比较搜寻排污口。
作为上述技术方案的改进,其中,所述Z形变步长搜索算法在水下排污口定位过程中的具体操作如下:假设N(n)为机器鱼在某路径点(重新测量浊度值,进行方向转变步长规划的位置)测得的河水浊度,N(n-1)为前一位置所测得浊度值,k为路径变化比且k≤1,mn,n+1为机器鱼从路径点n移动到下一个路径点n+1时所移动的步长,将当前路径点的浊度值与前一处路径点的浊度值进行比较;如果浊度增大,则令k<1且mn,n+1=kmn-1,n,然后机器鱼反向转d°±d1°(d1°为一随机角度),再向前游动mn,n+1;如果浊度变小或保持不变,则令k=1步长不变,然后机器鱼反向转d°±d2°(d2°为一随机角度),再向前游动mn,n+1
作为上述技术方案的改进,所述Z形变步长搜索算法如下所示:
if(N(n)>N(n-1))
{
k<1;
mn,n+1=kmn-1,n
反向转d°±d1°且前进mn,n+1
}
else
{
k=1;
mn,n+1=kmn-1,n
反向转d°±d2°且前进mn,n+1
}。
本发明与现有技术相比较,本发明的实施效果如下:
(1)通过比较水下机器鱼所在位置水体的浊度,不断改变机器鱼前进方向和前进距离,以Z字形路线不断向浊度高的地方前进,逐渐靠近排污口,成功实现了水下排污口的定位。
(2)将Z型路径搜索算法应用于机器鱼水下排污口的定位,可以有效节约资源减少能耗,结合了变步长搜索算法后,随着机器鱼不断接近目标排污口,机器鱼的步长也逐渐减小,在排污口附近产生缩聚现象,在到达排污口处,由于水体浊度基本不变,机器鱼会在排污口处徘徊,最终实现了排污口的定位。
附图说明
图1为本发明所述基于机器鱼的水下排污口定位方法的逻辑操作流程示意图;
图2为本发明所述机器鱼结构示意图;
图3为本发明所述浊度传感器结构示意图。
具体实施方式
下面将结合具体的实施例来说明本发明的内容。
如图1至图3所示:一种基于机器鱼的水下排污口定位方法,所述基于机器鱼的水下排污口定位方法包括:
步骤(1):机器鱼下水后,先直线巡游一段距离;
步骤(2):通过设置在机器鱼上的浊度传感器检测某点的浊度转换值,然后转过一定的角度d°;
步骤(3):再前进一段距离,采用Z形变步长搜索算法检测该路径点的浊度转换值N(n),并与上一位置浊度转换值N(n-1)进行比较;
步骤(4):如果大于上一浊度转换值,则反向转过d°±d1°并前进上一前进距离的k倍(k<1);如果小于上一浊度转换值,则反向转过d°±d2°并前进相同的距离;
步骤(5):最后,在不断接近排污口后,机器鱼在排污口处徘徊,然后通过机器鱼的前置摄像头拍摄排污口的照片,最后上浮回收,否则继续浊度比较搜寻排污口。
(1.1)Z形路径搜索算法
Z形路径搜索方法具体实现过程:假设在某点测得的气味浓度为N(n),前一点的气味浓度为N(n-1)。如果N(n)>N(n-1)则反向旋转一定的角度范围,如转d°±5°(5°可是个随机的角度),并向前移动m±n(n为一段随机距离,可以是0.05m);如果N(n)<N(n-1)则反旋转d°±20°(20°也是个随机角度),并向前移动m±n。
算法性能评价:经过其他学者的实验研究发现,Z形路径搜索算法的搜寻结果受出发方向和转角偏差影响较小,即使搜寻的路径不同,但都能正确定位目标所在位置,因此该算法具有较好的稳定性和鲁棒性。每次比较后的行走步长对整个定位过程的步数和路径有影响,从而影响了总时长和总能耗。如果步长过长,可能会增加在目标周围绕圈现象出现的几率,耗费更多时间和能量。
总体而言,Z形路径搜索算法能完成目标搜索的任务。
(1.2)变步长搜索算法
传统定步长六边形路径算法
以搜索地下气味源的任务为背景,机器人载有一种传感器,可检测地表土壤气体浓度。机器人在地面沿着检测出的气体浓度增大的方向、依照六边形的路径跟踪气体,慢慢靠近气味源,实现地下气味源的定位。将六边形的顶点,即相邻两条边的交点作为路径点,移动机器人根据前两个路径点所测浓度和上一个路径点处执行的转弯方向,在每处路径点决定是顺时针转60°去往右边下一个路径点,还是逆时针转60°向左边下一个路径点移动,当机器人和目标气味源之间的距离小于机器人移动一次所走的步长时,机器人便停止移动。
变步长六边形路径算法:变步长六边形算法是在定步长算法的基础上提出的,是对六边形气味源定位算法进行改进,即在探测机器人接近气味源的过程中,根据探测到的前两处路径点气味浓度和当前路径点气味浓度,按一定比率改变每步步长,直到机器人停止移动。
变步长六边形算法具体操作过程如下:假设机器人每次移动的路径变化比为k,同时k≤1,mn,n+1为探测机器人从路径点n移动到下一个路径点n+1时所移动的步长,将当前路径点的浓度与前一处路径点的浓度进行比较;如果浓度增大,则按比例k(k<1)缩短步长,即令mn,n+1=kmn-1,n,如果浓度变小或保持不变,则令k=1步长不变;如果在前两次浓度比较过程中浓度减小且上一路径点是逆时针转动,或前两次浓度比较过程中浓度增大且上一路径点是顺时针转动,则逆时针转动60°并向前移动mn,n+1;若不是以上两种情况,则顺时针转动60°并向前移动mn,n+1
(1.3)定步长与变步长算法比较与分析
相比于定步长算法,变步长算法的气味源搜索路径是绝对收敛的,使得移动机器人在气味源附近进行缩聚行为。在步长可变的情况下,对目标气味源的定位作用也较强;通过对两种算法下,探测机器人与目标气味源之间动态距离的比较,结果显示变步长算法明显优于定步长算法。
由于变步长的缩聚行为,变步长可以实现定步长不能实现的气味源定位。在变步长算法中,在一定的范围内,路径变化比k值越小,缩聚现象越突出,气味源定位作用越明显,但若k值过小,步长缩减的速度过快的话探测机器人可能在中途停下,且k值的选取应综合考虑功耗和定位两个方面因素,在合适的范围内设定k值。
总体而言,变步长六边形算法可完成气味跟踪和气味源定位任务。
(2.1)水下排污口定位方法
当污水通过排污口进入河道后,污染物会随着河水做复杂的运动,还会发生一系列物理化学变化。污染物需要通过竖向混合和横向混合才能在河道达到均匀分布的状态,然后污染物还会在纵向方向继续混合。一般情况下,河道的深度比宽度要小得多,所以在污染物进入河流后,短时间内可以完成和河水的竖向混合,达到竖向均匀分布。当污染物完成横向均匀分布后,河道横截面上的污染物便均匀分布,没有新的污染物增加时污染物的浓度便会保持恒定。虽然有的污染物质会发生物理化学变化,或是发生衰减现象,但在河道断面上的浓度分布仍是均匀的。
因为本发明主要是针对小型河道系统,河道深度和宽度都比较小,污染物浓度梯度可忽略不计,纵向尺度比深度和宽度大得多,所以只在一个方向存在污染物浓度梯度。在离排污口较远的位置,河道同一截面上的污染物浓度值基本上一致,离排污口越近污染物浓度越高[15][16]。所以当机器鱼检测到污染物时,通过与上一处污染物浓度的比较,可以沿着浓度增大的方向游动,不断接近污染源,从而可以实现对水下排污口的定位。
(2.2)Z形变步长搜索算法
Z形变步长搜索算法在水下排污口定位过程中的具体运用如下:假设N(n)为机器鱼在某路径点(重新测量浊度值,进行方向转变步长规划的位置)测得的河水浊度,N(n-1)为前一位置所测得浊度值,k为路径变化比且k≤1,mn,n+1为机器鱼从路径点n移动到下一个路径点n+1时所移动的步长,将当前路径点的浊度值与前一处路径点的浊度值进行比较;如果浊度增大,则令k<1且mn,n+1=kmn-1,n,然后机器鱼反向转d°±d1°(d1°为一随机角度,可为15°),再向前游动mn,n+1;如果浊度变小或保持不变,则令k=1步长不变,然后机器鱼反向转d°±d2°(d2°为一随机角度,可为30°),再向前游动mn,n+1
Z形变步长搜索算法描述如下所示:
if(N(n)>N(n-1))
{
k<1;
mn,n+1=kmn-1,n
反向转d°±d1°且前进mn,n+1
}
else
{
k=1;
mn,n+1=kmn-1,n
反向转d°±d2°且前进mn,n+1
}
将Z型路径搜索算法应用于机器鱼水下排污口的定位,可以有效节约资源减少能耗。结合了变步长搜索算法后,随着机器鱼不断接近目标排污口,机器鱼的步长也逐渐减小,在排污口附近产生缩聚现象;在到达排污口处,由于水体浊度基本不变,机器鱼会在排污口处徘徊,最终实现了排污口的定位。
另外,设Z型路径反向转角是d0,d10和d20是一随机角度且d10<d20,N(n)是当前位置所测的浊度值,N(n-1)为前一位置所测的浊度值,mn-1,n为机器鱼从前一个路径点n-1移动到当前路径点n的移动步长,mn,n+1为机器鱼从路径点n移动到下一个路径点n+1时所移动的步长。当N(n)>N(n-1)时,移动步长和转向角度的公式分别为(1)和(2)
mn,n+1=kmn-1,n,其中k<1 (1)
d0=d°±d1° (2)
当N(n)<=N(n-1)时,移动步长和转向角度的公式分别为(3)和(4)
mn,n+1=mn-1,n (3)
d0=d°±d2° (4)
(3.1)现有硬件基础:仿生机器鱼
该机器鱼主要采用无线通信和声波通信技术,突破了传统水下机器人有缆控制的局限性,具有体积小、对工作环境影响小、低噪、续航能力强等优点,在复杂水域也能很好地完成任务。
基本构成与功能
自主仿生机器鱼平台包含:机器鱼本体1、连接架2、鱼尾3、STM32F103单片机、ARM9控制电路、防抖云台、声波传感器;在机器鱼本体1上设有开关4、电池舱5、控制舱6、天线7、状态指示灯8、摄像头9、红外传感器10、探照灯11、防水航槽12、压力传感器13、防撞脚架14,还包括警示贴标15和防水胶塞16等装置,其基本组成结构如图2所示。
在图像识别方面,通过配合ARM 9处理器,机器鱼的前置30万像素摄像头9可对目标拍摄物体进行图像处理。比如识别计算拍摄物体的颜色和最大轮廓面积、计算目标物体对机器鱼自身的坐标位置;机械防抖云台结合了PID控制算法,减少了由自身运动带来的镜头晃动,大大提高了图像识别的准确度。在光线昏暗的情况下,主机舱底部的探照灯11可通过照明,从而提高所拍摄画面的清晰程度。机器鱼的头部搭载了射频天线7,在水下可存储拍摄的图像数据,在RF天线浮出水面后,可与PC端连接通信,通过无线传输技术上传水下存储的图像数据。
当摄像头识别拍摄目标的轮廓大小后,主机舱中央和两侧的红外传感器10可检测与拍摄物体的距离范围,然后实现避障动作,底部的压力传感器13通过检测水压来测量计算机器鱼当前所处的深度,误差在1cm之内。如果想实现对机器鱼的二次开发,可通过底部的七芯航插口搭载其他类型的传感器,扩展更多的功能。
(3.2)控制模式
该仿生机器鱼有两种控制模式:自主模式和遥控模式。
自主模式:当前置摄像头识别到水下物体后,根据算法策略及程序设置,机器鱼可自形完成拍照或躲避工作;在此基础上,我们便可通过该机器鱼进行目标探测搜索、躲避水下障碍物。
遥控模式:利用水下声波通信原理,声波遥控器可通过发射不同频率的声波来控制机器鱼的行为,比如实现直行加减速、左转右转、上浮下潜等动作;在水下遥控的控制范围可达五米,遥控器的防水深度最大为水下三十米。
(3.3)应用方面
对自主仿生机器鱼平台的研究拓展可涉及包括电子电路、运动控制理论、流体力学、无线通信在内的多种领域。比如在多水下机器人研究方面,可通过该机器鱼研究协同编队算法,为高校科研提供载体;不同于传统的机器人课程教育,机器鱼生动有趣吸引力强,在中小学机器人教育过程可激发学生的学习兴趣。
(3.3)功能扩展——浊度传感器模块
在水质检测中常用的传感器有余氯传感器、TOC传感器、电导率传感器、PH传感器、ORP传感器、浊度传感器。本发明选择浊度传感器检测水质情况,浊度传感器通过样本水体透光率和散射率判断浊度情况,由于浊度传感器检测的浊度值是渐变量,适合于动态环境,比较适合在水下连续检测水体的浊度,也可用于测量洗衣机、洗碗机或是鱼缸内水的污浊程度以及污水、河流水体的测量,本发明使用的是TSW-20浊度传感器。
(3.4)模块搭建分析
浊度传感器采集到的浊度值,需要外界控制电路进行AD转换。一般情况下网上购买浊度传感器会附带一个信号调理模块,需要配合其他模块才可以实现电压信号的输出;虽然网上有AD转换模块可另外购买,但是机器鱼只预留了一个七芯航插口用于模块扩展,并且预留的是串口,无法与独立的AD转换模块连接。经过相关技术咨询和资料搜寻,为了能让机器鱼成功搭载浊度传感器并正常工作,在网上找到了一种已集成的浊度传感器模块,集成了模数转换功能模块,并且测试结果可通过串口输出,符合机器鱼扩展模块数据传输要求,线路连接方便,也不需要另外编写程序控制所测浊度在该模块上的转换和传输;设计该产品的工程师已经设定好模块内部的工作方式,买家可直接使用,非常便利。
浊度值转换模块
在发明研究中,TSW-20浊度传感器连接的便是上文提到的已集成的浊度传感器转换模块,浊度转换模块如图3所示,其中图中标注的圆圈D1是电源指示灯。
浊度转换模块
该浊度转换模块有三种输出方式:模拟输出、高低电平输出、串口输出。将串口输出配合连接USB转TTL模块,便可使用串口助手在PC端直接读取浊度值转换的电压值。在本发明研究过程中,通过该模块检测了浊度传感器及浊度转换模块是否能正常工作。
本方案所保护的产品目前已经投入实际生产和应用,尤其是在机器鱼水下排污口定位技术领域上的应用取得了一定的成功,很显然印证了该产品的技术方案是有益的,是符合社会需要的,也适宜批量生产及推广使用。
以上内容是结合具体的实施例对本发明所作的详细说明,不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明保护的范围。

Claims (3)

1.一种基于机器鱼的水下排污口定位方法,其特征在于:所述基于机器鱼的水下排污口定位方法包括:
步骤(1):机器鱼下水后,先直线巡游一段距离;
步骤(2):通过设置在机器鱼上的浊度传感器检测某点的浊度转换值,然后转过一定的角度d°;
步骤(3):再前进一段距离,采用Z形变步长搜索算法检测该路径点的浊度转换值N(n),并与上一位置浊度转换值N(n-1)进行比较;
步骤(4):如果大于上一浊度转换值,则反向转过d°±d1°并前进上一前进距离的k倍(k<1);如果小于上一浊度转换值,则反向转过d°±d2°并前进相同的距离;
步骤(5):最后,在不断接近排污口后,机器鱼在排污口处徘徊,然后通过机器鱼的前置摄像头拍摄排污口的照片,最后上浮回收,否则继续浊度比较搜寻排污口。
2.根据权利要求1所述一种基于机器鱼的水下排污口定位方法,其特征在于:其中,所述Z形变步长搜索算法在水下排污口定位过程中的具体操作如下:假设N(n)为机器鱼在某路径点(重新测量浊度值,进行方向转变步长规划的位置)测得的河水浊度,N(n-1)为前一位置所测得浊度值,k为路径变化比且k≤1,mn,n+1为机器鱼从路径点n移动到下一个路径点n+1时所移动的步长,将当前路径点的浊度值与前一处路径点的浊度值进行比较;如果浊度增大,则令k<1且mn,n+1=kmn-1,n,然后机器鱼反向转d°±d1°(d1°为一随机角度),再向前游动mn,n+1;如果浊度变小或保持不变,则令k=1步长不变,然后机器鱼反向转d°±d2°(d2°为一随机角度),再向前游动mn,n+1
3.根据权利要求1所述一种基于机器鱼的水下排污口定位方法,其特征在于:所述Z形变步长搜索算法如下所示:
if(N(n)>N(n-1))
{
k<1;
mn,n+1=kmn-1,n
反向转d°±d1°且前进mn,n+1
}
else
{
k=1;
mn,n+1=kmn-1,n
反向转d°±d2°且前进mn,n+1
}。
CN201811313915.2A 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法 Pending CN109470657A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811313915.2A CN109470657A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法
CN202111466960.3A CN114112999A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法及定位机器鱼

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811313915.2A CN109470657A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111466960.3A Division CN114112999A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法及定位机器鱼

Publications (1)

Publication Number Publication Date
CN109470657A true CN109470657A (zh) 2019-03-15

Family

ID=65672207

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201811313915.2A Pending CN109470657A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法
CN202111466960.3A Withdrawn CN114112999A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法及定位机器鱼

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202111466960.3A Withdrawn CN114112999A (zh) 2018-11-06 2018-11-06 一种基于机器鱼的水下排污口定位方法及定位机器鱼

Country Status (1)

Country Link
CN (2) CN109470657A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110568140A (zh) * 2019-08-02 2019-12-13 浙江工业大学 一种基于机器仿生鱼的污染源探查定位方法
CN113220015A (zh) * 2021-04-08 2021-08-06 生态环境部华南环境科学研究所 一种利用光学和红外热成像进行排查、监管排污口的方法
CN113741489A (zh) * 2021-07-30 2021-12-03 中南安全环境技术研究院股份有限公司 一种用于排污口溯源的水下机器人及搜寻定位方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201807186U (zh) * 2010-10-14 2011-04-27 上海海洋大学 一种机器鱼复合转弯装置
CN102700695A (zh) * 2012-07-09 2012-10-03 长沙理工大学 河道违规排污侦测机器鱼
CN102818884A (zh) * 2012-08-15 2012-12-12 长沙理工大学 一种违规排污口的定位方法
CN203032903U (zh) * 2012-05-24 2013-07-03 黄图腾 水污染源追踪机器鱼
CN203902821U (zh) * 2014-04-01 2014-10-29 上海海洋大学 一种可搭载水质检测传感器的机器鱼
CN105158431A (zh) * 2015-09-22 2015-12-16 浙江大学 一种无人污染物溯源系统及其溯源方法
CN106093333A (zh) * 2016-07-29 2016-11-09 华中科技大学 一种水域污染源自动探测装置
CN205801470U (zh) * 2016-07-20 2016-12-14 博雅工道(北京)机器人科技有限公司 一种整体开放局部密封的机器鱼
CN106568914A (zh) * 2016-11-10 2017-04-19 王以尧 一种水域水质异常点探测和预警方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201807186U (zh) * 2010-10-14 2011-04-27 上海海洋大学 一种机器鱼复合转弯装置
CN203032903U (zh) * 2012-05-24 2013-07-03 黄图腾 水污染源追踪机器鱼
CN102700695A (zh) * 2012-07-09 2012-10-03 长沙理工大学 河道违规排污侦测机器鱼
CN102818884A (zh) * 2012-08-15 2012-12-12 长沙理工大学 一种违规排污口的定位方法
CN203902821U (zh) * 2014-04-01 2014-10-29 上海海洋大学 一种可搭载水质检测传感器的机器鱼
CN105158431A (zh) * 2015-09-22 2015-12-16 浙江大学 一种无人污染物溯源系统及其溯源方法
CN205801470U (zh) * 2016-07-20 2016-12-14 博雅工道(北京)机器人科技有限公司 一种整体开放局部密封的机器鱼
CN106093333A (zh) * 2016-07-29 2016-11-09 华中科技大学 一种水域污染源自动探测装置
CN106568914A (zh) * 2016-11-10 2017-04-19 王以尧 一种水域水质异常点探测和预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHAO WANG 等: "A Cruise Route Design of Robot-fish for the Pollution Source Location", 《PROCEEDINGS OF THE 33RD CHINESE CONTROL CONFERENCE》 *
王俭 等: "面向气味跟踪与定位的机器人变步长搜索算法", 《计算机工程与应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110568140A (zh) * 2019-08-02 2019-12-13 浙江工业大学 一种基于机器仿生鱼的污染源探查定位方法
CN110568140B (zh) * 2019-08-02 2021-10-29 浙江工业大学 一种基于机器仿生鱼的污染源探查定位方法
CN113220015A (zh) * 2021-04-08 2021-08-06 生态环境部华南环境科学研究所 一种利用光学和红外热成像进行排查、监管排污口的方法
CN113741489A (zh) * 2021-07-30 2021-12-03 中南安全环境技术研究院股份有限公司 一种用于排污口溯源的水下机器人及搜寻定位方法

Also Published As

Publication number Publication date
CN114112999A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN109470657A (zh) 一种基于机器鱼的水下排污口定位方法
Jalón-Rojas et al. Effects of biofilms and particle physical properties on the rising and settling velocities of microplastic fibers and sheets
CN103287549A (zh) 一种智能水质监测与水面清理船
CN101900687A (zh) 一种基于图像处理的小型水域水华监测预警方法
CN106248895B (zh) 一种地下水资源在线监测系统
Wong et al. Toward industrial revolution 4.0: Development, validation, and application of 3D-printed IoT-based water quality monitoring system
Chen et al. Urban river water quality monitoring based on self-optimizing machine learning method using multi-source remote sensing data
Yuan et al. Autonomous tracking of chemical plumes developed in both diffusive and turbulent airflow environments using Petri nets
CN203268293U (zh) 水质监测与水面清理船
Barker Rapid, Abundant Velocity Observation to Validate Million-Element Two-Dimensional Hydrodynamic Models
Kurdi et al. Assessment of chemical properties and hydro-geochemical coefficients at the Qareh Sou Basin, Golestan Province, Iran
CN204791490U (zh) 多功能智能测流航标
Devkota et al. Response characteristics of the Perdido and Wolf Bay system to inflows and sea level rise.
Hodge et al. Rapid underway profiling of water quality in Queensland estuaries
CN207866812U (zh) 一种发电厂水质监测装置
CN106855565A (zh) 一种基于信息融合技术的动态水质监测系统及方法
CN207731155U (zh) 一种水污染源自动导巡机
Cao et al. Study on water quality inversion model of Dianchi Lake based on Landsat 8 data
Nunes The dynamics of small-scale fronts in estuaries
Huang et al. Dynamic tracing of fecal bacteria processes from a river basin to an estuary using a 2D/3D model
Wang et al. Prediction method of cyanobacterial blooms spatial-temporal sequence based on deep belief network and fuzzy expert system
Friederici et al. A lagrangian method for extracting eddy boundaries in the red sea and the gulf of aden
Xue et al. Anti tracking technology of urban water supply pollution source based on water quality monitoring
Teixeira Tracking and Mapping of the Douro River Plume with an AUV
Lam et al. Predicting fecal-indicator organisms in coastal waters using a complex nonlinear artificial intelligence model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190315

RJ01 Rejection of invention patent application after publication